Rechenzentren und Cloud

Worum es geht

Ein Rechenzentrum ist ein Gebäude, dessen Hauptaufgabe es ist, Computer mit Strom und Kühlung zu versorgen und sie über ein Netzwerk zu verbinden. In einem KI-Rechenzentrum sind Tausende GPUs so eng verschaltet, dass sie wie eine einzige Maschine an einer Aufgabe arbeiten. Laut Internationaler Energieagentur (IEA) verbrauchen die Server im Schnitt etwa 60 % des Stroms eines Rechenzentrums; der Rest fließt in Kühlung, Speicher, Netzwerk und Notstrom.

Die wenigsten Firmen besitzen ein solches Gebäude. Die meisten mieten Rechenleistung über Cloud Computing, bei Hyperscalern wie Amazon, Microsoft und Google, bei spezialisierten Neoclouds oder als Modell hinter einer API. Mit dieser Wahl entscheidest du auch, was du zahlst, wo deine Daten verarbeitet werden, welches Recht für sie gilt und wie leicht du später wechseln kannst.

Was ein Rechenzentrum physisch ist

Stell dir eine große Halle vor, an die ein Kraftwerk und eine Kälteanlage angebaut sind. Der Strom kommt über Transformatoren aus dem Netz, läuft durch unterbrechungsfreie Stromversorgungen (USV, Batterien, die kurze Ausfälle überbrücken) und endet in den Racks: Stahlschränken mit Servern, Speicher und Netzwerk-Switches. Notstromgeneratoren stehen für längere Ausfälle bereit. Fast jedes Watt, das die Server ziehen, wird zu Wärme, und die Kühlung muss sie abführen. Software für Planung, Überwachung und Wartung macht aus dieser Hardware Kapazität, die Kundschaft nutzen kann.

Die IEA nennt die typische Aufteilung des Stroms in einem Rechenzentrum. Der Anteil der Kühlung zeigt, wie effizient ein Standort ist, und bestimmt vor allem die PUE, das Verhältnis von Gesamtstrom des Standorts zum Strom, der bei der IT ankommt.

Zuverlässigkeit wird über Redundanz eingestuft. Der Tier-Standard des Uptime Institute hat vier Stufen. Tier I hat einfache Notstromversorgung und muss für Wartung abschalten. Tier II ergänzt Ersatzkomponenten wie Generatoren, USV-Module und Kältemaschinen. Tier III erlaubt die Wartung jedes Teils, ohne Server abzuschalten. Tier IV betreibt unabhängige, physisch getrennte Systeme, sodass ein einzelnes Ereignis nicht beide ausfallen lässt. Der offizielle Standard definiert diese Stufen über die Bauweise und nennt keine Verfügbarkeit in Prozent; Uptime verkauft auch die Zertifizierung.

• Server: im Schnitt etwa 60 % des Stroms, mit CPUs, GPUs und Arbeitsspeicher. Der Anteil schwankt je nach Art des Rechenzentrums (IEA).
• Kühlung: etwa 7 % in effizienten Hyperscale-Anlagen, über 30 % in weniger effizienten Firmenrechenzentren (IEA).
• Speicher und Netzwerk: etwa 5 % für Speicher und bis zu 5 % für das Netzwerk (IEA).
• Notstrom und Gebäude: USV-Batterien und Generatoren laufen selten und sind für die Zuverlässigkeit trotzdem nötig. Licht und Büros kommen mit einem kleinen Anteil dazu (IEA).

Speicher und Software im KI-Maßstab: Für das Training von Llama 3 nutzte Meta ein verteiltes Speichersystem mit 240 PB auf 7.500 Servern mit SSDs. Um 24.576 GPUs auszulasten, musste Meta Auftragsplanung, Netzwerk-Routing und Kommunikationssoftware umbauen; vorher schwankte die Auslastung großer Cluster zwischen etwa 10 % und 90 %, danach lag sie über 90 % (Meta, Herstellerbericht).

Was ein KI-Rechenzentrum anders macht

Der Unterschied beginnt im Schrank. Die am häufigsten genannte Leistungsdichte pro Rack lag in der Umfrage des Uptime Institute 2026 bei 11 kW, nach 9 kW im Jahr 2025. NVIDIAs GB300 NVL72, ein Schrank mit 72 GPUs, zieht laut NVIDIAs Referenzarchitektur bis zu etwa 142 kW, wie Data Center Knowledge berichtet. Oberhalb von rund 50 kW pro Schrank wird Luftkühlung unpraktisch, darum nutzen KI-Racks Flüssigkeitskühlung: Kühlplatten sitzen direkt auf den Chips (Direct-to-Chip) und bewältigen 100 bis 150 kW pro Schrank. Laut dem Anbieter Schneider Electric hatte diese Methode 2026 rund 55 % Anteil an der Flüssigkeitskühlung. Auch die Stromversorgung ändert sich. Die klassische 54-Volt-Verteilung im Schrank endet bei etwa 200 kW, deshalb wechselt die Branche zu 800 Volt Gleichstrom.

Der zweite Unterschied ist das Netzwerk. Im Schrank sprechen die GPUs über eine sehr schnelle eigene Verbindung: Im GB200 NVL72 von NVIDIA bilden 72 GPUs und 36 CPUs eine NVLink-Domäne mit 1,8 TB/s pro GPU und insgesamt 13,4 TB HBM-Speicher (Herstellerangabe). Zwischen den Schränken verbindet ein Interconnect Tausende solcher Einheiten zu einem Cluster. Zwei Techniken konkurrieren: NVIDIAs InfiniBand und Ethernet mit RoCE. Meta baute 2024 mit jeder einen Cluster aus 24.576 GPUs und trainierte Llama 3 nach eigener Aussage ohne Netzwerk-Engpässe auf dem Ethernet-Cluster.

Der dritte Unterschied sind Ausfälle. In einem Zeitraum von 54 Tagen beim Training von Llama 3 405B auf bis zu 16.384 H100-GPUs zählte Meta 466 Unterbrechungen, 419 davon unerwartet. Rund 78 % der unerwarteten waren Hardwareprobleme, am häufigsten defekte GPUs (30,1 %) und HBM-Speicher (17,2 %). Die effektive Trainingszeit blieb trotzdem über 90 %, weil der Auftrag regelmäßig Zwischenstände speicherte (Checkpoints) und schnell wieder anlief. Meta berichtet außerdem, dass Tausende GPUs, die gleichzeitig ihren Strombedarf ändern, den Verbrauch des Standorts um mehrere zehn Megawatt schwanken ließen, eine Belastung fürs Stromnetz (Herstellerbericht).

Freie Fläche allein macht noch keinen KI-Standort. Leistung pro Schrank und Kühlung setzen die Grenze, darum können viele ältere Hallen keine GPU-Racks aufnehmen. Wer einen großen Cluster mietet, sollte fragen, wie Ausfälle behandelt werden, wie viel Reservekapazität es gibt und welche Gutschriften der Vertrag bei Ausfällen vorsieht.

Trainings-Cluster, Inferenz-Cluster und Latenz

Das Training eines großen Modells lässt einen Auftrag wochenlang auf Tausenden eng verbundenen GPUs laufen. Für Llama 3 405B nutzte Meta bis zu 16.000 H100-GPUs in einem Cluster mit 24.000, mit 400 Gbit/s Netzwerk pro GPU und 240 PB Speicher, und Tausende GPUs mussten Checkpoints im Gleichtakt speichern und laden. Hier dominieren Netzwerk und Zuverlässigkeit. Weil niemand auf eine einzelne Antwort wartet, kann ein Trainingsstandort weit weg von Nutzenden stehen, dort, wo Strom und Land günstig sind.

