Konzentrierte Rückgänge, verteiltes Wachstum und die Herausforderung, die grüne Energiewende in den USA auszubalancieren

Originalartikel: Stephen Stack, Dara O’Rourke. Concentrated declines, distributed growth, and the challenges of balancing the green energy transition in the US. PLOS Sustainability and Transformation, 2026. DOI: 10.1371/journal.pstr.0000217

Artikelinformationen

Autorinnen und Autoren

Stephen Stack
Energy and Resources Group, University of California, Berkeley, California, United States of America
E-Mail: stephen.stack@berkeley.edu
ORCID: https://orcid.org/0009-0009-8061-1584

Dara O’Rourke
Department of Environmental Science, Policy, and Management, University of California, Berkeley, California, United States of America
ORCID: https://orcid.org/0000-0002-7670-5141

Zusammenfassung

Die Energiewende zu sauberer Energie ist entscheidend, um Treibhausgasemissionen zu senken. Gleichzeitig bedroht sie Regionen, die auf die Förderung fossiler Brennstoffe spezialisiert sind. Befürworter verweisen auf die Entwicklung grüner Industrien an diesen Orten als Lösung. Unklar ist jedoch, ob diese Industrien in denselben Regionen entstehen werden wie die fossile Förderung.

Dieser Beitrag kartiert die sich verändernde Geografie der US-amerikanischen Primärenergieproduktion. Dafür wird ein Datensatz für die zusammenhängenden USA im Zeitraum von 2004 bis 2021 zusammengestellt und mit einem räumlich-quantitativen Ansatz ausgewertet. Die Autor:innen zeigen, dass die Energiewende bei der Primärenergie nicht nur einen Technologiewechsel, sondern auch einen geografischen Wechsel bedeutet: von regional konzentrierter fossiler Energieproduktion hin zu national verteilter erneuerbarer Energie.

Weniger als ein Drittel der Wind- und Solarstromerzeugung des Jahres 2021 fand in Gebieten statt, die auf die Förderung fossiler Brennstoffe spezialisiert waren. Es gibt nur wenige Beispiele, in denen Rückgänge bei fossilen Brennstoffen durch Wachstum bei Wind- und Solarstrom ausgeglichen wurden. Die Studie dokumentiert bekannte Muster regionalen Niedergangs, aber auch eine kleine Zahl überraschender Fälle, in denen erneuerbare Energien in fossil geprägten Regionen gewachsen sind.

Diskutiert werden die politischen Konsequenzen dieser Befunde für ortsbezogene grüne Industriestrategien sowie die Notwendigkeit diversifizierter Wirtschaftsentwicklungsstrategien, die Regionen beim Übergang weg von der Förderung fossiler Brennstoffe unterstützen.

Zusammenfassung der Autorinnen und Autoren

In dieser Forschung untersuchen die Autor:innen, wie der US-Übergang von fossilen Brennstoffen zu erneuerbarer Energie die Geografie der Energieproduktion neu formt. Durch die Analyse langfristiger Energiedaten in den zusammenhängenden Vereinigten Staaten von 2004 bis 2021 zeigen sie einen deutlichen Wandel: weg von regional konzentrierter fossiler Brennstoffproduktion und hin zu stärker räumlich verteilter erneuerbarer Stromerzeugung.

Weniger als ein Drittel der heutigen Wind- und Solarerzeugung liegt in Regionen, die zuvor auf die Förderung fossiler Brennstoffe spezialisiert waren. Diese räumliche Diskrepanz stellt die Annahme infrage, dass grüne Energieentwicklung schrumpfende fossile Industrien in betroffenen Gemeinden automatisch ersetzen kann.

Die Analyse legt nahe, dass erfolgreiche Energiewendepolitik sowohl die räumliche Umstrukturierung als auch ihre sozioökonomischen Folgen berücksichtigen muss. Die Autor:innen argumentieren für differenzierte, ortsbezogene Ansätze, die Arbeitnehmerschutz, wirtschaftliche Diversifizierung und Einbindung der Gemeinden verbinden, um einen gerechten Übergang zu ermöglichen.

Die Untersuchung liefert Erkenntnisse für Entscheidungsträger:innen, die Klimaziele mit Gerechtigkeit und der Widerstandsfähigkeit von Gemeinden in Einklang bringen müssen.

1 Einleitung

In den USA ist eine Energiewende zu sauberer Energie im Gange. Im Jahr 2022 machten Solar- und Windenergie 14% der Stromerzeugung im Versorgungsmaßstab aus [1] und 71% der neu hinzugefügten Erzeugungskapazität [2]. Ende 2023 warteten geschätzt 1.480 Gigawatt (GW) an Solar- und Windprojekten auf den Anschluss an das US-Stromnetz; dem standen nur 81 GW an Erdgas- und Kohlekapazität gegenüber [3]. Selbst angesichts jüngerer Wechsel der föderalen Energiestrategien zwischen Präsidentschaftsadministrationen bringen Prognosen weiter sinkender Kosten für Wind- und Solarstrom [4] sowie Fortschritte bei der Elektrifizierung von Endverbrauchssektoren wie Verkehr [5] die USA auf einen Pfad sinkenden fossilen Verbrauchs und wachsenden Anteils sauberer Energie [6–8].

Die Energiewende ist zentral, um den Klimawandel zu bremsen [9–10], Energiekosten zu senken [4] und Umwelt- sowie Gesundheitsbedingungen zu verbessern [11–13]. Kosten und Nutzen dieses Übergangs werden jedoch ungleich verteilt. Regionen und Beschäftigte, die wirtschaftlich auf fossile Industrien spezialisiert sind, laufen Gefahr, einen überproportionalen Anteil der Dekarbonisierungskosten zu tragen [14–16]. Diese Industrien sind in den USA stark regional konzentriert [17]. Die historische Erfahrung der Deindustrialisierung des sogenannten “Rust Belt” zeigt, dass der Niedergang wichtiger Industrien regionale Volkswirtschaften erschüttert [18], wirtschaftlich schmerzhaft ist [19] und politischen Backlash auslösen kann [20]. Angesichts dieses regionalen Dekarbonisierungsproblems suchen Gewerkschaften, politische Entscheidungsträger:innen und Wissenschaftler:innen nach einer “just transition”, bei der fossile Gemeinden und Beschäftigte Unterstützung erhalten, um sich an den Rückgang fossiler Industrien anzupassen [21–25].

Dieser Beitrag ist durch die Notwendigkeit motiviert, die regionale Dekarbonisierungsherausforderung anzugehen: die US-Wirtschaft rasch zu dekarbonisieren und zugleich negative wirtschaftliche und soziale Folgen für jene Gemeinden und Regionen zu minimieren, die derzeit vom fossilen Sektor leben. Jüngere Forschung dokumentiert wachsende politische Kontroversen und Konflikte um Dekarbonisierung [14,26]. Übergangspfade, die Kosten auf bestimmte Gruppen und Regionen konzentrieren, dürften auf erhebliche politische Hindernisse stoßen. Der Schutz fossiler Gemeinden vor den Schäden industriellen Niedergangs ist daher sowohl eine Frage distributiver Gerechtigkeit als auch politischer Strategie.

Eine prominente vorgeschlagene Lösung kann als “grüne Regionalentwicklung” beschrieben werden: der Aufbau sauberer Energieindustrien in regionalen Volkswirtschaften, die auf fossile Industrien spezialisiert sind. Forschende und Befürworter:innen eines gerechten Übergangs argumentieren, dass der Niedergang fossiler Industrien vom Aufstieg sauberer Gegenstücke begleitet werden könnte und dass diese Industrien in fossilen Regionen konzentriert werden können, um regionalen wirtschaftlichen Niedergang zu vermeiden [27–36].

Diese Idee ging zeitweise über Forschung und Interessenvertretung hinaus und war Teil der Strategien der Biden-Administration für saubere Energie und Infrastruktur, besonders über den Energy Community Bonus Tax Credit (ECBTC) innerhalb des Inflation Reduction Act (IRA). Dieser schuf einen steuerlichen Anreiz für Investitionen in saubere Energie in Gebieten mit historischer fossiler Industrie, auch wenn diese Maßnahme und große Teile des IRA 2025 aufgehoben wurden.

Dieser Beitrag untersucht, ob Solar- und Windstromerzeugung im Versorgungsmaßstab in jenen Förderregionen fossiler Brennstoffe gewachsen ist, die von wirtschaftlichem Rückgang bedroht sind. Utility-scale generation wird hier als netzgebundene Stromerzeugung definiert; bei Solarenergie wird zusätzlich eine Kapazität von mehr als 1 MW vorausgesetzt. Konkret wird untersucht, ob der bisherige Ausbau erneuerbarer Energien Hinweise darauf liefert, dass er die wirtschaftlichen Nachteile fossiler Rückgänge in diesen vulnerablen Regionen ausgleichen könnte.

Zur Beantwortung dieser Frage entwickeln die Autor:innen einen neuen methodischen Ansatz. Sie erstellen und analysieren einen Längsschnittdatensatz jährlicher Primärenergieproduktion von 2004 bis 2021 für 643 regionale Volkswirtschaften in den zusammenhängenden USA. Der Ansatz verbindet deskriptive Statistik, räumliche Datenanalyse und Korrelationsstatistik, um zu beschreiben, wie sich die Geografie der Primärenergieproduktion im Zeitverlauf verändert hat.

Unsere Analyse ergibt drei zentrale Argumente

Erstens stellt der Rückgang fossiler Industrien eine erhebliche Bedrohung für die regionalen Volkswirtschaften dar, die von ihnen abhängen. Die lokale Entwicklung von Solar- und Windstromerzeugung im Versorgungsmaßstab hat grundsätzlich das Potenzial, die entstehenden Probleme abzumildern. Dies wird in Abschnitt 2 durch eine Sichtung der Literatur zu den sozioökonomischen Folgen der Deindustrialisierung des Rust Belt und des Rückgangs der US-Kohleproduktion begründet.

Zweitens siedeln sich Solar- und Windstrom im Versorgungsmaßstab nicht in dem Maße gemeinsam mit fossiler Förderung an, wie es notwendig wäre, um fossile regionale Volkswirtschaften vor industriellem Niedergang zu schützen. Um diese Rolle zu erfüllen, müsste ihr räumliches Entwicklungsmuster zumindest einige der folgenden Eigenschaften zeigen: Solar- und Windstrom sollten sich eher in Regionen konzentrieren, in denen fossile Förderindustrien bestanden; sie sollten häufiger in Regionen auftreten, die Rückgänge fossiler Förderung erlebt haben; und/oder sie sollten häufiger in Regionen auftreten, die stärker wirtschaftlich auf fossile Förderung spezialisiert und damit abhängiger davon sind. Die Daten in Abschnitt 3 und die Analyse in Abschnitt 4 zeigen, dass Solar- und Windstrom – abgesehen von wenigen Fällen – nicht auf diese Weise entstehen. Stattdessen vollzieht sich der Übergang von einem Primärenergiesystem, das stark um fossile Ressourcenstandorte konzentriert ist, zu einem System, das über die USA verteilt ist.

Drittens lassen sich geringe Grade der gemeinsamen Standortwahl nicht einfach durch die Verfügbarkeit erneuerbarer Ressourcen erklären. Wenn fossile Regionen schlicht nicht sonnig oder windig genug wären, um Solar- und Windstrom im Versorgungsmaßstab zu tragen, wäre eine Strategie, sie in diese Industrien zu überführen, eine Sackgasse. Es gibt jedoch Fälle fossiler Regionen mit hohen erneuerbaren Ressourcen ohne installierte Solar- oder Windkapazität. Ebenso findet sich erhebliche Solarnutzung in Regionen mit niedriger Sonneneinstrahlung, auch wenn dies bei Wind weniger häufig ist. Die Ressourcenverfügbarkeit scheint daher keine starke Einschränkung dieser Regionalentwicklungsstrategie für fossile Regionen zu sein.

Die Autor:innen entwickeln deskriptive Kennzahlen, die nationale Trends der Energieproduktion beschreiben, den Grad der räumlichen Korrelation zwischen Solar- und Windausbau und fossiler Förderung messen und untersuchen, wie Solar- und Windressourcen räumlich mit fossiler Förderung sowie Solar- und Windstromerzeugung zusammenhängen. Das Hauptziel der Studie ist deskriptiv, nicht erklärend: Sie präsentiert stilisierte Fakten darüber, wie sich die US-Energiewende räumlich entfaltet, und wendet diese Fakten auf Debatten über die Zukunft fossiler Gemeinden an, statt eine vollständige Erklärung dafür zu liefern, warum sich die Geografie der Primärenergieproduktion genau so entwickelt.

Die ergänzenden Informationen zur Publikation enthalten einen Anhang mit weiteren Details zu Methodik und Daten. Der von den Autor:innen erstellte Längsschnittdatensatz zur regionalen Energieproduktion ist hier verfügbar.

2 Die Dilemmata der Dekarbonisierung der Energieversorgung

2.1 Das Problem

Negative Folgen des sich beschleunigenden Klimawandels machen einen raschen Ausstieg aus fossilen Brennstoffen notwendig. Dieser Ausstieg stellt jedoch eine erhebliche wirtschaftliche Bedrohung für Regionen dar, die auf fossile Energieproduktion spezialisiert sind. Abb. 1 zeigt die geografische Verteilung fossiler Förderung – Öl, Erdgas und Kohle – in den zusammenhängenden USA. Die Förderung ist stark auf wenige Regionen konzentriert: Appalachia, East Texas-Louisiana, West Texas-Eastern New Mexico-Oklahoma Panhandle sowie Mountain West-Northwestern Plains. Abgesehen von Houston und Salt Lake City liegt fossile Förderung meist außerhalb großer Ballungsräume; viele Regionen sind weit von großen Bevölkerungszentren entfernt [39].

