KI-Infrastruktur: Warum Energie zum grösseren Engpass wird als Chips

Lange galt: Wer die besten KI-Chips hat, gewinnt. Doch der eigentliche Engpass verschiebt sich. Energie wird zum limitierenden Faktor – nicht nur für Hyperscaler, sondern auch für jedes Unternehmen, das KI ernsthaft skaliert. Die Frage ist nicht mehr nur, welches Modell du wählst, sondern wo und wie du die nötige Rechenleistung betreibst.

Datacenter-Strom: Die Zahlen hinter dem Engpass

Die Internationale Energieagentur (IEA) rechnet damit, dass sich der Stromverbrauch von Rechenzentren von 460 Terawattstunden im Jahr 2022 auf bis zu 1 050 Terawattstunden im Jahr 2026 mehr als verdoppelt. Das ist mehr als der gesamte jährliche Stromverbrauch Deutschlands. Für die USA prognostiziert die IEA bis 2030 ein Plus von 130 Prozent (+240 TWh), für China +170 Prozent (+175 TWh) und für Europa +70 Prozent (+45 TWh). Energie wird damit schneller zum Nadelöhr als die Chip-Produktion.

China, USA, Europa: Drei Geschwindigkeiten

China erzeugte 2024 rund 10 000 Terawattstunden Strom – mehr als doppelt so viel wie die USA und etwa viermal so viel wie die EU. Der US-Stromverbrauch war zwei Jahrzehnte lang praktisch flach; jetzt treibt KI das Wachstum um ein Mehrfaches schneller. Gleichzeitig baute China im letzten Jahrzehnt 27 Kernreaktoren, die USA nur zwei. Genehmigungen für Kraftwerke und Hochspannungsleitungen dauern in den USA laut Brookings oft mehr als zehn Jahre, während China in einem einzigen Jahr über 400 Gigawatt neue Kapazität zubaut.

• China: nationales Netz und Ultrahochspannung sorgen für Stabilität; Rechenzentren steigen von 170 TWh (2025) auf geplante 800 TWh im Jahr 2030 – rund 6 Prozent des nationalen Verbrauchs.
• USA: schnell wachsender Datacenter-Boom, aber Abhängigkeit von chinesischen Transformatoren und Schaltanlagen – bereits 2026 ein Marktengpass von 15 Prozent.
• Europa: hinkt beim Datacenter-Bau hinterher; Irland hat über 20 Prozent Stromanteil für Rechenzentren, Dublin pausiert Genehmigungen, Niederlande und Dänemark schränken ein.

Was das für Schweizer Entscheider bedeutet

Die Schweiz hat mit Wasserkraft und Kernenergie einen strukturellen Vorteil – aber lokale Rechenzentren sind begrenzt. Wer KI skaliert, braucht deshalb eine hybride Strategie: Schweizer Edge-Infrastruktur für latenzkritische und sensible Workloads, Cloud-Standorte in EU oder USA für rechenintensive Trainings und Bursts. Energieverfügbarkeit wird ein Kriterium bei der Vendor-Wahl. Welcher Anbieter hat langfristig günstige und nachhaltige Stromquellen? Wie transparent sind die Energiekosten? Genau hier lohnt sich der Blick auf die grossen Infrastruktur-Allianzen – etwa den 30-Milliarden-Dollar-Fonds von Microsoft und BlackRock oder die reaktivierten Kraftwerke für KI. Was Google, Alibaba, Microsoft und BlackRock wirklich planen zeigt, wie stark Energie die Agenda bestimmt.

Der erste Schritt: Energie in der KI-Planung sichtbar machen

Beginne nicht mit der Modellwahl, sondern mit einer einfachen Bestandsaufnahme: Wo laufen deine KI-Workloads heute? Wie hoch ist der erwartete Strombedarf bei Skalierung? Welche Cloud-Regionen kommen infrage? Diese Fragen verändern die Wirtschaftlichkeit oft stärker als ein neues Modell. Die vollständige Umsetzung einer energiebewussten KI-Architektur hängt von deinem konkreten Setup ab – genau dort setzt ein strukturiertes Gespräch an.

Wie viel Energie und Wasser KI tatsächlich verbraucht, ordnet der Beitrag zu KIs Energiehunger und Klimawandel ein – inklusive der Frage, warum ChatGPT täglich rund 2,8 Millionen Liter Wasser benötigt.