Strategische Nutzung von Bitcoin-Mining in Unternehmen: Analyse wirtschaftlicher Potenziale für Unternehmen mit erneuerbaren Energiequellen

Inhaltsverzeichnis

• 1. Einleitung
• 2. Der deutsche Strommarkt
  • 2.1 Grundlagen
  • 2.2 Marktmechanismen
  • 2.3 Märkte für Systemdienstleistungen
  • 2.4 Strompreisbildung
• 3. Grundlagen von Bitcoin und Bitcoin-Mining
• 4. Wirtschaftlichkeitsanalyse
  • 4.1 Methodische Grundlage
  • 4.2 Kernparameter
  • 4.3 Volllastbetrieb
  • 4.4 Mining mit negativer Sekundärregelleistung
  • 4.5 Mining mit positiver Sekundärregelleistung
  • 4.6 Mining mit Primärregelleistung
• 5. Durchführung des Pilotprojekts
• 6. Kernaussage & Analystenperspektive
• 7. Technische Details & Mathematisches Modell
• 8. Experimentelle Ergebnisse & Pilotprojektdaten
• 9. Analyserahmen: Fallstudienbeispiel
• 10. Zukünftige Anwendungen & Entwicklungsrichtungen
• 11. Literaturverzeichnis

1. Einleitung

Diese Masterarbeit untersucht die strategische Integration von Bitcoin-Mining in Unternehmensprozesse, mit einem besonderen Fokus auf Unternehmen, die Zugang zu erneuerbaren Energiequellen haben. Die zentrale Forschungsfrage beleuchtet, wie Bitcoin-Mining in bestehende Marktstrukturen eingebettet werden kann, um als flexibler Stromverbraucher zu fungieren und so zur Netzstabilität beizutragen sowie die effiziente Nutzung erneuerbarer Energien zu steigern. Die Arbeit basiert auf einem praktischen Pilotprojekt, "Digitale Monetäre Photosynthese", das in Zusammenarbeit mit der Deutschen Telekom durchgeführt wurde.

2. Der deutsche Strommarkt

Dieses Kapitel liefert den wesentlichen Kontext zum Verständnis des operativen Umfelds. Es erläutert detailliert die Struktur des Marktes, die Mechanismen des Stromhandels (Spotmarkt, Intraday-Handel, Terminmarkt) und die kritische Rolle von Systemdienstleistungen (Primär-, Sekundär-, Tertiärregelleistung) für die Aufrechterhaltung der Netzfrequenz.

2.1 Grundlagen des deutschen Strommarkts

Behandelt Erzeugung, Übertragung, Verteilung und Versorgung sowie die Geschichte der Marktliberalisierung.

2.2 Marktmechanismen

Erklärt den Day-Ahead- und Intraday-Spotmarkt, den Terminmarkt und den außerbörslichen (OTC) Handel.

2.3 Märkte für Systemdienstleistungen

Beschreibt die drei Ebenen der Regelleistung (Primär-, Sekundär-, Tertiärregelleistung), die für den Ausgleich von Netzschwankungen in Echtzeit eingesetzt werden.

2.4 Strompreisbildung

Erläutert das Merit-Order-Prinzip, den Einfluss erneuerbarer Energien auf die Residuallast und die Preise sowie die Zusammensetzung des Endkundenstrompreises.

3. Grundlagen von Bitcoin und Bitcoin-Mining

Dieses Kapitel legt die technische Grundlage von Bitcoin, seine Schlüsseleigenschaften (Dezentralisierung, Unveränderlichkeit) und den Proof-of-Work-Konsensmechanismus dar. Es definiert die kritischen Variablen für profitables Mining, wie Hash-Rate, Energieverbrauch und Mining-Schwierigkeit, und führt die in der Wirtschaftlichkeitsanalyse verwendeten Key Performance Indicators (KPIs) ein.

4. Wirtschaftlichkeitsanalyse

Dieser Kernabschnitt der Analyse stellt mehrere Fallstudien vor, um die Rentabilität von Bitcoin-Mining unter verschiedenen Betriebsmodi im Rahmen des deutschen Marktes zu bewerten.

4.1 Methodische Grundlage für die Fallstudienberechnung

Skizziert die Annahmen und Modelle, die für die finanziellen Berechnungen verwendet werden.

4.2 Kernparameter der Fallstudienberechnung

Definiert feste Eingabewerte wie Hardware-Effizienz (J/TH), Hash-Rate und Stromkostenszenarien.

4.3 Volllastbetrieb mit variablem Strompreis

Analysiert ein Basisszenario, in dem die Mining-Hardware kontinuierlich läuft, wobei die Rentabilität sensibel auf Großhandelsstrompreise reagiert.

