InsuranceGrass: wie kann man Grünland nachhaltig gegen Extremwetterereignisse versichern?
Projektlaufzeit: 01.04.2022- 31.03.2025
Motivation
Mehr als ein Drittel der Landfläche auf der Erde ist von Wiesen- und Weidelandschaften bedeckt. Sie prägen damit vielerorts das Landschaftsbild, bieten Lebensraum für zahlreiche Tier- und Pflanzenarten und fungieren als Kohlenstoffsenke. Der Erhalt von Grünland spielt daher eine wichtige Rolle in der Bekämpfung des Klimawandels und zum Erhalt von Biodiversität. Neben diesen nicht-vermarktbaren Ökosystemdienstleistungen wird Grünland von Landwirten und Landwirtinnen zur Viehhaltung und Futterproduktion genutzt. Durch den Klimawandel und damit einhergehende Extremwetterereignisse kommt es zu Schäden im Grünland. Wirtschaftliche Einbußen für landwirtschaftliche Betriebe und ein Verlust von Ökosystemdienstleistungen sind die Folge. Es stellt sich daher die Frage, wie man landwirtschaftlich Beschäftigte gegen solche finanziellen Schäden absichern und gleichzeitig die Funktionalitäten von Grünland zur Erhaltung der Biodiversität und dem Bremsen des Klimawandels aufrechterhalten kann.
Forschungsziele
Das Projekt InsuranceGrass untersucht, wie formale, soziale und natürliche Versicherungslösungen genutzt werden können um landwirtschaftliche Betriebe gegen Extremwetterereignisse abzusichern. Dabei soll insbesondere erforscht werden, inwiefern der Einsatz von Versicherungslösungen das Bewirtschaftungsverhalten von Landwirten und Landwirtinnen und damit die Ökosystemdienstleistungen des Grünlands beeinflusst. Das Projekt untersucht hierzu vier Forschungsfragen:
- Was ist der Einfluss von Extremwetterereignissen auf Grünland und dessen Ökosystemdienstleistungen?
- Was sind die optimale natürliche und formale Versicherungslösungen, die landwirtschaftliche Betriebe vor Extremwetterereignissen schützen können, und wie wirken diese in Kombination?
- Wie können soziale Absicherungen, z.B. durch solidarische Landwirtschaften oder Zahlungen für Ökosystemdienstleistungen, ein Teil des Risikomanagements von landwirtschaftlichen Betrieben darstellen?
- Welche Effekte zeigt der (gleichzeitige) Einsatz verschiedener Versicherungslösungen auf die wirtschaftliche Situation der Landwirtinnen und Landwirte im Grünland und dessen Ökosystemdienstleistungen über die Zeit?
Aus den Ergebnissen der Arbeitspakete werden Empfehlungen für Versicherungsunternehmen und die Politik abgeleitet. Dabei sollen solche Versicherungsansätze vorgestellt werden, die eine Absicherung für landwirtschaftliche Betriebe bieten und gleichzeitig die nachhaltige Bewirtschaftung von Grünland fördern.
Arbeitspaket 4: Sozial-ökologische Dynamik
Wir am UFZ setzen das Arbeitspaket 4 zur Beantwortung der vierten Forschungsfrage um und beziehen dabei die Ergebnisse der anderen Arbeitspakete ein. Ein agentenbasiertes Modell wird entwickelt, um die Zusammenhänge zwischen Extremwetterereignisse, der (gleichzeitigen) Anwendung verschiedener Versicherungsansätze und dem Verhalten von Landwirtinnen und Landwirten und daraus resultierenden Ökosystemdienstleistungen simuliert. Ein agentenbasiertes Modell ist ein Bottom-up Ansatz, d.h. die Dynamik des Modells ergibt sich aus dem Verhalten der Individuen. Hierdurch kann insbesondere die Heterogenität der Landwirte und Landwirtinnen und deren Interaktion untereinander und mit Konsumenten und Konsumentinnen einbezogen werden. Das Ergebnis der Simulation erlaubt es uns, den Einfluss verschiedener Versicherungsdesigns auf das Risikomanagement von landwirtschaftlichen Betrieben zu untersuchen und solche Ansätze zu fördern, die eine nachhaltige Grünlandbewirtschaftung unterstützen.
Team
Prof. Dr. Birgit Müller
birgit.mueller@ufz.de |
Julia Kunkel
julia.kunkel@ufz.de |
Projektpartner & Finanzierung
Institution | Ansprechpartner |
ETH Zürich Grassland Sciences |
Prof. Dr. Nina Buchmann
|
ETH Zürich Agricultural Economics and Policy |
Prof. Dr. Robert Finger
|
iDiv Biodiversitätsökonomik |
Prof. Dr. Martin Quaas
|
Das Projekt wird durch die Deutsche Forschungsgemeinschaft und die Schweizerischen Nationalfonds gefördert.