Tankstellen neu erfunden: Mehrstufiges Konzept für Hybrid-Energiehubs
Zwischen dem dröhnenden Summen einer Schnellladestation und dem vertrauten Zischen einer Zapfsäule entsteht eine neue Art von Energiestation – eine, die im großen Mobilitätswandel nicht Partei ergreift, sondern Brücken baut. Während die Einführung von Elektrofahrzeugen (EVs) in globalen Städten rasant zunimmt, wird die bestehende Infrastruktur, die einst vollständig dem Benzin gewidmet war, stillschweigend neu erfunden – nicht verschrottet, nicht aufgegeben, sondern mit chirurgischer Präzision umgewidmet. In Peking, Shanghai und bald in Dutzenden von Metropolen weltweit entwickeln sich traditionelle Tankstellen zu integrierten Tank- und Schnellladestationen (IFFSs): zweckgebundene Zentren, die sowohl Hochgeschwindigkeits-EV-Ladung als auch konventionelles Betanken anbieten, gepuffert durch stationäre Batteriespeicher, um Netzbelastungen zu managen und die Betriebszeit zu maximieren.
Dies ist kein nachträgliches Umrüsten. Es handelt sich um strategische Infrastrukturentwicklung – bewusst, datengesteuert und wirtschaftlich für die lange Dauer kalibriert. Eine bahnbrechende Studie, die dieses Jahr in den Proceedings of the CSEE veröffentlicht wurde, legt einen rigorosen, mehrstufigen Planungsrahmen dar, der den Übergang von Benzin zu Elektrizität nicht als binären Wechsel, sondern als nuancierte, jahrzehntelange Migration behandelt. Im Kern steht die Erkenntnis, dass Fahrer keine Automaten sind, die zentral optimierte Routen ausführen – sie sind rationale Akteure, die in Echtzeit Abwägungen zwischen Zeit, Kosten und Komfort treffen. Wenn man diese Verhaltensrealität ignoriert, argumentieren die Autoren, entstehen elegante Modelle, die in der Praxis versagen.
Als Frankreich und das Vereinigte Königreich 2017 erstmals Verbote für neue Fahrzeuge mit Verbrennungsmotor (ICE) bis 2040 ankündigten, gingen viele davon aus, dass die Zukunft die Tankstelle einfach auslöschen würde. Doch fast ein Jahrzehnt später hat sich die Realität als komplexer erwiesen. Der Fahrzeugumbau ist langsamer als die politischen Zeitpläne; die ländliche Einführung hängt der städtischen Elektrifizierung hinterher; und Hybridfahrzeuge – die immer noch Betanken erfordern – bleiben eine dominante Übergangstechnologie. Inzwischen haben Ölkonzerne wie Sinopec öffentlich zugesagt, bis 2025 5000 EV-Lade- und Batteriewechselstationen zu bauen – nicht durch Neubau, sondern durch die Transformation ihres bestehenden Einzelhandelsnetzes. Diese Wende spiegelt eine tiefere Wahrheit wider: Land in dichten Stadtzentren ist knapp, teuer und oft mit jahrzehntealten Genehmigungen ausgewiesen. Eine funktionierende Station abzureißen, um eine rein ladende Einrichtung neu zu bauen, macht wirtschaftlich oder ökologisch wenig Sinn. Viel schlauer ist es, vor Ort anzupassen.
Aber Anpassung erfordert mehr als das Anbringen von Ladestationen an einem Vorplatz. Die Herausforderung ist operational, finanziell und zutiefst räumlich: Welche Stationen sollten zuerst modernisiert werden? Wie viele Ladestationen sollten mit wie vielen Zapfsäulen koexistieren – und für wie lange? Wann ist der richtige Zeitpunkt, einen Kraftstoffspender außer Betrieb zu nehmen und diese Fläche für Leistungselektronik oder Batteriestapel zurückzugewinnen? Und kritisch: Wie dimensioniert man alles so, dass kein Fahrer mehr als 30 Minuten in der Schlange wartet, Spitzen- oder Nebenzeiten, ohne zu viel für ungenutzte Kapazitäten auszugeben?
