Energie

Worum es geht

Jede KI-Antwort ist Strom, der zu Rechenarbeit und dann zu Wärme wird. Ein Rechenzentrum bezieht diesen Strom aus dem Netz, wandelt ihn mehrfach um, verteilt ihn auf Tausende Chips und führt die Wärme wieder ab, oft mit Hilfe von Wasser. 2025 verbrauchten Rechenzentren weltweit rund 485 TWh, etwa 1,5 % des globalen Stroms, so die Internationale Energieagentur (IEA). Für 2030 erwartet die IEA rund 950 TWh.

Die Energieschicht entscheidet, wo KI-Kapazität entstehen kann, wie schnell und zu welchem Preis. Die engste Grenze ist heute das Stromnetz: Anschlüsse, Transformatoren und Turbinen brauchen Jahre. Für Gründer:innen reicht diese Schicht bis in alltägliche Entscheidungen, vom Modell, das du wählst, über die Cloud-Region, in der du rechnest, bis zu den Klimazahlen, die du berichtest.

Leistung und Energie: was GW und TWh bedeuten

Zwei Einheiten ziehen sich durch jede Debatte über KI und Strom, und sie werden leicht verwechselt. Leistung, gemessen in Kilowatt (kW), Megawatt (MW) oder Gigawatt (GW), sagt, wie viel Strom in einem Moment fließt. Stell dir die Breite eines Rohrs vor. Energie, gemessen in Kilowattstunden (kWh) bis Terawattstunden (TWh), sagt, wie viel über einen Zeitraum geflossen ist, also das Wasser, das in einem Jahr durch das Rohr kam.

Netzanschlüsse, Kraftwerke und die Größe eines Rechenzentrums werden in Leistung geplant. Stromrechnungen, Emissionen und nationale Statistiken werden in Energie gezählt. Die Verbindung ist einfache Rechnung: Energie gleich Leistung mal Stunden mal Auslastung. Ein Gigawatt, das alle 8.760 Stunden eines Jahres läuft, liefert 8,76 TWh. Das Lawrence Berkeley National Laboratory (LBNL) in den USA rechnet genau so. Seine Prognose von 325 bis 580 TWh für US-Rechenzentren im Jahr 2028 entspricht etwa 74 bis 132 GW bei einer angenommenen durchschnittlichen Auslastung von 50 %.

Darum lassen sich zwei bekannte Zahlen nicht direkt vergleichen. Epoch AI schätzt Ende 2025 rund 30 GW Leistung in KI-Rechenzentren, abgeleitet aus der Nennleistung der verkauften Chips plus einem Aufschlag für Server, Netzwerk und Kühlung. Die IEA zählt rund 485 TWh Strom, den alle Rechenzentren 2025 verbraucht haben. Die erste Zahl ist eine Kapazität, die zweite eine Energiemenge über ein Jahr.

Faustregel: Wenn eine Firma einen Campus mit 1 GW ankündigt, meint sie Leistung. Der Jahresverbrauch liegt höchstens bei 8,76 TWh und meist darunter, weil Standorte selten das ganze Jahr unter Volllast laufen. Zum Vergleich: Alle Rechenzentren in Irland verbrauchten 2025 rund 7,7 TWh.

Wie der Strom zum Chip kommt

Ein Rechenzentrum ist ein großer Stromkunde mit einem eigenen kleinen Stromnetz im Inneren. Die Reihenfolge unten ist die übliche Lehrbuchkette, die Zahlen stammen aus den genannten Quellen. Jeder Umwandlungsschritt verliert etwas Energie als Wärme, und diese Verluste tauchen später in der Effizienzkennzahl PUE auf.

1. 01Übertragungsnetz. Hochspannungsleitungen bringen den Strom von Kraftwerken heran, oft über weite Strecken. Dort, wo sich Rechenzentren ballen, sind sie in vielen Regionen schon ausgelastet.
2. 02Netzanschluss und Umspannwerk. Ein Netzanschluss mit eigenem Umspannwerk senkt die Spannung. Ihn zu bekommen ist heute die längste Wartezeit im ganzen Projekt, oft 5 bis 10 Jahre (IEA, 2026).
3. 03Transformatoren und Schaltanlagen. Transformatoren senken die Spannung weiter für das Gebäude, Schaltanlagen verteilen und sichern ab. Große Leistungstransformatoren haben derzeit Lieferzeiten von etwa 2 bis 3 Jahren (IEA).
4. 04USV und Batterien. Eine unterbrechungsfreie Stromversorgung (USV) mit Batterien überbrückt Sekunden bis Minuten, wenn das Netz ausfällt. Das LBNL rechnet mit Wirkungsgraden von 77 bis 85 % in kleinen Anlagen und 90 bis 99 % in sehr großen Rechenzentren und KI-Anlagen.
5. 05Notstromaggregate. Diesel- oder Gasaggregate starten binnen Sekunden und tragen längere Ausfälle. Allein in Nord-Virginia stehen an Rechenzentren über 4.000 Dieselaggregate mit mehr als 11 GW, so eine Kolumnistin unter Berufung auf staatliche Genehmigungen (Meinungsbeitrag).
6. 06Server-Schrank. Stromverteiler versorgen jeden Server-Schrank. Netzteile wandeln den Strom für die GPUs und anderen Chips um, die fast alles davon in Wärme verwandeln.

Rechenzentren bauen zwei bis drei Stufen Redundanz ein, ihre Notstromleistung liegt also über der tatsächlichen Last. Die Aggregate laufen meist für Tests. In Virginia stieß eine Änderung Ende 2025, die den Begriff Notfall ausweitete, auf über 500 Einwände (Virginia Mercury, Meinungsbeitrag).

Warum KI-Schränke so viel Strom brauchen

Ein KI-Chip führt Billionen Multiplikationen pro Sekunde aus, und fast jedes Watt, das er aufnimmt, wird zu Wärme. KI-Systeme packen viele solcher Chips dicht zusammen, weil nahe beieinander liegende Chips schneller Daten austauschen. Das Ergebnis ist sehr viel Leistung auf engem Raum.