Inferenz bedient viele kurze Anfragen, und jede Person wartet. Zwei Maße beschreiben das Warten: die Time to First Token (TTFT), also wie lange es dauert, bis die Antwort beginnt, und die Zeit pro ausgegebenem Token (TPOT), also wie schnell sie danach nachläuft. Die Eingabe lesen (Prefill) und die Antwort schreiben (Decode) belasten die Chips unterschiedlich. Das Forschungssystem DistServe, vorgestellt auf der Systemkonferenz OSDI 2024, verteilt beide Phasen auf getrennte GPUs und bediente innerhalb der Latenzziele bis zu 7,4-mal so viele Anfragen. Anbieter legen eigene Ziele fest: NVIDIAs Benchmark für den GB200 rechnet mit 5 Sekunden bis zum ersten Token und 50 ms pro Token (Herstellerangabe).

Die Entfernung zwischen Nutzenden und Rechenzentrum fällt erstaunlich wenig ins Gewicht. Der Regionen-Leitfaden von Google Cloud nennt etwa 1 ms Hin- und Rücklaufzeit pro 100 km, echte Netzwege sind 1,5- bis 2-mal so lang wie die Luftlinie, im 3G-Mobilfunk kommen 100 bis 500 ms dazu. Anwendungen, die 100 ms oder mehr vertragen, laufen meist in einer einzigen Region. Ein Modell, das mehrere Sekunden schreibt, überdeckt diese Verzögerung. Unsere Lesart der Quellen: Die Wahl der Region richtet sich bei KI vor allem nach Recht, Preis, verfügbaren GPUs und Modellen sowie der CO2-Intensität des Stromnetzes. Ausnahmen sind Sprach- und Echtzeitanwendungen, bei denen jeder Teil der Latenz zählt.

Arten von Rechenzentren und KI-Infrastruktur

Nur ein Teil dieser Begriffe ist offiziell definiert. Das US-Normeninstitut NIST definiert Bereitstellungsmodelle (private, gemeinschaftliche, öffentliche und hybride Cloud) und Edge Computing. Die EU definiert ihr Programm für Gigafabriken und schlägt Stufen für Souveränität vor. Hyperscale, Neocloud, KI-Fabrik und modular sind Branchenbegriffe ohne Standarddefinition und ohne Schwellenwert. Die Arbeitsdefinitionen unten sind eine Aulory-Synthese der Quellen, mit Zahlen, wo es sie gibt.

Die Gewichte verschieben sich. Laut Synergy Research hielten Hyperscale-Betreiber Ende 2025 48 % der weltweiten Rechenzentrumskapazität, Colocation-Anbieter 20 % und firmeneigene Standorte 32 %. Bis 2031 erwartet Synergy einen Hyperscale-Anteil von 67 %, eigene Standorte fallen auf 19 % (Prognose).

• Hyperscale: sehr große Standorte, die ein Hyperscaler für die eigene Cloud und eigene Dienste betreibt. Kein offizieller Schwellenwert; Synergy zählte Ende 2025 1.360 solcher Rechenzentren.
• Colocation: bei Colocation vermietet ein Betreiber Fläche, Strom, Kühlung und Anbindung, die Mietparteien bringen eigene Server mit. Die Miete wird pro kW und Monat berechnet.
• Firmenrechenzentrum: der eigene Serverraum oder das eigene Gebäude einer Firma, die klassische Form von Self-Hosting.
• Edge: kleine Standorte nahe an Geräten und Nutzenden, für schnelle Antworten und lokale Daten. NIST beschreibt Edge und Fog Computing in einem Modell von 2018.
• Modular: vorgefertigte Einheiten in Containern oder auf Gestellen, schnell aufgebaut. Wir haben keine Quelle mit einer Definition gefunden.
• Neocloud: eine auf GPU-Vermietung spezialisierte Cloud, oft mit mehrjährigen Verträgen. Keine Standarddefinition; Synergy nennt CoreWeave, Nebius, Crusoe und Nscale unter den am schnellsten wachsenden Anbietern.
• Souveräne Cloud: eine souveräne Cloud soll Standort, Betrieb und anwendbares Recht in einem Rechtsraum halten. Noch keine rechtliche Definition; die EU schlägt vier Stufen vor.
• KI-Fabrik und Gigafabrik: KI-Fabrik (AI Factory) ist NVIDIAs Marketingbegriff für ein GPU-dichtes Rechenzentrum. Die KI-Gigafabriken der EU sind ein offizielles Programm von EuroHPC: Die Ausschreibung vom 30.07.2026 sucht bis zu sieben Standorte, Bewerbungsschluss ist der 12.11.2026.
• Nationaler Supercomputer: staatlich finanzierte Forschungsrechner. In der TOP500-Liste vom Juni 2026 führt LineShine in Shenzhen mit 2.198,4 PFlop/s vor El Capitan in den USA; JUPITER in Jülich ist mit 1.000 PFlop/s das erste europäische Exascale-System.

Die TOP500 bewertet Rechner mit einem Benchmark in hoher doppelter Genauigkeit (HPL). KI rechnet mit viel geringerer Genauigkeit, darum sagt die Liste wenig über KI-Kapazität. Kommerzielle KI-Cluster wie die in der Datenbank von Epoch AI tauchen dort selten oder gar nicht auf.

Wie du Rechenleistung mietest und was du zahlst

Das US-Normeninstitut NIST hat Cloud Computing 2011 über fünf Eigenschaften definiert: Selbstbedienung nach Bedarf, Zugang über das Netz, geteilte Ressourcen-Pools, schnelle Skalierung und gemessene Nutzung. Es nennt drei Dienstmodelle. Bei IaaS mietest du rohe Maschinen, Speicher und Netzwerke und betreibst alles darüber selbst. Bei PaaS bringst du deinen Code mit, und der Anbieter betreibt die Plattform. Bei SaaS nutzt du fertige Software, etwa einen Chat-Assistenten.

KI schiebt Schichten dazwischen. GPUs stundenweise zu mieten, oft GPU as a Service genannt, ist eine Form von IaaS. Ein Modell über eine API aufzurufen und pro Token zu zahlen, heißt oft Model as a Service; beide Begriffe sind nicht offiziell definiert. Microsofts KI-Plattform zeigt die Spannweite: Standard-Bereitstellungen mit Abrechnung pro Token oder als reservierter Durchsatz, serverlose Endpunkte mit Abrechnung pro Token und Managed Compute, ein eigener Endpunkt für eigene oder offene Modelle, abgerechnet pro Minute Laufzeit. Bezeichnungen können in die Irre führen. Amazons SageMaker Serverless Inference fährt bei Leerlauf auf null herunter und rechnet pro Millisekunde ab, unterstützt aber keine GPUs.

