Zum Hauptinhalt springen
06.04.2023

Bevölkerungsentwicklung und CO₂-Emissionen in Indien und China

indien_china

Rechnet man mit den Bevölkerungsvorhersagen der UN, wird Indiens Bevölkerung die Chinas am 14. April 2023 überholen. Anlässlich dieser Prognose möchte das SMC mit diesem Datenreport Hintergründe zu den Bevölkerungszahlen liefern: Wie sicher sind solche Prognosen? Wovon hängt Indiens und Chinas zukünftiges Bevölkerungswachstum ab? Mit Hilfe der sogenannten Kaya-Identität, einem Konzept der Energieökonomie, wollen wir außerdem betrachten, was Indiens Bevölkerungswachstum für die CO2-Emissionen bedeutet. Wird Indien – immerhin drittgrößter Treibhausgas-Emittent weltweit – den gleichen Emissionspfad beschreiten wie China in den letzten Jahrzehnten? Dieser Frage widmen sich außerdem Expertinnen und Experten in einer parallelen Rapid Reaction zur indischen Energiewende.

Bevölkerungsszenarien

Um eine Bevölkerungsprognose für ein Land aufzustellen, müssen verschiedene Annahmen getroffen werden. Schon die Zahl der Personen, die in einem Land zum Startzeitpunkt der Prognose wohnen, ist nur mit Unsicherheiten bestimmbar. Zum Beispiel wird in Deutschland der Bevölkerungsstand vom statistischen Bundesamt unter Berücksichtigung von Meldedaten jährlich fortgeschrieben. Korrigiert wird dieser Prozess durch Volkszählungen. Die Ergebnisse für die Volkszählung 2022 stehen noch aus. Aktuell wird der Bevölkerungsstand des Zensus von 2011 fortgeschrieben. Je nachdem wie gut die Meldedaten eines Landes sind, können die Unsicherheiten über die aktuelle Bevölkerung unterschiedlich groß sein.

Für eine Bevölkerungsprognose müssen auch Annahmen über die Lebenserwartung und die Fertilitätsrate und ihre Entwicklung im betrachteten Zeitraum getroffen werden. Da diese Parameter nicht sicher für zukünftige Zeitpunkte bestimmt werden können, wird hier mit Szenarien gearbeitet. Die Population Division der UN arbeitet zum Beispiel mit drei Szenarien, für die unterschiedliche Entwicklungen der Ferilitätsrate angenommen werden. Der 14.04.2023 ergibt sich aus dem mittleren Szenario der UN, wenn man den für das Jahr prognostizierten Bevölkerungszuwachs (beziehungsweise -rückgang) gleichmäßig über das Jahr verteilt. Bevölkerungsszenarien anderer Einrichtungen kommen dabei zu anderen Prognosen. Das Wittgenstein Centre for Demography and Global Human Capital integriert in seine Prognosen weitere Variablen wie die angenommene Entwicklung eines Landes im Bereich Bildung. Die Szenarien des Wittgenstein Centers orientieren sich dabei an den Shared Socioeconomic Pathways (SSP). Diese Szenarien betrachten verschiedene mögliche Zukünfte. Auch hier ist das zweite Szenario (SSP 2) wieder ein mittleres Szenario. Das SSP 1 nimmt eine schnelle sozioökonomische Entwicklung der Welt an, was zu stärker steigender Lebenserwartung, aber auch stark sinkenden Fertilitätsraten in Ländern mit hohen Fertilitätsraten führt. Im SSP 3-Szenario wird eine Welt simuliert, in der die Entwicklung aufgehalten wird, was zu einer hohen Fertilitätsrate und einer hohen Mortalität führt.