Die Zahlen zeigen den Sprung. Der durchschnittliche Server-Schrank zog 2025 knapp 9 kW, so die weltweite Betreiberumfrage des Uptime Institute, und über 80 % der Standorte haben keinen Schrank über 30 kW. Ein Schrank mit 72 Blackwell-GPUs von NVIDIA (GB200 NVL72) braucht laut dem Serverhersteller Supermicro rund 132 kW, etwa das Fünfzehnfache des Durchschnitts (Herstellerangabe). Die IEA berichtet, dass die Leistungsdichte von KI-Servern zwischen 2020 und 2025 um das Elffache stieg, und erwartet bis 2027 nochmals das Vierfache. Dann könnte ein einzelner Schrank in der Spitze so viel ziehen wie 65 Haushalte.

KI-Lasten schwanken außerdem schnell. Wenn ein großes Training pausiert oder wieder anläuft, kann sich die Leistungsaufnahme innerhalb einer Sekunde um mehr als die Hälfte der Nennleistung ändern (IEA), darauf müssen Netzbetreiber vorbereitet sein. Auch die Chips setzen eine Obergrenze: Die weltweite Produktion von HBM-Speicher reicht laut IEA bis 2027 für höchstens rund 25 GW neue KI-Server pro Jahr.

Kühlung, PUE und Wasser

Die ganze Wärme muss aus dem Gebäude. Zwei Fragen entscheiden, wie viel Strom und Wasser das kostet: wie die Wärme von den Chips abgeführt wird und wie sie schließlich das Gelände verlässt. Die ersten drei Einträge unten beschreiben den Serverraum, die letzten beiden den Weg der Wärme nach draußen (LBNL).

• Luftkühlung: Lüfter blasen kühle Luft über die Server. Einfach, erprobt und weiterhin Standard in den meisten Rechenzentren, deren Schränke im Schnitt unter 10 kW liegen.
• Direkte Flüssigkühlung: Flüssigkühlung mit Kühlplatten direkt auf den Chips, die Kühlflüssigkeit läuft in einem geschlossenen Kreislauf. Dichte KI-Schränke wie der GB200 NVL72 sind dafür gebaut.
• Tauchkühlung: ganze Server liegen in einer nicht leitenden Flüssigkeit. Sie wird erprobt, etwa in einem Testzentrum für tropische Rechenzentren in Singapur; belastbare Zahlen zur Verbreitung haben wir nicht gefunden.
• Kühltürme: verdunsten Wasser, um Wärme abzuführen. Sie sparen Strom und verbrauchen Wasser, was in trockenen Regionen Sorgen auslöst.
• Trockenkühler: geben Wärme über große Wärmetauscher an die Luft ab. Sie sparen Wasser und brauchen an heißen Tagen mehr Strom.

1. 01PUE. PUE, Power Usage Effectiveness, ist der gesamte Strom eines Standorts geteilt durch den Strom der IT-Geräte; 1,0 hieße null Zusatzverbrauch. Der weltweite Durchschnitt hat sich seit sechs Jahren kaum bewegt und lag 2025 bei 1,54 (Uptime Institute). Standorte, die seit 2020 gebaut wurden, erreichen 1,48, Anlagen über 20 MW 1,44. Die besten sehr großen Anlagen kommen auf 1,1 bis 1,2 (IEA), Google meldet 1,09 für seine Flotte (Firmenangabe).
2. 02WUE. WUE, Water Usage Effectiveness, gibt die Liter Wasser vor Ort je kWh IT-Strom an. Nur 47 % der Betreiber erfassen überhaupt Wasserdaten (Uptime Institute), einen weltweiten Durchschnitt gibt es nicht.
3. 03Direktes und indirektes Wasser. Ein großer Teil des Wassers steckt in den Kraftwerken, die den Strom erzeugen. Für die USA zählt das LBNL 2023 rund 64 Mrd. Liter direktes Kühlwasser und rund 800 Mrd. Liter indirektes Wasser über die Stromerzeugung, etwa zwölfmal so viel, wie Forschende der University of Wisconsin-Milwaukee zusammenfassen. Eine frühere Zusammenfassung desselben Berichts nannte 66 Mrd. Liter; der Unterschied ist wohl Rundung oder eine andere Abgrenzung.

Flüssigkühlung im Schrank und der Wasserverbrauch des Gebäudes sind zwei getrennte Fragen. Flüssig gekühlte Schränke können wärmer laufen, das erlaubt mehr freie Kühlung mit Außenluft und kann Wasser und Strom sparen. Ob ein Standort Wasser verbraucht, hängt davon ab, wie er seine Wärme abgibt (LBNL). In heißem, feuchtem Klima kann die Kühlung bis zu 40 % des Stroms eines Rechenzentrums ausmachen, so Forschende der National University of Singapore.

Training, Inferenz und der Strom einer einzelnen Anfrage

Das Training eines Modells ist ein großer, einmaliger Rechenschub, der Wochen dauern kann. Die Inferenz, also jede Antwort eines Modells, ist pro Anfrage klein und wiederholt sich milliardenfach. Im großen Maßstab überwiegt die Nutzung das Training. Sasha Luccioni und ihr Team haben berechnet, dass bei einem mittelgroßen offenen Modell (BLOOMz-7B) die Energie für Antworten nach etwa 593 Millionen Anfragen der Energie des Trainings entspricht.

Wie viel Energie eine Anfrage braucht, hängt davon ab, was man mitzählt. Google veröffentlichte im August 2025 die erste Messung aus dem laufenden Betrieb: Ein mittlerer Text-Prompt an die Gemini-App brauchte im Mai 2025 0,24 Wh, einschließlich ungenutzter Maschinen, Prozessoren, Arbeitsspeicher und Kühlung. Zählt man nur die aktiven KI-Chips, sind es 0,10 Wh. OpenAI nennt 0,34 Wh für eine durchschnittliche ChatGPT-Anfrage, Forschende von Microsoft einen Median von 0,34 Wh für große Modelle, beides zitiert von der IEA. Alle drei sind Firmenangaben ohne unabhängige Prüfung. Von außen schätzte Epoch AI rund 0,3 Wh für eine typische Anfrage an GPT-4o.

