IDEAS home Printed from https://ideas.repec.org/p/zbw/wikdps/445.html
   My bibliography  Save this paper

Die ökonomische Relevanz und Entwicklungsperspektiven von Blockchain: Analysen für den Telekommunikations- und Energiemarkt

Author

Listed:
  • Sörries, Bernd
  • Stronzik, Marcus
  • Tenbrock, Sebastian
  • Wernick, Christian
  • Wissner, Matthias

Abstract

Die Blockchain-Technologie findet heutzutage bereits Eingang in verschiedene Wirtschaftsbereiche. Technisch gehört sie zu den Distributed-Ledger-Technologien, d. h. es wird eine dezentrale Dokumentation von Transaktionen auf mehreren Standorten vorgenommen. Blockchains können in erster Linie dort eingesetzt werden, wo eine verlässliche Nachverfolgung von Daten- und Zahlungsströmen gewährleistet werden soll, Handlungsanweisungen über Smart Contracts ausgeführt und aufgezeichnet werden sollen und viele Akteure beteiligt sind. In diesem Diskussionsbeitrag wird zunächst die grundsätzliche Funktionsweise der Blockchain-Technologie erläutert. Anschließend werden Anwendungsmöglichkeiten im Bereich der Energie- und Telekommunikationswirtschaft aufgezeigt. Im Bereich der Energie zeigt sich, dass vielfältige Anwendungen denkbar sind, die konkrete Umsetzung jedoch noch am Anfang steht. Hier werden verschieden Anwendungsfälle diskutiert: Quartierslösungen, Abrechnung, Netzengpassmanagement und Bilanzkreisbewirtschaftung. Daneben sind weitere Anwendungsfelder denkbar, z. B. im Bereich Elektromobilität, Asset Management, Stromgroßhandel oder Zertifizierung von Energieprodukten. Die Anwendung der Blockchain ist hier als ein dynamischer Prozess zu verstehen, bei dem derzeit noch viele Fragen ungelöst sind und sich die Akteure noch relativ am Anfang befinden. Dies zeigt sich auch dadurch, dass die Blockchain ihren disruptiven Charakter (noch) nicht in der Weise offenbart hat, als dass tatsächlich einzelne Marktrollen bereits obsolet geworden sind. Momentan ist eher zu erkennen, dass sich Marktrollen verändern bzw. neue Aufgaben z. B. für den Netzbetreiber entstehen. Auch im Bereich Telekommunikation zeigen sich verschiedene denkbare Anwendungsbereiche; das Ausmaß der Umsetzung von Blockchain ist aber noch sehr begrenzt. Wenn es aufgrund mangelnder Transparenz und einer hohen Komplexität bestehender Prozesse zu ineffizienten Marktergebnissen kommt, kann Blockchain-Technologie aber theoretisch einen Mehrwert im Telekommunikationssektor bieten. In den Anwendungsfeldern Auslandsroaming und "Internet der Dinge" (Internet of Things, IoT) müssen jedoch noch einheitliche technologische Regeln und Rahmenbedingungen für die Umsetzung entwickelt werden. Sowohl für den Energie- als auch den TK-Sektor ergeben sich weitere, übergreifende Fragestellungen, die es für einen Einsatz der Blockchain zu lösen gilt. Zwei wesentliche sind die Frage nach dem Charakter der Smart Contracts und der Governance im Umfeld einer Blockchain-Lösung sowie die Frage des steigenden Datenvolumens und der Standardisierung unterschiedlicher Blockchains.

