KI-Rechenzentren: Strom entscheidet über den Standort
Damit Du Risiken und Chancen für Dein Geschäft erkennst
Ein Beitrag der New York Times hat mich inspiriert: KI verschlingt Strom. Ich prüfe, wo Deutschland steht, wer in der Elektronik profitiert und was das für Dich als KI-Anwender bedeutet.
Reifegrad der Situation: Markt im Aufbau – die meisten Zahlen sind Prognosen und Schätzungen (Stand 17.10.2026)
Mein Rat an Dich
In meinen Berufsjahren waren amerikanische Businesserfahrungen und -Entwicklungen immer Vorbild und richtungsweisend. Nicht zuletzt Grund, warum ich 25 Jahre in Kalifornien gelebt habe. Man lernt und erlebt dort, wie schnell die USA Business und Infrastruktur hochziehen, wenn es um etwas geht. Und bei KI geht es um alles. Man will besser, schneller sein als China. Beim KI-Training holen wir Deutsche diesen Vorsprung nicht mehr ein. Das muss uns aber nicht lähmen.
- Trennung von Training und Deiner Nutzung. Training soll dorthin, wo Strom billig ist. Die Nutzung mit Deinen Firmendaten gehört nach Deutschland oder in die EU.
- Sichere Dein heutiges Investment in KI-Anwendungen ab. Wie das geht, zeige ich Dir in Teil 2 dieser Reihe.
- Erkenne die Chancen in der Elektronik. Wer Leistungshalbleiter, Stromversorgung oder Kühlung liefert, verdient am Ausbau mit, egal wo die Rechenzentren stehen.
Was in den USA gerade diskutiert wird
Die New York Times hat am 15. Oktober vorgerechnet, warum KI so viel Strom braucht. Ihre Kernthese: Die Branche setzt auf rohe Rechenkraft, und jede Modellgeneration verlangt ein Vielfaches an Rechenoperationen.
Der Inhalt zusammengefasst:
- Mit stetigem Leistungszuwachs werden KI-Modelle immer mächtiger und liefern messbar bessere Ergebnisse.
- Bessere Modelle entstehen durch rohe Rechenkraft („Brute Force“): immer mehr Parameter, mehr Daten und astronomisch viele Rechenschritte im Training.
- Der explodierende Energiebedarf führt zu immens steigenden Kosten für Hardware, Strom und CO₂-Emissionen sowie zu steigenden laufenden Betriebskosten („Inference Costs“), weil „denkende“ Reasoning-Modelle und KI-Agenten immer mehr Text erzeugen.
- Das führt zu Herausforderungen für Klimaziele, weil der gigantische Energiehunger moderner Rechenzentren die bisherigen Nachhaltigkeits- und Klimaziele (Net-Zero) der Tech-Konzerne ins Wanken bringt.
Die Kernaussagen:
- Der Ressourcenverbrauch: Das Training von Modellen verschlingt Hunderte Millionen Dollar an Hardware und Strom.
- Erneuerbare Energien reichen nicht aus: Da generative KI-Modelle ständig wachsen, schießen gigantische Rechenzentren wie Pilze aus dem Boden. Angesichts astronomischer Rechenoperationen lässt sich der gesamte Strombedarf nicht allein mit Solar- und Windkraft decken, sagt ein Ingenieurprofessor der University of Pennsylvania: „The numbers are just too big.“
- Andere Energiequellen im Einsatz: Viele neue KI-Rechenzentren weichen auf andere Energiequellen aus. Sie werden inzwischen häufig von Gaskraftwerken angetrieben, einige Planungen sehen sogar Atomreaktoren vor, um den immensen und ständigen Strombedarf zu sichern.
Die wichtigsten Zahlen aus dem Beitrag:
- Für das Training von GPT 6 Astra schätzt die Zeitung rund eine Oktillion Rechenoperationen, also eine 1 mit 27 Nullen.
- 100.000 Nvidia-H100-Chips bräuchten dafür etwa acht Monate. Ein einzelner Chip bräuchte 64.000 Jahre.
- Laut Epoch AI kostete das Training von xAIs Grok 4 rund 490 Millionen Dollar für Hardware und Strom und verursachte etwa 150.000 Tonnen CO₂.
- Die Kosten der Nutzung steigen schnell, weil Reasoning-Modelle und KI-Agenten immer mehr Text erzeugen.
