Berechnung der finanziellen Risiken erneuerbarer Energien

Das MIT-Spinout EverVest hat eine Datenanalyseplattform aufgebaut, die Investoren schnelle, genaue Cashflow-Modelle und finanzielle Risikoanalysen für erneuerbare Energieprojekte bietet. Bildnachweis: Christine Daniloff/MIT

Für Investoren kann die Entscheidung, ob sie Geld in Projekte für erneuerbare Energien investieren, schwierig sein. Das Thema ist die Volatilität: Die Stromerzeugung aus Windkraft beispielsweise ändert sich jährlich – und sogar wöchentlich oder täglich – was Unsicherheit und Investitionsrisiken schafft. Angesichts der begrenzten Möglichkeiten, diese Volatilität genau zu quantifizieren, neigen Anleger heute dazu, konservativ zu handeln.

Aber das MIT-Spinout EverVest hat eine Datenanalyseplattform aufgebaut, die darauf abzielt, Investoren schnelle, genaue Cashflow-Modelle und finanzielle Risikoanalysen für Projekte im Bereich erneuerbare Energien zu bieten. Die kürzlich von der Vermögensverwaltungsgesellschaft Ultra Capital erworbene Plattform von EverVest könnte dazu beitragen, Investitionen in nachhaltige Infrastrukturprojekte, einschließlich Wind- und Solarenergie, anzukurbeln.

Ultra Capital erwarb Anfang des Jahres die EverVest-Plattform und das EverVest-Team mit dem Ziel, die Software für seine eigene Risikoanalyse zu nutzen. Die Übernahme wird es der EverVest-Plattform ermöglichen, auf ein breiteres Spektrum nachhaltiger Infrastruktursektoren auszudehnen, darunter Wasser-, Abfall- und Landwirtschaftsprojekte.

“Wenn ein Investor Vertrauen in die Leistung und das Risiko hat, das er eingeht, ist er möglicherweise bereit, mehr Kapital in die Anlageklasse der nachhaltigen Infrastruktur zu investieren. Mehr Kapital bedeutet, dass mehr Projekte gebaut werden”, sagt EverVest-Mitbegründer und ehemaliger CEO Mike Reynolds MBA ’14, jetzt Director of Execution bei Ultra Capital. “Wir wollten den Menschen mehr Feuerkraft geben, wenn es um die Bewertung von Risiken geht.”

Die Kerntechnologie der Plattform basierte ursprünglich auf Forschungen am Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT von EverVest-Mitbegründer und ehemaliger Chief Technology Officer Teasha Feldman ’14, jetzt Director of Engineering bei Ultra Capital.

Die Stärke der Daten

Die Plattform von EverVest analysiert Daten zu einer Vielzahl von Faktoren, die sich auf die Leistung von erneuerbaren Energieprojekten auswirken können. Layout und Standort eines Standorts, bestimmte Verträge, Art der Ausrüstung, Netzanschluss, Wetter sowie Betriebs- und Wartungskosten können dabei helfen, die finanzielle Rendite vorherzusagen.

Heute verwenden Finanzanalysten Excel-Tabellen, um einen flachen Jahresdurchschnitt der Produktion für die nächsten 20 bis 30 Jahre zu ermitteln. “Es überlässt viel der Fantasie”, sagt Reynolds. “Erneuerbare Energien sind volatil und unsicher.”

Zum Zeitpunkt der Übernahme hatte EverVest Kunden in den USA und Europa, darunter Banken, Investoren und Entwickler für Wind- und Solarenergieprojekte. Benutzer geben Informationen über ihr geplantes Projekt in die Software ein, die eine detaillierte Analyse des zukünftigen Cashflow-Modells zusammen mit einer detaillierten statistischen Analyse der finanziellen Risiken des Projekts ermöglicht.

“Es ist die Stärke der Daten, die wir Investoren, Banken und Entwicklern zur Verfügung stellen wollten, um ein besseres Verständnis ihrer Vermögenswerte zu erhalten”, sagt Reynolds.

Betrachten Sie beispielsweise einen Windpark. Mit Standortdaten kann die Plattform öffentliche Datensätze verwenden, um die Windgeschwindigkeit der letzten Jahrzehnte zu berechnen und die Gesamtleistung des Projekts zu bestimmen. Der Standort kann auch dazu beitragen, die Rentabilität des Projekts auf dem Markt zu bestimmen. Kalifornien könnte ein besserer Markt sein als beispielsweise Texas oder Maine.

Auch bestimmte Gerätetypen und Hersteller spielen eine Rolle. Wenn ein Investor eine bestimmte Art von Windkraftanlage in Betracht zieht, “können wir Daten abrufen, um festzustellen, dass eine Turbine an diesem Standort im fünften Jahr 2 Millionen US-Dollar an Ersatzteilen benötigt”, sagt Reynolds. “Im siebten Jahr haben Sie möglicherweise eine 50-prozentige Wahrscheinlichkeit, dass etwas fehlschlägt, was möglicherweise zu einer Schließung der Site führt.”

Das Endergebnis ist eine detailliertere Prognose der Rendite, sagt Reynolds. Während eine elektronische Kalkulationstabelle eine durchschnittliche Rendite von beispielsweise 12 Prozent liefern könnte, würde die Plattform von EverVest eine vollständige Analyse der vierteljährlichen Leistung anzeigen, einschließlich der statistischen Unsicherheit der Rendite. Während 12 Prozent der Durchschnitt sein können, können die Renditen zwischen 4 und 18 Prozent schwanken. “Wenn Sie diesen Risikobereich verstehen, können Sie den wahren Wert erkennen”, sagt Reynolds.