Aklin [40] erklärt, warum eine stärkere geografische Konzentration den Rückgang von Industrien schmerzhafter macht und Anpassung erschwert. Dies lässt sich als “company town”-Syndrom zusammenfassen: Lokale Arbeitsmärkte werden von einer einzelnen Industrie dominiert, etwa Kohlebergbau. Die Mehrheit der Arbeitsplätze liegt direkt in dieser Industrie, indirekt in unterstützenden Firmen oder induziert in Dienstleistungen, die von den Einkommen der Beschäftigten abhängen. Solche Arbeitsmärkte sind “dünn”: Wer seine Arbeit verliert, findet nur wenige alternative Arbeitgeber. Wenn die Leitindustrie schrumpft, wird der Schock an verbundene Unternehmen weitergegeben. Bestehende Firmen sind typischerweise unflexibel bei der Anpassung an Störungen wie Dekarbonisierung [42]. Das Ergebnis sind akute wirtschaftliche und soziale Rückgänge, sobald die Hauptindustrie solcher Regionen schrumpft.

Diese Schäden reichen über unmittelbar betroffene Arbeitskräfte hinaus und wirken über die Zeit fort. Wirtschaftliche Schocks wie der Niedergang einer großen lokalen Industrie können selbstverstärkende Muster industrieller Deagglomeration auslösen und langfristige Kontraktionen regionaler Ökonomien verursachen [43]. Rückgänge regional konzentrierter Industrien führen besonders leicht zu negativer Hysterese, also zu anhaltenden negativen Effekten, nachdem die ursprünglichen Ursachen des Schocks bereits verschwunden sind [44].

In solchen “company towns” hängt die Finanzierung öffentlicher Dienstleistungen stark von Immobilien- und Unternehmenssteuern im Zusammenhang mit fossiler Förderung ab. Wenn konzentrierte Industrien schrumpfen, verschwindet diese Einnahmequelle, und die Fähigkeit lokaler Regierungen, Dienste, Schulen und Ähnliches bereitzustellen, sinkt [45–47]. Raimi et al. [16] zeigen, dass Countys in Appalachia, Texas und der Golfküste sowie im Intermountain West besonders starke Auswirkungen erleben können – darunter Verluste von Jobs, Steuereinnahmen und Unterstützung für öffentliche Dienstleistungen. Blonz et al. [48] zeigen, dass der Rückgang des Kohlebergbaus in Appalachia zwischen 2011 und 2018 breite negative finanzielle Effekte auf Haushalte hatte, die sich nicht allein durch Personen erklären lassen, die ihre Kohlejobs verloren. Die Schäden umfassten steigende Kreditnutzung, Zahlungsrückstände, Inkassofälle und Insolvenzen bei Personen in Kohle-Countys, unabhängig von ihrer direkten Beschäftigung in der Branche.

Die klarsten historischen Analogien zur regionalen Dekarbonisierung sind der Rückgang der Industriebeschäftigung im US-amerikanischen “Rust Belt” [49] und der Rückgang der US-Kohleproduktion seit 2009 [50]. Wie die heutige fossile Förderindustrie war die US-Industrieproduktion 1980 groß, stark regional konzentriert und auf erhebliche Rückgänge zusteuernd. Zwischen 1980 und 2010 sank die Gesamtbeschäftigung in der Industrie von 19 auf 11 Millionen [51]. Jobverluste konzentrierten sich auf eine kleine Zahl hoch spezialisierter Regionen in Illinois, Indiana, Michigan, New York, Ohio, Pennsylvania, West Virginia und Wisconsin [52]. Diese Rückgänge hatten große negative wirtschaftliche und soziale Effekte, die bis heute fortbestehen [18,19,53,54].

Diese Rückgänge werden mit dem Aufstieg politischer Unzufriedenheit und reaktionären Populismusmustern in Verbindung gebracht [20]. Die Auswirkungen des Rückgangs der US-Kohleproduktion spiegeln diese Erfahrung: Kohlebergbauregionen erlebten dieselben tiefgreifenden sozialen und wirtschaftlichen Schäden wie Fertigungsregionen des Rust Belt [19,39,48,50,55]. Der Kohlerückgang korreliert zudem mit Wahlverschiebungen in betroffenen Gemeinden hin zu den klimapolitisch ablehnenden Plattformen der Republikanischen Partei bei den Präsidentschaftswahlen 2012 und 2016 [56–57]. Der Rückgang regional konzentrierter fossiler Industrien stellt daher ein erhebliches Verteilungs- und Politikproblem für Dekarbonisierungsbemühungen in den USA dar.

Dieser Beitrag knüpft an eine wachsende Literatur an, die regionale Exposition gegenüber Nachteilen der Energiewende kartiert, um ortsbezogene politische Interventionen besser auszurichten. Diese Studien verwenden unterschiedliche Datenquellen, geografische Einheiten und fossile Sektoren, um die regionale Verteilung fossiler Industrien zu erfassen. Sie gehen meist davon aus, dass höhere Konzentrationen fossiler Industrien höhere Risiken in der Energiewende bedeuten. Im US-Kontext nutzt Raimi [17] Beschäftigungsdaten auf County-Ebene, um Abhängigkeit von Beschäftigungs- und Lohnanteilen in Kohle-, Öl- und Erdgasförderung sowie fossiler Stromerzeugung zu kartieren. Hanson [39] nutzt dieselben Daten und Branchen auf der Ebene von commuting zones, einer höheren Aggregation regionaler Arbeitsmärkte, die in Abschnitt 3 weiter erläutert wird.

Andere Studien haben ihre Messung von Abhängigkeit zu Vulnerabilität weiterentwickelt. Das Konzept der Vulnerabilität stammt aus der Klimaanpassungsforschung und versteht Verwundbarkeit gegenüber Dekarbonisierung als Funktion von Exposition gegenüber einem Schock, Sensitivität gegenüber Beschäftigungsverlusten und Anpassungsfähigkeit [58]. Snyder [59] erstellt mit Beschäftigungsdaten ein Maß der Vulnerabilität US-amerikanischer Countys gegenüber fossilem Rückgang; McDowall et al. [60] führen eine entsprechende Analyse für EU-Regionen auf NUTS2-Ebene durch. Raimi et al. [16] gehen über Beschäftigungsdaten hinaus, die bei niedriger geografischer Auflösung oft wegen Datenschutzunterdrückung Lücken aufweisen, und nutzen Daten zu Standorten von Kohleminen, Öl- und Gasquellen, Raffinerien sowie Kohle- und Gaskraftwerken, um Vulnerabilität auf County-Ebene zu kartieren.

Jüngere Rahmenkonzepte erweitern diese Analyse. Graham und Knittel [61] betrachten allgemeinere “kohlenstoffintensive” Beschäftigung. Thomas und Erickson [62] entwickeln das Konzept der “energysheds”: geografische Räume, die die vollständige Infrastruktur eines Energiesystems von Produktion bis Verbrauch einschließlich Beschäftigter, Eigentümer:innen und Umweltauswirkungen umfassen. Garrett et al. [63] wenden diesen Ansatz an, um potenziellen erneuerbaren Energieausbau in US-Städten zu kartieren. Vulnerabilitätsmaße erfassen inzwischen auch kumulative Belastungen wie Energieunsicherheit, fossile Abhängigkeit, soziale Vulnerabilität, Umweltgefahren und wirtschaftliche Chancen [64].

Diese Studie erweitert diese Literatur, indem sie die regionale Verteilung von Solar- und Windstrom im Versorgungsmaßstab zusammen mit fossiler Förderung kartiert. So lässt sich bewerten, in welchem Umfang grüne Regionalentwicklung die Risiken dieser Regionen abmildern kann. Vulnerabilitätsmaße zeigen, welche Gebiete besonders stark von Störungen betroffen sein werden, berücksichtigen aber nicht die Machbarkeit bestimmter Lösungen in diesen vulnerablen Regionen.

Zwar beziehen solche Ansätze oft adaptive capacity ein, doch wird diese häufig grob gemessen, etwa über den Anteil der Bevölkerung mit High-School-Abschluss. Angesichts des starken Fokus auf grüne Regionalentwicklungsstrategien in der US-Politik erfordert ein robustes Verständnis von Vulnerabilität auch ein Verständnis der Machbarkeit der Hauptstrategie, die für diese Risikogebiete verfolgt wurde.

Jüngere Studien untersuchten vorausschauend, ob grüne Industrien an denselben Orten entstehen könnten wie fossile Industrien. Pai et al. [65] bewerten die Eignung von Solar- und Windstrom für den Ersatz von Kohlejobs anhand der Ressourcenverfügbarkeit in einem Radius von 50 km um Kohleminen. Tomer et al. [29] vergleichen die Konzentration fossiler Jobs in US-Countys mit geografisch geschätzten Kosten von Solar- und Windstrom [66] und argumentieren, dass rund ein Viertel der US-Countys mit hohem Wind- und Solarpotenzial auf fossile Produktion spezialisiert ist. Lim et al. [30] trainieren Machine-Learning-Modelle, um die künftige regionale Verteilung sauberer Energiearbeitsplätze und deren Überschneidung mit heutiger fossiler Beschäftigung vorherzusagen.

Diese zukunftsorientierten Bewertungen sind hilfreich, verpassen aber die Möglichkeit, aus dem bereits erheblichen Ausbau von Wind- und Solarenergie zu lernen. Ende 2021 gab es in den USA mindestens 3.900 bodengebundene Solarparks im Versorgungsmaßstab [67], und Ende 2023 waren über 73.000 netzgebundene Windturbinen installiert [68]. Dieser Beitrag vergleicht die regionalen Verteilungen des bestehenden und des entstehenden Energiesystems direkt und schafft damit eine Grundlage zur Bewertung grüner Regionalentwicklung auf Basis tatsächlichen Ausbaus statt nur auf Ressourcenbewertungen oder Prognosen.

Die Schätzung von Beschäftigungseffekten des Wachstums von Solar- und Windenergie ist komplex. Eine zentrale Herausforderung liegt im Fehlen staatlicher Klassifikationen für Jobs im Bereich erneuerbarer Energien [69], wodurch Datenerhebung und Vergleich mit fossilen Jobs erschwert werden [70]. Hinzu kommt die zeitliche Struktur von Beschäftigung: Erneuerbare Jobs werden häufig in temporäre Bau- und Installationsjobs sowie dauerhaftere Betriebs- und Wartungsjobs unterteilt [69]. Jobs über verschiedene Projektphasen hinweg müssen auf gemeinsame Einheiten wie “job-years per MW” normalisiert werden [72]. Ebenso schwierig ist es, Jobverluste in fossilen Sektoren und Netto-Beschäftigungseffekte korrekt zu zählen [70].

Trotz dieser Herausforderungen zeigt akademische und politische Forschung, dass der Ausbau von Solar- und Windenergie netto Arbeitsplätze schafft [33,73–74]. Positive Nettoeffekte werden häufig damit erklärt, dass erneuerbare Energien in der Installationsphase arbeitsintensiv sind [33]. Studien zu Programmen für saubere Energiewende, etwa in Kalifornien, prognostizieren ebenfalls insgesamt steigende Netto-Beschäftigung [73,74,75]. Karytsas et al. [71] betrachten über direkte und indirekte Jobschaffung hinaus breitere soziale Wirkungen und positive “Ripple Effects” in Gemeinden [76].

Die Entwicklung von Wind- und Solarparks im Versorgungsmaßstab kann außerdem erhebliche langfristige lokale Steuereinnahmen erzeugen. Diese Einnahmen beruhen vor allem auf lokalisierten Grundsteuern und ausgehandelten “Payments in Lieu of Taxes” (PILOTs). Forschung schätzt, dass ein einzelner Wind- oder Solarpark mit 100 MW über eine typische Betriebsdauer von 30 Jahren rund 10 bis 20 Millionen US-Dollar lokale Steuereinnahmen generieren kann. In Texas sollen bestehende und erwartete Projekte über ihre Laufzeit mehr als 20 Milliarden US-Dollar an Steuereinnahmen beitragen [77,78]. In Iowa erzeugten Windturbinen allein 2021 rund 57 Millionen US-Dollar an Steuern für staatliche und lokale Steuerkörper, ergänzt um 67 Millionen US-Dollar an Pachtzahlungen an Landbesitzende [79,80].

Der Übergang zu Solar- und Windenergie im Versorgungsmaßstab verändert auch etablierte Muster industrieller Standortwahl. Er treibt Formen industrieller Agglomeration in drei wichtigen Sektoren an: rechenintensive Datenverarbeitung (Rechenzentren und KI), grüne Chemieproduktion (Wasserstoff und Ammoniak) und Herstellung erneuerbarer Komponenten [81]. Ein Ansatz ist das “Curtailment Capture Model”, das Netzbegrenzungen in eine wirtschaftliche Ressource verwandelt, indem extrem günstiger Strom für stromintensive Anwendungen nutzbar wird. In den USA entstehen zudem Wasserstoff-Hubs, die Erzeugung, Umwandlung und spezialisierte Speicherung integrieren. Das Advanced Clean Energy Storage (ACES) Project in Delta, Utah, soll täglich bis zu 100 Tonnen grünen Wasserstoff auf Basis günstiger erneuerbarer Energie erzeugen und später für Stromerzeugung, Verkehr und industrielle Prozesse bereitstellen [82].

Es ist zu beachten, dass saubere Industrien – oder die hier fokussierten Primärenergieindustrien – nicht die einzigen Branchen sind, in die fossile Förderregionen übergehen könnten. Es gibt keinen grundsätzlichen Grund, warum diese Regionen nicht auch dienstleistungsbasierte Industrien entwickeln könnten, statt weiter auf Energieproduktion zu setzen. Der Fokus dieses Beitrags auf saubere Energie ergibt sich aus der Bedeutung dieser Idee in akademischen, zivilgesellschaftlichen und politischen Debatten. Weitere Forschung sollte alternative regionale Entwicklungsstrategien betrachten.