Hier setzt die Arbeit von Xiaoyu Duan, Zechun Hu, Yonghua Song und Jianzhou Feng an – ein Team, das zwischen der Tsinghua-Universität und dem State Key Lab for Smart City IoT der Universität Macau angesiedelt ist. Ihr Modell umgeht zwei häufige Fallstricke in der Infrastrukturplanung: erstens die Annahme, dass sich die Nachfrage nach sozial optimalem Routing verteilt (z.B. Minimierung der gesamten stadtweiten Fahrzeit); und zweitens die Abhängigkeit von feinkörnigen Verkehrsnetzsimulationen, die über Zehn-Jahres-Zeiträume brüchig werden. Stattdessen schlagen sie ein rasterisiertes – also gitterförmiges – Stadtmodell vor, bei dem die Nachfrage von diskreten Zellen (z.B. 2 km × 2 km Zonen) ausgeht und Stationen um rationale Benutzer aus benachbarten Zellen auf der Grundlage eines zusammengesetzten „Kosten“-Werts konkurrieren: Fahrzeit (geschätzt über Manhattan-Distanz und Durchschnittsgeschwindigkeit), erwartete Wartezeit in der Schlange, Service-Dauer und Energiepreis.
Dieser Nutzer-Gleichgewichts-Ansatz ist in der Verkehrstheorie nicht neu – aber seine Anwendung auf hybride Energieinfrastruktur ist es. Hier berechnet jeder Fahrer seinen eigenen optimalen Stopp. Wenn Station A zwei zusätzliche 200-kW-Ladestationen hinzufügt, verkürzt sich ihre Wartezeit, ihre „Kosten“ sinken, und die Nachfrage aus benachbarten Zellen verlagert sich natürlich dorthin – ohne dass ein zentraler Dispatcher Befehle erteilt. Dieses selbstorganisierende Verhalten ist direkt in die Planungsschleife eingebacken: Das Modell löst iterativ die Nachfrageverteilung gegeben die aktuellen Stationskapazitäten, optimiert dann die Kapazitäten gegeben die neue Nachfragekarte neu und konvergiert über den Fixpunktsatz von Brouwer auf ein stabiles Gleichgewicht – eine mathematische Garantie, dass mindestens eine solche stabile Konfiguration existiert.
In der Praxis bedeutet dies, dass Planer nicht mehr erraten müssen, wie sich Benutzer verhalten werden. Sie simulieren es. Und die Ergebnisse sind aufschlussreich. In einer simulierten Pekinger Kernzone – 300 Gitterzellen, die von 15 großen traditionellen Stationen bedient werden – sagt das Modell eine nichtlineare, beschleunigte Verschiebung voraus: Bis zur Stufe 4 (20 Jahre später, mit 50% EV-Durchdringung) sinkt die gesamte Tanknachfrage auf einen Bruchteil ihres anfänglichen Niveaus, aber die Verteilung der verbleibenden Nachfrage konzentriert sich stark – nicht weil die Leute mehr fahren, sondern weil rationale Nutzer zu den wenigen verbleibenden Hochleistungs-Tankstellen strömen, die noch akzeptable Wartezeiten bieten. Umgekehrt verteilt sich die Lade-Nachfrage gleichmäßiger, dennoch entstehen Hotspots um hochverdichtete kommerzielle und Transit-Knotenpunkte, wo selbst geringe Wartespitzen sichtbare Nachfrageverlagerung zu benachbarten Stationen auslösen.
Entscheidend ist, dass das Modell zeigt, dass Timing wichtiger ist als Volumen. Die größte Investition in Ladestationen erscheint nicht im Endstadium – wenn EVs dominieren –, sondern in Stufe 1, wenn die erste Welle gewerblicher Flottenbetreiber (z.B. Ride-Hailing, Liefer-EVs) beginnt, Schnellladen in großem Maßstab zu übernehmen. Early Mover benötigen Infrastruktur jetzt, nicht in einem Jahrzehnt. Eine Verzögerung des Aufbaus in Stufe 1 spart kein Geld; sie überlässt Marktanteile an Wettbewerber und drückt die Auslastung in späteren Stadien.
Ebenso aufschlussreich ist die Rolle von stationären Energiespeichern. Die Studie behandelt Batteriesysteme nicht als optionale Zusätze, sondern als essentielle Netzgla ttungsgeräte. Da 200-kW-DC-Schnelllader während der Spitzenzeiten Megawatt ziehen, kann eine einzelne Station lokale Transformatoren belasten – besonders wenn mehrere Fahrzeuge gleichzeitig einstecken. Durch die Installation von Speichern (z.B. 500-kWh-Lithium-Ionen-Systeme, Kosten von ~19.500 $ pro kWh in Gegenwartswert-Berechnung) können Betreiber die Spitzennachfrage „abrasieren“, indem sie Strom langsam außerhalb der Spitzenzeiten kaufen und während Ladespitzen schnell entladen. Dies vermeidet kostspielige Netzaufrüstungen, reduziert Stromrechnungen unter zeitvariablen Tarifen und – entscheidend – verbessert die Servicezuverlässigkeit während Ausfällen. Das Modell zeigt, dass an Orten mit hoher Auslastung Speicher kein Luxus sind; sie sind eine Voraussetzung für die Wirtschaftlichkeit.