4.4 Bitcoin-Mining mit negativer Sekundärregelleistung

Untersucht ein Szenario, in dem der Mining-Betrieb seinen Verbrauch reduziert (oder abschaltet), um auf ein Signal des Netzbetreibers zur Aufnahme überschüssiger erneuerbarer Erzeugung zu reagieren, und dafür eine Kapazitäts- und Aktivierungsvergütung erhält.

4.5 Bitcoin-Mining mit positiver Sekundärregelleistung

Analysiert ein Szenario, in dem der Betrieb seinen Verbrauch (von einer niedrigeren Basislast aus) erhöht, um einen Erzeugungsengpass auszugleichen, und ebenfalls Einnahmen aus Systemdienstleistungen generiert.

4.6 Bitcoin-Mining mit Primärregelleistung

Bewertet das Potenzial von Mining-Hardware, eine sehr schnelle (30-Sekunden) Frequenzregelung bereitzustellen, eine höherwertige, aber technisch anspruchsvollere Dienstleistung.

5. Durchführung des Pilotprojekts

Beschreibt die praktische Umsetzung des Projekts "Digitale Monetäre Photosynthese" mit der Deutschen Telekom. Es behandelt den technischen Aufbau, die Auswahl des Mining-Pools und der Software sowie die Entwicklung von Skripten für die Datenerfassung und die Verwaltung des kontinuierlichen Volllastbetriebs. Dieser Abschnitt verbindet Theorie und Praxis und liefert reale Daten zur Validierung der Wirtschaftlichkeitsmodelle.

6. Kernaussage & Analystenperspektive

Kernaussage: Diese Arbeit geht es nicht darum, Bitcoin zu bewerben; es ist ein Leitfaden für kapitalarme Lastmanagement-Lösungen auf der Verbrauchsseite. Fritzsche stellt Bitcoin-Mining neu dar – nicht als spekulative Aktivität, sondern als hochauflösende, monetarisierbare Lastkurve. Die eigentliche Innovation besteht darin, Rechenarbeit als ein Finanzderivat auf Strompreisvolatilität und Netzungleichgewichte zu behandeln.

Logischer Aufbau: Die Argumentation schreitet mit deutscher Ingenieurspräzision voran: 1) Kartierung des komplexen, anreizgesteuerten Terrains des deutschen Strommarkts (Kapitel 2). 2) Definition von Bitcoin-Mining als einen perfekt unterbrechbaren Industrieprozess mit einer klaren Gewinn- und Verlustrechnung (Kapitel 3). 3) Durchführung der Berechnungen, die belegen, dass Märkte für Systemdienstleistungen (FCR, aFRR) höhere Margen bieten können als reines Rohstoff-Mining, insbesondere in Kombination mit Überschusserzeugung aus erneuerbaren Energien (Kapitel 4). 4) Validierung des Modells durch ein reales Pilotprojekt, vom Tabellenkalkulationsblatt zum Server-Rack (Kapitel 5). Die Logik ist lückenlos – sie behandelt Energie als Rohstoff und die Mining-Hardware als eine Fabrik, deren Ausstoß (Hashes) sekundengenau und profitabel gedrosselt werden kann, basierend auf dem Preis des Ausgangsmaterials (Strom).

Stärken & Schwächen: Die Stärke liegt in ihrem kompromisslosen Pragmatismus und der sektorspezifischen Fokussierung. Anders als breite kryptoökonomische Arbeiten taucht sie tief in den ENTSO-E-Netzcode und die Besonderheiten deutscher Marktprämien ein. Das Pilotprojekt mit der Deutschen Telekom verleiht entscheidende Glaubwürdigkeit. Die Schwäche ist jedoch der eng fokussierte Blick auf den einzigartigen deutschen Markt. Die Tragfähigkeit des Modells hängt von hohen Preisen für Systemdienstleistungen und einer signifikanten Volatilität erneuerbarer Energien ab – Bedingungen, die nicht überall gegeben sind. Es umgeht auch den ESG-Elefanten im Raum: Während die Nutzung "gestrandeter" grüner Energie clever ist, wird die breitere Debatte um den CO2-Fußabdruck von Proof-of-Work durch diese lokale Lösung nur teilweise adressiert. Darüber hinaus ist die Wirtschaftlichkeitsanalyse anfällig für die Preisvolatilität von Bitcoin, ein Risikofaktor, dem weniger Gewicht beigemessen wird als der Netzpreisvolatilität.