Du zahlst auf eine von zwei Arten: für Zeit auf Hardware oder für Ergebnis. Jeder Rabatt kostet etwas Flexibilität. Die wichtigsten Formen, mit Listenpreisen von Herstellern und Anbietern:

• Bei Bedarf (On-Demand): Zahlung pro GPU-Stunde, ohne Bindung. Im August 2026 kostete eine H100 bei Neoclouds 3,85 $ (Nebius) bis 6,16 $ (CoreWeave) pro Stunde, eine B200 6,69 $ (Lambda) bis 8,60 $ (CoreWeave), laut den von MarkTechPost zusammengestellten Listenpreisen.
• Reserviert: eine Bindung über Monate oder Jahre senkt den Preis. Bei Amazon Bedrock kostet reservierter Durchsatz für Cohere Command ohne Bindung 49,50 $ pro Stunde, mit sechs Monaten 23,77 $, etwa 52 % weniger (Listenpreis des Anbieters).
• Spot: freie Kapazität mit bis zu 90 % Rabatt auf den Preis bei Bedarf bei AWS, die der Anbieter mit zwei Minuten Vorwarnung zurückholen kann. CoreWeave listete eine H100 als Spot für 2,46 $.
• Pro Token: Eingabe- und Ausgabe-Tokens haben getrennte Preise, Ausgabe meist höher. Bei Amazon Bedrock kostet DeepSeek v3.2 in US-Regionen 0,62 $ pro Million Eingabe-Tokens und 1,85 $ pro Million Ausgabe-Tokens (25.10.2026).
• Batch: Anfragen, die warten können, werden später mit Rabatt verarbeitet. Die Batch- und Flex-Stufen bei Bedrock kosten 50 % weniger, die Priority-Stufe 75 % mehr.
• Dediziert: ein eigener Endpunkt oder Cluster, abgerechnet nach Laufzeit. Das passt zu gleichmäßiger Last, eigenen Modellen und strenger Trennung.

GPU-Preislisten widersprechen sich. Eine frühere Zusammenstellung einer Beratungsfirma nannte für die B200 bei Spezialanbietern 4,99 bis 6,04 $ pro Stunde bei Bedarf, weniger als die Listenpreise oben. Zeitpunkte, Vertragsarten und Regionen unterscheiden sich, und verhandelte Preise werden selten veröffentlicht. Nimm jede Zahl als Momentaufnahme.

Wie groß der Ausbau ist

Niemand misst die weltweite Kapazität von Rechenzentren auf die gleiche Weise. Manche zählen die Leistung, die die IT ziehen kann, andere die Leistung, die ein Standort aus dem Netz fordert, wieder andere nur KI-Chips. Die Schätzungen unten messen Unterschiedliches. Bilde nie einen Durchschnitt daraus.

Bei einzelnen Standorten führt in der Liste von Epoch AI vom 20.10.2026 Colossus 2 in Memphis mit rund 1,1 Mio. H100-Äquivalenten (H100e, eine Einheit, die verschiedene Chips in die Rechenleistung einer NVIDIA H100 umrechnet). Es folgen Anthropic und Amazon in New Carlisle, Indiana (818.000), Microsoft Fairwater in Atlanta (769.000) und Google in Pryor, Oklahoma (637.000). Die Plätze fünf und acht gehen an zwei DayOne-Standorte in Johor, Malaysia, die einzigen außerhalb der USA unter den ersten acht. Pläne eilen der Wirklichkeit weit voraus: Von über 9 GW, die für OpenAIs Stargate in den USA geplant sind, liefen im April 2026 etwa 0,3 GW.

Das Geld kommt von einer Handvoll Firmen. In ihren eigenen Quartalsmitteilungen meldete Amazon Investitionen in Sachanlagen von 54,2 Mrd. $ im zweiten Quartal 2026 und 173,0 Mrd. $ über zwölf Monate (brutto). Microsoft meldete 115,9 Mrd. $ für sein Geschäftsjahr bis Juni 2026. Meta meldete 31,08 Mrd. $ im Quartal und erwartet für 2026 130 bis 145 Mrd. $. Für Alphabet (44,9 Mrd. $ im Quartal, Prognose 195 bis 205 Mrd. $ für 2026) und Oracle (28,45 Mrd. $ im Quartal bis August 2026, bis zu 95 Mrd. $ für das Geschäftsjahr bis Mai 2027) haben wir die Zahlen nur in Presseberichten gefunden. Die Firmen definieren Investitionen unterschiedlich, brutto oder netto, mit oder ohne Finanzierungsleasing. Die IEA beziffert die Investitionen von fünf großen Tech-Konzernen für 2025 auf über 400 Mrd. $, 2026 kommen weitere 75 % dazu.

Neoclouds wachsen auf dem Papier schneller als in Beton. CoreWeave meldete Ende Juni 2026 3,7 GW vertraglich gesicherte Leistung und 1,5 GW in Betrieb. Crusoe nennt 4,9 GW unter Vertrag und rund 0,2 GW in Betrieb; Nebius will bis Ende 2026 5 GW unter Vertrag und etwa 1 GW am Netz haben (Firmenangaben, zusammengestellt von MarkTechPost). Vieles davon ist mit Schulden finanziert: CoreWeave nahm in einem Quartal rund 18 Mrd. $ über Kredite, Wandelanleihen und Aktien auf, und JLL zählt im ersten Halbjahr 2026 Rechenzentrumsschulden über 17 Mrd. $, die als Wertpapiere verkauft wurden.

Der Markt ist eng. JLL beziffert den Leerstand in Nordamerika das dritte Jahr in Folge auf etwa 1 %, mit über 66 GW im Bau, 77 % davon in neuen Märkten wie West-Texas, Ohio und Louisiana. CBRE zählt 7,5 GW im Bau in den acht wichtigsten Colocation-Märkten, davon über 80 % vorab vermietet; die beiden Zahlen unterscheiden sich im Umfang um eine Größenordnung. In Europa lag der Leerstand in den Kernmärkten Frankfurt, London, Amsterdam, Paris und Dublin (FLAP-D) im ersten Quartal 2026 bei 7,3 % (CBRE). Im asiatisch-pazifischen Raum lag der Colocation-Leerstand bei 10,3 %, bei einer Rekord-Pipeline von 26,5 GW (Cushman & Wakefield).

• JLL (Makler): rund 103 GW weltweite Kapazität Anfang 2026, fast 200 GW bis 2030, dann etwa zur Hälfte für KI (Prognose, berichtet von IREI).
• TrendForce (Marktforschung): Leistungsbedarf von 122,9 GW 2025 und 161 GW 2026, davon 2026 etwa ein Drittel für KI-Server; für 2030 werden 490,7 GW prognostiziert.
• Epoch AI (über Chips): rund 30 GW Leistung für KI-Rechenzentren weltweit im vierten Quartal 2025, geschätzt aus Chipzahlen mal Chipleistung plus Zuschlag für das Gebäude.
• Epoch AI (größte Standorte): die 95 größten erfassten KI-Rechenzentren haben 14,8 Mio. H100-Äquivalente und 14,2 GW IT-Leistung (20.10.2026).

Wo deine Daten liegen, welches Recht gilt und wie du wechselst

Zwei Fragen werden oft verwechselt. Datenresidenz fragt, wo Daten gespeichert und verarbeitet werden. Datensouveränität fragt, wessen Recht und wessen Kontrolle sie erreichen kann. Eine EU-Region beantwortet die erste Frage. Die Antwort auf die zweite hängt davon ab, wem der Anbieter gehört, wer die Systeme betreibt, wer die Schlüssel hält und wie Gerichte das Recht auslegen.

Die US-Sicht: Das Justizministerium erklärt, der CLOUD Act von 2018 habe klargestellt, dass Anbieter unter US-Zuständigkeit Daten auf gültige US-Rechtsanordnung herausgeben müssen, egal wo sie gespeichert sind. Nach seiner Lesart schafft das Gesetz keine neue Art von Durchsuchungsbeschluss und erlaubt keine Massenerhebung, für gespeicherte Inhalte braucht es einen von einer unabhängigen Richterin oder einem Richter genehmigten Beschluss, und Konflikte mit ausländischem Recht werden im Einzelfall abgewogen. Das ist die Auslegung der US-Regierung selbst. Abkommen nach dem Gesetz gibt es mit Großbritannien (2019) und Australien (2021); die Gespräche mit der EU wurden 2023 wieder aufgenommen, ein Abkommen gibt es nicht.