Ältere Werte von 3 bis 4 Wh pro Anfrage stammen aus Schätzungen von 2022 und 2023 mit älterer Hardware, geringer Auslastung und anderen Annahmen. Google meldet, dass die Energie pro Prompt binnen eines Jahres um das 33-Fache sank. Noch mehr zählt die Art der Aufgabe: Ein Bild braucht etwa zehnmal so viel Energie wie eine Textantwort, ein Video das Hundert- bis Tausendfache (IEA). Lange Eingaben treiben den Wert ebenfalls hoch; Epoch schätzt rund 40 Wh für eine Eingabe von 100.000 Tokens. Reasoning-Modelle und Agenten, die viele Schritte abarbeiten, brauchen weit mehr als eine einfache Antwort.

• Systemgrenze: nur die Chips oder das ganze System mit ungenutzten Servern und Kühlung. In Googles Daten macht diese Wahl allein etwa den Faktor 2,4 aus.
• Auslastung: Ein Chip, der viele Nutzende gleichzeitig bedient, braucht pro Antwort weniger Energie. Labortests mit einer Anfrage nach der anderen bilden diese Bündelung im Betrieb nicht ab (Google).
• Modell und Länge: Modellgröße und die Zahl der Tokens in Ein- und Ausgabe bestimmen den Rechenaufwand. Zwei Messungen desselben offenen Modells (Llama 3.1 70B) lagen etwa um den Faktor sechs auseinander.
• Wer misst: Firmen messen im Betrieb und veröffentlichen ohne Prüfung. Außenstehende schätzen mit Annahmen; Epoch gibt einen möglichen Fehler bis zum Faktor zwei an.

Das Netz ist der Engpass

Vielerorts ist der Anschluss ans Netz das knappe Gut, dazu die Technik, um ihn zu bauen. Ein neues Rechenzentrum braucht einen Netzanschluss, und der Netzbetreiber muss prüfen, ob Leitungen und Umspannwerke die zusätzliche Last tragen. In vielen Ländern dauert das laut IEA 5 bis 10 Jahre. In Europas etablierten Standorten Frankfurt, London, Amsterdam, Paris und Dublin meldet der Thinktank Ember durchschnittliche Wartezeiten von 7 bis 10 Jahren, in Einzelfällen bis 13.

Die Warteschlangen sind auch deshalb lang, weil sie aufgebläht sind. Der texanische Netzbetreiber ERCOT verzeichnete im Januar 2026 Anschlussanfragen großer Verbraucher über mehr als 230 GW, bei einer Rekord-Spitzenlast von 85 GW; ein Teil der Anfragen ist spekulativ (IEA). Jonathan Koomey und Ko-Autor:innen warnen Regulierungsbehörden, dass Anfragen oft doppelt gestellt werden und Energieprognosen für IT seit Langem zu hoch liegen. Auf der Angebotsseite zählt das LBNL Ende 2025 Kraftwerke und Speicher mit 2.061 GW, die auf einen Netzanschluss in den USA warten. Von der zwischen 2000 und 2020 beantragten Leistung wurden nur 13 % gebaut.

Dazu kommt die Technik. Große Leistungstransformatoren brauchen etwa 2 bis 3 Jahre (IEA). Wood Mackenzie maß Mitte 2025 in den USA 128 Wochen, ein Versorgungsdefizit von rund 30 % und Preise 77 % über 2019 (Marktforschung). Ein Elektrounternehmer, den das Fachmagazin POWER befragte, bestreitet den Mangel und nennt 12 bis 14 Monate für Standardgeräte. Gasturbinen brauchen etwa fünf Jahre, die Bestellungen stiegen 2025 um 70 % (IEA). BloombergNEF erwartet, dass Rechenzentren im nächsten Jahrzehnt rund 400.000 Tonnen Kupfer pro Jahr benötigen.

Die Knappheit zeigt sich in den Preisen. In PJM, dem Netz im Osten der USA, endete die Auktion für Kapazität 2027/28 am Höchstpreis, zum dritten Mal in Folge ein Rekordpreis, und der Anstieg der erwarteten Nachfrage kam fast vollständig von Rechenzentren. Flexibilität kann helfen: Eine Studie der Duke University schätzt, dass die größten US-Netze 76 GW neue Last aufnehmen könnten, wenn diese Last 0,25 % des Jahres pausiert, etwa 85 Stunden. Das ist eine modellierte Obergrenze, die Engpässe in den Übertragungsleitungen nicht abbildet.

Eigene Kraftwerke: was läuft und was angekündigt ist

Weil das Netz langsam ist, bauen Betreiber Kraftwerke direkt vor Ort. Die IEA erwartet bis 2030 15 bis 27 GW Gaskraftwerke an Rechenzentren, vor allem in den USA. Nur etwa ein Fünftel der erfassten US-Projekte hatte mit Rodung oder Bau begonnen. Eine IEA-Grafik vom Juni 2026 zeigt für die USA eine Pipeline von 47 GW; diese Zahl enthält Vorschläge und frühe Planungen. Um ohne Netz zuverlässig zu laufen, brauchen solche Anlagen 30 bis 70 % mehr Leistung als die Last, die sie versorgen. Außerdem erwartet die IEA bis 2030 20 bis 25 GW Batteriespeicher an Rechenzentren.

Kernkraft für KI besteht vor allem aus Verträgen über künftigen Strom. Die Liste unten trennt Anlagen, die heute liefern, von angekündigten.