Aber vielleicht liegt die pragmatischste Erkenntnis darin, wie das Modell mit Stilllegung umgeht. Die meisten akademischen Studien behandeln Infrastrukturausbau und -abbau als unabhängige Prozesse. Diese nicht. Sie koppelt sie explizit durch gemeinsame Ressourcenbeschränkungen: Landfläche, elektrische Umspannkapazität, Kapitalbudgets. Und hier kommt menschliches Verhalten wieder ins Spiel – nicht nur von Fahrern, sondern von Managern. Wenn das Herausreißen einer Zapfsäule netto Kosten verursacht (Ausrüstungsentfernung, Umgang mit Gefahrstoffen, entgangener kurzfristiger Umsatz), werden Betreiber die Stilllegung verzögern, bis sie absolut gezwungen sind – typischerweise wenn Platz oder Strom für Ladestationen benötigt wird. Wenn Stilllegung jedoch Geld spart (z.B. Vermeidung jährlicher Wartung an ungenutzten Pumpen), werden rationale Unternehmen Kapazitäten früh abbauen, noch bevor die Nachfrage vollständig verschwindet. Das Modell berücksichtigt beide Szenarien, indem es die Optimierung entkoppelt: Wenn die Kraftstoffentfernung kostspielig ist, priorisiert es zuerst die Einführung von Ladestationen und entfernt Pumpen nur, wenn Ressourcenengpässe auftreten; wenn es profitabel ist, lastet es die Pumpenstilllegung vor, um Ressourcen freizusetzen.
Die Implikationen sind strategisch. Eine Stadtplanungsbehörde, die sozial optimale Nachfrageverteilung verwendet – bei der angenommen wird, dass sich Benutzer verteilen, um die gesamten Systemkosten zu minimieren – könnte weniger, größere Ladezentren bauen und sich auf zentrale Routing-Apps verlassen, um den Verkehr zu lenken. Aber in der Realität wählen Fahrer die wahrgenommene schnellste Option, nicht die global optimale. Die Simulationen der Studie zeigen, dass Pläne, die auf Ersterem basieren, die Auslastung in Mittelklasse-Stationen überschätzen und die Überlastung an Top-Standorten unterschätzen – was zu 6–9 % höheren tatsächlichen Betriebskosten führt als projiziert. Im Gegensatz dazu liefern auf Nutzer-Gleichgewicht basierende Designs, obwohl in den Planungsschätzungen etwas teurer, niedrigere reale Kosten, weil sie dem tatsächlichen Verhalten der Menschen entsprechen.
Echte Validierung zeichnet sich ab. In Shenzhen, Chinas EV-Hauptstadt, hat PetroChina seit 2021 über 120 Stationen auf das Hybrid-IFFS-Format umgestellt, wobei typischerweise 4–6 Kraftstoffspuren beibehalten wurden, während 8–12 Schnellladestationen und 1–2 MWh Speicher hinzugefügt wurden. Frühe Telemetriedaten zeigen nahezu identische Nutzungskurven wie im Tsinghua-Modell: anfängliche Aufnahme von Ladestationen der Stufe 1 dominiert durch Taxi- und Logistikflotten; Stufe 2 gekennzeichnet durch steigende private EV-Einführung außerhalb der Spitzenzeiten; und Stufe 3 (derzeit im Gange) mit zusammenbrechender Kraftstoffnachfrage außerhalb von Fernverkehrskorridoren. Die Wartezeiten bleiben in 92 % der Betriebsstunden unter 25 Minuten – innerhalb der 30-Minuten-Schwelle, die nach Branchenkonsens für urbanes Betanken als akzeptabel gilt.