Die EU-Sicht: Im Urteil Schrems II vom 16.07.2020 kippte der Europäische Gerichtshof den Privacy Shield, weil die US-Überwachung nicht auf das unbedingt Nötige begrenzt war und Menschen in der EU keinen wirksamen Rechtsschutz vor Gericht hatten. Standardvertragsklauseln blieben gültig, mit Prüfung im Einzelfall. Seit Juli 2023 erlaubt das EU-US Data Privacy Framework wieder Übermittlungen an zertifizierte US-Firmen; eine Klage dagegen wurde im September 2025 abgewiesen und ist in Berufung, den Ausgang konnten wir nicht prüfen. Für nicht personenbezogene Daten verlangt der EU Data Act von Cloud-Anbietern technische, rechtliche und organisatorische Maßnahmen gegen unrechtmäßigen Zugriff ausländischer Regierungen. Nach der DSGVO braucht jede Übermittlung personenbezogener Daten eine Rechtsgrundlage.

Die Praxis hat Fallen. Microsoft schreibt in seiner Dokumentation, dass gespeicherte Daten in der gewählten Geografie bleiben, bei einer globalen KI-Bereitstellung Eingaben und Antworten aber überall verarbeitet werden können, wo das Modell läuft. Souveräne Angebote reichen von europäischen Anbietern bis zu getrennten Bereichen US-amerikanischer Anbieter, etwa der AWS European Sovereign Cloud in Brandenburg, verfügbar seit Januar 2026; ihre Souveränität ist eine Angabe von AWS. Der im Juni 2026 vorgeschlagene Cloud and AI Development Act der EU würde souveräne Clouds für öffentliche Ausschreibungen in vier Stufen einordnen, vom Hosting in der EU bis zum Schutz vor ausländischem Recht.

Wechseln wird per Gesetz leichter. Der EU Data Act schafft ab dem 12.01.2027 alle Wechselgebühren ab, Egress-Gebühren eingeschlossen; bis dahin dürfen Anbieter nur Kosten verlangen, die direkt mit dem Wechsel zusammenhängen. PaaS- und SaaS-Anbieter müssen offene Schnittstellen und Exporte in gängigen maschinenlesbaren Formaten anbieten, IaaS-Anbieter müssen helfen, beim neuen Anbieter vergleichbare Ergebnisse zu erreichen. AWS erlässt Egress schon heute auf Antrag, wenn Kundschaft wechselt. Unsere Lesart: Die heutige Abhängigkeit steckt vor allem in proprietären Diensten, auf ein Modell abgestimmten Prompts, feinjustierten Modellen auf geschlossenen Plattformen und zugesagten Mindestumsätzen.

Fristen beim Wechsel nach dem Data Act, zusammengefasst aus einem Leitlinienentwurf der niederländischen Behörde ACM (Zweitquelle, Oktober 2026): Kündigung mit bis zu zwei Monaten, Übergang bis zu 30 Tage und mindestens 30 Tage, um deine Daten abzurufen. Bei paralleler Nutzung dürfen Anbieter tatsächliche Übertragungskosten weiter berechnen.

Effizienz und Nachhaltigkeit

Das Standardmaß ist die PUE, festgelegt in der internationalen Norm ISO/IEC 30134-2; ihre Ausgabe von 2016 wurde 2026 durch eine neue ersetzt. Die Umfrage des Uptime Institute 2026 ergibt im Schnitt 1,52 pro Standort und 1,36 gewichtet nach Kapazität, weil große neue Standorte regelmäßig 1,3 oder weniger erreichen. Die PUE misst den Aufwand rund um die Chips. Über den CO2-Gehalt des Stroms, den Wasserverbrauch oder die Auslastung der Chips sagt sie nichts. Ihr Gegenstück für Wasser ist die WUE.

Die Regeln werden strenger. Die EU plant ein Bewertungssystem für Rechenzentren ab 500 kW IT-Leistung, mit Klassen von A (PUE von 1,15 oder weniger) bis G (über 1,9), ähnlichen Klassen für Wasser und Labels, die ab dem 15.08.2027 automatisch erzeugt werden. Die Quellen sind sich beim Stand uneinig: Die Kanzlei Linklaters nennt den Rechtsakt der Kommission vom 21.09.2026 angenommen, die Kanzlei Beveridge & Diamond spricht von vorgeschlagenen Änderungen in einer zweimonatigen Prüffrist. Beide sind sich einig, dass er noch nicht gilt. Chinas Industrieministerium verlangt für neue große Anlagen eine PUE unter 1,2, nach durchschnittlich 1,25 im Jahr 2025, und Singapur drängt Betreiber, ihre Hallen bei 26 °C zu betreiben.

Andere Hebel hängen vom Standort ab. Google Cloud veröffentlicht für jede seiner Regionen den CO2-freien Anteil am Strom (Herstellerangabe). Flüssigkeitskühlung liefert Abwärme mit 50 bis 60 °C, leichter nutzbar als die 15 bis 35 °C aus Luftkühlung; eine Studie des KIT hält Leitungen zu einem Wärmenetz über etwa 5 km für eine große Quelle und 2 bis 3 km für kleine für machbar. Das Uptime Institute erwartet, dass KI-Last Betreiber zu eigener Stromerzeugung vor Ort drängt, oft mit Gas. Die Effizienz pro Aufgabe steigt, der Gesamtbedarf wächst weiter, ein Rebound-Effekt. Die Energieschicht dieses Stacks behandelt Strom, Netze und Wasser ausführlich.

Wer die Cloud kontrolliert

Der Markt ist konzentriert. Synergy Research beziffert den Umsatz mit Cloud-Infrastruktur im zweiten Quartal 2026 auf 143,4 Mrd. $, ein Plus von 43 %, mit Amazon bei 28 %, Microsoft bei 20 % und Google bei 15 %. Zusammen kamen die drei auf 63 %; bei öffentlichem IaaS und PaaS, dem Großteil des Markts, lag ihr Anteil bei 67 %. Omdia, das den Markt anders abgrenzt, nannte für AWS im vierten Quartal 2025 32 %. Amazon, Microsoft und Google halten außerdem 57 % der gesamten Hyperscale-Kapazität (Synergy, über TechInsights).

Anbieter beschreiben den Ausbau als Fundament einer neuen Industrie. NVIDIAs Jensen Huang stellt KI als Stapel aus fünf Schichten von der Energie bis zu den Anwendungen dar, nennt die Infrastrukturschicht KI-Fabriken und sieht den Ausbau noch am Anfang. Microsofts Satya Nadella beschreibt eine flexible Flotte, die zwischen Training und Inferenz wechseln kann, aus eigenen Standorten, gemieteten Flächen und Kapazität von Neoclouds, und vermeidet Gigawatt, die an eine einzige Chipgeneration oder einen einzigen Kunden gebunden sind. Beide leiten Firmen, die umso mehr verdienen, je mehr gebaut wird.