• Crane (früher Three Mile Island 1): Microsoft hat einen 20-Jahres-Vertrag über rund 835 MW. Das Kraftwerk ist noch vom Netz; Betreiber Constellation plant den Neustart für 2027 (Firmenangabe, September 2025).
• Susquehanna: Amazon Web Services kauft bis zu 1.920 MW aus einem bestehenden, laufenden Kraftwerk von Talen (Vertrag von 2025, IEA).
• Meta: Verträge mit Oklo, TerraPower und Vistra über mehr als 6 GW. Die Kraftwerke von Vistra gibt es; die Reaktoren von Oklo und TerraPower müssen erst gebaut werden (IEA).
• Kleine modulare Reaktoren: Bedingte Abnahmezusagen wuchsen von rund 25 GW Ende 2024 auf 45 GW Ende 2025. Die ersten Projekte sollen um 2030 liefern (IEA).

Lies jeden Energie-Deal mit drei Fragen: Gibt es das Kraftwerk, ist es angeschlossen, und wann wurde der Stand zuletzt bestätigt? Ankündigungen bleiben oft auf Listen, lange nachdem sich Pläne geändert haben.

Ökostromverträge und wie Emissionen gezählt werden

Große KI-Firmen kaufen sauberen Strom vor allem über Stromabnahmeverträge (PPAs): langfristige Verträge mit einem Wind-, Solar- oder Kernkraftwerk. Der Techsektor schloss 2025 rund 40 % aller Unternehmens-PPAs für erneuerbaren Strom weltweit ab (IEA). BloombergNEF zählt 2025 Verträge von Unternehmen über 55,9 GW sauberen Strom, der erste Rückgang nach acht Jahren; Amazon, Meta, Google und Microsoft halten rund 49 %. Die beiden Anteile folgen unterschiedlichen Definitionen: Die IEA zählt nur Erneuerbare, BloombergNEF auch Kernkraft.

Die meisten Aussagen über 100 % Ökostrom beruhen auf jährlichem Abgleich. Über ein Jahr kauft die Firma so viel grünen Strom oder so viele Zertifikate, wie sie verbraucht, während einzelne Stunden weiter mit Gas oder Kohle laufen. Zertifikate tragen keinen Zeitstempel. Der strengere Maßstab ist 24/7-CO2-freier Strom: Er gleicht den Verbrauch jede Stunde im selben Netz ab und braucht Speicher, flexible Nachfrage oder sauberen Strom rund um die Uhr, um die letzten Lücken zu schließen.

Diese Wahl entscheidet, welche Emissionen eine Firma meldet. Scope-2-Emissionen, also die aus eingekauftem Strom, lassen sich auf zwei Arten zählen. Die standortbasierte Methode nutzt die durchschnittlichen Emissionen des örtlichen Netzes, die marktbasierte das, was die Firma vertraglich eingekauft hat. Für 2024 meldet Google standortbasiert 345 g CO2-Äquivalent pro kWh und marktbasiert 94 g. Eine Analyse des Guardian von 2024 ergab, dass die Emissionen der eigenen Rechenzentren von Apple, Google, Microsoft und Meta für 2020 bis 2022 standortbasiert etwa 7,6-mal so hoch waren wie offiziell gemeldet. Das GHG Protocol, der weltweite Bilanzierungsstandard, überarbeitet seine Regeln: Wer mit sauberem Strom wirbt, soll stündlich und regional abgleichen. Der vollständige neue Standard ist für Ende 2027 geplant.

Insgesamt erwartet die IEA, dass Rechenzentren bis 2035 rund 350 Mio. Tonnen CO2 ausstoßen, etwa 2 % der Emissionen des Stromsektors (Prognose). Eine Firma zeigt, wie weit die Zahlen auseinanderlaufen können: In Googles Berichtsjahr 2025 stieg der Stromverbrauch um 37 % und die Gesamtemissionen um 18 %, während die stromverursachten Emissionen um 3 % sanken (Firmenbericht).

Rebound, Abwärme und Kosten vor Ort

Jede einzelne Antwort wird effizienter, und der Gesamtverbrauch steigt weiter. Googles Energie pro Prompt sank binnen eines Jahres um das 33-Fache, trotzdem wuchs der Stromverbrauch der Rechenzentren weltweit 2025 um rund 17 % und der von KI-Rechenzentren um rund 50 % (IEA). Ökonom:innen nennen das Rebound-Effekt, auch Jevons-Paradoxon nach einer Beobachtung zur Kohle aus dem 19. Jahrhundert: Wird etwas billiger in der Nutzung, nutzen Menschen mehr davon. Sasha Luccioni, Emma Strubell und Kate Crawford folgern, dass Effizienzgewinne bei KI keinen kleineren Fußabdruck garantieren.

Die Wärme selbst kann nützlich sein. Im dänischen Odense speist Metas Rechenzentrum ein Fernwärmenetz: Ammoniak-Wärmepumpen heben die Abwärme auf 70 bis 75 °C, genug für über 12.000 Haushalte im Jahr 2023, so das Ingenieurbüro Ramboll, das an dem Projekt beteiligt war. Solche Projekte brauchen ein Wärmenetz in der Nähe, und die Wärmepumpen verbrauchen selbst Strom. Flüssig gekühlte KI-Schränke liefern wärmeres Kühlmittel, das kann die Nutzung erleichtern.

Andere Kosten fallen vor Ort an. Shaolei Ren und sein Team schätzen, dass Luftschadstoffe von US-Rechenzentren und den Kraftwerken, die sie versorgen, bis 2028 Gesundheitskosten von über 20 Mrd. Dollar pro Jahr verursachen könnten (Prognose). Im von Dürre betroffenen Uruguay und in Chile wehrten sich Anwohner:innen wegen des Wasserverbrauchs gegen Rechenzentrumspläne von Google; in beiden Fällen stellte Google auf Luftkühlung um.

Was das für deine Entscheidungen heißt

Du bezahlst Strom mit jedem API-Aufruf, über den Preis pro Token und deine Kosten pro Aufgabe. Der größte Hebel ist das Modell. Luccionis Messungen zeigen, dass große Allzweckmodelle für einfache Aufgaben weit mehr Energie brauchen als kleine Spezialmodelle, ohne klar bessere Genauigkeit. Unsere Lesart der Quellen: Ein kleines Sprachmodell, Model Routing, das leichte Aufgaben an kleine Modelle schickt, kürzere Prompts, Caching und Stapelverarbeitung senken Energie und Kosten zugleich.

