AI braucht Strom: Warum Kernenergie Rechenzentren die Zukunft sein kann

Kurz und persönlich: KI‑Modelle brauchen Strom, und das deutlich mehr als viele erwarten. Studien (u. a. IEA) zeigen, dass Rechenzentren‑Stromverbrauch in den nächsten Jahren stark steigen kann. Vor diesem Hintergrund gewinnt die Frage an Gewicht, ob Kernenergie für Rechenzentren – konkret: Kernenergie für Rechenzentren – nur ein Stoßrichtung im Diskurs ist oder ein praktikabler, skalierbarer Pfad zur Verlässlichkeit von 24/7‑Leistung.

Die einfache Wahrheit ist, dass große KI‑Modelle und ihre Trainingsläufe massiv Energie ziehen. Die IEA beziffert den globalen Rechenzentrums‑Stromverbrauch 2024 auf rund 415 TWh und rechnet in einem Basisfall mit etwa 945 TWh bis 2030, wobei AI‑Workloads ein zentraler Treiber sind. Medien und Kommentare haben dabei eine verbreitete Zahl popularisiert: “60 %” — diese Zahl wird oft falsch interpretiert. Tatsächlich beschreibt sie in vielen Analysen den Anteil von Servern und Compute‑Hardware am internen Stromverbrauch eines modernen Rechenzentrums, nicht einen pauschalen 60 %igen Anstieg des Gesamtstrombedarfs durch AI.

“60 % bezeichnet oft den Anteil von Compute am RZ‑Strom, nicht das prognostizierte Wachstum.”

Das ist eine relevante Unterscheidung: Wenn Server allein 60 % eines Standorts verbrauchen, heißt das nicht automatisch, dass AI die nationalen Netze sprengt — aber es zeigt, wo Effizienzgewinne ansetzen müssen: bessere Chips, optimierte Auslastung, spezialisiertes Design für Inference vs. Training.

Ein kurzer Datenüberblick in Tabelleform:

Kurz: Der Trend ist solide belegt, die Bandbreiten aber groß. Prognosen unterscheiden sich stark nach Effizienzannahmen und der Frage, wie schnell Hyperscaler Trainings‑ und Inference‑Workloads verlagern oder optimieren.

SMR — kleine modulare Reaktoren — werden oft als Flexibel‑Alternative zur klassischen Großtechnik beschrieben. Für Rechenzentren bieten sie drei offensichtliche Eigenschaften: stabile 24/7‑Leistung, kleinere Flächenanforderungen und modulare Erhöhung der Kapazität. Gerade Hyperscaler suchen verlässliche, CO2‑arme Energiequellen für latency‑kritische AI‑Workloads, die nicht vom volatilen Tagesangebot erneuerbarer Quellen abhängen.

Technisch betrachtet sind SMR‑Designs darauf ausgelegt, standardisiert und in Serie produziert zu werden, was die Bauzeiten und Risiken gegenüber maßgeschneiderten Großprojekten reduzieren kann. Sie benötigen zwar weiterhin Genehmigungen und eine Lieferkette für spezielle Brennstoffe (z. B. TRISO bei manchen Designs), doch die Option, Leistung inkrementell zu erweitern, passt zu den Wachstumszyklen von Rechenzentren.

Wichtig ist die nüchterne Perspektive: SMR sind keine sofort verfügbare Wunderwaffe. Viele Zeitpläne der Industrie setzen erste kommerzielle Einheiten in den späten 2020er Jahren an — das heißt, bis 2030 sind erste Anlagen möglich, flächendeckende Deployments brauchen mehr Zeit. Zusätzlich bleibt die Frage, wie Betreiber PPA‑Modelle, Direktbeteiligungen oder gar lokale Co‑Location strukturieren: Wer trägt das Bau‑ und Zulassungsrisiko, wer kommt für Netzausbau auf?

Aus Sicht der Nachhaltigkeit hat Kernenergie zwei klare Vorteile: sie kann sehr niedrige direkte CO2‑Emissionen aufweisen, und sie liefert planbare Grundlast. Das harmoniert mit Zielen, AI‑Workloads CO2‑neutral zu betreiben. Gleichzeitig müssen Sicherheits‑, Rückbau‑ und Abfallfragen öffentlich und transparent adressiert werden — sonst bleiben soziale Akzeptanz und lokale Genehmigungen das größere Hindernis als die Technik selbst.

Fazit dieses Kapitels: SMR können eine robuste technische Antwort auf wachsende, dauerhafte Energiebedarfe sein — Kernenergie für Rechenzentren bleibt eine praktikable Option, wenn Politik, Netzbetreiber und Betreiberengagement Hand in Hand gehen.