2.2 Mögliche Lösungen

Die einfachste Lösung für Probleme der Energiewende wäre, den Markt arbeiten zu lassen. Aus arbeitsmarktökonomischer Sicht würden lokale Löhne in Regionen mit durch Dekarbonisierung ausgelöster Arbeitslosigkeit sinken; Unternehmen könnten expandieren oder sich dorthin verlagern, um niedrigere Kosten zu nutzen, und neue Investitionen würden verdrängte Beschäftigte aufnehmen [39]. Alternativ könnten mobile Arbeitskräfte in Arbeitsmärkte mit höherer Nachfrage und mehr Beschäftigungsmöglichkeiten abwandern. In der Praxis haben sich diese Lösungen jedoch als begrenzt erwiesen.

Hanson [39] weist darauf hin, dass sich regionale Arbeitslosigkeitsunterschiede selten dadurch schließen, dass Kapital arbeitsuchenden Regionen folgt. Aklin [40] dokumentiert Reibungen, die Arbeitslose an Migration hindern, etwa Wohneigentum und familiäre Bindungen. Autor et al. [19] zeigen, dass in Gebieten, die vom “China shock” – der Verlagerung von US-Industrieproduktion nach China – betroffen waren, kaum Arbeitsmigration aus diesen Regionen stattfand. Fossile Beschäftigte sind im Allgemeinen geografisch wenig mobil [30,40]. Entlassungen in Regionen mit fossilem Rückgang führten daher direkt zu steigender Arbeitslosigkeit [39,48].

Für den vier Jahrzehnte andauernden Rückgang der Kohleproduktion findet Hanson [39] Hinweise auf erhebliche, aber verzögerte Abwanderung aus Kohlegebieten. Diese erwies sich jedoch als alles andere als ideale Lösung: Es entsteht das Bild zusammenbrechender lokaler Arbeitsmärkte, aus denen allmähliche Nettoabwanderung am Ende eine Bevölkerung zurücklässt, die überdurchschnittlich alt, krank und arm ist.

Politische Interventionen können grob in zwei Strategien unterteilt werden: personenbezogene und ortsbezogene Politik [39]. Personenbezogene Politik hilft benachteiligten Individuen und Haushalten unabhängig von ihrem Wohnort, etwa über soziale Sicherungssysteme. Dazu gehören gezielte Einkommenshilfen oder Gesundheitsabsicherung gegen Folgen wirtschaftlicher Abschwünge oder Arbeitslosigkeit, teils abhängig von Beschäftigungsstatus, Behinderung, Einkommen oder Familienstruktur. Solche Programme bieten oft auch Qualifizierung und Unterstützung für den Übergang in neue Arbeit. Beispiele in den USA sind Arbeitslosenversicherung, Supplemental Nutrition Assistance Program, Supplemental Security Income und Medicaid.

Der zweite Ansatz ist ortsbezogen und soll konkrete regionale Volkswirtschaften erneuern. Befürworter:innen verweisen darauf, dass Arbeitskräfte oft nicht mobil sind. Individuelle Hilfen, die Menschen in neue Beschäftigung bringen sollen, bleiben begrenzt wirksam, wenn in notleidenden regionalen Ökonomien Beschäftigungsmöglichkeiten fehlen [30,40]. Ortsbezogene Politik zielt daher darauf, wirtschaftliche Aktivität in diesen Regionen anzuregen, oft durch Anreize für produktive Unternehmen und Arbeitskräfte, sich dort niederzulassen. Instrumente sind Steueranreize, Arbeitskräfteentwicklung und Infrastrukturinvestitionen [39]. Die Tennessee Valley Authority und das föderale Empowerment Zones Program sind US-Beispiele ortsbezogener Regionalentwicklung [83].

Im Kontext der Energiewende schlagen Befürworter:innen einer just transition typischerweise eine Mischung aus personen- und ortsbezogenen Maßnahmen vor. Eine “just transition” bezeichnet hier Politiken, die sicherstellen sollen, dass Beschäftigte und Gemeinden der fossilen Industrie nicht einen unangemessenen Anteil der Dekarbonisierungskosten tragen [24]. Pollin und Callaci [75] skizzieren einen Kernrahmen: 1) Einkommen, Umschulung, Gesundheitsversorgung und Umzugshilfen für fossile Beschäftigte bei Entlassungen (personenbezogen), 2) Rentengarantien für Beschäftigte betroffener Industrien (personenbezogen) und 3) Programme zur Förderung von Investitionen in fossile Gemeinden (ortsbezogen).

Diese Studie ist besonders relevant für ortsbezogene Strategien und grüne Regionalentwicklung. Viele Studien haben den Aufbau sauberer Energieindustrien als Lösung für industriellen Niedergang in fossilen Regionen vorgeschlagen [27,29–36], und die grüne Industriestrategie der Biden-Administration verfolgte einen ortsbezogenen Ansatz. Die drei Investitionspakete – Infrastructure Investment and Jobs Act, CHIPS and Science Act und IRA – sollten heimische saubere Energieindustrien entwickeln und enthielten mehrere Elemente, die Investitionen und Industrieentwicklung in fossilen Regionen ausdrücklich anreizten [84]. Am bedeutendsten war der Energy Community Bonus Tax Credit (ECBTC), der zusätzlich bis zu 10% auf Produktions- oder Investitionssteuergutschriften für Projekte in historisch fossilen Regionen gewährte. Andere Elemente zielten direkt auf bestimmte Regionen, etwa Appalachia, oder begünstigten fossile Regionen indirekt durch Investitionen in einkommensschwache Gemeinden mit hohen Umweltbelastungen, etwa die Justice40-Initiative. Viele Komponenten wurden 2025 durch den One Big Beautiful Bill Act (OBBBA) zurückgenommen. Die Daten der Studie liefern daher Einblicke aus einer Zeit vor diesen widersprüchlichen Politiken und helfen, langfristige Trends des erneuerbaren Ausbaus zu bewerten.

2.3 Determinanten der Standortwahl von Wind- und Solarstromerzeugung

Das Ziel dieses Forschungsprojekts ist deskriptiv: Es bewertet die Machbarkeit grüner Regionalentwicklung, indem es beschreibt, ob saubere Energie an denselben Orten entsteht wie fossile Förderung. Die Ergebnisse werfen zwangsläufig eine erklärende Frage auf: Was verursacht die beobachtete Assoziation oder fehlende Assoziation zwischen den Standorten dieser Industrien? Eine solche Erklärung liegt außerhalb des Projektumfangs, doch eine Sichtung der Literatur zu Standorttreibern für Wind- und Solarprojekte erlaubt Spekulationen über mögliche Zusammenhänge.

O’Shaughnessy et al. [85] identifizieren drei Arten von Treibern für die regionale Entwicklung von Wind- und Solarstrom. Technoökonomische Treiber beeinflussen Kosten und Profitabilität an einem Standort, etwa Sonneneinstrahlung und Windgeschwindigkeit [85–87], Zugang zu Netzanschlüssen [3], Nähe zu Lastzentren sowie Land- und lokale Arbeitskosten [88]. Geografische Treiber betreffen Landbedeckung und Machbarkeit: Solar- und Windanlagen im Versorgungsmaßstab benötigen Flächen, und Landnutzung, Regulierung sowie lokale Standortverordnungen begrenzen, wo sie gebaut werden können [89,90,91]. Flächen mit mehr offenem Raum, geringerer Bevölkerungsdichte und weniger bebautem Land sind meist geeigneter [87]. Soziodemografische Treiber beziehen sich darauf, wie Eigenschaften und Einstellungen der lokalen Bevölkerung Unterstützung oder Widerstand gegen Projekte beeinflussen.

Ein solches Erklärungsmodell sollte außerdem Treiber regionaler Politik einbeziehen, etwa Regulierungen, die den Ausbau sauberer Energie unterstützen oder behindern. Die klarste Quelle regionaler Variation in den USA liegt auf Ebene der Bundesstaaten [92]. Instrumente wie Renewable Portfolio Standards, regionale Cap-and-Trade-Systeme und Genehmigungsprozesse variieren zwischen Staaten und sind wichtige Determinanten des Ausbaugrades [92–94].

Schließlich betreffen regionale wirtschaftliche Treiber die Frage, wie lokale Wirtschaftsstruktur und -bedingungen den Ausbau sauberer Energieinfrastruktur beeinflussen. Regionale Evolutionsökonomik argumentiert, dass neue Industrien nicht spontan entstehen, sondern pfadabhängig aus bestehenden verwandten Industrien einer Region hervorgehen [95,96]. Dieses Denken zeigt sich in Empfehlungen für Trainings- und Umschulungsprogramme in fossilen Regionen [33] sowie ortsbezogene Interventionen [39,40,97]. Lim et al. [30] zeigen erhebliche Überschneidungen in den Fähigkeiten fossiler und sauberer Energiejobs. Andere verweisen auf große Öl- und Gasunternehmen, die in Offshore-Wind eingestiegen sind, etwa Ørsted in Dänemark [98] und Equinor in Norwegen [26]. Verantwortliche in Kern County – dem US-County mit der größten installierten erneuerbaren Kapazität – verweisen darauf, dass Erfahrungen mit Öl- und Gasgenehmigungen schnelle Genehmigungen erneuerbarer Projekte ermöglicht hätten [99]. Diese Berichte legen die Möglichkeit nahe, dass fossile Förderregionen natürliche Vorteile für einen Übergang zu Wind- und Solarstromerzeugung besitzen könnten.

3 Daten und Methoden

3.1 Umfang und Rahmung

Die Studie konzentriert sich auf die sich verändernde Geografie der Primärenergieproduktion – Öl, Kohle, Erdgas, Solar und Wind – von 2004 bis 2021 in den zusammenhängenden USA, also ohne Alaska, Hawaii und Außengebiete. Der Zeitraum 2004 bis 2021 dient dazu, Energiewendetrends vor den staatlichen Interventionen des IRA und des Infrastructure Investment and Jobs Act sowie vor deren späterer Rücknahme durch den OBBBA zu bewerten. Er ermöglicht eine Analyse langfristiger säkularer Trends, die für die kommenden Jahre aussagekräftiger sein könnten als die kurzlebigen IRA-Politikjahre.

Der IRA enthielt Maßnahmen wie den ECBTC, die ausdrücklich Investitionen in jene fossilen Gemeinden lenken sollten, um die es hier geht. Die Autor:innen interessieren sich daher für die säkularen Standorttrends von Wind- und Solarentwicklung vor föderaler Politik, die diese Standorte beeinflussen wollte. Die Aufhebung dieser Maßnahmen 2025 erhöht den Nutzen einer Beschreibung der Trends vor dieser großen föderalen Intervention. 2004 wurde als Startjahr gewählt, weil es den Höhepunkt und Beginn des Rückgangs der US-Kohleförderung, die Entwicklung des Fracking und den Aufstieg von Wind- und Solarstrom im Versorgungsmaßstab umfasst. Ein Nachteil ist, dass die frühere Verlagerung der US-Kohleförderung von Appalachia in den Mountain West nicht enthalten ist.

Der Umfang soll Kernelemente historischer, heutiger und künftiger Primärenergiesysteme erfassen. Das historische und aktuelle System ist eindeutig von fossilen Brennstoffen dominiert: Seit 2011 sind die USA der weltweit größte Erdgasproduzent [100], seit 2017 der größte Ölproduzent [101]. Obwohl die US-Kohleproduktion seit 2009 sinkt [50], macht sie weiterhin einen beträchtlichen Teil der nationalen Energieproduktion aus. 2022 arbeiteten 744.000 Menschen direkt in der Produktion von Kohle, Öl und Erdgas [102], weitere in unterstützenden Industrien. Diese Industrie ist stark regional konzentriert [17,39] und wird besonders stark den wirtschaftlichen Nachteilen der Dekarbonisierung ausgesetzt sein.

Die wichtigsten Kandidaten, die diese alten Energietypen ersetzen könnten, sind Wind- und Solarstrom. Ende 2023 entfielen 92% der Erzeugungskapazität in den Netzanschlusswarteschlangen auf Solar und Wind [3]. Zukunftsmodelle, die mit Netto-Null-Pfaden [36] oder verschiedenen Politik- und Technologieszenarien arbeiten [103,104], stimmen grundsätzlich darin überein, dass der Anteil fossiler Brennstoffe an der Primärproduktion sinken und vor allem durch Wachstum bei Solar- und Windstrom ersetzt wird.

Ausgeschlossen werden drei Formen kohlenstoffarmer Stromerzeugung: Kernkraft, Wasserkraft und Batteriespeicher. Die Studie untersucht das jüngere Wachstum sauberer Energiequellen; diese drei Quellen wuchsen in diesem Zeitraum nicht in vergleichbarem Maße. Von 2004 bis 2021 bauten die zusammenhängenden USA 188 GW Wind- und Solarkapazität im Versorgungsmaßstab auf. Im gleichen Zeitraum sank die Kernkraftkapazität um 6 GW, während Wasserkraft um 5 GW zunahm [105]. Auch Zukunftsmodelle sehen für Wasserkraft kaum Expansion und für Kernkraft nur in Randfällen mit hohen Beschränkungen für Solar und Wind oder deutlich fallenden Kernkraftkosten Wachstum [36,103,104]. Batteriespeicher spielen zwar eine zentrale Rolle in einem künftigen System mit hohen Anteilen variabler Stromerzeugung, aber 2021 waren nur 5 GW Netzkapazität installiert [105].