Umsetzbare Erkenntnisse: Für Energieunternehmen ist der Fahrplan klar: Containerisierte Mining-Einheiten an Wind-/Solarstandorten nicht als primäre Einnahmequelle, sondern als "Netzschwamm" und Absicherung gegen negative Preise einsetzen. Der wahre Wert liegt in der Kombination von Einnahmequellen: Stromgroßhandel + Ausgleichsenergiemarkt-Vergütungen + Bitcoin. Für politische Entscheidungsträger zeigt die Arbeit einen marktbasierten Weg zur Netzstabilität auf, der den Bedarf an kostspieligem Netzausbau reduziert. Der unmittelbare nächste Schritt für jeden Praktiker sollte darin bestehen, dies mit Echtzeit-API-Daten der European Energy Exchange (EEX) und einer Plattform wie NiceHash zu modellieren, die den Verkauf von Hash-Power auf einem Spotmarkt ermöglicht und ein noch dynamischeres Ertragsmodell schafft.

7. Technische Details & Mathematisches Modell

Die Rentabilität eines Mining-Betriebs wird grundlegend durch eine einfache Gleichung bestimmt, die Einnahmen und Kosten vergleicht. Der tägliche Bruttogewinn $P$ kann wie folgt modelliert werden:

$P = R - C = \left( \frac{H \cdot 24}{D \cdot 2^{32}} \right) \cdot B \cdot S - (E \cdot 24 \cdot p_{el})$

Wobei:
$H$ = Hash-Rate der Mining-Hardware (Hashes/Sekunde)
$D$ = Mining-Schwierigkeit des Netzwerks
$B$ = Blockbelohnung (Bitcoin pro Block)
$S$ = Preis von Bitcoin (EUR/BTC)
$E$ = Leistungsaufnahme der Hardware (kW)
$p_{el}$ = Strompreis (EUR/kWh)

Der Schlüssel zur strategischen Integration liegt in der Modifikation des Terms $p_{el}$. Auf Märkten für Systemdienstleistungen handelt es sich nicht um einen einfachen Endkundenpreis. Die Einnahmen setzen sich zusammen aus vermiedenen Energiekosten, Kapazitätszahlungen $p_{cap}$ (EUR/kW/Monat) und Aktivierungsenergiezahlungen $p_{act}$ (EUR/kWh) für die Dauer des Netzsigals $t_{act}$:

$P_{ancillary} = R_{mining} + (p_{cap} \cdot E) - (E \cdot t_{act} \cdot p_{act})$

Im Fall negativer Regelleistung (Lastreduzierung) kann $p_{act}$ negativ sein (eine Zahlung für das *Nicht*-Verbrauchen), wodurch der Kosten-Term in zusätzliche Einnahmen umgewandelt wird.

8. Experimentelle Ergebnisse & Pilotprojektdaten

Das Pilotprojekt "Digitale Monetäre Photosynthese" lieferte eine empirische Validierung. Während der vollständige Datensatz proprietär ist, weist die Arbeit auf folgende zentrale Ergebnisse hin:

• Technische Machbarkeit bestätigt: Standard-Bitcoin-Mining-ASICs (Application-Specific Integrated Circuits) wurden erfolgreich in eine kontrollierte IT-Umgebung integriert und zeigten die Fähigkeit, ihren Verbrauch innerhalb technischer Grenzen hoch- und runterzufahren, wodurch sie sich als Lastmanagement-Ressource auf der Verbrauchsseite qualifizieren.
• Einnahmenkombination demonstriert: Betriebsdaten ermöglichten Backtesting mit historischen Marktpreisen. Die Analyse zeigte, dass in Zeiten hoher erneuerbarer Erzeugung und niedriger/negativer Day-Ahead-Preise der Optionswert, Miner abzuschalten (simulierte Bereitstellung negativer Regelleistung) und die zugeteilte Kapazität zu vermarkten, die Gesamtrentabilität im Vergleich zum kontinuierlichen Mining erhöht hätte.
• Datenerfassungsrahmen etabliert: Individuelle Skripte erfassten erfolgreich detaillierte Daten zur Hardwareleistung (Hash-Rate, Temperatur, Effizienz), zum Energieverbrauch und zu den softwaregemeldeten Mining-Erträgen und schufen so eine Vorlage für zukünftige, größere Einsätze.

Das Pilotprojekt diente effektiv als Machbarkeitsnachweis, reduzierte das Risiko der technischen Integration und lieferte eine reale Grundlage für die Finanzmodelle in Kapitel 4.

9. Analyserahmen: Fallstudienbeispiel

Szenario: Ein 1 MW-Solarpark in Norddeutschland mit gelegentlicher Abregelung aufgrund von Netzengpässen.

