Agentenbasierte Strommarktmodelle werden vielfach eingesetzt, um die Entwicklung des Strommarkts und Energiesystems explorativ zu untersuchen. Häufig werden hierbei auf Basis von Eingangszeitreihen die Investitions- und Dispatch-Entscheidungen von konventionellen Kraftwerken, wie Gas- oder Kohlekraftwerke, und Speichertechnologien nachgebildet . Modelle wie PowerACE und AMIRIS nutzen Brennstoffpreisreihe, Last, Erneuerbaren-Energien (EE)-Erzeugung und Investitionsoptionen sowie den bestehenden Kraftwerkspark als Eingangsdaten. Die zu Grunde gelegte Last und EE-Erzeugung sind hierbei stark vom jeweiligen Wetterjahr, auf denen sie basieren, abhängig. Zum einen ist das Wind- und Strahlungsdargebot als auch der Wärme- und Kältebedarf, welche einen starken Einfluss auf den Strombedarf haben, jedes Jahr unterschiedlich, gleichzeitig führen technologische Entwicklungen dazu, dass eine reine Skalierung historischer Erzeugung zukünftige EE-Erzeugung systematisch unterschätzt. Es soll untersucht werden, ob die Verwendung von nur einem Wetterjahr dazu führt, dass, insbesondere bei Betrachtungszeiträumen von mehreren Jahrzehnten, es beim Vergleich zwischen verschiedenen Wetterjahren zu erheblichen Unterschieden in den Simulationsergebnissen , sowohl bei den Investitionen als auch bei den Marktpreisen, kommt. Ziel ist es die Unsicherheiten in Bezug auf EE-Erzeugung und Stromnachfrage im Agentenverhalten abzubilden. In Rahmen dieser Arbeit soll diese Unsicherheit in den Ergebnissen agentenbasierter Modelle, am Beispiel PowerACE, quantifiziert werden und dargelegt werden, ob die Verwendung von mehreren Wetterjahren oder die Nutzung synthetische Wetterjahren, also eine Kombination verschiedener Wetterjahre auf Erzeugungs- und Nachfrageseite, hier einen Vorteil bieten .