Da der empirische Fokus der Studie darin liegt, Trends von Rückgang und Expansion verschiedener Formen der Primärenergieproduktion zu identifizieren, sind die relativ stabilen anderen Quellen für die Analyse nicht weiter relevant. Obwohl fossile Förderung und saubere Stromerzeugung im Zentrum der Energiewende stehen, sind sie nicht die einzigen betroffenen Industrien. Nicht umfasst sind Branchen, die Primärenergie in Sekundärenergie umwandeln, etwa Raffinerien oder fossile Stromerzeugung, Endenergie-Dienstleistungen bereitstellen, etwa Gebäudetechnik oder Fahrzeugbetankung, oder Komponenten für Energieindustrien herstellen. Dennoch lassen sich einige Beobachtungen dazu machen.

Da fossile Förderung und Raffinierung eng verflochten sind, könnte der Ausschluss der Raffinerieindustrie ein unvollständiges Bild wirtschaftlicher Abhängigkeit ergeben. S4 Appendix deutet jedoch darauf hin, dass die Fördermetrik einen erheblichen Teil der Raffinerieaktivität erfasst: Mehr als die Hälfte der Ölraffineriekapazität 2019 lag direkt in Förderregionen, und der größte Teil der Raffinierung lag in Staaten mit großen Förderindustrien. Der Ausschluss fossiler Stromerzeugung bedeutet ebenfalls, dass eine wichtige Dimension der Exposition gegenüber fossilem Rückgang fehlt. Der analytische Fokus liegt jedoch auf konzentrierten Industrien, und Abschnitt 4.2 zeigt, dass fossile Stromerzeugung weniger konzentriert ist als Förderung; daher liegt der Schwerpunkt auf Förderung.

Heimische Cleantech-Produktion wurde ebenfalls als mögliche Industrie für grüne Regionalentwicklung beworben. Eine grobe Bewertung öffentlicher und privater Cleantech-Produktionsinvestitionen zeigt jedoch, dass nur wenig davon in Regionen erfolgt ist, die auf Förderung spezialisiert sind. Seit 2018 entfielen 80% der Cleantech-Investitionen auf zehn Staaten [106]; 2021 machten diese nach Berechnung der Autor:innen nur 1% der Kohle-, Öl- und Erdgasförderung aus. Daher wird aufstrebende Cleantech-Produktion in der Studie nicht weiter betrachtet. Endverbrauchsnahe Industrien wie Ladeinfrastruktur für Elektrofahrzeuge oder Gebäudesanierung werden naturgemäß über Bevölkerungszentren verteilt sein und eignen sich daher weniger, um Verluste konzentrierter Industrien auszugleichen.

3.2 Daten

Die Autor:innen erstellten einen Längsschnittdatensatz von 2004 bis 2021 zur Energieproduktion in den 643 commuting zones der zusammenhängenden USA. Commuting zones sind County-Gruppen, die realistischere Darstellungen regionaler Ökonomien liefern [107]. Die Nutzung von commuting zones erlaubt eine Analyse von Energieproduktion in funktionalen Arbeitsmärkten statt nur in Verwaltungsgrenzen. Die Analyse fragt, ob fossile und erneuerbare Energieproduktion in denselben geografischen Einheiten auftreten.

Daten zu Öl- und Gasförderung stammen aus dem DrillingInfo-Datensatz von Enverus [108], der Produktionsdaten auf Bohrlochebene bereitstellt und 99% der US-Bohrlöcher abdeckt. Die Autor:innen passen die Werte nicht an das fehlende 1% an; die Angaben dürften daher leicht unterschätzt sein. Kohlebergbaudaten stammen aus Produktionstabellen der Energy Information Administration [109]. Daten zu Stromerzeugern, einschließlich Wind, Solar und fossiler Kraftwerke, stammen aus den EIA-Formularen 860 und 923 [105,110].

Ergänzend werden regionale Bruttoinlandsproduktdaten des Bureau of Economic Analysis [111], Sonneneinstrahlungsdaten der National Solar Radiation Database [112], Windgeschwindigkeiten des Global Wind Atlas [113] und County-Bevölkerungsdaten des Census Bureau [114] einbezogen. Diese Quellen werden über ID-Codes, Gebietsnamen und georäumliche Verfahren auf commuting zones aggregiert [107]. Außerdem werden verschiedene Energietypen in vergleichbare Einheiten umgerechnet. Details zu Datenquellen, Verarbeitung und Software finden sich in S1 Appendix. Der zusammengesetzte Datensatz ist online verfügbar [115].

3.3 Methoden

Die Studie testet die Hypothese, dass lokale Entwicklung von Solar- und Windstromerzeugung wirtschaftlichen Rückgang in Regionen abmildern kann, die auf fossile Förderung spezialisiert sind. Sie untersucht, ob Ausbaumuster bis 2021 – zu diesem Zeitpunkt waren über 3.900 Solarparks [67] und 68.000 Windturbinen [68] in Betrieb – diese Hypothese stützen. Fossile Förderregionen werden als commuting zones definiert, die beim Gesamtniveau von Kohle-, Öl- und Erdgasförderung von 2004 bis 2021 im oder über dem 85. Perzentil liegen. Diese 97 Regionen machten 96% der US-Förderung fossiler Brennstoffe aus. Der Ansatz ergänzt Studien zum technischen Potenzial, etwa Pai et al. [65], indem er tatsächliche Ausbaumuster statt modellierten Potenzials analysiert.

Die Analyse folgt einem deduktiven Ansatz mit zwei notwendigen Bedingungen und drei empirischen Vorhersagen. Die erste notwendige Bedingung ist, dass fossile, Solar- und Windindustrien lokale Ökonomien erheblich beeinflussen. Abschnitt 2 skizzierte Mechanismen – Beschäftigung, Steuern und industrielle Deagglomeration –, durch die fossiler Rückgang Regionen schädigt und erneuerbare Energien diese Effekte ausgleichen könnten. Die Analyse nimmt an, dass der Verlust konzentrierter Industrien wirtschaftlich schädlich und der Gewinn neuer Industrien vorteilhaft ist, wobei die Größenordnung je nach Branche variiert. Kohleförderung ist etwa arbeitsintensiver und kann daher größere Beschäftigungsverluste bedeuten als Erdgasförderung; zugleich könnten höhere Steuern auf Stromerzeugung erneuerbare Industrien fiskalisch vorteilhafter machen. Die Analyse konzentriert sich darauf, ob erneuerbare Energien in fossilen Regionen entstehen, nicht darauf, ihre relativen wirtschaftlichen Effekte zu quantifizieren.

Die zweite notwendige Bedingung ist, dass fossile Regionen ausreichend Sonneneinstrahlung und Windleistungsdichte besitzen, um kosteneffiziente erneuerbare Erzeugung zu tragen. Diese Bedingung wird zusammen mit drei empirischen Vorhersagen getestet. Wenn sowohl die Bedingung als auch die Vorhersagen erfüllt wären, würde dies die Hypothese stützen, dass erneuerbare Energien fossile Förderung plausibel ersetzen können.

Räumliche Datenanalyse wird genutzt, um Muster der Primärenergieproduktion zu kartieren und zu quantifizieren. ArcGIS und Python Geopandas [116] verknüpfen den Längsschnittdatensatz mit geografischen Shapefiles und Variablen wie Solarstrahlungskarten [112]. Dies ermöglicht die visuelle Untersuchung räumlicher Cluster fossiler Förderung sowie Solar- und Windstromerzeugung. Ergänzend werden deskriptive und korrelative Statistiken verwendet, die Zusammenhänge zwischen fossiler Förderung und erneuerbarer Erzeugung messen.

Die zentrale Kennzahl der Studie ist Primärenergieproduktion. Sie identifiziert die Standorte von Energieindustrien besser als Beschäftigungsdaten, die in der US-Literatur zu Dekarbonisierungs-Vulnerabilität üblich sind. Beschäftigungsdaten aus dem Quarterly Census of Employment and Wages [117] und der American Community Survey [118] lassen häufig dünn besiedelte Countys aus, weil das Bureau of Labor Statistics Daten bei niedrigen geografischen Auflösungen unterdrückt. S2 Appendix zeigt dies: 2019 identifizierten County-Arbeitsmarktdaten weniger als die Hälfte der commuting zones, die laut EIA aktive Kohleminen hatten [109]. In Anlehnung an Raimi et al. [16] nutzt die Studie Produktionsdaten, um Standort und Größe fossiler Industrien zu messen, und erweitert diesen Ansatz um Solar- und Winddaten.

Um fossile und erneuerbare Energie vergleichbar zu machen, wird die Substitutionsmethode [37] angewandt. Fossile Förderdaten in Primärenergieeinheiten werden in äquivalente Terawattstunden Strom (TWHee) umgerechnet, indem durchschnittliche thermische Umwandlungsverluste in US-Kraftwerken berücksichtigt werden. Obwohl näherungsweise, ermöglicht diese Anpassung einen sinnvollen Vergleich fossiler Energieextraktion mit erneuerbarer Stromerzeugung.

Die Analyse versteht fossile Förderung und erneuerbare Stromerzeugung als Substitute in einer langfristigen Energiewende, die durch sinkende Kosten erneuerbarer Energien [4] und Klimapolitik [28,36] vorangetrieben wird. Eine vollständige sektorale Substitution ist zwar noch nicht erreicht, doch konkurrieren Kohle und ein großer Teil von Erdgas bereits direkt mit erneuerbaren Energien in der Stromerzeugung. Die Untersuchung erneuerbarer Entwicklung in fossilen Regionen liefert daher einen frühen Hinweis darauf, wie sich die Geografie des US-Energiesystems zu verschieben beginnt.

3.4 Test der Hypothese

Die Hypothese – dass Wind- und Solarentwicklung wirtschaftlichen Niedergang in Regionen mit fossiler Förderung abmildern kann – wird anhand einer notwendigen Bedingung und dreier empirischer Vorhersagen getestet. Die notwendige Bedingung lautet, dass fossile Regionen ausreichend Sonneneinstrahlung und Windleistungsdichte für Erzeugung im Versorgungsmaßstab besitzen. Anders als fossile Ressourcen, die geologisch fixiert sind, variieren Solar- und Windressourcen kontinuierlich, beeinflussen aber dennoch Projektökonomie. Diese Bedingung wird geprüft, indem untersucht wird, ob Ausbau unter bestimmten Schwellenwerten von Einstrahlung oder Winddichte stattfindet.

Drei komplementäre Methoden bewerten diese Schwellenwerte. Erstens wird Ressourcenverfügbarkeit mit bestehender Erzeugung kartiert, um räumliche Korrelationen zu erkennen. Zweitens vergleichen Kernel-Density-Estimate-Plots die Verteilung von Ressourcenverfügbarkeit und Erzeugung in fossilen und nicht-fossilen Regionen. Drittens modelliert logistische Regression die Wahrscheinlichkeit, dass eine Region Solar- oder Windprojekte aufweist, als Funktion ihres Ressourcenlevels. Durch Umkehrung der Beziehung ergibt sich der Ressourcenschwellenwert, bei dem Ausbau wahrscheinlich wird. Die Höhe dieses Schwellenwerts zeigt, wie stark Ressourcen den Ausbau einschränken. Regionen werden als “low” und “very low” resource areas kategorisiert. Dieser probabilistische Ansatz vermeidet willkürliche Schwellen und identifiziert empirisch, ab welchem Ressourcenniveau Ausbau selten wird.

Wenn erneuerbare Energien fossilen wirtschaftlichen Rückgang plausibel abmildern können, sollte dies bis 2021 in den Ausbaumustern sichtbar sein. Mindestens eines von drei Mustern sollte auftreten.

Vorhersage 1: Solar- und Windstromerzeugung sollte in denselben Regionen konzentriert sein wie fossile Förderung. Fossile Förderung ist stark konzentriert und findet in 97 regionalen Ökonomien statt. Die Analyse prüft, ob Solar- und Windausbau eine ähnliche Konzentration aufweisen, indem geografische Überschneidung kartiert und räumliche Konzentration mit Gini-Koeffizienten verglichen wird.

Vorhersage 2: Solar- und Windentwicklung sollte in Regionen stattfinden, die Rückgänge fossiler Förderung erlebt haben. Der Datensatz identifiziert 56 Regionen, deren Förderung seit dem Spitzenwert um 40% oder mehr gefallen ist. Für jede wird ein replacement ratio berechnet: der Anteil verlorener fossiler Produktion in TWHee, der durch erneuerbare Erzeugung ersetzt wurde. Die Analyse betrachtet die zehn Regionen mit den größten Rückgängen und die zehn mit den höchsten replacement ratios.

Vorhersage 3: Solar- und Windausbau sollte in stärker auf fossile Förderung spezialisierten Regionen höher sein. Regionen mit starker Spezialisierung sind am verwundbarsten [59]; der Aufbau erneuerbarer Projekte dort wäre also besonders zielgerichtet. Regionale Spezialisierung wird als gesamte fossile Förderung pro Kopf im Spitzenjahr der Region gemessen und mit Wind- und Solarausbau verglichen.

4 Ergebnisse

4.1 Verfügen fossile Regionen über ausreichende erneuerbare Ressourcen für Solar- und Windentwicklung?

Fossile Regionen besitzen ausreichende Solarressourcen, um Ausbau im Versorgungsmaßstab zu tragen, sogar in Gebieten mit moderater oder unterdurchschnittlicher Einstrahlung. Abb. 2A kartiert Standorte von Solaranlagen gegenüber durchschnittlicher jährlicher Sonneneinstrahlung. Zwar konzentriert sich der Ausbau im sonnigen Südwesten, doch findet erhebliche Entwicklung auch im Nordosten, Mittleren Westen und Pazifischen Nordwesten statt.