Kritiker:innen beschreiben eine Konzentration von Macht. Die Ökonomin Cecilia Rikap (UCL) nennt Amazon, Microsoft und Google Cloud-Hegemonen, von denen selbst große Konzerne und Staaten abhängen. Jai Vipra und Sarah Myers West vom AI Now Institute beschreiben Rechenleistung als an wenigen Engstellen kontrolliert und argumentieren, dass vergünstigte Cloud-Guthaben und Beteiligungen KI-Labore an ein Ökosystem binden; sie schlagen vor, Cloud-Dienste und Chipentwicklung zu trennen. Der Thinktank Open Future beziffert den gemeinsamen Anteil europäischer Anbieter auf ihrem Heimatmarkt auf etwa 13 %.

Offene Modelle verändern dieses Bild nur zum Teil. Ein Open-Weight-Modell verringert die Abhängigkeit von einem Modellanbieter und läuft trotzdem im Rechenzentrum von irgendwem, darauf weisen Meredith Whittaker und Mitautor:innen in Nature hin.

Was das für deine Entscheidungen heißt

Die folgende Checkliste ist eine Aulory-Synthese der Quellen auf dieser Seite. Sie ist für junge Firmen geschrieben, die KI nutzen und keine eigenen Rechenzentren bauen.

1. 01Mit APIs anfangen. Bau Prototypen über APIs mit Abrechnung pro Token und miss Time to First Token, Zeit pro ausgegebenem Token und Kosten pro Aufgabe mit deinen echten Eingaben.
2. 02Zuerst die Datenfrage klären. Leg fest, welche Daten welchen Rechtsraum verlassen dürfen. Dann wähl Region und Bereitstellungsart (regional, Datenzone oder global) und halte beides in deinem Auftragsverarbeitungsvertrag fest.
3. 03Nur für gleichmäßige Last binden. Reservier Kapazität oder Durchsatz, wenn deine Nutzung gleichmäßig und planbar ist. Schick Arbeit, die warten kann, in Batch-Stufen oder auf Spot-Kapazität.
4. 04Den Ausstieg offen halten. Nutz offene Formate, eine Schicht, mit der du den Modellanbieter tauschen kannst, und Ausstiegsklauseln, die zur Frist des Data Act am 12.01.2027 passen.
5. 05Selbst betreiben aus klaren Gründen. Self-Hosting oder lokale KI passt zu Datenschutz, Offline-Betrieb, großen Mengen mit kleinen Modellen oder dem Wunsch nach Kontrolle. Plan Strom und Kühlung ehrlich; GPU-Racks brauchen weit mehr, als ein Büro-Serverraum liefert.
6. 06Nach Fakten fragen. Frag Anbieter nach PUE und WUE des Standorts, dem CO2-freien Anteil der Region, der Abwärmenutzung, der Tier-Stufe und Gutschriften bei Ausfällen, und behandle Antworten ohne Standort und Jahr als Marketing.

Woraus die Schicht besteht

Kennzahlen, mit Quelle und Datum

• 103 bis 161 GWRechenzentrumskapazität weltweit 2026, je nachdem, was gezählt wird: JLL rund 103 GW IT-Kapazität, TrendForce 161 GW Leistungsbedarf.TrendForce; JLL via IREI · 16.09.2026 · Marktforschung
• 14,2 GWIT-Leistung in den 95 größten erfassten KI-Rechenzentren, mit Rechenleistung im Gegenwert von 14,8 Mio. NVIDIA H100.Epoch AI, Frontier Data Centers · 20.10.2026 · neutral
• 143,4 Mrd. $Umsatz mit Cloud-Infrastruktur im zweiten Quartal 2026, plus 43 %. Amazon, Microsoft und Google hielten zusammen 63 %, bei öffentlichem IaaS und PaaS 67 %.Synergy Research · 30.07.2026 · Marktforschung
• 115,9 Mrd. $investierte Microsoft im Geschäftsjahr bis Juni 2026 in Sachanlagen. Amazon meldete brutto 173,0 Mrd. $ über zwölf Monate.Microsoft; Amazon earnings releases · 29.07.2026 · Selbstauskunft
• 11 zu 142 kWpro Schrank: die am häufigsten genannte Dichte in Rechenzentren 2026, gegenüber bis zu 142 kW für einen aktuellen NVIDIA-Schrank mit 72 GPUs.Uptime Institute and NVIDIA via Data Center Knowledge · 28.08.2026 · Fachpresse
• etwa 1 %Leerstand in nordamerikanischen Rechenzentren im dritten Jahr in Folge, bei über 66 GW im Bau.JLL · 11.08.2026 · Berater
• 3,7 zu 1,5 GWvertraglich gesicherte gegenüber aktiver Leistung bei der Neocloud CoreWeave Ende Juni 2026. Der Großteil der vertraglichen Kapazität wird noch gebaut.CoreWeave via MarkTechPost · 23.08.2026 · Selbstauskunft
• 48 % auf 67 %Anteil der Hyperscale-Betreiber an der weltweiten Rechenzentrumskapazität, Ende 2025 und Prognose für 2031.Synergy Research · 07.04.2026 · Marktforschung
• 466Unterbrechungen in 54 Tagen Training von Llama 3 405B auf bis zu 16.384 GPUs, 419 davon unerwartet. Die effektive Trainingszeit blieb über 90 %.Meta, The Llama 3 Herd of Models · Juli 2024 · Anbieter

Regionen im Vergleich

Rechenzentren folgen Strom, Land, Kapital und Kundschaft. Die USA liegen weit vorn. Außerhalb der USA und Chinas entstehen große neue Zentren in Johor (Malaysia), Indien und den Golfstaaten, und die Kapazität in Lateinamerika wuchs je nach Quelle um 20 bis 41 % pro Jahr. China gibt seinen Ausbau als Rechenleistung in EFLOPS an. Makler zählen Kapazität unterschiedlich, darum sind Zahlen aus verschiedenen Quellen nicht direkt vergleichbar. Für Afrika schätzte Karim Beguir, CEO von InstaDeep, den Anteil des Kontinents an der weltweiten Rechenkapazität auf etwa 0,1 % (Rest of World, 2025).

Quellen: Synergy Research über TechInsights (20.08.2026), CBRE (08.09.2026; Q1 2026 über w.media, 15. und 17.07.2026), JLL (11.08.2026), Epoch AI (17.04. und 20.10.2026), MIIT über Unite.AI (08.09.2026), CBRE über BeBeez (18.08.2026), EuroHPC (30.07.2026), DSIT über CMS (06.02.2026), britisches Strategiepapier über Baker McKenzie (09.01.2026), Cushman & Wakefield (02.06. und 05.08.2026), MeitY über TelecomTalk (März 2026), CBRE über Real Estate Asia (29.09.2026), EDB Singapur (30.05.2024), DatacenterDynamics (28.05.2025, 21.01. und 12.03.2026), JLL über InvestChile (20.04.2026), CIPER Chile (02.02.2026), Fortren & Company über Nairametrics (27.07.2026), Rest of World (27.03.2025). Mehrere Zahlen stammen aus Berichten über das Original.

Beispiele

• Die größten KI-Rechenzentren laut Epoch: Colossus 2 in Memphis, Anthropic und Amazon in Indiana, Microsoft Fairwater in Atlanta, Meta Prometheus in Ohio, OpenAI Stargate in Abilene.
• Seit Januar 2026 betreibt AWS eine European Sovereign Cloud in Brandenburg. Die Souveränität ist eine Herstellerangabe.
• Telekom und NVIDIA betreiben seit Februar 2026 eine Industrial AI Cloud in München.
• Die EU sucht bis zu sieben Standorte für KI-Gigafabriken, Bewerbungsschluss 12.11.2026.