Für Indien und China zeigen die Szenarien der UN und des Wittgenstein Centers wie groß die Unsicherheiten in der Prognose sein können. Für Indien reichen sie im Jahr 2100 von knapp einer Milliarde (UN Low) bis hin zu über zwei Milliarden Menschen (UN high und SSP 3). Für China sagen alle betrachteten Szenarien in diesem Jahrhundert einen Bevölkerungsrückgang vorher. Sie unterscheiden sich nur in der Geschwindigkeit dieses Rückgangs. Für Indien sagen die meisten Szenarien den Bevölkerungshöhepunkt noch in diesem Jahrhundert voraus, allerdings in deutlich unterschiedlichen Höhen und zu unterschiedlichen Zeitpunkten.

Auch wenn der genaue Zeitpunkt nicht leicht bestimmt werden kann, ist klar, dass Indien China als bevölkerungsreichstes Land irgendwann jetzt ablöst. Genauso hat China sein Bevölkerungsmaximum erreicht, während für Indien noch nicht klar ist, wie stark das Land noch wachsen wird, bevor es dieses Maximum erreicht.

Quelle: UN, Wittgenstein Centre, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Die Rolle der Fertilitätsrate

Die Fertilitätsrate also die Zahl der Kinder, die eine Frau im Laufe ihres Lebens im Durchschnitt bekommt, ist einer der zentralen Parameter für die Entwicklung der Bevölkerung. Sowohl in China als auch in Indien sinkt sie. Während China durch politische Maßnahmen, wie zum Beispiel die Ein-Kind-Politik, bereits seit den 90ern eine Fertilitätsrate von unter 2,1 – dem Wert für eine stabile Bevölkerung – aufweist, befindet sich Indien aktuell noch knapp oberhalb dieser Schwelle.

Quelle: UN, Wittgenstein Centre, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Kaya-Identität

Auch wenn – wie oben diskutiert – der Höhepunkt der indischen Bevölkerung wohl noch in diesem Jahrhundert erreicht wird und die chinesische Bevölkerung nun schrumpft, könnten mit Blick auf die steigende indische Bevölkerungszahl Sorgen aufkommen, was die Auswirkungen auf das Klima angeht. Die Kaya-Identität ist ein Konzept aus der Energieökonomie und hilft, zu verstehen, welche Rolle Veränderungen der Bevölkerung für die CO2-Emissionen einzelner Länder spielen. Mit ihr kann man schnell zeigen, dass das Wirtschaftswachstum deutlich relevanter für den Anstieg der Emissionen in China ist als das Wachstum der Bevölkerung. Dagegen kompensiert in Indien der Anstieg der Bevölkerung zusammen mit einem Anstieg der Emissionen pro Energieverbrauch Fortschritte bei der Energieeffizienz. Deshalb steigen dort die Emissionen genauso stark, wie die Wirtschaftsleistung pro Kopf.

Die Kaya-Identität integriert verschiedene Faktoren, die den CO2-Ausstoß beeinflussen, anschaulich in eine Identitätsgleichung. In dieser wird der CO2-Ausstoß als Produkt von vier Faktoren ausgedrückt, von denen bekannt ist, dass sie ihn beeinflussen.

Emissionen=EmissionenEnergieEnergieBIPBIPBevölkerungBevölkerung

Zwei dieser Faktoren hängen von der Wirtschaftsstruktur und der Technologie ab, mit denen Wohlstand erreicht wird:

  • EmissionenEnergie ist die Kohlenstoffintensität der Energie: Wie viel CO2 wird pro verbrauchter Primärenergie emittiert?

  • EnergieBIP ist die Energieintensität des BIP: Wie viel Primärenergie wird pro Wirtschaftsleistung benötigt?

Die anderen beiden Faktoren, das Pro-Kopf-Einkommen und die Bevölkerungszahl, zeigen, wie hoch der Wohlstand ist und über wie viele Köpfe er und die entsprechenden Emissionen sich summieren. Als nächstes betrachten wir, wie sich diese vier Faktoren sowie der CO2-Ausstoß über die Zeit in China und Indien entwickelt haben. Daraus können wir Schlüsse darüber ziehen, welche Faktoren den Anstieg der CO2-Emissionen in China und Indien besonders angetrieben haben.