Der zweite Hebel ist die Region. Dieselbe Arbeit hat in einem kohlelastigen Netz einen ganz anderen CO2-Fußabdruck als in einem Netz mit viel Wasserkraft oder Wind, und in Regionen mit Wasserknappheit zählt die Art der Kühlung. Frag deinen Cloud- oder Modellanbieter nach PUE, WUE, dem stündlichen Anteil sauberen Stroms in der Region und nach standort- und marktbasierten Emissionen. Behandle Werte pro Anfrage als Firmenangaben, bis jemand sie prüft. Stapelaufgaben wie Evaluierungen oder Embeddings können zu Stunden oder in Regionen mit saubererem Strom laufen.

Für deine eigene Berichterstattung: Nenn beide Emissionsmethoden und die Systemgrenze jeder Zahl pro Anfrage. In der EU bekommen Rechenzentren ab 500 kW IT-Leistung ein Nachhaltigkeitslabel von A bis G auf Basis von PUE und WUE, die ersten Labels werden 2027 erwartet. Das macht Angaben von Anbietern leichter vergleichbar und verantwortungsvolle KI konkret.

Woraus die Schicht besteht

Kennzahlen, mit Quelle und Datum

• 485 TWhverbrauchten Rechenzentren weltweit 2025, etwa 1,5 % des globalen Stroms. 2024 waren es rund 415 TWh.IEA, Key Questions on Energy and AI · 16.04.2026 · neutral
• +17 %wuchs der Stromverbrauch der Rechenzentren 2025. KI-Rechenzentren legten um rund 50 % zu.IEA · 16.04.2026 · neutral
• rund 950 TWherwartet für Rechenzentren im Jahr 2030, etwa 3 % des globalen Stroms. KI-Rechenzentren kämen auf rund 465 TWh, etwa die Hälfte (nach IEA-Zahlen gerechnet).IEA, Key Questions on Energy and AI · 16.04.2026 · neutral, Prognose
• 0,24 bis 0,34 Whpro typischer Textanfrage, nach Angaben von Google (Gemini) und OpenAI (ChatGPT). Bilder, Video, lange Eingaben und Agenten brauchen weit mehr.Google; OpenAI via IEA · 21.08.2025 · Anbieter
• 1,54betrug der weltweite Durchschnitts-PUE 2025, seit sechs Jahren fast unverändert. Die besten sehr großen Anlagen erreichen 1,1 bis 1,2.Uptime Institute; IEA · 29.07.2025 · Branchenverband
• etwa 12-malso viel Wasser verbrauchten US-Rechenzentren 2023 indirekt über die Stromerzeugung (rund 800 Mrd. Liter) wie direkt für die Kühlung (rund 64 Mrd. Liter).LBNL, summarised by UW-Milwaukee researchers · 25.08.2025 · Wissenschaft
• 5 bis 10 Jahredauert ein Netzanschluss in vielen Ländern. Große Transformatoren brauchen 2 bis 3 Jahre, Gasturbinen etwa 5.IEA · 16.04.2026 · neutral
• 23 %des gemessenen Stroms in Irland gingen 2025 an Rechenzentren, mehr als an alle städtischen Haushalte. 2015 waren es 5 %.Central Statistics Office Ireland via Irish Examiner · 07.07.2026 · Behörde
• 15 bis 27 GWGaskraftwerke direkt an Rechenzentren werden bis 2030 erwartet, vor allem in den USA. Nur etwa ein Fünftel der erfassten Projekte ist begonnen.IEA · 16.04.2026 · neutral, Prognose

Regionen im Vergleich

Drei Muster fallen auf. Etablierte Standorte wie Virginia, Dublin und Amsterdam stoßen an Netzgrenzen. Neue Standorte wie Johor, die nordischen Länder, Indien, Brasilien und der Golf genehmigen im Eiltempo Kapazität. Andernorts würde ein einziger KI-Campus einen großen Teil des nationalen Netzes beanspruchen, etwa in Kenia. Genehmigte, beantragte und wartende Leistung ist weit größer als das, was gebaut wird, darum ist jede Zahl gekennzeichnet.

Quellen: IEA (16.04.2026), EPRI (26.02.2026), Reuters (14.07.2026), Carbon Brief (16.04.2025), Ember (19.06.2025), Linklaters (14.10.2026), CSO über Irish Examiner (07.07.2026), Statnett über Argus (26.03.2026), AMRO (Mai 2026), The Star (20.10.2026), Morgan Lewis (03.03.2026), CEEW (19.01.2026), WEF (23.07.2026), Semafor (06.05.2026), Daily Nation (11.12.2025), Canal Solar (01.06.2026), Logic(s) (01.11.2025). Mehrere Zahlen stammen aus Berichten über das Original. Nationale Statistiken folgen unterschiedlichen Definitionen und sind nicht direkt vergleichbar.

Beispiele

• Microsoft und Constellation wollen das Kernkraftwerk Crane, früher Three Mile Island 1, 2027 wieder anfahren, ein Jahr früher als zunächst geplant (Firmenangabe, September 2025).
• In Texas überstiegen die Anschlussanfragen großer Verbraucher wie Rechenzentren im Januar 2026 230 GW, bei einer Rekord-Spitzenlast von 85 GW (IEA).
• Im dänischen Odense heizt die Abwärme von Metas Rechenzentrum über Fernwärme mehr als 12.000 Haushalte (Ramboll).
• In Kenia bräuchte ein geplantes Rechenzentrum von Microsoft und G42 für 1 Mrd. Dollar etwa ein Drittel der Kraftwerksleistung des Landes und wird wohl nicht gebaut (Semafor, Mai 2026).
• Seit Dezember 2025 müssen neue Rechenzentren in Irland eigene Erzeugung oder Speicher mitbringen und binnen sechs Jahren 80 % ihres Bedarfs aus neuen Erneuerbaren decken (CRU).

