Die zur Erreichung der im Übereinkommen von Paris festgelegten Klimaziele notwendigen Maßnahmen und die damit verbundene Energiewende erfordern den Einsatz neuer Energietechnologien. Weiters erfordert das für diese Zielerreichung verbleibende CO¿-Budget eine rasche und effektive Umsetzung entsprechender Maßnahmen. Daher müssen politische und unternehmerische Entscheidungsträger auf nachvollziehbare Bewertungen zurückgreifen, um die ökonomische Eignung, aber auch die Effektivität hinsichtlich einer Eindämmung des Klimawandels, dieser neuen Technologien einschätzen zu können. Nur so können Förder- und Regulierungsmaßnahmen gesetzt bzw. entsprechende Investitionsentscheidungen zugunsten dieser Technologien getroffen werden. In Bezug auf die Energiewende ist, abgesehen von einer weitgehenden Elektrifizierung, der Bedarf für erneuerbare Gase, wie Wasserstoff oder Erdgassubstitute (SNG), als hoch eingeschätzt. In diesem Zusammenhang wird daher Power-to-Gas (PtG) als ein wesentlicher Bestandteil zukünftiger erneuerbarer und nachhaltiger Energiesysteme angesehen. Allerdings befinden sich die damit verbundenen Technologien noch in einem relativ frühen Technologiestadium, insbesondere hinsichtlich einer breiten Implementierung im industriellen Maßstab. Dies führt einerseits dazu, dass diesbezügliche Umsetzungen nur zögerlich erfolgen. Andererseits erfordert ein Wasserstoffbedarf von >1500 TWh/a, wie er für die EU identifiziert wurde, eine frühe und schnelle Erweiterung entsprechender Kapazitäten. Aus diesem Umstand bildet die vorliegende Dissertation eine prospektive techno-ökonomische Bewertung der aktuell vielversprechendsten und ausgereiftesten PtG-Technologien, um deren kurz- und langfristige Wettbewerbsfähigkeit abzuschätzen und die Identifizierung geeigneter Maßnahmen zu ermöglichen. Um die zukünftige Entwicklung von Technologiekosten abschätzen zu können, wurden Skaleneffekte mithilfe eines disaggregierten Modells für Lernkurven analysiert. Dieses Modell erlaubt eine effektive Bewertung dieser Skaleneffekte über alle betrachteten Technologien hinweg und zeigt insbesondere die Wichtigkeit der Berücksichtigung von technologieübergreifenden Lerneffekten, die ansonsten zu einer Überschätzung von individuellen Effekten von technologischem Lernen führen können. Den durchgeführten Analysen zufolge, wird für PtG-Technologien eine Reduktion der kapital-bezogenen Kosten um 30¿75 % erwartet, alleine durch Lernkurveneffekte ausgelöst vom Einsatz der Technologien zur Deckung des nicht-energetischen industriellen Wasserstoffbedarfs bis 2050. Bei einer zusätzlichen Berücksichtigung steigender individueller Anlagenkapazitäten >50 MW wurden die gesamten Kostenreduktionen als >75 % ermittelt. Daraus lässt sich auch eine signifikante Senkung der Produktgestehungskosten für Wasserstoff und SNG aus PtG-Prozessen ableiten. Abhängig von der betrachteten Quelle für die elektrische Strombereitstellung lassen sich die zu erwartenden Wasserstoffgestehungskosten in der Langzeitbetrachtung mit deutlich unter 100 ¿/MWh H¿ abschätzen. Hinsichtlich SNG führt der zusätzliche Aufwand der Methanisierung zu Gestehungskosten im Bereich von 150 ¿/MWh SNG. Allerdings haben die durchgeführten Studien auch gezeigt, dass eine entsprechende Nutzung von Synergieeffekten zwischen den einzelnen Prozessen zu einer deutlichen Steigerung der techno-ökonomischen Gesamteffizienz der Technologien führen kann. So kann ein hochintegriertes System in einer industriellen Anwendung potenziell effektive Gestehungskosten von <50 ¿/MWh SNG erzielen. Des Weiteren zeigen die durchgeführten Analysen, dass die Wettbewerbsfähigkeit von PtG-Prozessen auch weitgehend von deren Betrachtung als integraler Bestandteil zukünftiger Energiesysteme und Einsatzmöglichkeiten im Sinne der Sektorkopplung abhängig ist. Die Verwertung von Nebenprodukten, wie Sauerstoff oder Abwärme, dient dabei nicht nur der S