KI-Rechenzentren könnten Britanniens Strombedarf stark erhöhen

Wenn du deine Stromrechnung öffnest, denkst du vermutlich nicht an Rechenzentren. Doch genau dort entscheidet sich zunehmend, wie stark das britische Stromnetz belastet wird. KI-Modelle, Cloud-Dienste und große Datenplattformen laufen in Anlagen, die rund um die Uhr enorme Mengen Energie ziehen.

Nach aktuellen Analysen des National Energy System Operator, kurz NESO, lag der Stromverbrauch netzgebundener Rechenzentren 2024 bei rund 7,6 Terawattstunden. Das entsprach etwa 2 Prozent des britischen Strombedarfs. Bis 2035 könnte dieser Wert auf 20 bis 41 Terawattstunden steigen, je nach Szenario.

Das ist mehr als eine technische Randnotiz. Hinter diesen Zahlen stehen neue Anschlussanträge im Gigawatt-Bereich, regionale Engpässe und die Frage, wer den Ausbau von Leitungen, Umspannwerken und Reservekapazitäten bezahlt. Es geht also um Infrastruktur, nicht um Schlagzeilen über Chatbots.

Die britische Energieregulierung selbst veröffentlicht keine eigene, isolierte KI-Prognose. Die maßgeblichen Zahlen stammen vom NESO und aus der “Future Energy Scenarios 2025”-Analyse. Dort wird der Strombedarf von Rechenzentren systematisch modelliert und in verschiedene Entwicklungspfade eingeordnet.

Ausgangspunkt ist das Jahr 2024 mit rund 7,6 Terawattstunden Stromverbrauch für netzgebundene Rechenzentren. Für 2035 reichen die Projektionen von etwa 20 bis 41 Terawattstunden. Selbst das untere Szenario entspräche rund dem 2,6-Fachen des heutigen Werts, das obere käme auf mehr als das Fünffache.

Laut “Future Energy Scenarios 2025” steigt der Strombedarf britischer Rechenzentren bis 2035 je nach Entwicklungspfad auf 20 bis 41 Terawattstunden pro Jahr.

Je nach Gesamtentwicklung des Stromsystems würde das 2035 etwa 5 bis 12 Prozent des landesweiten Stromverbrauchs ausmachen. Der Anteil hängt davon ab, wie stark Elektrifizierung in anderen Sektoren vorankommt und wie schnell erneuerbare Energien ausgebaut werden.

Diese Spanne erklärt auch, warum manche von einer möglichen Verdopplung sprechen, während andere deutlich höhere Zuwächse erwarten. Die Modelle berücksichtigen unter anderem den Anteil von KI-Workloads, die Leistungsdichte pro Rack und Effizienzwerte wie den sogenannten PUE, also das Verhältnis von Gesamtenergie zu reiner IT-Leistung.

Rechenzentren sind keine homogenen Verbraucher. Klassische Unternehmens-Server haben andere Lastprofile als große Hyperscale-Anlagen mit KI-Training. Laut der “Data Centre Impact Study” von National Grid DSO lag die installierte netzgebundene Leistung 2024 bei rund 2,4 Gigawatt.

Mit dem wachsenden Anteil an KI-Anwendungen steigt die Leistungsdichte pro Rack deutlich. Für KI-optimierte Racks werden in der Studie Werte von etwa 50 bis 120 Kilowatt genannt. Das verändert nicht nur den Jahresverbrauch, sondern auch die Spitzenlast.

Hinzu kommt die Pipeline an Anschlussanträgen. Allein im Lizenzgebiet von National Grid Electricity Distribution summieren sich akzeptierte Angebote auf rund 1,7 Gigawatt zusätzlicher Leistung. Solche Zahlen zeigen, dass der Druck nicht theoretisch ist. Er entsteht durch konkrete Projekte mit beantragter Netzkapazität.

Das Stromnetz muss diese Lasten aufnehmen können. Engpässe entstehen vor allem dort, wo mehrere große Rechenzentren an denselben Umspannwerken hängen oder wo Leitungen historisch nicht für solche Dauerlasten ausgelegt wurden.

Für Haushalte wird das Thema über zwei Wege relevant. Erstens beeinflusst zusätzlicher Strombedarf die Großhandelspreise, wenn Erzeugung und Netze nicht im gleichen Tempo wachsen. Zweitens steigen Investitionen in Netzausbau und Systemstabilität, die über Netzentgelte refinanziert werden.

Industriebetriebe konkurrieren in manchen Regionen direkt um Anschlusskapazitäten. Wenn Transformatoren oder Leitungen ausgelastet sind, müssen Projekte warten oder teure Verstärkungen finanzieren. Das kann Standortentscheidungen beeinflussen.

Netzbetreiber stehen vor der Aufgabe, Lastprognosen mit hoher Unsicherheit zu managen. Die Studien weisen selbst darauf hin, dass frühe Messdaten große Hyperscale-Standorte noch nicht vollständig abbilden. Das erschwert eine präzise Planung von Reserveleistung und Flexibilitätsoptionen.

Die Politik wiederum muss abwägen, wie stark sie KI-Infrastruktur fördern will und welche Bedingungen sie an neue Standorte knüpft. Es geht um Industriepolitik, aber ebenso um Systemkosten und Akzeptanz.

Auf regulatorischer Ebene treibt Ofgem Reformen der Anschlussverfahren und der Datentransparenz voran. Ziel ist es, Netzkapazitäten schneller und nachvollziehbarer zu vergeben. Eine eigene KI-spezifische Verbrauchsprognose veröffentlicht die Behörde jedoch nicht.

Technisch setzen viele Szenarien auf Effizienzsteigerungen. Der PUE-Wert moderner Anlagen kann laut Studie von durchschnittlich etwa 1,6 auf 1,1 sinken. Das reduziert den zusätzlichen Netzbezug pro Recheneinheit spürbar, ändert aber nichts an der absoluten Größenordnung bei stark wachsendem Bedarf.

Weitere Optionen sind eigene Stromerzeugung auf dem Gelände, langfristige Stromlieferverträge mit erneuerbaren Anlagen oder Batteriespeicher zur Glättung von Lastspitzen. Solche Maßnahmen entlasten einzelne Netzpunkte, verschieben aber die Systemfrage nicht vollständig.

Am Ende bleibt der zeitliche Faktor entscheidend. Die Szenarien zielen auf 2035. Netzausbauprojekte benötigen oft viele Jahre Planung und Genehmigung. Wenn Anschlussanträge schneller wachsen als Leitungen gebaut werden, verschärft sich der Druck automatisch.

Die offiziellen britischen Szenarien zeigen klar, dass der Strombedarf von Rechenzentren bis 2035 deutlich steigen kann. Ausgehend von 7,6 Terawattstunden im Jahr 2024 reichen die Projektionen bis zu 41 Terawattstunden. Damit wird der KI-Rechenzentren Stromverbrauch zu einem relevanten Faktor im Strommix und in der Netzplanung.

Für dich als Verbraucher bedeutet das keine unmittelbare Rechnung in fester Höhe. Es bedeutet aber, dass Investitionen in Netze, Flexibilität und Erzeugung künftig stärker auch durch digitale Infrastruktur getrieben werden. Wie stark sich das auf Strompreise und Netzentgelte auswirkt, hängt davon ab, wie schnell Ausbau und Effizienz mithalten.