Mein Faktencheck: Was stimmt, was ist vereinfacht
Die Rechnung der NYT ist sauber, an einer Stelle aber zu bequem. Ich habe die Zahlen nachrechnen lassen.
| Aussage der NYT | Mein Urteil |
|---|---|
| Ein H100 bräuchte 64.000 Jahre, 100.000 H100 rund 8 Monate | Stimmt. Nachgerechnet: 64.000 Jahre und 7,7 Monate bei 50 % der Spitzenleistung. |
| Training ist ein einmaliger Kostenblock | Vereinfacht. Pro Modell ja. Aber jedes Jahr kommt eine neue Generation, dazu Nachtraining und Feinschliff. |
| Die Nutzung wird zum Kostentreiber | Stimmt, und das ist der Kern. Schätzungen sehen 80 bis 90 % der KI-Rechenleistung bei der Nutzung. |
| Nur Wind und Sonne reichen nicht mehr | Für die USA plausibel. In Deutschland verlangt das Gesetz trotzdem Ökostrom. Das verteuert, macht es aber nicht unmöglich, wohl aber schwer kalkulierbar. |
Was heißt das in Strom? Ich habe eine grobe Schätzung machen lassen. 100.000 H100 ziehen samt Servertechnik und Kühlung rund 126 Megawatt. Acht Monate Training ergeben etwa 0,74 Terawattstunden.
Das sind fast 4 % dessen, was alle deutschen Rechenzentren in einem Jahr verbrauchen. Für ein einziges Modell.
Und der deutsche Vergleich? Die neue KI-Fabrik der Telekom in München läuft mit rund 10.000 Blackwell-Chips. Für dasselbe Training bräuchte sie nach meiner Schätzung knapp drei Jahre. Bis dahin wäre das Modell veraltet.
Meine Bewertung: Das Training ist der Spitzenverbraucher, die Nutzung aber der Dauerverbraucher. Beides wächst. Wer nur auf Training schaut, unterschätzt den zukünftigen Strombedarf.
Quellen: arXiv-Übersicht zu Inference-Anteilen · AIMultiple · Telekom Industrial AI Cloud
Wo Deutschland steht
Deutschland ist Europas größter Rechenzentrumsstandort, aber gegen die USA ein Zwerg. Die zehn größten US-Rechenzentren leisten zusammen so viel wie alle rund 2.000 in Deutschland.
| Kennzahl | Deutschland | USA |
|---|---|---|
| Leistung heute | 2.980 MW (2025) | rund 48.000 MW (2024) |
| Ziel 2030 | über 5.000 MW | rund 95.000 MW |
Strom ist der Engpass. Er macht 40 bis 50 % der Betriebskosten eines Rechenzentrums aus. Industriestrom kostete Ende 2025 in Deutschland rund 23 Cent je kWh, in Schweden knapp 10 und in Finnland rund 7 Cent. Gegenüber den USA zahlen deutsche Betreiber laut Branchenaussagen das Zwei- bis Dreifache.
Der Verbrauch wächst: Sein Anteil am deutschen Strom dürfte sich bis 2037 etwa verdreifachen. Rechenzentren ziehen heute 3,5 bis 4 % des deutschen Stroms, also 20 bis 26 TWh. Die Bundesnetzagentur erwartet bis 2037 rund 10 %.
Die Politik hat reagiert. Seit März 2026 gibt es eine nationale Rechenzentrumsstrategie: Kapazität bis 2030 verdoppeln, KI-Leistung vervierfachen. Kritiker bemängeln, dass verbindliche Schritte beim Netzanschluss fehlen.
Ein Blick über den Atlantik relativiert: Auch in den USA wird Strom knapp. Im größten Netzgebiet PJM haben Rechenzentren in den letzten vier Kapazitätsauktionen rund 29 Milliarden Dollar Mehrkosten verursacht. Die zahlen am Ende Haushalte und Industrie.
Quellen: Bitkom zur Rechenzentrumsstrategie · cio.de · KPMG · Computerwoche · cloudmagazin · Rechenzentrumsstrategie, Bundestag · energate · techstrong.it zu PJM
Rechnen im Ausland: Skandinavien, Golfstaaten, EU-Gigafabriken
Mein Fazit: Training dorthin, wo der Strom billig ist, am besten in den Norden Europas. Die Nutzung mit sensiblen Daten bleibt hier.
KPMG bringt es auf den Punkt: Wer deutsche Firmen- und Behördendaten verarbeitet, muss hier präsent sein. Beim latenzunempfindlichen Training verliert Deutschland dagegen systematisch.
| Option | Was dafür spricht | Was dagegen spricht |
|---|---|---|
| Skandinavien | Billiger Ökostrom, kühles Klima, EU-Recht mit DSGVO | Netze und Glasfaser müssen mitwachsen |
| Golfstaaten | Riesige Projekte, z. B. 5 GW in Abu Dhabi, viel Sonne | Kriegsrisiko, kein DSGVO-Angemessenheitsbeschluss |
| EU-Gigafabriken | Souverän, gefördert, je über 100.000 KI-Chips | Entscheidung erst Anfang 2027, Betrieb ab etwa 2028 |
Golfstaaten: Warum ich skeptisch bin. Die Idee klingt logisch, Sonne gibt es dort genug. Doch im März trafen iranische Drohnen AWS-Rechenzentren in den VAE und Bahrain. Banken- und Zahlungsdienste fielen aus. Für Deine Firmendaten ist das kein Standort, für anonymes Training vielleicht.