Warum es eine Rolle spielt

Diese Schicht entscheidet über drei Dinge, die du direkt spürst: was KI dich kostet, wo deine Daten verarbeitet werden und wie abhängig du wirst. Kapazität ist knapp, der Leerstand in Nordamerika liegt nahe 1 %, und die größten Anbieter investieren jeweils über 100 Mrd. $ im Jahr, was den Markt in wenigen Händen hält. Deine Wahl zwischen API, Hyperscaler, Neocloud oder eigener Hardware bestimmt deinen Preis pro Aufgabe, wie weit ausländisches Recht dich erreicht und was ein Wechsel kostet.

Sie erklärt auch, wo Verantwortung liegt. Jedes Rechenzentrum braucht Strom, Wasser und Land an einem bestimmten Ort, von Memphis über Johor bis Santiago de Chile. Kundschaft, Behörden und Mitarbeitende fragen zunehmend, an welchen Standorten ihre KI läuft und unter welchen Bedingungen.

Häufige Irrtümer

• Eine EU-Region schützt meine Daten vor US-Recht.

  Laut US-Justizministerium müssen Anbieter unter US-Zuständigkeit gültige Rechtsanordnungen befolgen, egal wo Daten liegen. Das EU-Recht setzt eigene Bedingungen (DOJ CLOUD Act FAQ; EU Data Act).

• In der EU gespeicherte Daten werden auch in der EU verarbeitet.

  Bei globalen KI-Bereitstellungen können Eingaben und Antworten überall verarbeitet werden, wo das Modell läuft (Dokumentation von Microsoft).

• Wenn im Rechenzentrum Platz frei ist, können wir dort KI betreiben.

  Leistung und Kühlung pro Schrank setzen die Grenze: Üblich sind 11 kW, ein aktueller KI-Schrank zieht bis zu 142 kW (Uptime Institute, NVIDIA über Data Center Knowledge).

• Serverlos heißt GPUs auf Abruf.

  Der Begriff bedeutet bei jedem Anbieter etwas anderes. Amazons SageMaker Serverless Inference unterstützt gar keine GPUs (AWS-Dokumentation).

• Tier IV garantiert eine feste Verfügbarkeit in Prozent.

  Der Tier-Standard definiert Redundanz und Wartbarkeit über die Bauweise. Die offizielle Seite nennt keine Prozentwerte (Uptime Institute).

• Ein Wechsel weg vom Hyperscaler kostet ein Vermögen an Egress-Gebühren.

  Die EU verbietet Wechselgebühren ab dem 12.01.2027, und AWS erlässt Egress beim Ausstieg schon heute auf Antrag. Die echten Wechselkosten stecken in proprietären Diensten und im Umbau (EU-Kommission; AWS).

• Supercomputer-Ranglisten zeigen, wer die meiste KI-Kapazität hat.

  Die TOP500 misst Leistung in doppelter Genauigkeit für die Wissenschaft. KI rechnet mit viel geringerer Genauigkeit, und die größten kommerziellen KI-Cluster fehlen in der Liste (TOP500; Epoch AI).

Perspektiven führender Fachleute

Zehn Perspektiven von Anbietern, Analyst:innen, Politikforschung und kritischer Wissenschaft, aus den USA, Europa, der Golfregion und Lateinamerika. Jede Zusammenfassung gibt ein veröffentlichtes Werk sinngemäß wieder, verlinkt darunter. Anbieter sind als solche gekennzeichnet. Ein veröffentlichtes Werk einer afrikanischen Autorin oder eines afrikanischen Autors zu dieser Schicht, das wir öffnen konnten, haben wir nicht gefunden.

• Jensen Huang

  Gründer und CEO von NVIDIA, in Taiwan geboren, USA · Anbieter

  KI ist grundlegende Infrastruktur aus fünf voneinander abhängigen Schichten: Energie, Chips, Infrastruktur, Modelle und Anwendungen. Die Infrastrukturschicht aus Land, Strom, Kühlung und Netzwerk nennt er KI-Fabriken, die Intelligenz herstellen, Energie nennt er die bindende Grenze, und den Ausbau sieht er noch am Anfang.

  AI Is a 5-Layer Cake (NVIDIA Blog) · 10.03.2026

• Satya Nadella

  CEO von Microsoft, in Indien geboren, USA · Anbieter

  Azure soll eine austauschbare Flotte betreiben, die Training, Datenerzeugung und Inferenz bedient, ohne Gigawatt, die für eine Chipgeneration oder ein einzelnes großes Labor gebaut sind. Microsoft mischt eigene Bauten, Mietflächen und Kapazität von Neoclouds, und Regeln zur Datenresidenz wie die EU Data Boundary zwingen das Unternehmen, regional zu bauen und in Frankreich und Deutschland souveräne Clouds anzubieten.

  Interview on the Dwarkesh Podcast, with Dylan Patel · 12.11.2025

• Tareq Amin

  CEO von Humain, dem KI-Unternehmen des saudischen Staatsfonds PIF · Anbieter in Staatsbesitz

  Humain sucht einen US-Technologiekonzern als Beteiligungspartner für seine Rechenzentren und plant 1,9 GW bis 2030 und 6,6 GW bis 2034, mit dem Ziel, bis 2030 7 % des weltweiten Trainings und der Inferenz abzuwickeln. Laut Bericht subventioniert der Staat den Strom, und ein erster Standort mit 50 MW und 18.000 NVIDIA-GB300-Chips soll auf 500 MW wachsen.

  Statements to the Financial Times, berichtet von DatacenterDynamics · 28.05.2025

• Epoch AI

  Gemeinnütziges Forschungsinstitut zu KI-Trends, USA · unabhängige Analyse

  KI-Infrastruktur war weitgehend undurchsichtig, darum schätzt das Team Leistung, Fläche und Rechenleistung der größten Standorte aus Satellitenbildern, Genehmigungen und Firmenangaben, in einer offenen Datenbank. Zum Start fand es mehrere US-Standorte auf dem Weg zu 1 GW im Jahr 2026, Bauzeiten von einem bis dreieinhalb Jahren und etwa 30 Mrd. $ pro GW Standortleistung.

  Introducing the Frontier Data Centers Hub · 04.11.2025

• Andy Lawrence

  Forschungsdirektor des Uptime Institute, Großbritannien und USA · Branchenverband

  Rechenleistung für große Modelle wird sich bei wenigen großen Organisationen bündeln, und KI-Last wird Netze belasten und Betreiber zu eigener Stromerzeugung vor Ort drängen, oft mit Gas. Digitale Infrastruktur wächst weiter stark, während die Unsicherheit darüber, wie KI die Nachfrage verändert, Kapazitätsplanung und Ausfallsicherheit erschwert.

  Five Data Center Predictions for 2026 (Uptime Institute press release) · 13.01.2026

• Cecilia Rikap

  Associate Professor für Ökonomie am UCL Institute for Innovation and Public Purpose, London · kritische Forschung

  Amazon, Microsoft und Google sind Cloud-Hegemonen mit intellektuellen Monopolen über Wissen und Daten, von denen selbst Firmen wie Disney, Nike oder Walmart abhängen, um KI zu nutzen, während Staaten Kernaufgaben verlieren. Gestützt auf 112 Interviews und Daten zu Risikokapital, Übernahmen, Patenten und Open Source plädiert sie für Technologie, die demokratisch geplant wird.