Warum es eine Rolle spielt

Die Energieschicht erklärt, warum KI-Kapazität an manchen Orten knapp und an anderen reichlich ist, warum Rechenzentren in die nordischen Länder, nach Johor oder Texas ziehen und warum Strompreise rund um KI-Standorte steigen. In vielen Regionen bestimmt inzwischen das Netz das Tempo des Ausbaus. Jede Verzögerung dort wandert durch den Stack bis in Preis und Verfügbarkeit der Modelle, die du nutzt.

Sie entscheidet auch, was du ehrlich behaupten kannst. Kundschaft, Investor:innen und Behörden fragen nach Energie, Wasser und Emissionen, und das EU-Label sowie das überarbeitete GHG Protocol werden die Antworten vergleichbar machen. Wer den Unterschied zwischen Kapazität und Verbrauch, jährlichem und stündlichem Abgleich, standort- und marktbasierten Zahlen kennt, kann Angaben von Anbietern kritisch lesen.

Häufige Irrtümer

• Eine KI-Anfrage braucht etwa 3 Wh.

  Für einen kurzen Text-Prompt liegen aktuelle Firmenangaben und Schätzungen bei etwa 0,24 bis 0,34 Wh und rund 0,26 ml Wasser vor Ort (Google, OpenAI, Epoch). Lange Eingaben, Bilder, Video und Agenten brauchen weit mehr.

• GW und TWh sind austauschbar.

  GW misst Leistung in einem Moment, TWh Energie über die Zeit. Ein Gigawatt, ein ganzes Jahr lang, liefert höchstens 8,76 TWh.

• Ein niedriger PUE heißt grünes Rechenzentrum.

  PUE misst den Zusatzverbrauch für Kühlung und Stromumwandlung. Über CO2, Wasser oder ungenutzte Chips sagt er nichts, und der weltweite Durchschnitt liegt seit Jahren um 1,54 (Uptime Institute).

• Flüssigkühlung verbraucht viel Wasser.

  Flüssigkühlung im Schrank kann Wasser sparen. Der Wasserverbrauch hängt davon ab, wie das Gebäude seine Wärme abgibt: Kühltürme verbrauchen Wasser, Trockenkühler mehr Strom (LBNL).

• 100 % Ökostrom heißt grüner Strom in jeder Stunde.

  Meist bedeutet es jährlichen Abgleich mit Verträgen und Zertifikaten. Stündlicher Abgleich im selben Netz (24/7) ist der strengere Maßstab, und das GHG Protocol überarbeitet seine Regeln in diese Richtung.

• Kernkraft betreibt die KI schon heute.

  Die meisten Deals sind Verträge über künftigen Strom. Der Neustart von Crane ist für 2027 geplant, die ersten kleinen modularen Reaktoren um 2030 (Constellation, IEA). Bestehende Kraftwerke wie Susquehanna liefern über Verträge.

• Effizientere KI senkt den Gesamtverbrauch.

  Googles Energie pro Prompt sank binnen eines Jahres um das 33-Fache, der Stromverbrauch der Rechenzentren weltweit stieg 2025 um 17 %. Effizienz kann den Gesamtverbrauch steigern, ein Rebound-Effekt (Luccioni, Strubell und Crawford).

Perspektiven führender Fachleute

Zehn Perspektiven aus einer Energieagentur, der Forschung, kritischer Wissenschaft und den Regionen, in denen Rechenzentren entstehen. Jede Zusammenfassung gibt ein veröffentlichtes Werk sinngemäß wieder, verlinkt darunter. Interessen sind gekennzeichnet.

• Fatih Birol

  Exekutivdirektor der Internationalen Energieagentur, Paris · neutral

  Der Stromverbrauch der Rechenzentren stieg 2025 um 17 %, KI-Standorte wuchsen deutlich schneller, und bis 2030 dürfte sich der Verbrauch verdoppeln. Er beschreibt KI als großen neuen Stromverbraucher und zugleich als Werkzeug, um anderswo Energie zu sparen, und betont, dass sichere Stromversorgung die Voraussetzung für KI ist.

  Data centre electricity use surged in 2025 (IEA news release) · 16.04.2026

• Sasha Luccioni und Emma Strubell

  Forscherin bei Hugging Face, Montreal, Kanada, und Forscherin an der Carnegie Mellon University, USA · Wissenschaft

  Bei Messungen an 88 Modellen und zehn Aufgaben brauchte das Erzeugen von Bildern über 1.400-mal so viel Energie wie das Einordnen von Texten. Generative Allzweckmodelle verbrauchten für einfache Aufgaben weit mehr Energie als kleine Spezialmodelle, ohne klar bessere Genauigkeit. Im großen Maßstab übersteigt die Energie fürs Antworten die des Trainings.

  Power Hungry Processing: Watts Driving the Cost of AI Deployment? (ACM FAccT 2024) · Juni 2024

• Shaolei Ren und Mitautoren

  Forschende an der UC Riverside und Partner, arbeiten zu Wasser- und Gesundheitskosten von KI, USA · Wissenschaft

  Rechenzentren und die Kraftwerke, die sie versorgen, stoßen Luftschadstoffe aus, ein Kostenpunkt, der in Nachhaltigkeitsberichten weitgehend fehlt. Das Team erwartet für die USA 2028 Gesundheitskosten von über 20 Mrd. Dollar pro Jahr, Haushalte in den am stärksten betroffenen Bezirken tragen bis zu etwa siebenmal so viel wie der Durchschnitt. Sie schlagen vor, Rechenarbeit zeitlich und räumlich nach Gesundheitskosten zu planen.