Wichtig für die Interpretation der Kaya-Identität ist, dass es sich um eine Identität handelt – sie ist zwangläufig gültig, beweist aber nicht empirische Zusammenhänge und Kausalitäten. Sinnvoll interpretieren und verwenden lässt sie sich nur deshalb, weil wir schon wissen, dass die vier Faktoren für CO2-Emissionen relevant sind. Das wird klar, wenn man sich vor Augen führt, wie man zu der Identität gelangt. Man beginnt mit der Gleichung Emissionen=Emissionen und erweitert sie um die relevanten Faktoren, indem man sie mit EnergieEnergie, BIPBIP und BevölkerungBevölkerung multipliziert. Für sich genommen gleicht jede dieser Ergänzungen einer Multiplikation mit Eins, weshalb die Gleichung immer gültig bleibt. Schließlich stellt man ein wenig um und erhält so die obige Gleichung.

Man könnte also über diese Erweiterung Variablen in die Identität einführen, die empirisch in keinem Zusammenhang stehen und etwa in der chinesischen Kaya-Identität statt des chinesischen BIP auch das BIP eines anderen Landes nutzen - die Identitätsgleichung wäre noch immer erfüllt. Die Gleichung ist nur dann sinnvoll interpretierbar, wenn wir schon annehmen, dass es empirische Beziehungen zwischen den Faktoren gibt. Sie ist visualisiert Faktoren, deren Einfluss auf CO2-Emissionen wir annehmen.

Im nächsten Schritt kann man die prozentualen Änderungen der einzelnen Faktoren in einer Grafik abbilden. Man sieht dann, welcher Faktor sich wie stark verändert hat und vermutlich besonders stark die CO2-Emissionen erhöht oder gesenkt hat. Wichtig für die Interpretation ist außerdem, dass Faktoren zwar unbegrenzt steigen, aber maximal um 100 Prozent schrumpfen können. Weil die Faktoren miteinander multipliziert werden und nicht addiert, können sinkende Faktoren unbedeutend wirken, obwohl das nicht der Fall ist: Sinkt etwa ein Faktor um 90 Prozent und ein anderer steigt um 400 Prozent, dann führt das insgesamt dazu, dass deren Produkt um 50 Prozent sinkt und nicht dazu, dass es um 310 Prozent steigt.

Mehr Informationen über die Herkunft und Unsicherheiten der Daten, auf denen die Grafiken basieren, finden Sie in der Datengrundlage.

Die folgenden Grafiken zeigen die Änderungen der Faktoren der Kaya-Identität in Prozent seit dem Jahr 2000 für China, Indien und zum Vergleich auch für Deutschland. Deutlich erkennbar fällt das Bevölkerungswachstum in allen drei Ländern seit 2000 im Vergleich zum BIP-Wachstum deutlich geringer aus. Während das BIP pro Kopf in China um etwa 360 und in Indien um fast 160 Prozent gestiegen ist, ist die Bevölkerung in China lediglich um etwa 11 Prozent und in Indien circa 30 Prozent gewachsen. Abgesehen von den CO2-Emissionen hat in allen drei Ländern das BIP mit Abstand am stärksten zugelegt. In China steigen die Emissionen in den 2010er Jahren trotz starken Wirtschaftswachstums kaum noch, da die Energieintensität der Wirtschaft sinkt. Dagegen steigen sie in Indien etwa gleichermaßen wie das BIP pro Kopf an. Der Grund dafür ist, dass in Indien Fortschritte in der Energieintensität der Wirtschaft durch eine steigende Bevölkerung und eine steigende Kohlenstoffintensität des Energieverbrauchs genau aufgehoben werden. In Deutschland sinken die Emissionen trotz des Wachstums, das allerdings prozentual auch deutlich schwächer ausfällt.