KDE-Plots in Abb. 2B quantifizieren die Beziehung zwischen Einstrahlung und Ausbau. Fossile Regionen haben etwas höhere Einstrahlung als nicht-fossile Regionen, und Regionen mit Solarerzeugung überlappen mit beiden. Das zeigt, dass fossile Regionen im Bereich liegen, in dem Solarentwicklung bereits erfolgt ist. Logistische Regressionsschwellen zeigen Einstrahlungsniveaus, unterhalb derer Ausbau unwahrscheinlich ist: 4,3 kWh/m²/Tag bei weniger als 50% Wahrscheinlichkeit und 3,1 kWh/m²/Tag bei weniger als 25%. Nur 24% der fossilen Regionen liegen unter der 50%-Schwelle, keine unter 25%. Diese Ergebnisse deuten darauf hin, dass Solarressourcen für fossile Regionen keine Ausbauhürde darstellen.

Windstrom ist dagegen stärker mit Ressourcenqualität korreliert, und die meisten fossilen Regionen haben relativ geringes Windpotenzial. Abb. 3A kartiert Windturbinenstandorte gegenüber durchschnittlicher jährlicher Windleistungsdichte. US-Windkapazität konzentriert sich entlang eines ressourcenstarken Korridors von North Dakota bis Texas, mit den größten Anteilen in Texas, Oklahoma, Kansas und Iowa. Kleinere Kapazitätsinseln finden sich andernorts. Einige Standorte sind aufgrund von Militärbasen oder Schutzgebieten eingeschränkt.

Die KDE-Plots in Abb. 3B zeigen, dass Regionen mit Windausbau deutlich höhere Windressourcen haben als fossile und nicht-fossile Regionen. Fossile Regionen haben im Durchschnitt geringere Windressourcen: 82% liegen unter der 50%-Wahrscheinlichkeitsschwelle, 62% unter der 25%-Schwelle. Anders als bei Solar ist Windstrom eng mit Ressourcenverfügbarkeit verknüpft; die meisten fossilen Regionen liegen unter den Niveaus, die typischerweise mit Ausbau im Versorgungsmaßstab verbunden sind.

20 der 97 Förderregionen weisen niedrige Werte sowohl bei Wind- als auch Solarressourcen auf. Abb. 4 stellt Sonneneinstrahlung gegen Windleistungsdichte für fossile Förderregionen dar, zusammen mit den modellierten Wahrscheinlichkeitsschwellen. Fünf Regionen liegen unter der niedrigen Solarschwelle und der sehr niedrigen Windschwelle; weitere 15 fallen in die niedrige Kategorie bei beiden Ressourcen. Keine Region weist sehr niedrige Solarressourcen auf. Diese Regionen konzentrieren sich im Industrial Midwest und angrenzenden appalachischen Gebieten sowie um Powder River County in Montana. Die begrenzte Zahl und regionale Konzentration dieser Niedrigressourcengebiete legt nahe, dass nur ein kleiner Teil fossiler Regionen echte Ressourcenbeschränkungen für erneuerbare Entwicklung hat, auch wenn mehrere davon mit traditionellen Kohlegebieten übereinstimmen. Die vollständige County-Liste steht in S3 Appendix.

Abb. 1. Relative Menge fossiler Förderung in commuting zones von 2004 bis 2021.

Räumliche Verteilung fossiler Förderung (Kohle, Öl und Erdgas) in den zusammenhängenden USA. Jede Energieart wird in äquivalente Einheiten der Stromerzeugung umgerechnet [37] und für jede Region von 2004 bis 2021 summiert. Dunklere Farben zeigen höhere fossile Fördermengen. Zur besseren Visualisierung nutzt die Grafik die Quadratwurzel der gesamten fossilen Förderung und normalisiert die Werte. Shapefile source: U.S. Census Bureau, TIGER/Line Shapefiles (2023) [38].

https://doi.org/10.1371/journal.pstr.0000217.g001

Abb. 2. Räumliche und statistische Verteilungen der Solarressourcen in US-Regionen.

A) Durchschnittliche jährliche Sonneneinstrahlung (kWh/m²/Tag) in US-commuting zones, mit schwarzen Markern für Standorte von Solarerzeugern im Versorgungsmaßstab im Jahr 2021. Dunklere Regionen haben höhere Einstrahlung. B) Kernel-Density-Estimate-Plot der durchschnittlichen Sonneneinstrahlung über US-commuting zones. Die Abbildung vergleicht fossile Förderregionen, nicht-fossile Regionen und Regionen mit Solarerzeugung 2021. Gestrichelte vertikale Linien zeigen “low” und “very low” resource thresholds.

https://doi.org/10.1371/journal.pstr.0000217.g002

Abb. 3. Räumliche und statistische Verteilungen der Windressourcen in US-Regionen.

A) Durchschnittliche Windleistungsdichte (W/m²) über US-commuting zones, mit schwarzen Markern für netzgebundene Windturbinen im Jahr 2021. Dunklere Regionen zeigen höhere Windleistungsdichte. B) Kernel-Density-Estimate-Plot der durchschnittlichen Windressourcen. Die Abbildung vergleicht fossile Förderregionen, nicht-fossile Regionen und Regionen mit Winderzeugung 2021. Gestrichelte vertikale Linien zeigen “low” und “very low” thresholds.

https://doi.org/10.1371/journal.pstr.0000217.g003

Abb. 4. Solar- und Windressourcen für US-Regionen mit fossiler Spezialisierung.

Die Abbildung zeigt Solar- und Windressourcenqualität für die 97 commuting zones in den zusammenhängenden USA, die von 2004 bis 2021 fossile Förderindustrien aufwiesen. Gestrichelte Linien markieren “low” und “very low” resource thresholds. Eine Liste der Regionen in diesen Bereichen steht in S3 Appendix.

https://doi.org/10.1371/journal.pstr.0000217.g004

4.2 Konzentrieren sich Solar- und Windstrom in fossilen Förderregionen?

Im Großen und Ganzen scheinen sich Solar- und Windstrom nicht in fossilen Förderregionen zu konzentrieren, auch wenn dies regional variiert. Abb. 5 zeigt die Standorte von Solar- und Windanlagen in den USA, während fossile Förderregionen hervorgehoben sind. Die Region West Texas-Eastern New Mexico-Oklahoma Panhandle weist eine große Windstromkonzentration auf, und die Ölproduktionsregionen in Kern und L.A. County in Kalifornien haben große Solarkapazitäten aufgebaut. Die meisten Solar- und Windanlagen liegen jedoch in Regionen mit wenig oder keiner fossilen Förderung, etwa im Mittleren Westen, Südosten und an der Ostküste. Insgesamt repräsentieren die hervorgehobenen Regionen 96% der fossilen Förderung im Jahr 2021, aber nur 32% der Solar- und Windstromerzeugung im Versorgungsmaßstab.

Dies erklärt sich sowohl aus den Standorten des Wind- und Solarausbaus als auch aus ihrer stärkeren geografischen Streuung im Vergleich zur fossilen Förderung. Tabelle 1 zeigt zwei Maße geografischer Konzentration: die Zahl der commuting zones, die Standorte fossiler Förderung, fossile Kraftwerke oder Wind- und Solarstromerzeuger enthalten, sowie einen Gini-Koeffizienten, gewichtet nach Produktion je Energietyp. Ergänzend dient die Verteilung des BIP als Referenz.

Selbst in einer frühen Phase des Übergangs zu Wind- und Solarstrom liegen Wind- und Solarerzeugung in deutlich mehr commuting zones als fossile Förderung. Ihr Konzentrationsgrad liegt nahe an dem fossiler Stromerzeugung und beide ähneln hinsichtlich räumlicher Streuung der BIP-Verteilung. Die Primärenergieproduktion in den USA verschiebt sich damit von hoher Konzentration hin zu stärkerer geografischer Streuung. Förderindustrien müssen nahe fossiler Ressourcen liegen; Solar- und Windstrom ähneln eher der bestehenden Stromerzeugung, die räumlich breiter verteilt ist.

Die Analyse zeigt, dass Solar- und Windstromerzeugung fossile Regionen weitgehend nicht überlappt. Nur 32% der Solar- und Windstromerzeugung liegen in den 97 regionalen Ökonomien, in denen fossile Förderung konzentriert ist; diese Regionen stehen zugleich für 96% der fossilen Förderung. Gemessen am Gini-Koeffizienten ist Solar- und Windstrom deutlich stärker verteilt als fossile Förderung. Das ist wichtig, weil es eine zentrale Grenze der ausgleichenden Rolle erneuerbarer Energien zeigt: Regionen, die fossile Aktivität verlieren, gewinnen nicht notwendigerweise einen proportionalen Anteil ihres Ersatzes. Obwohl erneuerbare Energien schnell wachsen, entstehen sie meist anderswo; der wirtschaftliche Anker fossiler Förderung lässt sich am selben Ort also nicht leicht durch Solar- und Windentwicklung ersetzen.

Abb. 5. Fossile Förderung sowie Solar- und Windstromerzeugung über US-Regionen.

Räumliche Verteilung fossiler Förderung (Kohle, Öl und Erdgas) in den zusammenhängenden USA. Dunklere Farben zeigen höhere Gesamtmengen fossiler Förderung. Blaue Marker zeigen netzgebundene Windturbinen im Jahr 2021, rote Marker Solarerzeuger im Versorgungsmaßstab. Die Grafik nutzt zur Visualisierung die Quadratwurzel der gesamten fossilen Förderung und normalisiert die Werte. Shapefile source: U.S. Census Bureau, TIGER/Line Shapefiles (2023) [38].

https://doi.org/10.1371/journal.pstr.0000217.g005

Table 1. Verteilung von Energieindustrien und BIP über commuting zones in den zusammenhängenden USA.

Kategorie	Anzahl commuting zones mit diesem Energietyp	% der commuting zones mit diesem Energietyp	Gini-Koeffizient
Fossil fuel extraction	280	44%	0.94
Fossil fuel electricity generation	469	73%	0.79
Utility-scale wind or solar electricity generation	449	70%	0.81
GDP	N/A	N/A	0.80

Hinweis: Der Gini-Koeffizient misst Ungleichheit/Streuung. Bei fossiler Förderung würde 1 bedeuten, dass die gesamte Förderung in einer einzigen Region liegt, und 0, dass jede Region den gleichen Anteil hat. https://doi.org/10.1371/journal.pstr.0000217.t001

4.3 Bauen Regionen mit fossilen Rückgängen mehr Wind- und Solarstrom aus?

Regionale Energiewenden werden hier als Phasen definiert, in denen Rückgänge fossiler Produktion mit Wachstum erneuerbarer Stromerzeugung zusammenfallen. Dieser Abschnitt untersucht, ob solche Übergänge stattfinden, indem geprüft wird, ob Regionen mit sinkender Kohle-, Öl- und Erdgasproduktion Wind- und Solarindustrien aufgebaut haben.

Abb. 6 kartiert Veränderungen der fossilen Produktion in US-Regionen von 2004 bis 2021. Der Rückgang der Kohle und der Aufstieg des Fracking haben die Geografie fossiler Produktion stark verändert. Scharfe Rückgänge in Wyoming und Appalachia gehen auf den langfristigen Zusammenbruch der Kohleförderung zurück [50]. Weitere Schrumpfungen im Mountain West-Northwestern Plains, East Texas-Louisiana und in Kalifornien illustrieren den Rückgang konventioneller Öl- und Gasförderung. Wachstumsregionen stehen für den Aufstieg unkonventioneller Öl- und Gasförderung, also den Fracking-Boom [119], entlang des Marcellus Shale sowie in Regionen des US-Südens und in North Dakota.

Regionen mit Rückgängen fossiler Förderung haben insgesamt keine entsprechenden Anteile an neuen erneuerbaren Industrien gewonnen. Tabelle 2 fasst fossile Förderung, BIP sowie Wind- und Solarstrom über diese Regionen zusammen und zeigt, dass die meisten Förderregionen der USA in diesem Zeitraum Rückgänge von mehr als 40% erlebten. Die 56 Regionen mit starken Kontraktionen sahen ihren Anteil an nationaler fossiler Förderung von 62% im Jahr 2004 auf nur 22% im Jahr 2021 fallen, erfassten aber 2021 nur 14% der gesamten Solar- und Windstromerzeugung. Die 41 Regionen mit stabiler oder wachsender fossiler Förderung gewannen proportional höhere Anteile erneuerbarer Erzeugung, doch der Großteil erneuerbarer Energie bleibt in nicht-fossilen Regionen konzentriert.

Tabellen 3 und 4 zeigen die Seltenheit regionaler Energiewenden anhand einzelner Fälle. Tabelle 3 listet die zehn Regionen mit den größten absoluten Rückgängen fossiler Förderung zwischen 2004 und 2021 und bewertet, ob diese Rückgänge durch Wachstum erneuerbarer Erzeugung ausgeglichen wurden. Das replacement ratio misst den Anteil des Rückgangs fossiler Produktion, der durch Solar- und Windstrom ersetzt wurde, umgerechnet in äquivalente elektrische Energie. Wenn etwa die jährliche Erdgasproduktion einer Region um 50 TWHee fällt und die Solarerzeugung 2021 40 TWHee erreicht, beträgt das Verhältnis 80%; bei keiner erneuerbaren Erzeugung beträgt es null.

Fast alle dieser Fälle haben sehr wenig oder gar keine Solar- und Windkapazität aufgebaut, um Förderverluste auszugleichen. Fünf Regionen hatten 2021 null Wind- und Solarerzeugung, drei weitere glichen höchstens 3% ihres großen Rückgangs aus. Vergleichsweise besser schneiden die commuting zones mit Kern County in Kalifornien und Brooks County in Südtexas ab. Die Region um Kern County war 2021 der größte kombinierte Solar- und Windstromerzeuger der USA; Brooks County war der zweitgrößte Windstromerzeuger. Dennoch sind ihre replacement ratios moderat: 32% im Fall Kern County und nur 12% im Fall Brooks.