Anwendung des Rahmens:

1. Anlagenbereitstellung: Installation eines modularen 500 kW-Bitcoin-Mining-Containers vor Ort.
2. Baseline-Betrieb: Die Miner arbeiten mit verfügbarer Solar-PV-Erzeugung und beziehen zu anderen Zeiten minimalen Netzstrom. Einnahmen: $R_{mining}$.
3. Integration von Systemdienstleistungen: Vorqualifizierung der 500 kW-Last beim Übertragungsnetzbetreiber (ÜNB) für negative aFRR.
   - Kapazitätszahlung: Erzielung von ca. €2.500-€4.000 pro Monat (€5-€8/kW/Monat) für die Bereitstellung der Verfügbarkeit.
   - Aktivierung: Bei einem Signal des ÜNB (aufgrund von Überschusserzeugung aus Erneuerbaren) fahren die Miner herunter. Der Park erhält den Aktivierungsenergiepreis (z.B. €50/MWh) für die Leistung, die *nicht* aus dem Netz bezogen wird (z.B. für 2 Stunden). Dies ist ein reiner Zusatzgewinn zur Kapazitätsgebühr.
4. Ertragsoptimierungslogik: Ein einfacher Entscheidungsalgorithmus läuft in jedem Marktintervall:
   WENN (Day-Ahead-Preis < 0) ODER (aFRR-Aktivierungssignal = WAHR) DANN Miner_Status = AUS; Ertrag = Kapazitätsgebühr + (|Energiepreis| * Last); SONST Miner_Status = EIN; Ertrag = Geminte_Bitcoins.

Dieser Rahmen verwandelt einen Kostenfaktor (abgeregelte Energie) in eine ertragsgenerierende Netzdienstleistung.

10. Zukünftige Anwendungen & Entwicklungsrichtungen

Das hier vorgestellte Modell hat Implikationen über Bitcoin und Deutschland hinaus:

• Über Bitcoin hinaus: Jede energieintensive, unterbrechbare Rechenlast kann in dieses Modell passen. Dazu gehören KI-Trainingsbatchjobs, wissenschaftliches Rechnen (z.B. Proteinfaltung) oder Render-Farmen. Das Konzept der "Digitalen Monetären Photosynthese" könnte sich zu "Digitalem Lastmanagement als Dienstleistung" weiterentwickeln.
• Software-Defined Power Plants (SDPP): Aggregation von verteilten, kleinskaligen flexiblen Lasten (Miner, E-Ladestationen, Wärmepumpen) zu einem virtuellen Kraftwerk (VPP), um an Großhandels- und Ausgleichsenergiemärkten teilzunehmen. Dies ist eine direkte Parallele zu den VPP-Konzepten, die von Unternehmen wie Next Kraftwerke entwickelt werden.
• Synergie mit grünem Wasserstoff: An Standorten mit extrem hoher Überschusserzeugung aus Erneuerbaren stellt sich die Wahl zwischen Mining und Wasserelektrolyse als interessantes ökonomisches Optimierungsproblem dar. Mining bietet eine sofortige Monetarisierung kurzfristiger Überschüsse, während Wasserstoff eine längerfristige Bindung erfordert, aber ein speicherbares Gut erzeugt.
• Regulatorische Weiterentwicklung: Zukünftige Arbeiten müssen die Standardisierung der Vorqualifizierung für verteilte Rechenressourcen adressieren und deren rechtlichen Status auf Energiemärkten klären. Forschung zu Echtzeit-Automatisierungsplattformen, die Rechenlasten direkt mit Energie-Markt-APIs verbinden, ist die nächste Grenze.

11. Literaturverzeichnis

1. Fritzsche, C. N. (2025). Strategische Nutzung von Bitcoin Mining in Unternehmen: Untersuchung von wirtschaftlichen Potentialen für Unternehmen mit erneuerbaren Energiequellen [Masterarbeit, Hochschule Mittweida].
2. Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System.
3. Bundesnetzagentur. (2023). Monitoringbericht 2023. Abgerufen von der Website der Bundesnetzagentur.
4. European Network of Transmission System Operators for Electricity (ENTSO-E). (2022). Ancillary Services Procurement Guidelines.
5. Khalid, M., et al. (2021). Demand Side Management in Smart Grids: A Review. IEEE Access, 9, 156881-156913.
6. de Vries, A. (2018). Bitcoin's Growing Energy Problem. Joule, 2(5), 801-809.
7. European Energy Exchange (EEX). (2024). Marktdaten. Abgerufen von https://www.eex.com.