Konkrete Signale kommen von den größten Nachfragern: Google, Amazon, Meta und andere haben 2024/2025 Partnerschaften, PPAs und Investments angekündigt, die SMR‑Projekte ermöglichen sollen. Google unterzeichnete eine Absichtserklärung mit Kairos Power für bis zu 500 MW 24/7‑Kapazität; Amazon investierte in X‑energy und unterstützt SMR‑Projekte in den USA; Meta schloss langfristige Verträge und sucht aktiv zusätzliche nukleare Offtake‑Optionen.

Warum tun sie das? Drei Gründe dominieren: 1) Planungssicherheit — AI‑Workloads mögen nicht warten, 2) CO2‑Reduktion im Portfolio, um Klimaziele Glaubwürdigkeit zu verleihen, und 3) Preissicherheit über lange PPA‑Verträge. Für Konzerne mit globalen Rechenzentrumsumgebungen ist die Möglichkeit, „fertige“ 24/7‑Leistung zu sichern, politisch und wirtschaftlich attraktiv.

Doch diese Deals sind nicht gleichbedeutend mit sofortiger, landesweiter Versorgung. Viele Vereinbarungen sind terminiert auf die frühen 2030er, solange Herstellerkapazitäten, Zulassungen und Netzanschlüsse noch aufgebaut werden müssen. Außerdem sind Vertragsdetails selten vollständig öffentlich: Risiken, Preisformeln, und wer Bau‑ sowie Betriebsrisiken trägt, bleiben oft vertraulich.

Ein weiteres Risiko: Konzentration. Wenn große Hyperscaler lokale SMR‑Kapazität beanspruchen, entsteht ein Wettbewerbsfeld mit anderen Großabnehmern und möglicher Konkurrenz um Netzkapazitäten. Regionen mit schwacher Planungsinfrastruktur könnten Verzögerungen erleben — was wiederum die geplanten Deployments verschiebt.

Insgesamt zeigen die Mega‑Deals, dass Tech‑Konzerne bereit sind, Kapital und politische Reputation zu nutzen, um langfristige Energieversorgung zu sichern. Für Außenstehende bleibt die Empfehlung: Verträge kritisch prüfen, regulatorische Timelines abgleichen und Lieferketten‑Risiken beachten.

Die größte Unbekannte ist nicht die Reaktortechnik, sondern das Netz. IEA und nationale Behörden warnen: Ohne beschleunigten Netzausbau und klarere Interconnection‑Regeln können Projekte blockiert oder Jahre verzögert werden. Das betrifft sowohl große Wind‑/Solar‑Projekte als auch SMR‑Standorte — beide brauchen Anschlusskapazität, Einspeise‑Management und Reservekonzepte.

Kurzfristig bis 2030 sind drei Szenarien plausibel: 1) moderates Wachstum mit Effizienzgewinnen (Netz passt nach und nach), 2) beschleunigtes Ausbau‑Szenario mit starken politischen Eingriffen, und 3) verzögertes Szenario, in dem Genehmigungen/Netzengpässe Deployments ausbremsen. Die IEA‑Bandbreite in ihren Szenarien bleibt groß, was die Planungsunsicherheit reflektiert.

Politische Hebel, die jetzt wirken können: beschleunigte Netzanschlussverfahren, verbindliche Kapazitätszuweisungen für kritische Infrastruktur, Förderprogramme für lokale Fertigung von SMR‑Modulen und klare Regeln für PPA‑Vergütung. Technisch helfen Flexibilitätsmechanismen: Lastmanagement, Batteriespeicher, und hybride Lösungen, die SMR mit erneuerbaren Quellen kombinieren.

Für Betreiber heißt das konkret: Risikostreuung. Kombinierte Strategien (PPA + lokale Speicher + Demand‑Response) reduzieren Abhängigkeit von einem einzigen Pfad. Regierungen müssen Planungssicherheit schaffen; nur so können SMR‑Investitionen in die reale Produktion und in Netzstabilität übersetzt werden.

In der Balance zwischen Ambition und Realismus liegt die Chance: Wenn Politik, Industrie und Netzbetreiber koordiniert handeln, lassen sich bis 2030 sinnvolle Pilot‑Deployments erreichen, die AI‑Workloads verlässlich, CO2‑arm und wirtschaftlich betreiben.

AI treibt den Strombedarf von Rechenzentren deutlich nach oben – das belegen aktuelle IEA‑Analysen. Kleine modulare Reaktoren bieten eine technisch plausible und CO2‑arme Option für planbare 24/7‑Leistung. Gleichzeitig sind Netzkapazität, Zulassungen und soziale Akzeptanz die kritischen Pfade, die über Erfolg oder Verzögerung entscheiden.

Kurz: Kernenergie für Rechenzentren ist kein Allheilmittel, aber eine ernstzunehmende Komponente in einem diversifizierten Versorgungsmix.