Jetzt bei Ultra Capital entwickelt Feldman die Plattform weiter. Reynolds investiert damit in ein breites Spektrum nachhaltiger Infrastrukturprojekte, darunter Solarenergieprojekte, Müllverbrennungsanlagen, Wasseraufbereitungsanlagen und Recyclinganlagen. „Wir haben unsere Technologie ins Haus geholt und stark erweitert“, sagt Reynolds. “Jetzt kann ich die von uns entwickelte Software nutzen, um bessere Investitionen zu tätigen.”

EverVest: Der glückliche Zufall

EverVest (ehemals Cardinal Wind) begann als CSAIL-Forschungsprojekt, das vor der Markteinführung durch das unternehmerische Ökosystem des MIT verfeinert und weiterentwickelt wurde.

Als MIT-Juniorin im Jahr 2012 wollte Feldman von ihrem theoretischen Physikstudium auf erneuerbare Energien fokussieren. Sie entdeckte ein CSAIL-Projekt, das von der Forscherin Una-May O’Reilly geleitet wurde und bei dem Daten zur Windenergie von Windparks gesammelt und analysiert wurden. “Ich bin aufgetaucht in [O’Reilly’s] Büro und bat sie, mich an dem Projekt arbeiten zu lassen”, sagt Feldman.

Innerhalb eines Jahres hatte Feldman einen maschinellen Lernalgorithmus entwickelt, der Winddaten aus 30 Jahren von Flughäfen und anderen Standorten sammelte, um die zukünftige Windenergie dort für die nächsten 30 Jahre vorherzusagen. Während dieser Zeit suchte sie die Einschreibung in den Kurs 15.366 (Energy Ventures), wo Studenten aus allen Abteilungen Unternehmen rund um saubere Technologien planen. Studienanfänger werden selten akzeptiert. Aber wie es der Zufall wollte, wollte die Klasse, dass O’Reilly über ihre Forschungen sprach, und O’Reilly sagte ihnen, sie sollten Feldman fragen.

“Ich sagte: ‘Ja, ich arbeite an dieser Forschung. Du solltest mich einfach in die Klasse lassen'”, sagt Feldman lachend.

Als sich Feldman im Herbst 2013 einschrieb, stellte sie der Klasse ihren Algorithmus vor und er fiel einem Schüler auf. Reynolds sei an die MIT Sloan School of Management gekommen, sagt er, “mit Narben von der Arbeit an der Wall Street im Investmentbanking und ich wollte meinen Horizont öffnen und mit Ingenieuren zusammenarbeiten, die am MIT erstaunliche Dinge bauten.”

Während seiner Zeit als Investmentbanker beschäftigte sich Reynolds mit der Finanzierung großer Projekte in den Bereichen Infrastruktur, Energie und Verkehr. Der Vorhersagealgorithmus von Feldman fand also sofort Resonanz. „Ich habe ihren Algorithmus gesehen und überlegt, wie großartig es für Investoren wäre, die Rendite einer potenziellen Investition in ein Windprojekt genauer zu messen“, sagt Reynolds.

Feldman und Reynolds schlossen sich 2013 zusammen und gründeten Cardinal Wind. Das Startup war so etwas wie ein “glücklicher Zufall”, sagt Feldman. “Das Unternehmen hat wahnsinnig harte Arbeit gebraucht, um zu beginnen und aufzubauen. Aber indem wir in einem Labor auftauchten und sie davon überzeugten, mir einen Job zu geben, und dann die Forschung in den Unterricht brachten, konnten wir feststellen, dass es eine großartige Gelegenheit gab.” und Bedarf an besseren Finanzrisikoanalysetools auf dem Markt.”

Im darauffolgenden Sommer trat Cardinal Wind dem Global Founders’ Skills Accelerator (GFSA) bei, der vom Martin Trust Center for MIT Entrepreneurship betrieben wird, “was einen enormen Schub gab”, sagt Reynolds. Mentoren und Entrepreneurs-in-Residence boten Beratung und Feedback zu Pitches, und großzügige GFSA-Finanzierungen zahlten die Rechnungen des Startups. „Und wir haben mit anderen Startups zusammengearbeitet, die die gleichen Herausforderungen durchgemacht haben“, sagt Reynolds. “All diese Ressourcen waren unglaublich hilfreich.”

Bis Oktober 2015 hatte Cardinal Wind den Algorithmus von Feldman zu einer vollständigen Cashflow-Modellierungsplattform erweitert, die auch Analysen für Solarstromprojekte umfasste. In diesem Monat wurde Cardinal Wind in EverVest umbenannt und im Juli von Ultra Capital übernommen.

Ein Schlüssel zum Erfolg von EverVest, sagt Feldman, war die ständige Weiterentwicklung der Technologie, um den Kundenbedürfnissen gerecht zu werden, beispielsweise durch die Einbeziehung von Solarenergie. „Als wir feststellten, dass der tatsächliche Bedarf mehr war als nur die Vorhersage von Windmustern, haben wir diesen speziellen Algorithmus nicht mehr verwendet und seitdem einen Großteil unserer Kernplattform aufgebaut“, sagt sie.


Leave a Comment