Skandinavien: Die naheliegende Lösung. Microsoft, Google und Mistral AI bauen bereits dort, weil Europas Kernmärkte an Netzgrenzen stoßen. Für Training ist die Entfernung kein Problem.
EU-Gigafabriken: Die Chance, die Deutschland nicht verspielen darf. Die Ausschreibung läuft bis zum 12. November 2026. Deutschland tritt zersplittert an, seit das gemeinsame Konsortium aus Telekom, Ionos, SAP, Siemens und Schwarz zerbrochen ist. Der Bund hat 805 Millionen Euro zurückgelegt.
Quellen: KPMG · EQT zu Skandinavien · Stargate UAE · AGBI zu den Drohnenangriffen · GTAI zum Datenschutz · EU-Kommission · skill-sprinters · Bundestag hib
Was das für Dich in der Elektronik bedeutet
Der Strombedarf der KI ist für die deutsche Elektronikbranche eine Chance. Egal wo ein Rechenzentrum steht: Es braucht Leistungshalbleiter, Stromversorgung und Kühlung.
Die Leistung pro Serverschrank explodiert. Laut Infineon stieg sie in wenigen Jahren von 120 auf 500 Kilowatt. Vor 2030 soll sie die Megawatt-Grenze überschreiten.
Deshalb kommt 800 Volt Gleichstrom. Nvidia treibt den Umstieg voran, Infineon entwickelt die Stromversorgung mit. Höhere Spannung heißt weniger Strom, dünnere Leiter und geringere Verluste. Siliziumkarbid und Galliumnitrid sind dabei gesetzt.
Ein deutscher Hersteller profitiert bereits. Infineon erwartet mit KI-Rechenzentren im laufenden Geschäftsjahr rund 1,5 Milliarden Euro Umsatz, 2027 sollen es 2,5 Milliarden sein. Die neue Smart Power Fab in Dresden zielt genau auf diesen Markt.
| Wenn Du arbeitest in … | … dann achte auf |
|---|---|
| Entwicklung | 800-V-Architekturen, SiC und GaN, Lastsprünge im Rack |
| Einkauf | Lieferzeiten für Leistungshalbleiter, mögliche Allokation |
| Geschäftsführung | Stromkosten Deiner eigenen KI-Nutzung, Standort Deiner Cloud |
Quellen: Börse Express zu Infineon · Silicon Saxony · drweb.de zu 800 Volt · Smart Power Fab Dresden
Randbedingungen für diesen Beitrag
- Die meisten Zahlen sind Schätzungen. Große KI-Anbieter legen ihren Energieverbrauch nicht offen. Auch die NYT nennt ihre Trainingszahlen spekulativ.
- Meine Stromschätzung rechnet mit 700 Watt pro H100, Faktor 1,5 für Server und Netzwerk und einer Kühlung mit PUE 1,2. Je nach Anlage liegt das Ergebnis höher oder niedriger.
- Der Telekom-Vergleich nimmt rund 2,25 Petaflops pro Blackwell-Chip bei halber Auslastung an. Das ist eine Größenordnung, keine Vorhersage.
- Strompreise schwanken. Die genannten Industriestrompreise gelten für das zweite Halbjahr 2025.
- Stand: 17. Oktober 2026.
Drei Sichtweisen auf den Standort
Die Aufholer sagen: Ohne eigene große Rechenzentren bleibt Deutschland Kunde der US-Konzerne. Wer KI-Kapazität nicht im Land hat, verliert Wertschöpfung, Fachkräfte und Souveränität. Deshalb braucht es bezahlbaren Strom, schnellere Netzanschlüsse und mindestens eine EU-Gigafabrik in Deutschland.
Die Pragmatiker sagen: Beim Training holen wir die USA nicht mehr ein, und das müssen wir auch nicht. Training kann im Norden Europas laufen, wo Strom billig und sauber ist. Deutschland sollte sich auf die Nutzung konzentrieren, auf souveräne Cloud und auf die Elektronik, die jedes Rechenzentrum braucht.
Was vorausdenkende KI-Anwender sagen: Die Entwicklung der Strompreise in Deutschland ist nicht absehbar. Wer seine Investitionen in KI-Anwendungen auf Dauer sichern will, sorgt heute schon vor.
Mein Standpunkt: Ich sehe die Wahrheit näher bei Pragmatikern und Vorausdenkern, mit einer Bedingung. Die Nutzung mit unseren Daten muss hier laufen, und dafür brauchen wir Strom zu Preisen, die mit Skandinavien mithalten. Das ist die eigentliche Lektion von der anderen Seite des Atlantiks.
Was Dich als KI-Anwender auf unserer Seite des Atlantiks betrifft: Als Anwender solltest Du heute bereits dafür sorgen, dass Deine KI-Investitionen auch morgen noch tragen. Wie das geht, zeige ich Dir in Teil 2.