  The Rulers: Corporate Power in the Age of AI and the Cloud (Verso) · 04.08.2026

• Francesca Bria und Mitautoren

  Innovationsökonomin und Mitgründerin der Initiative EuroStack, Italien, mit Paul Timmers, Andrea Renda und anderen · Politikforschung

  Über 80 % der digitalen Infrastruktur und Technologien Europas werden importiert, das schafft systemische Verwundbarkeit und bremst Innovation. Der Bericht schlägt eine Strategie für einen europäischen digitalen Stack vor, für strategische Eigenständigkeit von der Infrastruktur bis zu den Diensten.

  EuroStack: A European alternative for digital sovereignty (CEPS) · 13.02.2025

• Jai Vipra und Sarah Myers West

  Forscherinnen am AI Now Institute zum Zeitpunkt der Veröffentlichung, Indien und USA · kritische Forschung

  Rechenleistung ist neben Daten und Arbeit ein Kernbestandteil großer KI, und ihre Kontrolle liegt an wenigen Engstellen: NVIDIA, TSMC und ASML bei der Hardware, AWS, Google Cloud und Azure in der Cloud. Vergünstigte Rechenleistung und Deals mit Beteiligungen können KI-Labore an ein Ökosystem binden, darum empfehlen sie kartellrechtliche Schritte wie die Trennung von Cloud-Diensten und Chipentwicklung.

  Computational Power and AI (AI Now Institute) · 27.09.2023

• Zuzanna Warso und Aditya Singh

  Forschende beim Thinktank Open Future, Europa · Politikforschung

  Europas Abhängigkeit von AWS, Azure und Google Cloud kommt aus Marktentscheidungen, politischen Lücken und Trägheit, europäische Anbieter halten zusammen etwa 13 %. Cloud ist so grundlegend wie Energie oder Telekommunikation, darum fordern sie transparente Preise, eine strukturelle Trennung von Infrastruktur und Diensten und öffentliche Beschaffung, die Nachfrage für europäische Anbieter unter fairen Bedingungen schafft.

  Cloud infrastructure as a foundation for digital sovereignty (Open Future policy brief) · 19.03.2026

• DataCenterBoom! (Instituto Latinoamericano de Terraformación, founded by Paz Peña)

  Rechercheinitiative zu den sozialen und ökologischen Folgen von Rechenzentren in Lateinamerika, Santiago de Chile · kritische Forschung

  Ein Bericht einer Entwicklungsbank wirbt bei Investoren mit Lateinamerikas günstiger sauberer Energie und Land und macht erneuerbare Energie zum Verkaufsargument. Der Beitrag hält dagegen, dass Land, Wasser und Klimagerechtigkeit dabei fehlen, und beschreibt Rechenzentren als extraktive Enklaven, die gemeinsame Ressourcen nutzen und vor Ort kaum Arbeitsplätze oder Lieferketten schaffen.

  Los centros de datos quieren ser «verdes» y miran a América Latina. ¿Una buena noticia? · 13.08.2026

Begriffe zu dieser Schicht

• RechenzentrumEin Gebäude voller Server, Speicher und Netzwerktechnik, mit dem Strom und der Kühlung, auf denen KI läuft.
• HyperscalerEiner der wenigen Tech-Konzerne, die Rechenzentren in riesigem Maßstab betreiben und Rechenleistung, Speicher und KI-Dienste vermieten.
• Cloud ComputingRechenleistung, Speicher und Software über das Internet nach Bedarf mieten, statt eigene Rechner zu betreiben.
• ComputeDie Rechenleistung samt Chips und Software dahinter, die KI fürs Training und für den Betrieb braucht.
• NeocloudEin Cloud-Anbieter, der sich auf die Vermietung von GPUs für KI spezialisiert hat, etwa CoreWeave, Nebius, Lambda oder Crusoe.
• ColocationFläche, Strom, Kühlung und Netzanschluss in einem fremden Rechenzentrum mieten und dort eigene Server betreiben.
• Edge ComputingRechnen in kleinen Standorten oder Geräten nahe dort, wo Daten entstehen und gebraucht werden, etwa in Fabriken, Läden, Fahrzeugen oder Smartphones.
• Souveräne CloudEine Cloud, bei der Standort, Betrieb und anwendbares Recht in einem Rechtsraum bleiben sollen, etwa in der EU.
• IaaS, PaaS und SaaSDie drei Standardformen, Cloud Computing zu mieten: rohe Infrastruktur, eine Plattform für eigenen Code oder fertige Software.
• GPUEin Grafikprozessor: ein Chip, der Tausende einfache Rechnungen gleichzeitig ausführt und dadurch zum Arbeitstier der KI wurde.
• CPUDer Hauptprozessor jedes Computers: wenige starke, flexible Kerne, die Aufgaben Schritt für Schritt abarbeiten.
• HBMSehr schneller Speicher, direkt neben einem KI-Chip gestapelt, damit seine Rechenkerne nie auf Daten warten. 2025 war er ein zentraler Engpass.
• InterconnectDas schnelle Netz, das Tausende GPUs verbindet, damit sie gemeinsam an einer KI-Aufgabe arbeiten.
• FlüssigkühlungKühlung von Chips mit einer Flüssigkeit, die durch Kühlplatten am Chip oder um den ganzen Server fließt, nötig für dichte KI-Schränke.
• PUEDie übliche Effizienzkennzahl für Rechenzentren: gesamter Strom des Standorts geteilt durch den Strom, der bei der IT ankommt.
• WUEWie viel Wasser ein Rechenzentrum vor Ort verbraucht, gemessen in Litern je kWh IT-Strom.
• TrainingDer einmalige, sehr teure Prozess, der die Parameter eines Modells festlegt, indem er ihm riesige Datenmengen zeigt.
• InferenzEin fertiges Modell laufen lassen, um eine Antwort zu bekommen. Das, wofür du bei jeder Nachricht bezahlst.
• Time to First TokenWie lange ein KI-Modell braucht, bis der erste Teil der Antwort erscheint. Zusammen mit der Zeit pro ausgegebenem Token beschreibt sie, wie schnell sich ein Modell anfühlt.
• LatenzDie Wartezeit zwischen dem Absenden einer Anfrage und der Antwort. Bei KI ist Geschwindigkeit ein Feature.
• TokenDas kleine Textstück, das ein Modell liest und schreibt. Preis, Geschwindigkeit und Speichergrenzen werden alle in Tokens gezählt.
• APIDie programmierbare Verbindung zu einem Modellanbieter. Du zahlst pro Token und behältst mehr Kontrolle als in einer Chat-App.
• Spot-InstanzFreie Cloud-Kapazität mit hohem Rabatt, die der Anbieter kurzfristig zurückholen kann.
• Kosten pro AufgabeWas ein fertiges Arbeitsergebnis mit KI wirklich kostet: Tokens, Tools, Wiederholungen und die Zeit, die ein Mensch zum Prüfen braucht.
• DatenresidenzWo deine Daten physisch gespeichert und verarbeitet werden. Sie ist ein Teil der Datensouveränität.
• DatensouveränitätDie Kontrolle darüber behalten, wo deine Daten liegen, wer darauf zugreifen kann und welches Recht gilt.
• DSGVODas Datenschutzgesetz der EU. Es gilt immer dann, wenn KI-Tools personenbezogene Daten über Menschen in der EU verarbeiten.
• Egress-GebührenGebühren, die ein Cloud-Anbieter verlangt, wenn Daten sein Netz verlassen, etwa beim Wechsel zu einem anderen Anbieter.
• Vendor Lock-inWenn der Wechsel zu einem anderen KI-Anbieter so teuer oder mühsam wird, dass er praktisch unmöglich ist.
• Fine-TuningEin bestehendes Modell mit deinen eigenen Beispielen weitertrainieren, um sein Verhalten zu ändern. Selten der erste Schritt.
• AuftragsverarbeitungsvertragDer Vertrag, der festlegt, wie ein Anbieter personenbezogene Daten in deinem Auftrag verarbeiten darf. Nach der DSGVO Pflicht.
• ModellanbieterDas Unternehmen oder die Maschine, die das Modell für dich betreibt: ein Cloud-Dienst oder dein eigener Computer.
• Open-Weight-ModellEin Modell, dessen trainierte Parameter veröffentlicht sind, sodass alle es herunterladen und selbst betreiben können.
• Self-HostingKI-Modelle oder Tools auf Infrastruktur betreiben, die du kontrollierst, statt den Dienst eines anderen zu nutzen.
• Lokale KIEin Modell auf deinem eigenen Laptop oder Server betreiben. Nichts verlässt das Gerät, dafür passen nur kleinere Modelle.
• Rebound-EffektWenn Effizienz etwas billiger in der Nutzung macht, nutzen Menschen mehr davon, und der Gesamtverbrauch kann steigen.

