Mikroalgen sind im Wasser lebende Mikroorganismen, die mit Hilfe von Sonnenlicht wachsen. Bereits seit dem Zweiten Weltkrieg wird versucht, aus Algen Biotreibstoff herzustellen. Dieser Ansatz wird derzeit wieder verstärkt diskutiert, da Mikroalgen – im Gegensatz zu Landpflanzen – nicht mit Nahrungsmittelproduktion um fruchtbaren Boden konkurrieren. Sinnvoll ist die Gewinnung von Biotreibstoff aus Mikroalgen nur dann, wenn weniger Energie benötigt wird, um den Treibstoff zu produzieren, als im gewonnenen Treibstoff gespeichert ist: Der Quotient dieser beiden Werte (Energieaufwand und Energiegehalt des Treibstoffes), der ‚Net Energy Ratio‘ (NER) muss kleiner eins sein. Bisherige Studien zeigen, dass im Wesentlichen zwei Parameter den NER bestimmen: Kultivierungsenergie und Biomasse-Ertrag. Obwohl diese beiden Parameter offensichtlich voneinander abhängen, wurde diese Abhängigkeit bisher nicht berücksichtigt, um den NER zu berechnen. In dieser Dissertation wird erstmalig der Biomasse-Ertrag abhängig von der Kultivierungsenergie modelliert. Dazu wird eine Korrelation zwischen wichtigen Modellparametern (Begasungsrate, Lichtintensität und photosynthetischer Effizient (PE)) aus Experimentaldaten hergeleitet und anhand weiterer Literatur validiert. Diese Korrelation wird zugrunde gelegt, um den NER der Biotreibstoffproduktion aus Mikroalgen zu berechnen. Als Methode der Algenkultivierung werden begaste flache Photobioreaktoren untersucht. Diese wurden bisher als vielversprechende Systeme für die Freilandkultivierung intensiv erforscht. Als gewonnener Treibstoff wird beispielhaft Biomethan untersucht, da seine Produktion den geringsten Energiebedarf im Vergleich zur Produktion anderer Treibstoffe aufweist. Die Ergebnisse dieser Arbeit zeigen, dass Kultivierungsenergie und Biomasse-Ertrag nichtlinear voneinander abhängen: um hohe Erträge zu erzielen, wird überproportional mehr Energie benötigt, als für niedrige Erträge. Um Mikroalgen möglichst energie-effizient zu kultivieren, sollte daher nicht der höchstmögliche Biomasse-Ertrag angestrebt werden, sondern vielmehr ein ausgewogenes Verhältnis zwischen Energiebedarf und Biomasse-Ertrag. Aus diesem Zusammenhang folgt weiterhin, dass ein niedriger NER nicht mit dem höchstmöglichen Biomasse-Ertrag zu erreichen ist. Der bestmögliche NER hängt von weiteren Modellparametern ab, die sich wechselseitig beeinflussen. Parameteränderungen wirken sich je nach Begasungsrate unterschiedlich stark auf den NER aus. Der in der vorliegenden Arbeit berechnete NER für begaste Photobioreaktoren liegt bei etwa 1,8. Dieser Wert wird bei einer Begasungsrate von 0,25 vvm (Gasvolumen per Flüssigkeitsvolumen und Minute) erreicht. Das entspricht, zusammen mit den weiteren Ergebnissen und Annahmen und dieser Arbeit, einem Leistungseintrag von 54 W m-3 oder 2,2 W m-2 und einem Biomasse-Ertrag von 50 t ha-1 y-1. Ein NER unter eins kann nicht erreicht werden, obwohl zu erwartende Technologieentwicklung in die Berechnung miteinbezogen wurde. Der berechnete NER wird mit anderen Studien verglichen, die teilweise auf deutlich niedrigere NER kommen. Eine Analyse dieser Studien zeigt zwei Ursachen für einen NER < 1: Einerseits sind die Systemgrenzen zum Teil unvollständig, anderseits wird der Zusammenhang zwischen Energiebedarf und Biomasse-Ertrag nicht berücksichtigt. Mit dem hier vorgestellten systematischen Ansatz lassen sich verlässliche Aussagen zum Entwicklungspotential der Biotreibstoffproduktion aus Mikroalgen treffen. Erwartete Fortschritte in der Technologieentwicklung können das Verhältnis von Kultivierungsenergie und Ertrag verbessern. Es ist jedoch nicht möglich, diese beiden Parameter zu entkoppeln, da ihre Abhängigkeit auf den fundamentalen Mechanismen des Algenwachstums basiert. Diese treffen auf alle Algenkultivierungssysteme und alle Arten von Mikroalgen zu. Die Methodik kann angewendet werden, um den Zusammenhang zwischen Kultivierungsenergie und Biomasse-Ertrag auch für andere Mikroalgen-Kultivierungssysteme zu bestimmen und so ihren bestmöglichen NER zu berechnen. Der Ansatz, der die Zusammenhänge wichtiger Modellparameter aufgrund der zugrundeliegenden Mechanismen berücksichtigt, ist systemübergreifend einsetzbar. Er kann daher auch genutzt werden, um das Entwicklungspotential anderer Technologien einzuschätzen.