Die Internationale Energieagentur (IEA) hat neue Prognosen veröffentlicht: Bis Ende 2026 wird der weltweite Stromverbrauch von Rechenzentren die Marke von 1000 TWh überschreiten – das entspricht dem gesamten jährlichen Stromverbrauch Japans.
Zum Vergleich: 2022 lag dieser Wert bei 460 TWh, was einer mehr als Verdopplung in weniger als vier Jahren entspricht.
Woher kommt das Wachstum hauptsächlich?
Der Großteil geht auf das Konto von KI.
Konkret handelt es sich um zwei Arten von Aufgaben: KI-Modelltraining (immer weniger Akteure) und KI-Inferenz (immer mehr Nutzer).
In einem Bericht vom Januar 2026 schätzte Bloom Energy, dass der Energiebedarf von US-Rechenzentren von 80 GW im Jahr 2025 auf 150 GW im Jahr 2028 steigen wird – eine nahezu Verdopplung in drei Jahren, fast vollständig getrieben durch KI.
Die US-Energieinformationsbehörde (EIA) blickt noch weiter: Bis 2030 könnten Rechenzentren 12 % des gesamten US-Stromverbrauchs ausmachen, gegenüber 4 % heute.
Allein von der Größenordnung her: Eine große KI-Trainingsanlage benötigt zwischen 100 MW und 1000 MW dedizierte Stromversorgung; die größte Anlage entspricht dem Bedarf von 800.000 durchschnittlichen Haushalten.
Das Stromnetz wird belastet
Dies sind nicht nur abstrakte Energieverbrauchszahlen – sie wirken sich bereits auf reale Menschen aus.
In einer Analyse vom März wies Consumer Reports darauf hin, dass in Regionen mit hoher Rechenzentrumsdichte wie Virginia, Texas und Georgia die Stromrechnungen der Haushalte um 8 % bis 15 % gestiegen sind.
Dies wirft eine interessante politische Frage auf: Wer soll für den KI-Strom bezahlen?
Rechenzentrumsbetreiber erhalten in der Regel Vorzugstarife für Großkunden, während die Strompreise für Haushalte weiter steigen. Die Kontroverse um diese Strompreisstruktur zeichnet sich in diesen Bundesstaaten bereits ab.
Allerdings kam gestern (9. April) eine neue Studie zu dem Schluss, dass es vorerst keine direkten Beweise für einen kausalen Zusammenhang zwischen KI-Rechenzentren und steigenden Haushaltsstrompreisen gibt – die Debatte dauert an.
Das Problem der Stromversorgung
Bei einem so großen Zuwachs – woher soll der Strom kommen?
Die großen Technologieunternehmen verfolgen unterschiedliche Ansätze:
- Amazon, Google und Microsoft schließen in großem Umfang Stromabnahmeverträge (PPA) ab, um Wind- und Solarenergie zu sichern
- Microsoft hat einen Teil des Stroms aus dem Kernkraftwerk Three Mile Island zurückerhalten
- Google erforscht kleine modulare Kernreaktoren (SMR)
- Einige Rechenzentren versuchen, nahegelegene Gaskraftwerke zu errichten
Kernenergie wird von der KI-Branche aufgrund ihrer Grundlaststabilität (wetterunabhängig) wieder favorisiert. Allerdings sind die Bauzyklen für Kernkraftwerke zu lang, um die Lücke kurzfristig zu schließen.
Wird dies zu einer harten Grenze für die KI-Entwicklung?
Auf algorithmischer Ebene verbessert sich die Modelleffizienz tatsächlich – Kimi, DeepSeek und Meta Muse Spark geben alle an, mit weniger Rechenleistung gleichwertige Ergebnisse zu erzielen. Der Strombedarf ist jedoch eine Gesamtgröße: Selbst wenn die Kosten pro Inferenz sinken, wachsen die Nutzerzahlen und die Aufrufhäufigkeit schneller.
Die eigentliche Grenze könnte nicht die Rechenleistung sein, sondern der Strom.
Einige Analysten beginnen bereits, Energiebeschränkungen anstelle von Rechenleistungsbeschränkungen zu verwenden, um die Wachstumsgrenzen von KI zu beschreiben. In einigen Regionen ist es schwieriger, eine Baugenehmigung und eine stabile Stromversorgung mit großer Kapazität zu erhalten, als eine GPU zu kaufen.
Quellenangabe: Energy demand from AI (IEA); CocoLoop, The AI Data Center Power Crisis: How Big Tech's 125 GW Problem Threatens the Grid (tech-insider.org); AI Data Center Energy Consumption Projections 2026 (ZestLab)