Suggested Citation

  • Sörries, Bernd & Stronzik, Marcus & Tenbrock, Sebastian & Wernick, Christian & Wissner, Matthias, 2019. "Die ökonomische Relevanz und Entwicklungsperspektiven von Blockchain: Analysen für den Telekommunikations- und Energiemarkt," WIK Discussion Papers 445, WIK Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste GmbH.
    • Handle: RePEc:zbw:wikdps:445
    as

    Download full text from publisher

    File URL: https://www.econstor.eu/bitstream/10419/227056/1/WIK-Diskussionsbeitrag-Nr-445.pdf
    Download Restriction: no
    ---><---

    References listed on IDEAS

    as
    1. Itf, 2018. "Blockchain and Beyond: Encoding 21st Century Transport," International Transport Forum Policy Papers 52, OECD Publishing.
    2. Zhiqiang Gao & Yixiao Sun & Xiaolong Cui & Yutao Wang & Yanyu Duan & Xu An Wang, 2018. "Privacy-Preserving Hybrid K-Means," International Journal of Data Warehousing and Mining (IJDWM), IGI Global, vol. 14(2), pages 1-17, April.
    3. He, Qingqing & Wang, Jianzhou & Lu, Haiyan, 2018. "A hybrid system for short-term wind speed forecasting," Applied Energy, Elsevier, vol. 226(C), pages 756-771.
    4. Marcus, J. Scott & Gries, Christin-Isabel & Wernick, Christian & Philbeck, Imme, 2016. "Entwicklung im internationalen Mobile Roaming unter besonderer Berücksichtigung struktureller Lösungen," WIK Discussion Papers 403, WIK Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste GmbH.
    5. Song-Ping Zhu & Xin-Jiang He, 2018. "A hybrid computational approach for option pricing," International Journal of Financial Engineering (IJFE), World Scientific Publishing Co. Pte. Ltd., vol. 5(03), pages 1-16, September.
    6. Constantin U & Elena LD and Ionel Ţ, 2018. "Viscosity Solution in Multi Time Hybrid Games," Biostatistics and Biometrics Open Access Journal, Juniper Publishers Inc., vol. 5(2), pages 46-47, February.
    Full references (including those not matched with items on IDEAS)

