Rechenzentren: Was der KI-Boom fürs Stromnetz bedeutet

Wenn du einen KI-Chat nutzt, ein Bild generieren lässt oder große Datenmengen in der Cloud speicherst, läuft im Hintergrund ein Rechenzentrum. Diese Anlagen verbrauchen schon heute enorme Mengen Strom. Mit dem KI-Boom hat sich das Tempo jedoch deutlich erhöht. Neue Hochleistungsserver, sogenannte Beschleuniger für künstliche Intelligenz, ziehen erheblich mehr Leistung als klassische Server.

Die Internationale Energieagentur geht in ihrem Bericht “Electricity 2024” davon aus, dass Rechenzentren im Jahr 2022 weltweit rund 460 Terawattstunden Strom verbrauchten. Für 2026 nennt sie je nach Szenario Werte zwischen etwa 620 und bis zu 1.050 Terawattstunden. Im oberen Szenario würde sich der Verbrauch damit gegenüber 2022 mehr als verdoppeln.

In Großbritannien reagiert die Regulierungsbehörde Ofgem auf diese Entwicklung. Sie sieht durch den wachsenden KI-Strombedarf Risiken für Netzstabilität und Versorgungssicherheit und verlangt von Energieunternehmen einen verantwortungsvollen Umgang mit KI und ihren Energieeffekten.

Der steigende Rechenzentren Stromverbrauch hat mehrere Ursachen. Laut IEA lag der weltweite Bedarf 2022 bei rund 460 Terawattstunden. Im Basisszenario für 2026 rechnet die Agentur mit etwa 800 Terawattstunden. Das wäre ein Plus von rund 340 Terawattstunden innerhalb von vier Jahren.

Umgerechnet entspricht dieses zusätzliche Volumen einer dauerhaften Leistung von fast 39 Gigawatt. Das ist mehr als die kombinierte Kraftwerksleistung mehrerer großer Industrieländer. Im hohen Szenario mit bis zu 1.050 Terawattstunden läge der Mehrbedarf sogar bei rund 590 Terawattstunden. Das entspräche über 67 Gigawatt Dauerlast.

Treiber sind vor allem KI-Beschleuniger. Die IEA geht davon aus, dass diese spezialisierten Chips etwa die Hälfte des zusätzlichen Verbrauchs ausmachen. Sie ermöglichen komplexe KI-Modelle, benötigen aber deutlich mehr Energie pro Serverrack. Hinzu kommen Kühlung und Stromversorgungstechnik. Selbst wenn die Effizienz pro Recheneinheit steigt, kann die Gesamtmenge an installierter Hardware den Effekt überkompensieren.

“Der Strombedarf von Rechenzentren könnte sich bis 2026 nahezu verdoppeln”, fasst die IEA ihre Szenarien zusammen.

Entscheidend ist also nicht nur, wie effizient einzelne Chips arbeiten, sondern wie viele davon weltweit in Betrieb gehen. Genau hier liegt die Unsicherheit für Netzbetreiber.

Ofgem veröffentlichte 2025 Leitlinien zum ethischen Einsatz von KI im Energiesektor. Darin geht es nicht um ein pauschales Verbot oder feste Obergrenzen. Die Behörde verlangt vielmehr, dass Energieunternehmen Risiken systematisch bewerten, ihre KI-Anwendungen transparent steuern und auch die Auswirkungen auf Energieverbrauch und Nachhaltigkeit berücksichtigen.

Hintergrund ist die Sorge, dass stark wachsende Rechenzentrumsprojekte lokale Netze überlasten könnten. Neue Großanschlüsse entstehen oft konzentriert in bestimmten Regionen. Dort stoßen Umspannwerke und Leitungen schneller an Grenzen als die nationale Erzeugungskapazität.

Ofgem betont deshalb Governance und Planung. Netzbetreiber sollen frühzeitig prüfen, ob zusätzliche Kapazitäten nötig sind und wie lange Genehmigungen und Bau dauern. Solche Prozesse ziehen sich häufig über mehrere Jahre. Wenn Rechenzentren schneller ans Netz gehen als Leitungen verstärkt werden, entstehen Engpässe.

Zunächst betrifft der zusätzliche Bedarf die Netzbetreiber. Sie müssen Transformatoren, Leitungen und Umspannwerke ausbauen. Das kostet Zeit und Kapital. In regulierten Märkten werden diese Investitionen über Netzentgelte refinanziert. Damit können mittelbar auch Haushalte und Unternehmen belastet werden, selbst wenn sie keine KI nutzen.

Für die Industrie ist die Frage der Versorgungssicherheit zentral. Wenn in bestimmten Regionen mehrere große Rechenzentren gleichzeitig ans Netz gehen, kann das die verfügbare Anschlussleistung für andere Betriebe einschränken. Projekte verzögern sich dann oder müssen an andere Standorte ausweichen.

Auch die Politik gerät unter Druck. Einerseits gelten KI und Cloud-Infrastruktur als wirtschaftlich wichtig. Andererseits müssen Klimaziele und Netzstabilität eingehalten werden. Die IEA weist darauf hin, dass Effizienzgewinne bei Servern zwar helfen, aber das starke Wachstum der installierten Leistung den Gesamtverbrauch dennoch deutlich steigen lässt.

Eine Option ist mehr Eigenerzeugung. Einige Betreiber setzen auf direkte Stromlieferverträge mit Wind- oder Solarparks. Das entlastet jedoch nicht automatisch das lokale Netz, wenn die physische Einspeisung an anderer Stelle erfolgt.

Wichtig ist auch Lastmanagement. Rechenzentren können bestimmte Aufgaben zeitlich verschieben. Wenn die Software darauf ausgelegt ist, lassen sich nicht kritische Berechnungen in Zeiten mit niedriger Netzlast verlegen. Technisch erfordert das flexible IT-Architekturen und klare Verträge mit Netzbetreibern.

Effizientere Kühlung spielt ebenfalls eine Rolle. Verbesserungen beim sogenannten PUE-Wert, also dem Verhältnis von Gesamtstromverbrauch zu reiner IT-Leistung, können den Zusatzbedarf dämpfen. Laut IEA entfällt ein spürbarer Teil des Mehrverbrauchs auf Kühlung und Infrastruktur.

Schließlich wird über Standortwahl diskutiert. Regionen mit stabilen Netzen, kühlerem Klima oder vorhandener Industrieabwärmenutzung gelten als günstiger. Dennoch bleibt der grundlegende Trend bestehen: Mehr KI-Anwendungen bedeuten mehr physische Infrastruktur.

Der weltweite Strombedarf von Rechenzentren könnte sich laut IEA bis 2026 nahezu verdoppeln. Für Großbritannien und andere Industrieländer heißt das: Das Thema ist kein Randphänomen, sondern eine Frage der Infrastrukturplanung. Ofgem fordert deshalb klare Regeln und ein systematisches Risikomanagement beim Einsatz von KI im Energiesektor.

Ob sich die hohen Szenarien realisieren, hängt davon ab, wie schnell neue KI-Hardware installiert wird und wie stark Effizienzgewinne gegensteuern. Sicher ist nur, dass Stromnetze nicht beliebig skalieren. Jede zusätzliche Dauerlast von mehreren Gigawatt muss physisch angeschlossen, verteilt und abgesichert werden.