  Health-Informed Computing, first published as The Unpaid Toll (arXiv) · 23.10.2025

• Alex de Vries-Gao

  Datenwissenschaftler an der VU Amsterdam, Niederlande · Wissenschaft

  Ausgehend von den gelieferten Chips schätzt er, dass die KI-Beschleuniger aus den Jahren 2023 und 2024 mit kompletten Systemen und Kühlung bis zu 9,4 GW ziehen, vergleichbar mit dem Stromverbrauch der Niederlande. Er argumentiert, dass der Energieverbrauch von KI unterschätzt wird, weil Firmen ihn nicht mehr offenlegen und der EU AI Act Energieangaben nur für das Training verlangt.

  Commentary in Joule, VU Amsterdam news release · 22.05.2025

• Jonathan Koomey

  Präsident von Koomey Analytics, forscht seit Langem zum Stromverbrauch der IT, USA · unabhängige Analyse

  Der künftige Strombedarf von Rechenzentren ist sehr unsicher, weil sowohl der Rechenbedarf als auch die Effizienzgewinne unsicher sind. Er rät Regulierungsbehörden, die Annahmen hinter Prognosen explosiven Wachstums zu prüfen, da Netzanfragen oft aufgebläht oder doppelt gestellt sind und Energieprognosen für IT historisch zu hoch lagen.

  Separating fact from fiction in data center electricity forecasts: a guide for regulators (with GridLab) · 23.03.2026

• Kate Crawford

  Professorin an der USC und Forscherin bei Microsoft Research, in Australien geboren · kritische Forschung

  Firmen halten die Energie- und Wasserdaten von KI weitgehend geheim, und die Hoffnung auf künftige Durchbrüche wie Kernfusion lenkt von dem ab, was heute möglich ist, etwa kleineren Modellen und besserer Bauweise von Rechenzentren. Sie fordert verpflichtende Messung und öffentliche Berichte, unabhängige Prüfungen und gesetzliche Richtwerte, weil freiwillige Maßnahmen selten Verantwortlichkeit schaffen.

  Generative AI's environmental costs are soaring and mostly secret (Nature) · 20.02.2024

• Shabrina Nadhila

  Energieanalystin für Asien beim Thinktank Ember, Jakarta, Indonesien · Politikforschung

  Sonne und Wind könnten bis 2030 bis zu rund 30 % des Rechenzentrumsstroms in Südostasien decken, ohne Batterien. Ohne Gegensteuern droht der Boom die Energiewende der Region zu gefährden; in Malaysia könnte der Bedarf der Rechenzentren von 9 TWh 2024 auf 68 TWh 2030 steigen, etwa 30 % des nationalen Verbrauchs.

  Solar & wind could power up to a third of ASEAN's data centres in 2030 (Ember) · 27.05.2025

• Lee Poh Seng

  Associate Professor an der National University of Singapore, leitet das Sustainable Tropical Data Centre Testbed · Wissenschaft

  Kühlung kann bis zu 40 % des Stroms eines Rechenzentrums ausmachen, vor allem in heißem, feuchtem Klima. Sein Testzentrum will den Energieverbrauch um etwa 40 % und den Wasserverbrauch um 30 bis 40 % gegenüber üblichen Anlagen senken und erprobt dafür Tauchkühlung, direkte Flüssigkühlung am Chip und wärmere Zuluft.

  Taking a byte out of data centre emissions (NUS) · April 2024

• Tania Rodríguez

  Mitglied der Bürgerbewegung MOSACAT, auf der TIME-Liste AI 100 von 2024, Santiago, Chile · kritische Forschung

  Googles ursprünglicher Plan in Cerrillos hätte in einer von jahrelanger Dürre geprägten Region 169 Liter Wasser pro Sekunde entnommen und lief über eine vereinfachte Umweltprüfung. Der Widerstand der Anwohner:innen zwang Google, den Entwurf aufzugeben; sie kritisiert, dass die luftgekühlte Neuplanung ohne neue Prüfung genehmigt wurde.

  Interview with MOSACAT members (Down To Earth) · 26.06.2026

• Karikari Achireko

  Direktor für Unternehmensstrategie und globale Partnerschaften, Africa Sustainable Energy Centre · Politikforschung

  Der Bedarf afrikanischer Rechenzentren liegt heute bei rund 0,4 GW und könnte bis 2030 1,5 bis 2,2 GW erreichen. Weil die Netze von solchen Lasten noch nicht ausgereizt sind, können Länder Strom, Glasfaser und Wasser gemeinsam in ausgewiesenen Zonen planen und faire Regeln festlegen, wer den Netzausbau bezahlt, mit Irland und Amsterdam als Lehrbeispiel.

  Are Africa's power grids ready for the AI data centre boom? (World Economic Forum) · 23.07.2026

