Die Effekte von energiepolitischen Massnahmen aus Sicht der Unternehmen
Bibliographic record
Abstract
Die Energie-Strategie 2050 des Bundesrates schreibt vor, den Energiever-brauch bis 2035 im Vergleich zum Jahre 2000 um 43% zu senken. Aktuelle Daten zum Ener -gieverbrauch zeigen, dass man von diesem Ziel noch weit entfernt ist. Die Wirtschaft kann einen wesentlichen Beitrag zur Zielerreichung leisten; rund ein Drittel des gesamten Energieverbrauchs entfallen auf diesen Bereich. 25% der Unternehmen in der Schweiz haben in der Periode 2012–2014 zumindest eine grüne Energietechnologie neu eingesetzt. Dafür wurden von diesen Unter-nehmen im Durchschnitt 13% der Bruttoinvestitionen aufgewendet; auf alle Unternehmen umge-rechnet sind das nur 2.7%. Damit liegt die Schweiz im internationalen Vergleich hinter Österreich und Deutschland. Energiepolitische Massnahmen stimulieren den Einsatz grüner Energietech -nologien und zeigen keine negative Wirkung auf die internationale Wettbewerbsfähigkeit der Unternehmen. Zukünftige energiepolitische Aktivitäten sollten die als zu hoch empfundenen Tech-nologiepreise, die zu lange Amortisation grüner Energietechnologien und die Finanzierungs-schwierigkeiten der Unternehmen berücksichtigen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".