Tabelle 4 identifiziert die erfolgreichsten Regionen beim Ausgleich fossiler Rückgänge durch Wind- und Solarwachstum, also die zehn Fälle mit den höchsten replacement ratios. Die Region um Los Angeles County ist der klarste Erfolg: Dort übersteigt das Wachstum von Wind- und Solarstrom die verlorene jährliche fossile Förderung, mit einem replacement ratio von 103%. Allerdings bleibt diese Region ein relativ kleiner fossiler Produzent. Danach fallen die Verhältnisse deutlich: Einige Regionen in Kalifornien, Texas und Pennsylvania kompensieren ungefähr ein Viertel ihres fossilen Rückgangs durch erneuerbare Energien, während die übrigen sechs Fälle weniger als 20% ersetzen.

Regionale Primärenergiewenden finden im Allgemeinen nicht statt. Statt eines koordinierten Übergangs von fossiler zu erneuerbarer Energie innerhalb derselben Regionen hat sich die Energielandschaft fragmentiert. Innerhalb des fossilen Sektors verlagerte sich Produktion geografisch durch Kohlerückgang und Schieferöl- und Schiefergasboom in neue Regionen wie Texas und North Dakota. Gleichzeitig fand das Wachstum von Wind- und Solarstrom meist anderswo statt – häufig in Regionen ohne starke fossile Vergangenheit. Abgesehen von der Region um Los Angeles County kommt keine Region nahe daran, fossile Förderverluste durch Wind- und Solarstrom zu ersetzen. Das Ergebnis ist nicht regionale Energiewende, sondern eine Neuordnung der nationalen Energiegeografie.

Dieser Befund ist vorsichtig zu interpretieren: Viele dieser Gebiete erleben fossilen Rückgang bereits seit lange vor dem großflächigen Ausbau von Wind- und Solarenergie um 2008 beziehungsweise 2013 [2,120]. Da solche Projekte lange Genehmigungs- und Bauzeiten haben, könnten einige Regionen beim Ausgleich fossiler Verluste noch aufholen. Dennoch stellt die Tatsache, dass acht der zehn Regionen mit den größten Förderverlusten null oder sehr wenig Wind- und Solarstrom aufgebaut haben und dass schrumpfende Regionen nur einen kleinen Ausbauanteil erhalten, die Annahme infrage, Wind- und Solarausbau werde diese regionalen Industrien ersetzen.

Abb. 6. Wachstum und Rückgang fossiler Förderung in US-Regionen von 2004 bis 2021.

Blautöne zeigen commuting zones mit Rückgängen fossiler Förderung von 2004 bis 2021; Rottöne zeigen Wachstum. Zur leichteren Visualisierung sind nur die 97 Regionen eingefärbt, die in diesem Zeitraum 96% der Gesamtförderung ausmachten. Shapefile source: U.S. Census Bureau, TIGER/Line Shapefiles (2023) [38].

https://doi.org/10.1371/journal.pstr.0000217.g006

Table 2. Anteile von Wind- und Solarstromerzeugung 2021 nach Wachstum, Rückgang oder Stabilität fossiler Förderung.

Veränderung fossiler Förderung: 2004 bis 2021	Anzahl commuting zones	Anteil Gesamt-BIP: 2004 bis 2021	Anteil fossiler Förderung 2004	Anteil fossiler Förderung 2021	Anteil Wind- und Solarstrom 2021
Declined	56	15%	62%	22%	14%
Steady	10	1%	8%	5%	9%
Grew	31	5%	20%	69%	9%
Non-extraction region	546	79%	10%	4%	68%
Total	643	100%	100%	100%	100%

Notes: Decline cases are where the peak year for fossil fuel production occurred five years or more before 2021 (i.e., 2016 or before), and 2021 production is 40% or more below the peak value. https://doi.org/10.1371/journal.pstr.0000217.t002

Table 3. The biggest declines – top 10 commuting zones for absolute declines in fossil fuel extraction.

Commuting-zone counties	Peak year	Fuel type that declined most	Fall from peak (TWHee)	Fall from peak (%)	Replacement ratio
Campbell, Converse, Crook, Natrona, Weston (WY)	2008	Coal	387	45%	1%
Hood, Johnson, Palo Pinto, Parker, Somervell, Tarrant, Wise (TX)	2012	Natural Gas	138	60%	0%
Archuleta, La Plata, San Juan (CO), San Juan (NM)	2005	Natural Gas	93	53%	0%
Boone, Calhoun, Clay, Jackson, Kanawha, Lincoln, Putnam, Roane (WV)	2005	Coal	82	83%	0%
Harlan, Knott, Leslie, Letcher, Perry (KY)	2006	Coal	80	88%	0%
Sublette, Uinta (WY)	2010	Natural Gas	78	44%	1%
Brooks, Cameron, Duval, Hidalgo, Jim Wells, Kenedy, Kleberg, Starr, Willacy (TX)	2004 or earlier	Natural Gas	77	81%	12%
Collingsworth, Gray, Hemphill, Lipscomb, Ochiltree, Roberts, Wheeler (TX)	2013	Natural Gas	69	66%	3%
Floyd, Johnson, Magoffin, Martin, Pike (KY)	2004 or earlier	Coal	68	89%	0%
Kern, Kings, Tulare (CA)	2004 or earlier	Oil	60	49%	32%

Note: replacement ratio = absolute fall in annual extraction divided by wind and solar generation in 2021. TWHee represents terawatt-hours of electricity-equivalent. https://doi.org/10.1371/journal.pstr.0000217.t003

Table 4. Top substitutors – top 10 commuting zones by replacement ratio.

Commuting-zone counties	Peak year	Biggest fuel type	Fall from peak (TWHee)	Fall from peak (%)	Replacement ratio
LA, Orange, Riverside, San Bernardino, Ventura (CA)	2008	Oil	12	41%	103%
Kern, Kings, Tulare (CA)	2004 or before	Oil	60	49%	32%
Cochran, Crosby, Garza, Hockley, Lubbock, Lynn, Terry (TX)	2004 or before	Oil	15	57%	29%
Bedford, Blair, Cambria, Indiana, Somerset (PA)	2010	Coal	9	41%	21%
Haskel, Meade, Morton, Seward, Stevens (KS), Beaver, Cimarron, Texas (OK)	2004 or before	Natural Gas	31	68%	15%
Harding, Quay, Union (NM)	2010	Natural Gas	8	49%	14%
Brooks, Cameron, Duval, Hidalgo, Jim Wells, Kenedy, Kleberg, Starr, Willacy (TX)	2004 or before	Natural Gas	77	81%	13%
Beckham, Custer, Greer, Harmon, Jackson, Kiowa, Roger Mills, Washita (OK)	2006	Natural Gas	30	49%	9%
Love, Cooke, Denton, Montague (TX)	2012	Natural Gas	24	46%	5%
Cherokee, Collin, Dallas, Ellis, Henderson, Kaufman, Navarro, Rockwall, Smith, Van Zandt (TX)	2006	Natural Gas	10	56%	4%

Note: replacement ratio = absolute fall in annual extraction divided by wind and solar generation in 2021. https://doi.org/10.1371/journal.pstr.0000217.t004

4.4 Haben stärker auf fossile Förderung spezialisierte Regionen eher Wind- und Solarstrom?

Anschließend untersucht die Studie, ob Regionen mit stärkerer Spezialisierung auf fossile Förderung mehr oder weniger Wind- und Solarenergie aufgebaut haben. Die Literatur zur Vulnerabilität gegenüber Dekarbonisierung argumentiert, dass stärkere Spezialisierung beziehungsweise Abhängigkeit von fossilen Industrien die Exposition gegenüber deren Rückgang erhöht [59]. Daher wird geprüft, ob besonders vulnerable Regionen beim Ausbau erneuerbarer Energien führen oder zurückliegen.

Abb. 7 trägt die gesamte Wind- und Solarstromerzeugung im Jahr 2021 in den 97 fossilen Förderregionen gegen ein Spezialisierungsmaß auf. 0 steht für die am wenigsten spezialisierten Regionen, in denen die fossile Förderung pro Kopf niedrig ist; 1 steht für die am stärksten spezialisierten. Das Muster verstärkt die Vulnerabilität dieser Regionen: Je stärker Regionen auf fossile Förderung spezialisiert sind, desto weniger Wind- und Solarkapazität haben sie aufgebaut. Die Regionen mit dem größten erneuerbaren Ausbau sind jene, die am wenigsten auf fossile Brennstoffe spezialisiert und daher weniger verwundbar gegenüber deren Rückgang sind.

Abb. 7. Wind- und Solarausbau und Spezialisierung auf fossile Förderung.

Die x-Achse zeigt die Spezialisierung auf fossile Förderung, gemessen als gesamte regionale Förderung von 2004 bis 2021 geteilt durch die Bevölkerung 2020 und min-max-normalisiert. Die y-Achse zeigt die gesamte Wind- und Solarstromerzeugung im Jahr 2021. Jeder Punkt ist eine der 97 commuting zones mit fossilen Förderindustrien.

https://doi.org/10.1371/journal.pstr.0000217.g007

5 Diskussion

Die US-Energiewende formt die Geografie der Energieproduktion neu, aber nicht auf eine Weise, die fossile Regionen unterstützt. Zwar expandieren Wind- und Solarprojekte schnell, doch entstehen diese Projekte nicht dort, wo fossile Förderung zurückgeht. Dadurch sind die wirtschaftlichen Vorteile der sauberen Energiewende ungleich verteilt, und Wind- und Solarentwicklung bieten für fossile Gemeinden offenbar keine klaren Ersatzindustrien.

Die Befunde stützen nicht die Hypothese, dass erneuerbare Energieentwicklung wirtschaftlichen Niedergang in fossilen Förderregionen ausgleichen kann. Obwohl Ressourcenverfügbarkeit nur in etwa einem Viertel der Regionen den Ausbau beschränkt, hält keine der empirischen Vorhersagen. Wind- und Solarprojekte folgen einem anderen geografischen Muster als fossile Förderung und markieren den Übergang von einem hoch konzentrierten Primärenergiesystem zu einem landesweit verteilten System. Die 97 Regionen, die 96% der fossilen Brennstoffe produzierten, stehen nur für 32% des Wind- und Solarausbaus.

Es gibt zudem nur begrenzte Hinweise darauf, dass erneuerbare Energie auf regionaler Ebene rückläufige fossile Industrien ersetzt. Unter den Regionen mit den größten Förderrückgängen hat nur Los Angeles erhebliche erneuerbare Entwicklung erreicht. Die meisten ehemals fossilen Regionen haben wenig oder keine Solar- und Windkapazität im Versorgungsmaßstab aufgebaut; regionale Energiewenden sind daher die Ausnahme, nicht die Regel.

Schließlich zeigen – entgegen den Zielen jüngerer föderaler Politik – jene Regionen die niedrigsten erneuerbaren Ausbauraten, die am stärksten auf fossile Förderung spezialisiert und damit am verwundbarsten sind. Das deutet darauf hin, dass Marktkräfte allein kaum saubere Energieinvestitionen in jene Gemeinden lenken, die am stärksten von Dekarbonisierung betroffen sind.

Die deutlichste politische Implikation ist, dass grüne Regionalentwicklung nicht als selbstverständlich wirksame Strategie zum Schutz fossiler Regionen angenommen werden sollte. Viele politische Akteure und Forschende haben eine solche Wende gefordert [27–36], doch diese Studie findet wenig Evidenz dafür im Kontext der Primärenergie und verweist darauf, dass sie auch in anderen grünen Industrien, etwa Cleantech-Produktion, nicht klar erkennbar ist. Mit der Aufhebung von Teilen des IRA sind zentrale politische Maßnahmen, die diese Art grüner Regionalentwicklung hätten auslösen können, nicht mehr in Kraft. Daher braucht es andere regionale Entwicklungsstrategien, um Regionen vor den Nachteilen der Dekarbonisierung zu schützen: Umschulung, Umzugshilfen, Sozialversicherung und wirtschaftliche Entwicklungsstrategien.

Über diese Befunde hinaus leistet die Forschung zwei weitere Beiträge zum Verständnis regionaler Energiewende. Erstens führt sie ein neues, produktionsbasiertes Maß regionaler fossiler Abhängigkeit ein, das direkten Vergleich mit erneuerbarer Entwicklung ermöglicht. Zweitens bietet die Analyse einen Rahmen zur Verbesserung von Vulnerabilitätsbewertungen und politischer Gestaltung. Bestehende Vulnerabilitätsmetriken beruhen auf statischen Maßen fossiler Spezialisierung, doch die Ergebnisse zeigen, dass fossile Regionen sehr unterschiedliche aktuelle Pfade verfolgen. Gemeinden mit starkem Kohlerückgang in Wyoming stehen vor unmittelbaren Risiken; Regionen wie Pennsylvania mit derzeitigen Booms erleben andere Herausforderungen und Zeitpläne. Die Identifikation von Solar- und Windressourcen auf County-Ebene erlaubt eine Einschätzung, wie anpassungsfähig Regionen entlang dieses Entwicklungspfads sind, und zeigt, dass Regionen um Appalachia begrenzte Möglichkeiten für eine erneuerbarenbasierte Transition haben und besonders deutlich alternative Entwicklungspfade benötigen.

Die Analyse identifiziert auch frühe Erfolgfälle, vor allem um Los Angeles und Kern County in Kalifornien, wo regionale Energiewenden im Gange sind. Diese Beispiele könnten künftige Forschung zu lokalen Bedingungen und Politiken anleiten, die erneuerbare Entwicklung in ehemaligen fossilen Hubs ermöglicht haben. Dazu gehören etwa geteilte Kompetenzen zwischen Industrien, beispielsweise Genehmigungskompetenzen in Kern County, oder die Frage, ob fossile Gemeinden erneuerbare Industrien ideologisch unterstützen oder ablehnen. Das Verständnis dieser Erfolgfälle und jener Regionen, die sich erfolgreich vollständig jenseits der Energieproduktion diversifiziert haben, ist entscheidend für wirksame Übergangspolitik.