Begriffe zu dieser Schicht

• RechenzentrumEin Gebäude voller Server, Speicher und Netzwerktechnik, mit dem Strom und der Kühlung, auf denen KI läuft.
• 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.
• FlüssigkühlungKühlung von Chips mit einer Flüssigkeit, die durch Kühlplatten am Chip oder um den ganzen Server fließt, nötig für dichte KI-Schränke.
• NetzanschlussDie physische Verbindung eines Rechenzentrums mit dem Stromnetz und die Erlaubnis, eine bestimmte Leistung zu beziehen; heute die längste Wartezeit in vielen KI-Projekten.
• StromabnahmevertragEin langfristiger Vertrag über den Kauf von Strom, oft aus einem bestimmten Wind-, Solar- oder Kernkraftwerk; der wichtigste Weg, auf dem KI-Firmen sauberen Strom kaufen.
• Scope-2-EmissionenDie Treibhausgasemissionen aus dem Strom, den eine Firma einkauft, gezählt nach dem örtlichen Netz (standortbasiert) oder nach ihren Verträgen (marktbasiert).
• Rebound-EffektWenn Effizienz etwas billiger in der Nutzung macht, nutzen Menschen mehr davon, und der Gesamtverbrauch kann steigen.
• GPUEin Grafikprozessor: ein Chip, der Tausende einfache Rechnungen gleichzeitig ausführt und dadurch zum Arbeitstier der KI wurde.
• KI-ChipEin Prozessor für die Rechnungen, die KI braucht, etwa eine GPU oder ein Spezialchip. Er tauscht Flexibilität gegen Tempo und Effizienz.
• HBMSehr schneller Speicher, direkt neben einem KI-Chip gestapelt, damit seine Rechenkerne nie auf Daten warten. 2025 war er ein zentraler Engpass.
• 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.
• TokenDas kleine Textstück, das ein Modell liest und schreibt. Preis, Geschwindigkeit und Speichergrenzen werden alle in Tokens gezählt.
• Reasoning-ModellEin Modell, das vor der finalen Antwort Zwischenschritte erzeugt und so Zeit und Tokens gegen bessere Ergebnisse bei schweren Aufgaben tauscht.
• KI-AgentEin Modell mit Zugang zu Tools und einem Ziel, damit es selbst Schritte ausführen kann, statt nur zu antworten.
• Kosten pro AufgabeWas ein fertiges Arbeitsergebnis mit KI wirklich kostet: Tokens, Tools, Wiederholungen und die Zeit, die ein Mensch zum Prüfen braucht.
• Kleines SprachmodellEin kompaktes Sprachmodell, das schnell und günstig läuft, oft auf Laptop oder Smartphone, auf Kosten mancher Fähigkeiten.
• Model RoutingJede Anfrage an das Modell schicken, das am besten passt: klein und günstig für einfache Aufgaben, groß für schwierige.
• Cloud ComputingRechenleistung, Speicher und Software über das Internet nach Bedarf mieten, statt eigene Rechner zu betreiben.
• EmbeddingsText, umgewandelt in Zahlenlisten, die seine Bedeutung erfassen. Die Grundlage für semantische Suche und RAG.
• Verantwortungsvolle KIKI so entwickeln und nutzen, dass sie fair, sicher, transparent und nachvollziehbar verantwortet ist, im Alltag nachweisbar.

Quellen

1. Key Questions on Energy and AI (full report), International Energy Agency, 16.04.2026
2. Key Questions on Energy and AI: executive summary, International Energy Agency, 16.04.2026
3. Data centre electricity use surged in 2025, International Energy Agency, 16.04.2026
4. Powering the Digital Economy: key questions on energy and AI (presentation), IEA, at the Asia Clean Energy Forum, 11.06.2026
5. 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory, Dezember 2024
6. Backlog of power plants seeking grid connection eased somewhat in 2025 (Queued Up), Lawrence Berkeley National Laboratory, 01.07.2026
7. Global Data Center Survey 2025, Uptime Institute, 29.07.2025
8. GB200 NVL72 rack, Supermicro (vendor), Oktober 2026
9. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (vendor), 21.08.2025
10. How much energy does ChatGPT use?, Epoch AI, 07.02.2025
11. AI data centre power capacity, Epoch AI, 16.01.2026
12. From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI, Luccioni, Strubell, Crawford (FAccT 2025), 13.06.2025
13. Data centers consume massive amounts of water, companies rarely say exactly how much, McCauley and Scanlan, The Conversation, republished by Civil Beat, 25.08.2025
14. Data centers' diesel generators are a top concern for Virginians, Ivy Main, Virginia Mercury (commentary), 14.01.2026
15. Grids for data centres: ambitious grid planning can win Europe's AI race, Ember, 19.06.2025
16. Transformers in 2026: shortage, scramble or self-inflicted crisis?, POWER magazine, citing Wood Mackenzie, 02.01.2026
17. Data centre copper demand, MINING.COM, citing BloombergNEF, 12.08.2025
18. PJM capacity auction for 2027/28, Utility Dive, 18.12.2025
19. US grid headroom for flexible loads (Duke University study), Utility Dive, 11.02.2025
20. Powering Intelligence 2026, EPRI, via Energy Digital, 26.02.2026
21. Crane Clean Energy Center ahead of schedule, Constellation (vendor), 23.09.2025
22. Amazon, Meta, Google, Microsoft account for half of global clean energy purchases in 2025, ESG Today, citing BloombergNEF, 23.02.2026
23. What does 24/7 carbon-free energy mean?, David Roberts, Canary Media, 12.11.2021
24. Scope 2 standard advances to consultation, GHG Protocol, 01.08.2025
25. Data centre emissions over 660% more than Meta, Microsoft, Google and Apple report, TechInformed, citing a Guardian analysis, 16.09.2024
26. Google's AI boom drives up emissions and power use, Axios, 30.06.2026
27. Meta surplus heat to district heating, Odense, Ramboll (engineering firm on the project), 2023
28. Exposing Google's seizure of water in drought-impacted Uruguay, Logic(s) magazine, interview with Daniel Pena and Enol Nieto Jiménez, 01.11.2025
29. EU Commission adopts data centre sustainability rating scheme, Linklaters, 14.10.2026
30. Factbox: where authorities are restricting data centres amid AI boom, Reuters, via WHBL, 14.07.2026
31. Data centres used 23% of Ireland's electricity in 2025, Irish Examiner, citing the Central Statistics Office, 07.07.2026
32. Explainer: how China is managing the rising energy demand from data centres, Yuan Ye, Carbon Brief, 16.04.2025
33. Nordic data centres to support power demand growth, Argus, citing Statnett, 26.03.2026
34. Data centre boom in Malaysia, ASEAN+3 Macroeconomic Research Office (AMRO), Mai 2026
35. 12.3 GW energy capacity approved for data centres, The Star, parliamentary reply, 20.10.2026
36. Singapore announces data centre capacity allocation call, Morgan Lewis, 03.03.2026
37. Why India must plan for AI data centres' energy and water footprint, Council on Energy, Environment and Water (CEEW), 19.01.2026
38. Energy shortfall scuppers Kenya's 1 billion dollar Microsoft data centre, Semafor, 06.05.2026
39. Brazil receives 38 GW of grid access requests for data centres, Canal Solar, 01.06.2026
40. AI and the environment: Kenya pushes global accountability for data centre emissions, Kimani Mwangi, Daily Nation, 11.12.2025