Quellen

1. Energy and AI: Energy demand from AI, International Energy Agency, 2025
2. Data centre electricity use surged in 2025, International Energy Agency, 16.04.2026
3. Tier Classification System, Uptime Institute (sells certification), 2026
4. The growing PUE advantage of larger data centers, Uptime Institute, 06.08.2026
5. ISO/IEC 30134-2, Power usage effectiveness, ISO/IEC, 2016, replaced 2026
6. AI rack density's real limits: power, cooling, failure risk, Data Center Knowledge, 28.08.2026
7. GB200 NVL72, NVIDIA (vendor), 2026
8. Building Meta's GenAI Infrastructure, Meta Engineering (vendor), 12.03.2024
9. The Llama 3 Herd of Models, Meta (vendor report), Juli 2024
10. DistServe: Disaggregating Prefill and Decoding for Goodput-optimized LLM Serving, Zhong et al., USENIX OSDI, Juli 2024
11. Best practices for Compute Engine region selection, Google Cloud (vendor), 22.10.2026
12. The NIST Definition of Cloud Computing, SP 800-145, Mell, Grance, NIST, 28.09.2011
13. Fog Computing Conceptual Model, SP 500-325, NIST, März 2018
14. TOP500 list, June 2026, TOP500, Juni 2026
15. Amazon Bedrock pricing, AWS (vendor), 25.10.2026
16. Deployment options in Microsoft Foundry, Microsoft Learn (vendor), 2026
17. Deployment types for Foundry Models, Microsoft Learn (vendor), 2026
18. Serverless Inference, AWS SageMaker documentation (vendor), 2026
19. Amazon EC2 Spot Instances, AWS (vendor), 2026
20. Best GPU neoclouds 2026, MarkTechPost, compiling company releases and list prices, 23.08.2026
21. Data center GPU pricing 2026, IntuitionLabs (advisory), 2026
22. Global data center power demand capacity, TrendForce, 16.09.2026
23. Global data center sector to nearly double to 200 GW (JLL outlook), IREI, 07.01.2026
24. AI data center power, Epoch AI, 16.01.2026
25. Frontier Data Centers, Epoch AI, 20.10.2026
26. Introducing the Frontier Data Centers Hub, Epoch AI, 04.11.2025
27. OpenAI Stargate: where the US sites stand, Epoch AI, 17.04.2026
28. Hyperscale operators to account for 67% of all data center capacity by 2031, Synergy Research Group, 07.04.2026
29. Hyperscalers' global data center capacity, Q1 2026, TechInsights with Synergy, 20.08.2026
30. Q2 Cloud Market Passes $143 Billion; Highest Growth Rate in Eight Years, Synergy Research Group, 30.07.2026
31. Global cloud infrastructure spending rose 29% in Q4 2025, Omdia, 26.03.2026
32. Amazon.com announces second quarter results, Amazon (company release), 30.07.2026
33. FY26 Q4 press release, Microsoft (company release), 29.07.2026
34. Meta reports second quarter 2026 results, Meta (company release), 29.07.2026
35. Alphabet Q2 2026: capex up to $205bn, cloud +82%, The Next Web (press report), 23.07.2026
36. Oracle Q1 strong, and so are capital expenditures, Constellation Research (press report), 10.09.2026
37. Oracle forecasts $95 bn in capex for FY27, Outlook Business citing Reuters (press report), 11.06.2026
38. CoreWeave Q2 earnings call highlights, MarketBeat (company-reported), 11.08.2026
39. North America data center report, midyear 2026, JLL (broker), 11.08.2026
40. North American data center demand continues to outpace supply, CBRE (broker), 08.09.2026
41. FLAP-D markets plagued by grid constraints and moratoriums, w.media citing CBRE, 17.07.2026
42. APAC data centre update H1 2026, Cushman & Wakefield (broker), 05.08.2026
43. MIIT plan targets 9,800 EFLOPS of intelligent compute by 2030, Unite.AI citing MIIT, 08.09.2026
44. AI Gigafactories call, EuroHPC Joint Undertaking, 30.07.2026
45. What you need to know about Africa's first AI factory, Damilare Dosunmu, Rest of World, 27.03.2025
46. CLOUD Act FAQ, US Department of Justice, 2026
47. CLOUD Act resources, US Department of Justice, 2026
48. Judgment in Case C-311/18 (Schrems II), press release 91/20, Court of Justice of the European Union, 16.07.2020
49. EU-US data transfers, European Commission, 2026
50. Data Act explained, European Commission, 2026
51. Cloud providers lose switching fees in January 2027, ACM guidance says, PPC Land (secondary), Oktober 2026
52. Free data transfer out to internet when moving out of AWS, AWS News Blog (vendor), 2024-03-05, updated 2026-10-08
53. Opening the AWS European Sovereign Cloud, AWS News Blog (vendor), 14.01.2026
54. The new draft European regulation includes a four-level classification system, InCyber, Juni 2026
55. European Commission advances data center sustainability ratings, Beveridge & Diamond, 30.09.2026
56. EU Commission adopts data centre sustainability rating scheme, Linklaters, 14.10.2026
57. Waste heat from data centres for district heating, Barth et al., KIT, Geothermal Energy, 22.04.2026
58. AI Is a 5-Layer Cake, Jensen Huang, NVIDIA (vendor), 10.03.2026
59. Satya Nadella: How Microsoft is preparing for AGI, Dwarkesh Podcast, 12.11.2025
60. Humain targets 6.6 GW by 2034 with subsidised electricity, Sebastian Moss, DatacenterDynamics, 28.05.2025
61. Five Data Center Predictions for 2026, Uptime Institute via Business Wire, 13.01.2026
62. The Rulers: Corporate Power in the Age of AI and the Cloud, Cecilia Rikap, Verso, 04.08.2026
63. EuroStack: A European alternative for digital sovereignty, Bria, Timmers, Gernone, Renda, Fischer, Grabova, CEPS, 13.02.2025
64. Computational Power and AI, Jai Vipra, Sarah Myers West, AI Now Institute, 27.09.2023
65. Cloud infrastructure as a foundation for digital sovereignty, Zuzanna Warso, Aditya Singh, Open Future, 19.03.2026
66. Why 'open' AI systems are actually closed, and why this matters, Widder, Whittaker, West, Nature, November 2024
67. Los centros de datos quieren ser «verdes» y miran a América Latina, DataCenterBoom!, Instituto Latinoamericano de Terraformación, 13.08.2026