Dennoch bleiben Herausforderungen. Das aktuelle Modell behandelt Kraftstoff- und Elektro-Warteschlangen als unabhängig, obwohl in der Praxis eine verstopfte Tankinsel in Ladebuchten überlaufen kann, besonders an beengten Standorten. Zukünftige Iterationen könnten cross-modale Wartedynamiken integrieren. Ebenso erfordert die Annahme kontinuierlicher Kapazitätsvariablen – z.B. „6,73 Ladestationen“ – Ganzzahl-Rundungsheuristiken für den realen Einsatz; das Forschungsteam untersucht derzeit gemischt-ganzzahlige Erweiterungen. Und während der Raster-Ansatz straßenseitige Topographie opfert, gewinnt er Robustheit über 20-Jahres-Planungshorizonte, in denen Straßennetze, Zoneneinteilung und sogar Stadtgrenzen unvorhersehbar verschoben werden können.
Vielleicht ist die tiefgreifendste Verschiebung, die das IFFS-Modell ermöglicht, kulturell: Es verlagert die Erzählung von Ersetzung zu Koexistenz. Seit Jahrzehnten wurden Energieübergänge als Nullsummenspiele betrachtet – Kohle gegen Gas, Öl gegen Elektronen. Aber Infrastruktur wechselt nicht über Nacht. Die durchschnittliche US-Tankstelle ist über 30 Jahre alt; viele in Europa und Asien sind älter. Ihre physischen Vermögenswerte – Untergrundtanks (einmal saniert), Dachkonstruktionen, Versorgungsanschlüsse und, am wichtigsten, Grundstücke – repräsentieren versenktes Kapital, das produktiv wiederverwendet werden kann. Ein IFFS ist kein Kompromiss; es ist eine Anerkennung, dass die EV-Revolution ungleichmäßig verlaufen wird, über Geografien, Fahrzeugsegmente und Nutzerdemografien hinweg.
Aus politischer Sicht bietet die Studie eine Vorlage für adaptive Regulierung. Anstatt feste Ladesäulen-zu-Zapfsäulen-Verhältnisse vorzuschreiben, könnten Städte von Stationen verlangen, dynamische Übergangspläne vorzulegen – alle fünf Jahre aktualisiert – basierend auf lokaler EV-Durchdringung, Warteschlangenleistung und Flächennutzungseffizienz. Regulierungsbehörden könnten dann beschleunigte Genehmigungen für Upgrades erteilen, die nachweislich die Nachfrageabdeckung verbessern oder die Netzbelastung reduzieren. Versorger könnten unterdessen Nachfragegebühren-Gutschriften für Stationen anbieten, die Speicher einsetzen und an Netzunterstützungsprogrammen teilnehmen.
Das Geschäftsmodell ist ebenso überzeugend. Laut der NPV-Analyse des Teams kann ein gut durchgeführter mehrstufiger IFFS-Rollout sogar unter konservativen Annahmen positive Renditen erzielen – besonders wenn vermiedene Kosten berücksichtigt werden: kein Landerwerb, reduzierte Genehmigungsverzögerungen und genutztes Markenkapital. Ölhändler werden nicht zur Obsoleszenz gezwungen; ihnen wird ein Spielplan für Relevanz überreicht. Wie ein Sinopec-Manager kürzlich bemerkte: „Wir verkaufen kein Benzin. Wir verkaufen Energiekomfort. Die Düse hat nur ihre Form geändert.“
In die Zukunft blickend könnte sich das IFFS-Konzept über Autos hinaus ausdehnen. Schwerlastverkehrskorridore testen bereits Megawatt-Ladung neben Wasserstoffbetankung. Urbane Mikromobilitäts-Hubs könnten E-Bike- und E-Scooter-Wechselstationen einbinden. Und wenn Vehicle-to-Grid (V2G)-Technologie reift, könnte das morgige IFFS nicht nur Strom aus dem Netz ziehen – sondern es stabilisieren, indem geparkte EVs als verteilte Speicherassets genutzt werden. Die Station wird weniger ein Verbrauchspunkt und mehr ein Knoten in einem responsiven, bidirektionalen Energienetz.
Nichts davon geschieht automatisch. Es erfordert Planung, die sowohl technische Zwänge als auch menschliche Handlungsfähigkeit respektiert – die nicht nur antizipiert, welche Fahrzeuge 2040 die Straßen dominieren werden, sondern wie Fahrer entscheiden werden, wo sie unterwegs anhalten. Die Arbeit von Duan, Hu, Song und Feng sagt die Zukunft nicht voraus. Sie stattet Betreiber aus, sie zu navigieren – Stufe für Stufe, Ladestation für Ladestation, Wart