Abschließend liefert die Arbeit eine Grundlage dafür, die Anpassungsfähigkeit von Regionen an Wind- und Solarentwicklung zu quantifizieren, indem sie Gebiete mit niedrigem Ressourcenpotenzial identifiziert. Solche Regionen haben begrenzte Möglichkeiten für erneuerbarenbasierte Transitionen und benötigen am klarsten alternative Entwicklungspfade. Dass diese Countys mit dem appalachischen Kohlegebiet überlappen, unterstreicht die Notwendigkeit von Interventionen zur Unterstützung dieser Gemeinden.

Supporting information

• S1 Appendix. Materials and methods: provides more information about the data inputs, key mathematical formulas, and unit conversions. https://doi.org/10.1371/journal.pstr.0000217.s001 (DOCX)
• S2 Appendix. Comparing primary energy and labor metrics: compares labor and primary energy metrics as means of identifying the size and location of fossil extraction industries. Demonstrates that primary energy metrics provide greater accuracy, due to data suppression in labor statistics. https://doi.org/10.1371/journal.pstr.0000217.s002 (DOCX)
• S3 Appendix. Counties with low wind and solar resources: provides a list of counties that Section 4.1 identified as having low solar and low wind resources. https://doi.org/10.1371/journal.pstr.0000217.s003 (DOCX)
• S4 Appendix. Comparing the locations of extraction and fuel refining: this section compares the spatial distribution of fossil extraction and oil refining, providing evidence of substantial spatial overlap. https://doi.org/10.1371/journal.pstr.0000217.s004 (DOCX)
• S1 Data. Accompanying data: panel dataset of fossil fuel extraction and electricity generation across commuting zones in the contiguous U.S.: 2004–2021. https://doi.org/10.1371/journal.pstr.0000217.s005 (XLSX)

Danksagung

Die Autor:innen danken den Professor:innen und Studierenden der Energy and Resources Group an der UC Berkeley für ihre wertvollen Beiträge zur Entwicklung dieses Projekts, insbesondere Paige Weber. Sie danken Enverus für den Zugang zu Enverus DrillingInfo im Rahmen der universitären Partnerschaftsprogramme. Außerdem danken sie dem Institute for Research on Labor and Employment der University of California, Berkeley, für die finanzielle Unterstützung, die dieses Projekt möglich gemacht hat.

Autorenbeiträge

• Conceptualization: Stephen Stack, Dara O’Rourke.
• Data curation: Stephen Stack.
• Formal analysis: Stephen Stack.
• Funding acquisition: Dara O’Rourke.
• Methodology: Stephen Stack.
• Visualization: Stephen Stack.
• Writing – original draft: Stephen Stack.
• Writing – review & editing: Dara O’Rourke.