Wenn wir davon ausgehen, dass die Bevölkerungszahl sich absehbar stabilisiert – beziehungsweise sich das Wachstum nicht stark ändern lässt –, und das Wirtschaftswachstum für ärmere Länder wie Indien und China für erwünscht halten, so bleiben die beiden technologischen Faktoren übrig, um Emissionen zu reduzieren: Die Energie- und die Kohlenstoffintensität. Hier sind die Entwicklungen in China und Indien ambivalent. Die Kohlenstoffintensität des Energieverbrauchs ist in China um etwa 7, in Indien sogar um 17 Prozent angestiegen, der Energieverbrauch ist also CO2-intensiver geworden. Allerdings ist dieser Anstieg in beiden Ländern bis circa Mitte der 2010er Jahre passiert, seitdem ist auch die Kohlenstoffintensität leicht rückläufig. Außerdem ist die pro Wirtschaftsleistung benötigte Energie mit etwa 33 Prozent in Indien und ungefähr 42 Prozent in China sogar noch stärker als in Deutschland gesunken. In Deutschland wird verglichen mit dem Jahr 2000 etwa 10 Prozent weniger CO2 pro Energieverbrauch ausgestoßen sowie über 30 Prozent weniger Energie pro Wirtschaftsleistung verwendet.

Quelle: Weltbank, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Quelle: Weltbank, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Quelle: Weltbank, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Doch um abzuschätzen, ob Indien China auf seinem Weg zu wirtschaftlichem Wohlstand in Punkto CO2-Emissionen folgen wird, kommt es nicht nur auf die relativen Änderungen an, sondern auch auf absolute Werte der technologischen Faktoren. Die folgenden Grafiken zeigen deshalb die absoluten Werte für die Kohlenstoffintensität der Energie und die Energieintensität des BIP. Miteinander multipliziert ergibt sich daraus außerdem die Kohlenstoffintensität des BIP, also eine Maßzahl dafür, wie viel CO2 pro Wirtschaftsleistung emittiert wird. Diese zeigen wir in der dritten Grafik. Hier steht Indien besser da als China: Die Emissionen pro Wirtschaftsleistung sind etwa halb so groß. Setzt Indien also sein Klimaziel um, diesen Wert verglichen mit 2005 bis 2030 um 45 Prozent zu senken, wird es auch bei starkem Wirtschaftswachstum kaum den chinesischen Emissionspfad wiederholen.

Ein Blick in die ersten beiden Grafiken zeigt außerdem, dass für die geringere Kohlenstoffintensität der indischen Wirtschaft vor allem die geringere Energieintensität verantwortlich ist, während der CO2-Ausstoß pro Energie dem chinesischen sehr nahekommt. Das Klima profitiert also davon, dass Indien bisher weniger industrialisiert als China Wohlstand kreiert. Doch selbst wenn Indien hier besser dasteht als China, ist es weltweit drittgrößter Treibhausgas-Emittent mit weiter steigenden Emissionen. Wie Expertinnen und Experten insgesamt die Chancen für eine erfolgreiche indische Klimapolitik einschätzen und was aus ihrer Sicht Deutschland und andere Industrieländer dazu beitragen können, das thematisieren wir parallel in einer Rapid Reaction zur indischen Energiewende.

Quelle: Weltbank, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Quelle: Weltbank, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Quelle: Weltbank, Berechnungen: Science Media Center Germany.
Die Daten zur Erstellung dieser Abbildung herunterladen.
Diese Abbildung herunterladen: Als PNG. Als SVG.


Datengrundlage

Daten zur Kaya-Identität

Die von uns verwendete Kaya-Identität setzt sich aus vier Variablen zusammen: Der Bevölkerungszahl, dem zwecks Vergleichbarkeit zwischen Ländern in Kaufkraftparität umgerechneten BIP pro Kopf zum Basisjahr 2017, dem Primärenergieverbrauch und den inländischen CO2-Emissionen ohne Emissionen aus Landnutzung, Landnutzungsänderung und Forstwirtschaft (LULUCF). Als Quelle für alle vier haben wir die Weltbank genutzt. Diese hat Bevölkerungszahlen unter anderem den UN Bevölkerungsdaten entnommen, die BIP Daten im Rahmen des International Comparison Programms selbst zusammengetragen, die Daten zur Primärenergie zusammen mit der Internationalen Energieagentur und dem Energy Sector Management Assistance Program erhoben und die Daten zu CO2-Emissionen von Climate Watch übernommen, welches sie wiederum aus unterschiedlichen Quellen aggregiert.