    Most related items

    These are the items that most often cite the same works as this one and are cited by the same works as this one.
    1. Wang, Kejun & Qi, Xiaoxia & Liu, Hongda & Song, Jiakang, 2018. "Deep belief network based k-means cluster approach for short-term wind power forecasting," Energy, Elsevier, vol. 165(PA), pages 840-852.
    2. Reetz, Fabian, 2019. "Herausforderungen und Förderstrategien für die Blockchain-Technologie," Studien zum deutschen Innovationssystem 10-2019, Expertenkommission Forschung und Innovation (EFI) - Commission of Experts for Research and Innovation, Berlin.
    3. Chen, Xue-Jun & Zhao, Jing & Jia, Xiao-Zhong & Li, Zhong-Long, 2021. "Multi-step wind speed forecast based on sample clustering and an optimized hybrid system," Renewable Energy, Elsevier, vol. 165(P1), pages 595-611.
    4. Tian, Chengshi & Hao, Yan & Hu, Jianming, 2018. "A novel wind speed forecasting system based on hybrid data preprocessing and multi-objective optimization," Applied Energy, Elsevier, vol. 231(C), pages 301-319.
    5. Danxiang Wei & Jianzhou Wang & Kailai Ni & Guangyu Tang, 2019. "Research and Application of a Novel Hybrid Model Based on a Deep Neural Network Combined with Fuzzy Time Series for Energy Forecasting," Energies, MDPI, vol. 12(18), pages 1-38, September.
    6. Wang, Huaizhi & Xue, Wenli & Liu, Yitao & Peng, Jianchun & Jiang, Hui, 2020. "Probabilistic wind power forecasting based on spiking neural network," Energy, Elsevier, vol. 196(C).
    7. Sandra Minerva Valdivia-Bautista & José Antonio Domínguez-Navarro & Marco Pérez-Cisneros & Carlos Jesahel Vega-Gómez & Beatriz Castillo-Téllez, 2023. "Artificial Intelligence in Wind Speed Forecasting: A Review," Energies, MDPI, vol. 16(5), pages 1-28, March.
    8. Hu, Weicheng & Yang, Qingshan & Chen, Hua-Peng & Yuan, Ziting & Li, Chen & Shao, Shuai & Zhang, Jian, 2021. "New hybrid approach for short-term wind speed predictions based on preprocessing algorithm and optimization theory," Renewable Energy, Elsevier, vol. 179(C), pages 2174-2186.
    9. Yu Jin & Honggang Guo & Jianzhou Wang & Aiyi Song, 2020. "A Hybrid System Based on LSTM for Short-Term Power Load Forecasting," Energies, MDPI, vol. 13(23), pages 1-32, November.
    10. Liu, Hui & Chen, Chao, 2019. "Multi-objective data-ensemble wind speed forecasting model with stacked sparse autoencoder and adaptive decomposition-based error correction," Applied Energy, Elsevier, vol. 254(C).
    11. Wei, Danxiang & Wang, Jianzhou & Niu, Xinsong & Li, Zhiwu, 2021. "Wind speed forecasting system based on gated recurrent units and convolutional spiking neural networks," Applied Energy, Elsevier, vol. 292(C).
    12. Zhu, Jiaming & Wu, Peng & Chen, Huayou & Liu, Jinpei & Zhou, Ligang, 2019. "Carbon price forecasting with variational mode decomposition and optimal combined model," Physica A: Statistical Mechanics and its Applications, Elsevier, vol. 519(C), pages 140-158.
    13. Ma, Zhengjing & Mei, Gang, 2022. "A hybrid attention-based deep learning approach for wind power prediction," Applied Energy, Elsevier, vol. 323(C).
    14. Qinkai Han & Hao Wu & Tao Hu & Fulei Chu, 2018. "Short-Term Wind Speed Forecasting Based on Signal Decomposing Algorithm and Hybrid Linear/Nonlinear Models," Energies, MDPI, vol. 11(11), pages 1-23, November.
    15. Qin, Yong & Li, Kun & Liang, Zhanhao & Lee, Brendan & Zhang, Fuyong & Gu, Yongcheng & Zhang, Lei & Wu, Fengzhi & Rodriguez, Dragan, 2019. "Hybrid forecasting model based on long short term memory network and deep learning neural network for wind signal," Applied Energy, Elsevier, vol. 236(C), pages 262-272.
    16. Xu, Shuojiang & Chan, Hing Kai & Zhang, Tiantian, 2019. "Forecasting the demand of the aviation industry using hybrid time series SARIMA-SVR approach," Transportation Research Part E: Logistics and Transportation Review, Elsevier, vol. 122(C), pages 169-180.
    17. Duy Nguyen, 2018. "A hybrid Markov chain-tree valuation framework for stochastic volatility jump diffusion models," International Journal of Financial Engineering (IJFE), World Scientific Publishing Co. Pte. Ltd., vol. 5(04), pages 1-30, December.
    18. Lei Zhang & Lun Xie & Qinkai Han & Zhiliang Wang & Chen Huang, 2020. "Probability Density Forecasting of Wind Speed Based on Quantile Regression and Kernel Density Estimation," Energies, MDPI, vol. 13(22), pages 1-24, November.
    19. Qian, Zheng & Pei, Yan & Zareipour, Hamidreza & Chen, Niya, 2019. "A review and discussion of decomposition-based hybrid models for wind energy forecasting applications," Applied Energy, Elsevier, vol. 235(C), pages 939-953.
    20. Liu, Hui & Chen, Chao, 2019. "Data processing strategies in wind energy forecasting models and applications: A comprehensive review," Applied Energy, Elsevier, vol. 249(C), pages 392-408.

    More about this item

    NEP fields

    This paper has been announced in the following NEP Reports:

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:zbw:wikdps:445. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    If CitEc recognized a bibliographic reference but did not link an item in RePEc to it, you can help with this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: ZBW - Leibniz Information Centre for Economics (email available below). General contact details of provider: https://www.wik.org/ .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.