Quellen

1. Energy Information Administration. Electric Power Annual. 2023.[Cited 2024 May 1]. https://www.eia.gov/electricity/annual/index.php
2. Wiser R, Millstein D, Hoen B, Bolinger M, Gorman W, Rand J. Land-Based Wind Market Report. Berkeley (CA): Lawrence Berkeley National Laboratory; 2023.
3. Rand J, Manderlink N, Gorman W, Wiser R, Kemp JM, Jeong S. Characteristics of Power Plants Seeking Transmission Interconnection as of the End of 2023. Berkeley (CA): Lawrence Berkeley National Laboratory; 2024.
4. Way R, Ives MC, Mealy P, Farmer JD. Empirically grounded technology forecasts and the energy transition. Joule. 2022;6(9):2057–82. https://doi.org/10.1016/j.joule.2022.08.009
5. International Energy Agency. Global EV Outlook 2024. Paris: IEA; 2024. https://www.iea.org/reports/global-ev-outlook-2024
6. Bistline J, Blanford G, Brown M, Burtraw D, Domeshek M, Farbes J, et al. Emissions and energy impacts of the Inflation Reduction Act. Science. 2023;380(6652):1324–7. https://doi.org/10.1126/science.adg3781 PMID: 37384684
7. Rhodium G. Taking Stock 2025. 2025. [Cited 2025 October 19]. https://rhg.com/research/taking-stock-2025/
8. Energy Innovation. Assessing impacts of the “one big beautiful bill act” on U.S. energy costs, jobs, health, and emissions. San Francisco (CA): Energy Innovation: Policy & Technology LLC; 2025. https://energyinnovation.org/wp-content/uploads/Impacts-Of-The-One-Big-Beautiful-Bill-On-U.S.-Energy-Costs-Jobs-Health-And-Emissions_FINAL.pdf
9. IPCC. Climate change 2023: Synthesis report. Geneva: IPCC; 2023.
10. Auffhammer M. Quantifying economic damages from climate change. Journal of Economic Perspectives. 2018;32(4):33–52. https://doi.org/10.1257/jep.32.4.33
11. Markandya A, Sampedro J, Smith SJ, Van Dingenen R, Pizarro-Irizar C, Arto I, et al. Health co-benefits from air pollution and mitigation costs of the Paris Agreement: a modelling study. Lancet Planet Health. 2018;2(3):e126–33. https://doi.org/10.1016/S2542-5196(18)30029-9 PMID: 29615227
12. Shindell D, Faluvegi G, Seltzer K, Shindell C. Quantified, localized health benefits of accelerated carbon dioxide emissions reductions. Nat Clim Chang. 2018;8(4):291–5. https://doi.org/10.1038/s41558-018-0108-y PMID: 29623109
13. West JJ, Smith SJ, Silva RA, Naik V, Zhang Y, Adelman Z, et al. Co-benefits of global greenhouse gas mitigation for future air quality and human health. Nat Clim Chang. 2013;3(10):885–9. https://doi.org/10.1038/NCLIMATE2009 PMID: 24926321
14. Colgan JD, Green JF, Hale TN. Asset revaluation and the existential politics of climate change. Int Organ. 2021;75(2):586–610.
15. Pai S, Harrison K, Zerriffi H. A systematic review of the key elements of a just transition for fossil fuel workers. 2020. https://doi.org/10.13140/RG.2.2.29003.75046
16. Raimi D, Carley S, Konisky D. Mapping county-level vulnerability to the energy transition in US fossil fuel communities. Sci Rep. 2022;12(1):15748. https://doi.org/10.1038/s41598-022-19927-6 PMID: 36130967
17. Raimi D. Mapping the US energy economy to inform transition planning. Washington DC: Resources for the Future; 2021.
18. Autor DH, Dorn D, Hanson GH. The China syndrome: local labor market effects of import competition in the United States. Am Econ Rev. 2013;103(6):2121–68.
19. Autor D, Dorn D, Hanson GH. On the Persistence of the China Shock. Cambridge (MA): National Bureau of Economic Research; 2021.
20. Rodríguez-Pose A. The revenge of the places that don’t matter (and what to do about it). Camb J Reg Econ Soc. 2018;11(1):189–209.
21. Crespo Montañés C, O’Shaughnessy E, Bednar D, Nock D, Carley S, Kammen DM, et al. Enabling and centering equity and justice in clean energy transition research. Joule. 2023;7(3):437–41. https://doi.org/10.1016/j.joule.2023.02.005
22. Cha JM, Pastor M. Just transition: Framing, organizing, and power-building for decarbonization. Energy Research & Social Science. 2022;90:102588. https://doi.org/10.1016/j.erss.2022.102588
23. Stevis D. Just transitions: promise and contestation. Cambridge: Cambridge University Press; 2023.
24. Wang X, Lo K. Just transition: A conceptual review. Energy Research & Social Science. 2021;82:102291. https://doi.org/10.1016/j.erss.2021.102291
25. Rodríguez-Pose A, Bartalucci F. The green transition and its potential territorial discontents. Camb J Reg Econ Soc. 2024;17(2):339–58.
26. Mildenberger M. Carbon Captured: How Business and Labor Control Climate Politics. Cambridge (MA): MIT Press; 2020.
27. Aklin M, Urpelainen J. Enable a just transition for American fossil fuel workers through federal action. 2022. [Cited 2024 May 1]. https://www.brookings.edu/articles/enable-a-just-transition-for-american-fossil-fuel-workers-through-federal-action/
28. Jenkins JD, Mayfield EN, Larson ED, Pacala SW, Greig C. Mission net-zero America: The nation-building path to a prosperous, net-zero emissions economy. Joule. 2021;5(11):2755–61. https://doi.org/10.1016/j.joule.2021.10.016
29. Tomer A, Kane JK, George C. How renewable energy jobs can uplift fossil fuel communities and remake climate politics. 2021. [Cited 2024 May 1]. https://www.brookings.edu
30. Lim J, Aklin M, Frank MR. Location is a major barrier for transferring US fossil fuel employment to green jobs. Nat Commun. 2023;14(1):5711. https://doi.org/10.1038/s41467-023-41133-9 PMID: 37752111
31. Mayfield E, Jenkins J, Larson E, Greig C. Labor pathways to achieve net-zero emissions in the United States by mid-century. Energy Policy. 2023;177:113516. https://doi.org/10.1016/j.enpol.2023.113516
32. Pollin R, Wicks-Lim J, Chakraborty S, Kline C, Semieniuk G. A Program for Economic Recovery and Clean Energy Transition in California. Amherst (MA): Department of Economics and Political Economy Research Institute, University of Massachusetts-Amherst; 2021.
33. Wei M, Patadia S, Kammen DM. Putting renewables and energy efficiency to work: How many jobs can the clean energy industry generate in the US?. Energy Policy. 2010;38(2):919–31. https://doi.org/10.1016/j.enpol.2009.10.044
34. Xie JJ, Martin M, Rogelj J, Staffell I. Distributional labour challenges and opportunities for decarbonizing the US power system. Nat Clim Chang. 2023;13(11):1203–12. https://doi.org/10.1038/s41558-023-01802-5
35. Vanatta M, Craig MT, Rathod B, Florez J, Bromley-Dulfano I, Smith D. The costs of replacing coal plant jobs with local instead of distant wind and solar jobs across the United States. iScience. 2022;25(8):104817. https://doi.org/10.1016/j.isci.2022.104817 PMID: 36039360
36. Larson E, Grieg C, Jenkins J, Mayfield E, Pascale A, Zhang C. Net-Zero America: Potential Pathways, Infrastructure, and Impacts. Princeton (NJ): Princeton University; 2021. https://netzeroamerica.princeton.edu/
37. Ritchie H, Rosado P. What’s the difference between direct and substituted primary energy? Our World in Data. 2021. [Cited 2025 October 19]. https://ourworldindata.org/energy-substitution-method
38. U.S. Census Bureau. TIGER/Line Shapefiles. U.S. Department of Commerce, Geography Division; 2023. https://www.census.gov/geographies/mapping-files/time-series/geo/tiger-line-file.html
39. Hanson GH. Local labor market impacts of the energy transition: prospects and policies. 30871. Cambridge (MA): National Bureau of Economic Research; 2023.
40. Aklin M. Clean Energy Transitions and Labor Markets. Austin (TX): University of Texas; 2023. https://sites.utexas.edu/gogreenfast/files/2023/03/Aklin_Memo_v2.pdf
41. Frankowski J, Mazurkiewicz J, Sokołowski J. Mapping the indirect employment of hard coal mining: A case study of Upper Silesia, Poland. Resources Policy. 2023;83:103693. https://doi.org/10.1016/j.resourpol.2023.103693
42. Christensen CM. The innovator’s dilemma: When new technologies cause great firms to fail. Boston: Harvard Business School Press; 1997.
43. Blažek J, Kv to V, Baumgartinger-Seiringer S, Trippl M. The dark side of regional industrial path development: Towards a typology of trajectories of decline. Eur Plan Stud. 2020;28(8):1455–73.
44. Martin R. Regional economic resilience, hysteresis and recessionary shocks. J Econ Geogr. 2012;12(1):1–32.
45. Marchand J, Weber JG. How local economic conditions affect school finances, teacher quality, and student achievement: evidence from the texas shale boom. J Policy Anal Manage. 2019;39(1):36–63. https://doi.org/10.1002/pam.22171
46. Roemer KF, Haggerty JH. The energy transition as fiscal rupture: Public services and resilience pathways in a coal company town. Energy Research & Social Science. 2022;91:102752. https://doi.org/10.1016/j.erss.2022.102752
47. Jolley GJ, Khalaf C, Michaud G, Sandler AM. The economic, fiscal, and workforce impacts of coal‐fired power plant closures in Appalachian Ohio. Regional Science Policy & Practice. 2019;11(2):403–23. https://doi.org/10.1111/rsp3.12191
48. Blonz J, Roth Tran B, Troland EE. The Canary in the Coal Decline: Appalachian Household Finance and the Transition from Fossil Fuels. Cambridge (MA): National Bureau of Economic Research; 2023.
49. Alder S, Lagakos D, Ohanian LE. The decline of the U.S. Rust Belt: A macroeconomic analysis. International Economic Review. 2014;55(4):961–89.
50. Kolstad CD. What Is Killing the US Coal Industry? Stanford (CA): Stanford Institute for Economic Policy Research; 2017. http://example.com
51. U.S. Bureau of Labor Statistics. All employees, manufacturing. 2024. [Cited 2024 May 1]. http://www.bls.gov
52. Feyrer JD, Sacerdote B, Stern AD. Did the rust belt become shiny? A study of cities and counties that lost steel and auto jobs in the 1980s. urb. 2007;2007(1):41–89. https://doi.org/10.1353/urb.2007.0005
53. Green GP. Deindustrialization of rural America: Economic restructuring and the rural ghetto. Local Development & Society. 2020;1(1):15–25. https://doi.org/10.1080/26883597.2020.1801331
54. Hobor G. Surviving the era of deindustrialization: the new economic geography of the urban rust belt. Journal of Urban Affairs. 2013;35(4):417–34. https://doi.org/10.1111/j.1467-9906.2012.00625.x
55. Weber JG. How should we think about environmental policy and jobs? An analogy with trade policy and an illustration from U.S. coal mining. Review of Environmental Economics and Policy. 2020;14(1):44–66. https://doi.org/10.1093/reep/rez016
56. Di Giacomo M, Nagl W, Steinbrunner P. Trump digs votes—the effect of Trump’s coal campaign on the presidential ballot in 2016. SSRN Working paper 4151173; 2022.
57. Egli F, Schmid N, Schmidt TS. Backlash to fossil fuel phase-outs: The case of coal mining in US presidential elections. Environ Res Lett. 2022;17(9):094002.
58. Carley S, Evans TP, Graff M, Konisky DM. A framework for evaluating geographic disparities in energy transition vulnerability. Nat Energy. 2018;3(8):621–7. https://doi.org/10.1038/s41560-018-0142-z
59. Snyder BF. Vulnerability to decarbonization in hydrocarbon-intensive counties in the United States: A just transition to avoid post-industrial decay. Energy Research & Social Science. 2018;42:34–43. https://doi.org/10.1016/j.erss.2018.03.004
60. McDowall W, Reinauer T, Fragkos P, Miedzinski M, Cronin J. Mapping regional vulnerability in Europe’s energy transition: development and application of an indicator to assess declining employment in four carbon-intensive industries. Climatic Change. 2023;176(2). https://doi.org/10.1007/s10584-022-03478-w
61. Graham K, Knittel CR. Assessing the distribution of employment vulnerability to the energy transition using employment carbon footprints. Proc Natl Acad Sci U S A. 2024;121(7):e2314773121. https://doi.org/10.1073/pnas.2314773121 PMID: 38315859
62. Thomas A, Erickson JD. Rethinking the geography of energy transitions: low carbon energy pathways through energyshed design. Energy Research & Social Science. 2021;74:101941. https://doi.org/10.1016/j.erss.2021.101941
63. Garrett KP, McManamay RA, DeRolph CR. When energy doesn’t add up: use of an energyshed framework in assessing progress towards renewable energy transitions. Environ Res: Infrastruct Sustain. 2024;4(1):015004. https://doi.org/10.1088/2634-4505/ad0fef
64. Popovich N, Figueroa AJ, Sunter DA, Shah M. Identifying disadvantaged communities in the United States: An energy-oriented mapping tool that aggregates environmental and socioeconomic burdens. Energy Research & Social Science. 2024;109:103391. https://doi.org/10.1016/j.erss.2023.103391
65. Pai S, Zerriffi H, Jewell J, Pathak J. Solar has greater techno-economic resource suitability than wind for replacing coal mining jobs. Environ Res Lett. 2020;15(3):034065.
66. Rhodes JD, King C, Gulen G, Olmstead SM, Dyer JS, Hebner RE, et al. A geographically resolved method to estimate levelized power plant costs with environmental externalities. Energy Policy. 2017;102:491–9. https://doi.org/10.1016/j.enpol.2016.12.025
67. Fujita KS, Ancona ZH, Kramer LA, Straka M, Gautreau TE, Robson D, et al. Georectified polygon database of ground-mounted large-scale solar photovoltaic sites in the United States. Sci Data. 2023;10(1):760. https://doi.org/10.1038/s41597-023-02644-8 PMID: 37938593
68. Hoen B, Diffendorfer JE, Rand J, Kramer LA, Garrity CP, Hunt H. United States Wind Turbine Database. Reston (VA): U.S. Geological Survey; 2024.
69. Gülen G. Defining, Measuring and Predicting Green Jobs. Copenhagen: Copenhagen Consensus Center; 2011.
70. Lambert RJ, Silva PP. The challenges of determining the employment effects of renewable energy. Renew Sust Energ Rev. 2012;16(7):4667–74.
71. Karytsas S, Mendrinos D, Karytsas C. Measurement methods of socioeconomic impacts of renewable energy projects. IOP Conf Ser: Earth Environ Sci. 2020;410(1):012087. https://doi.org/10.1088/1755-1315/410/1/012087
72. Cameron L, van der Zwaan B. Employment factors for wind and solar energy technologies: a literature review. Renewable and Sustainable Energy Reviews. 2015;45:160–72.
73. Pollin R. A fair and sustainable economic recovery program for California. Amherst: Political Economy Research Institute; 2020.
74. Pollin R, Wicks-Lim J, Chakraborty S, Kline C, Semieniuk G. A program for economic recovery and clean energy transition in California. Amherst: Political Economy Research Institute; 2021.
75. Pollin R, Callaci B. The economics of just transition: A framework for supporting fossil fuel–dependent workers and communities in the United States. Labor Studies Journal. 2018;44(2):93–138. https://doi.org/10.1177/0160449×18787051
76. Hatlelid IB, Aass J. The socio-economic impact of renewable energy in Sub-Saharan Africa: A ripple effect analysis of the ASYV solar power plant in Rwanda. Location: University Name; 2016.
77. Solar Energy Industries Association SEIA. New report: Clean energy industry is generating billions for Texas landowners and local governments. 2025. [Cited 2025 October 19]. https://seia.org/news/new-report-clean-energy-industry-is-generating-billions-for-texas-landowners-and-local-governments/
78. Raimi D, Davert E, Neuenfeldt H, Van Zanen A, Whitlock Z. The Energy Transition and Local Government Finance: New Data and Insights from 10 US States. Washington (DC): Resources for the Future. 2024. https://media.rff.org/documents/WP_24-01.pdf
79. Appel M, Joseph L, Sakwa H. Local property tax impacts of large-scale wind and solar projects. Ann Arbor (MI): Center for EmPowering Communities, University of Michigan; 2025. https://graham.umich.edu/media/files/Iowa-Property-Tax-Final.pdf
80. Center for Rural Affairs. Windswept Fields of Opportunity: Iowa Wind Energy County Tax Impact Studies. 2023. [Cited 2025 October 19]. https://www.cfra.org/publications/windswept-fields-opportunity-iowa-wind-energy-county-tax-impact-studies
81. Engel A, Varadarajan U, Posner D. How “Power Couples” Can Help the United States Win the Global AI Race. RMI; 2025. [Cited 2025 October 19]. https://rmi.org/how-power-couples-can-help-the-united-states-win-the-global-ai-race/
82. Terra N. Top US green hydrogen projects for 2025 and beyond. 2025. [Cited 2025 October 19]. https://www.airswift.com/blog/green-hydrogen-projects-usa
83. Moretti E. Place-based policies and geographical inequalities. Oxford Open Economics. 2024;3(Supplement_1):i625–33. https://doi.org/10.1093/ooec/odad049
84. Muro M, Maxim R, Parilla J, de Souza Briggs X. Breaking down an $80 billion surge in place-based industrial policy. Washington DC: Brookings; 2022. http://www.brookings.edu
85. O’Shaughnessy E, Wiser R, Hoen B, Rand J, Elmallah S. Drivers and energy justice implications of renewable energy project siting in the United States. Journal of Environmental Policy & Planning. 2022;25(3):258–72. https://doi.org/10.1080/1523908x.2022.2099365
86. Maclaurin G, Grue N, Lopez A, Heimiller D, Rossol M, Buster G. The Renewable Energy Potential (reV) Model: A Geospatial Platform for Technical Potential and Supply Curve Modeling. Golden (CO): National Renewable Energy Laboratory; 2021.
87. Vajjhala SP. Siting renewable energy facilities: A spatial analysis of promises and pitfalls. Washington DC: Resources for the Future; 2006.
88. Ramasamy V, Feldman D, Desai J, Margolis R. U.S. Solar Photovoltaic System and Energy Storage Cost Benchmarks: Q1 2023. Golden (CO): National Renewable Energy Laboratory; 2023.
89. Zichella C, Hladik J. Siting: Finding a home for renewable energy and transmission. Electr J. 2013;26(8):125–38.
90. Brewer J, Ames DP, Solan D, Lee R, Carlisle J. Using GIS analytics and social preference data to evaluate utility-scale solar power site suitability. Renewable Energy. 2015;81:825–36. https://doi.org/10.1016/j.renene.2015.04.017
91. Lopez A, Cole W, Sergi B, Levine A, Carey J, Mangan C, et al. Impact of siting ordinances on land availability for wind and solar development. Nat Energy. 2023;8(9):1034–43. https://doi.org/10.1038/s41560-023-01319-3
92. Stokes LC. Short circuiting policy: Interest groups and the battle over clean energy and climate policy in the American states. New York: Oxford University Press; 2020.
93. Barbose G. U.S. State Renewables Portfolio & Clean Electricity Standards: 2023 Status Update. Berkeley (CA). 2023. http://example.com
94. Barbose G, Wiser R, Heeter J, Mai T, Bird L, Bolinger M, et al. A retrospective analysis of benefits and impacts of U.S. renewable portfolio standards. Energy Policy. 2016;96:645–60. https://doi.org/10.1016/j.enpol.2016.06.035
95. Frenken K, Van Oort F, Verburg T. Related variety, unrelated variety and regional economic growth. Reg Stud. 2007;41(5):685–97.
96. Neffke F, Henning M, Boschma R. How do regions diversify over time? Industry relatedness and the development of new growth paths in regions. Econ Geogr. 2011;87(3):237–65.
97. Neumark D, Simpson H. Place-based policies. Handbook of Regional and Urban Economics. Amsterdam: Elsevier; 2014. p. 1197–287.
98. van Benthem A. How much green pressure do oil companies feel from financial markets? Philadelphia: Kleinman Center for Energy Policy; 2023.
99. O’Rourke D. A green revolution in California’s ‘carbon valley’. Noema Magazine. 2023.
100. Ritchie H, Rosado P, Roser M. Energy. Oxford: Our World in Data; 2023.
101. Ritchie H, Rosado P, Roser M. Data page: Oil production. Energy. Oxford: Our World in Data; 2023.
102. U.S. Department Of Energy. U.S. Energy & Employment Jobs Report (USEER) [Internet]. Washington DC: DOE; 2024 [cited 2024 May 1].
103. Iyer G, Zhao A, Bryant A, Bistline J, Blanford G, Cui R, et al. A multi-model study to inform the United States’ 2035 NDC. Nat Commun. 2025;16(1):643. https://doi.org/10.1038/s41467-025-55858-2 PMID: 39809761
104. Gagnon P, Pham A, Cole W, Hamilton A, Awara S, Barlas A. Standard scenarios report: A U.S. electricity sector outlook. NREL/TP-6A40-92256. Golden (CO): National Renewable Energy Laboratory; 2024. https://docs.nrel.gov/docs/fy25osti/92256.pdf
105. Energy Information Administration. Form EIA-860 detailed data with previous form data (EIA-860A/860B). Washington DC: EIA; 2023. http://www.eia.gov
106. Bermel L, Chen J, Deese B, Delgado M, English L, Garcia Y. The Clean Investment Monitor: Tracking Decarbonization Technology in the United States. New York: Rhodium Group; 2023.
107. Fowler CS, Rhubart DC, Jensen L. Reassessing and revising commuting zones for 2010: History, assessment, and updates for U.S. ‘Labor-Sheds’ 1990–2010. Popul Res Policy Rev. 2016;35(2):263–86. https://doi.org/10.1007/s11113-016-9386-0
108. Enverus Drillinginfo. Austin (TX): Enverus; 2024. [Cited 2024 May 1]. https://www.enverus.com/drillinginfo
109. Energy Information Administration. Coal production data. Washington DC: EIA; 2022. https://www.eia.gov
110. Energy Information Administration. Form EIA-923 detailed data with previous form data (EIA-906/920). Washington DC: EIA; 2023. http://www.eia.gov
111. U.S. Bureau of Economic Analysis. GDP by County, Metro, and Other Areas. Washington DC: BEA; 2024. http://www.bea.gov
112. Sengupta M, Xie Y, Lopez A, Habte A, Maclaurin G, Shelby J. The National Solar Radiation Data Base (NSRDB). Renewable and Sustainable Energy Reviews. 2018;89:51–60. https://doi.org/10.1016/j.rser.2018.03.003
113. Davis NN, Badger J, Hahmann AN, Hansen BO, Mortensen NG, Kelly M. The Global Wind Atlas: A High-Resolution Dataset of Climatologies and Associated Web-Based Application. Bull Am Meteorol Soc. 2023;104(8):E1668-89.
114. U.S. Census Bureau. County population totals and components of change: 2020–2024. 2025. https://www.census.gov/data/tables/time-series/demo/popest/2020s-counties-total.html
115. Stack S, O’Rourke D. Longitudinal panel dataset on regional energy production. Amsterdam: Mendeley Data; 2024. https://data.mendeley.com/datasets/mpf3sfncjm/1
116. Jordahl K, Van den Bossche J, Fleischmann M, Wasserman J, McBride J, Gerard J. geopandas/geopandas: v0.8.1. Zenodo; 2020.
117. U.S. Bureau of Labor Statistics. Quarterly Census of Employment and Wages (QCEW) Overview. [Cited 2025 October 20]. https://www.bls.gov/cew/overview.htm
118. U.S. Census Bureau. American Community Survey (ACS) [Internet]. Washington (DC): U.S. Census Bureau; [cited 2025 Oct 20]. Available from: https://www.census.gov/programs-surveys/acs/overview.html
119. Energy Information Administration. Hydraulically fractured horizontal wells account for most new oil and natural gas wells. 2018. [Cited 2024 May 1]. http://www.eia.gov
120. Bolinger M, Seel J, Kemp JM, Warner C, Katta A, Robson D. Utility-Scale Solar. Berkeley (CA): Lawrence Berkeley National Laboratory; 2023.