Für die Entwicklung der Faktoren der Kaya-Identität können andere Datenquellen qualitativ andere Schlüsse nahelegen, da sich verschiedene Werte für einzelne Variablen stark unterscheiden können. Zum Beispiel können BIP-Daten insbesondere für ärmere Länder bei Revisionen um zweistellige Prozentzahlen korrigiert werden.

Deutlich sieht man die Auswirkungen unterschiedlicher BIP-Daten, wenn man unsere Grafiken zur Kohlenstoffintensität des BIP Chinas mit denen bei Our World in Data (OWD) vergleicht: Während die Kohlenstoffintensität in unserer Grafik stark sinkt, stagnieren dort die Werte. Hauptursache für diesen Unterschied sind deutlich andere BIP-Werte, wobei OWD Daten des Maddison Projects verwendet: Zunächst sind die BIP-Werte für China deutlich größer als diejenigen der Weltbank, später deutlich kleiner, sodass die Kohlenstoffintensität pro BIP zunächst geringer und später größer geschätzt wird als in unserer Grafik.

Ein möglicher Grund für unterschiedliche BIP-Daten und ein Grund für uns, den Weltbank-Datensatz zu bevorzugen, ist der Unterschied im verwendeten Basisjahr. Das jeweilige Basisjahr dient dazu, das inflationsbereinigte reale BIP zu bestimmen, indem man fiktiv das Preisniveau des Basisjahres zur Berechnung der Wertschöpfung aller weiteren Jahre verwendet. Als Basisjahr nutzt das Maddison Project das Jahr 2011 und die Weltbank 2017. Hier ist ein aktuelleres Basisjahr zu bevorzugen, da sonst etwa Änderungen der Wirtschaftsstruktur die BIP-Schätzung verzerren können. Ganz generell können BIP-Daten wie diejenigen Chinas aus vielerlei Gründen fehlerbehaftet sein.

Neben den BIP-Daten gibt es auch in den Daten zu CO2-Emissionen und Primärenergieverbrauch Unterschiede zu den von OWD für die Kaya-Identität verwendeten Daten. So weichen dort die angegebenen CO2-Emissionen für alle drei Länder im einstelligen Prozentbereich von den von uns verwendeten Daten ab und sind zumeist höher (OWD verwendet Daten des Global Carbon Project, hier können sie mit den Daten von Climate Watch und anderen Quellen für CO2-Daten verglichen werden). Bei der Primärenergie gibt es sogar noch stärkere Abweichungen, hier sind bei OWD die Werte für Indien um einen zweistelligen Bereich geringer, wobei diese Daten bei OWD aus dem BP Statistical Review of World Energy und von der U.S. Energy Information Administration stammen. Entsprechend weisen wir für Indien eine höhere Energieintensität des BIPs und eine geringere Kohlenstoffintensität der Energie aus als OWD.

Allgemein gilt: Verschiedene gleichermaßen vertrauenswürdige Quellen können gerade bei der Aggregation der unterschiedlichen Variablen zu den Faktoren der Kaya-Identität auch qualitativ einen Unterschied machen.

Daten zu Bevölkerungsprognosen

Die Daten der UN können hier heruntergeladen werden. Das Wittgenstein Centre stellt neben einem Data Explorer auch ein R-Paket zur Verfügung.

Ihre Ansprechpersonen in Redaktion und SMC Lab

Wenn Sie Fragen zu diesen Daten haben oder weitere Auswertungen erhalten wollen, das SMC Lab kann Auswertungen erzeugen.

Hendrik Boldt, Gast-Wissenschaftler am SMC

Lars Koppers, Datenwissenschaftler

Laura Bahamón Jiménez, Software Entwicklerin

Telefon: +49 221 8888 25-0
E-Mail: