KI-Revolution: Steuern wir auf den energetischen Kollaps zu oder wird KI-Effizienz den Verbrauch absinken lassen?
BLOG: Datentyp
Eine einzige ChatGPT-Anfrage verbraucht bis zu zehn Mal so viel elektrische Energie wie eine Google-Suche. Das Training eines aktuellen, großen Sprachmodells benötigt heute so viel Energie wie eine Großstadt, in zwei Jahren schon wie eine Millionenstadt. Wenn digitale Assistenten bald unseren Alltag steuern, droht uns dann ein Energiekollaps? Oder bricht die technologische Effizienz den Trend, bevor die Netze überlasten?
In der Berichterstattung dominieren Panikszenarien. Daten hingegen zeichnen ein differenzierteres Bild. Es lohnt sich, einen Blick auf die Zahlen zu werfen und zwischen Hype und Realität zu trennen.
1. Die Prognosen: Zwischen Wissenschaft und Kaffeesatz
Wie viel Strom brauchen KI-Rechenzentren wirklich? Die International Energy Agency prognostiziert im Bericht „Energy and AI“, dass sich der weltweite Stromverbrauch von Rechenzentren von ca. 415 Terawattstunden im Jahr 2024 auf rund 945 Terawattstunden bis zum Jahr 2030 verdoppeln wird. AI-Compute ist dabei der deutlichste Treiber: Der Anteil am Kuchen klettert von einem Fünftel auf fast die Hälfte.
Wer der Debatte folgen will, sollte jedoch kritisch auf einige Zahlen schauen. Anerkannte Institutionen wie das Lawrence Berkeley National Lab nutzen Bottom-up-Modelle, die historische Effizienzdaten und Auslastungen extrapolieren. Demgegenüber stehen Schätzungen von Beratungs- und Finanzinstituten wie BCG, McKinsey oder Goldman Sachs. Ihre Vorhersagen für den US-Markt klaffen weit auseinander: zwischen 206 und 970 TWh – fast so als ob die Berater nach ihrem Bauchgefühl gefragt worden wären.
Warum diese Unsicherheit? Die Tech-Giganten machen aus ihrem tatsächlichen Verbrauch fast ein Staatsgeheimnis. Viele kommerzielle Prognosen basieren schlicht auf Schätzungen verkaufter GPUs, also der Grafikprozessoren, auf denen die großen Sprachmodelle ausgeführt werden, eine methodisch dünne Basis.
Prognose für den Stromverbrauch der Rechenzentren in den USA für die Jahr 2028 und 2030 (Quelle).
Brisant ist auch die Lage in der EU. Der „AI Continent Action Plan“ der EU sieht eine Verdopplung der Rechenzentrumskapazitäten bis 2030 vor. Das Kiel Institut für Weltwirtschaft warnt in einem Policy Brief jedoch vor einer massiven strategischen Lücke: Der zusätzliche Strombedarf von bis zu 168 TWh lässt sich im EU-Netz nur decken, wenn alle anderen Sektoren ihren Verbrauch einfrieren. Aber wie soll das gelingen, während wir zeitgleich Heizungen und Mobilität elektrifizieren? Netzanschlüsse sind schon heute der Flaschenhals.
2. Das Effizienz-Dilemma: Warum klügere Systeme uns nicht retten
Optimisten verweisen gern auf den technologischen Fortschritt und die Geschichte gibt ihnen recht. Chips werden effizienter, Algorithmen durch Verfahren wie Quantisierung oder mathematisches Pruning (Abschneiden ungenutzter Datenpfade) schlanker. Ökonomische Zusammenhänge lassen sich dabei oft in verblüffend simplen Gleichungen ausdrücken.
Hinter dem PUE-Wert (Power Usage Effectiveness) verbirgt sich das Verhältnis des Gesamtenergieverbrauchs eines Rechenzentrums zur reinen Leistungsaufnahme der IT-Infrastruktur. Ein Wert von 1 wäre das physikalische Ideal – kein Energieverlust durch Kühlung oder Transformation.
Die Gleichung glänzt durch jene Einfachheit, die in der Praxis an der menschlichen Natur scheitert. Denn genau hier greift das Jevons-Paradoxon. Sobald die Verarbeitung eines KI-Tokens billiger und effizienter wird, sinken die Preise. Was passiert dann? Die Nachfrage steigt! Die Hardware-Effizienz verbessert sich zwar um rund 15 Prozent pro Jahr, doch der KI-Gesamtverbrauch wächst zeitgleich um 25 bis 50 Prozent. Effizienz senkt eben nicht nur den Verbrauch, sie befeuert die Nutzung.
Verschärft wird diese Dynamik durch Reasoning-Modelle wie DeepSeek-R1 oder die o-Serie von OpenAI. Diese Systeme führen vor jeder Antwort zahlreiche interne „Denkketten“ (Chain-of-Thought) aus. Die Anzahl der Rechenoperationen pro Nutzeranfrage wird dadurch nicht kleiner, sondern vervielfacht sich.
Bild: Jevons-Paradoxon-Simulation mit Werten Kostensenkung von 0,5 und Nachfrage-Elastizität von 1,5
3. Geografische Fluidität: Strom fließt nicht weit, Rechenleistung schon
Ein entscheidender Faktor wird in der Debatte oft übersehen: Daten kennen keine Landesgrenzen. Token müssen nicht genau dort erzeugt werden, wo der Nutzer auf den Bildschirm starrt. Rechenzentren besitzen eine enorme geografische Flexibilität. Sie entstehen zunehmend dort, wo elektrische Energie im Überschuss vorhanden und billig ist – weit abseits der Ballungsräume.
Große Tech-Konzerne investieren massiv in Regionen mit sogenannten Stranded Assets. Das sind in diesem Kontext ungenutzte Energieüberschüsse: Geothermie in Island, Windkraft im mittleren Westen der USA oder der direkte Anschluss an dedizierte Kernkraftwerke. KI wird das lokale Stromnetz in Mitteleuropa deshalb nicht in die Knie zwingen – sie sucht sich schlicht den Weg des geringsten Investitionswiderstands auf dem Globus.
4. Der Enterprise-Backlash: Die ökonomische Notbremse
Gibt es Indikatoren dafür, dass sich das Wachstum verlangsamt? Ja, und zwar auch abseits von Branchen-Anekdoten gescheiterter KI-Projekte. Daten des US Census Bureau zeigen ein statistisch klares Signal: Die KI-Nutzungsrate in US-Großunternehmen ging im Spätsommer 2025 von 14 Prozent auf unter 12 Prozent zurück, eine Trendwende zeichnet sich damit ab. Eine begleitende MIT-Analyse legte offen, dass schätzungsweise 95 Prozent aller KI-Pilotprojekte den geforderten Return on Investment (ROI) verfehlen und abgebrochen werden. Aber halt! Das sind Daten aus 2025, nun haben wir schon Mitte 2026. Hat sich die Trendwende gehalten? Jein! Während der Mittelstand und traditionelle Großkonzerne auf die Bremse treten, bauen die finanzkräftigen Hyperscaler (Microsoft, Google, Meta, Amazon) ihre Kapazitäten auf Rekordniveau aus. Sie wetten auf die langfristige Durchdringung und können es sich leisten, die Durststrecke der Anwender auszusitzen.
Ein wesentlicher Grund dafür, weiter auf steigende Nachfragen zu setzen, ist das Token-Kosten-Problem bei komplexen Anwendungen. Während ein schlichter Chatbot kaum Ressourcen verbraucht, jagen autonome Agentensysteme für eine einzige komplexe Business-Aufgabe rasch 100.000 bis zu eine Million Token durch die Server.
Unternehmen merken, dass die Systeme im laufenden Betrieb astronomische Kosten verursachen, während der Output wegen Halluzinationen oder schlecht aufbereiteter Firmendaten enttäuscht. Deloitte schätzt, dass die saubere Datenstrukturierung für funktionierende KI-Systeme das Fünf- bis Zwanzigfache des eigentlichen KI-Budgets verschlingt. Auf der Anwenderseite schrumpfen die Projektbudgets bereits – wir befinden uns im Tal der Enttäuschung, jedenfalls dann, wenn wir uns das Modell des Hype Cycle zu eigen machen, was wir nicht blindlings tun sollten, denn ein wissenschaftlich fundiertes Prognosemodell war es noch nie – es macht sich aber stets gut auf Berater-Powerpoint-Slides.
5. Politische Handlungsoptionen: Was die Politik tun könnte – und was lassen
Wie könnten Berlin und Brüssel auf diese Entwicklung reagieren? Bisherige politische Ansätze kranken vor allem an einem strukturellen Versäumnis: Energieinfrastruktur und Digitalisierung wurden völlig isoliert voneinander geplant, um nicht zu sagen: nur die Energieinfrastruktur wurde geplant, Digitalisierung fand irgendwie statt. Man träumte vom digitalen Innovationsstandort, vergaß aber schlicht das Fundament – die Netzkapazitäten.
Was jetzt sofort getan werden könnte:
- Transparenzpflicht einführen: Betreiber von KI-Modellen könnten gesetzlich verpflichtet werden, standardisierte Daten zu ihrem tatsächlichen Energieverbrauch offenzulegen. Nur so wandert die Forschung aus dem Nebel der Schätzungen hin zu validen Fakten.
- Kopplung an Abwärmenutzung: Neue Rechenzentren, die aus welchen Gründen auch immer weiterhin in Ballungsräumen errichtet werden, könnten so genehmigt werden, dass sie ihre Server-Abwärme in kommunale Fernwärmenetze einspeisen.
- Besteuerung von Energie: Derzeit so populär wie alte Kupferkabel mit Grünspan. Würde jedoch die Effizienzsteigerung bei KI-Algorithmen bzw. Hardware eher belohnen als eine Besteuerung pro Token.
- Europäische Daten auf europäische Server: Was aus Gründen der digitalen Souveränität und des Datenschutzes Sinn ergibt, könnte energiepolitisch herausfordernd sein. Man sollte früh damit beginnen, Standorte für Data Center in Europa dort vorzusehen, wo lokale Energieüberschüsse erwartet werden.
Frische Impulse für die Infrastruktur:
Anstatt Rechenzentren mühsam in überlastete städtische Netze zu pressen, könnte die Politik Anreize für „energieadaptive Ansätze“ schaffen. Warum nicht Data Center direkt an den Anlandepunkten von Offshore-Windkraft in Norddeutschland etablieren? Wenn Server exakt dann rechenintensive Trainingsprozesse hochfahren, wenn der Wind weht und der Strompreis negativ ist, wird die KI-Infrastruktur vom Systemrisiko zum nützlichen Puffer für die Energiewende.
Fazit
Wird KI unsere Netze lahmlegen? Nein, so schnell nicht. Der Energiebedarf wird absehbar steigen – keiner weiß wie stark genau -, aber der Markt kennt ohnehin Regulierungsmechanismen. Wenn astronomische Token-Kosten auf enttäuschte Chefetagen treffen, kühlt die überhitzte Nachfrage ganz von allein ab. Gepaart mit der Fähigkeit der Rechenzentren-Betreiber, dorthin abzuwandern, wo grüner oder subventionierter Strom ungenutzt zur Verfügung steht, kollabiert das System nicht – aber vielleicht wird KI dann etwas teurer werden. Die Politik wird beginnen, Digitalisierung, KI und Energie gemeinsam zu denken. Smarte Standortpolitik ist auch Klimaschutz: Laptop und Lederhose in Bayern, Data Center und Friesennerz an der Küste.
Nachtrag (14.06.):
- Der Beitrag wurde bearbeitet, insbesondere die Balkengrafik mit den Forecasts für 2030 wurde ersetzt, sie enthielt zuvor eine unkorrekte Zahl von Goldman Sachs (500 TWh, korrekt ist: 790 TWh; die Zahl 500 TWh ist der ungefähre Mittelwert der Schätzungen), es fehlte die Zahl von McKinsey und die Unterteilung in Low/High-Forecasts von EPRI und LBNL. Für die Zahlen wurde die Quelle verlinkt, aus der sie entnommen wurden. Wenn Sie dem Link folgen, erhalten Sie auch CSV-Daten, mit denen Sie selbst spielen und extrapolieren können.
- Der Vergleich des LLM-Trainings mit dem Stromverbrauch einer Stadt (im Text stand vorher etwas ungenau: ”mittlere Großstadt”) wurde präzisiert: Das Training eines Sprachmodells benötigt heute so viel Energie wie eine kleine Großstadt, bald schon wie eine Millionenstadt.
Herleitung dazu für Interessierte: 1 MW entspricht dem Stromverbrauch von etwa 800-1000 Haushalten; man kann in Großstädten mit 1,7 Personen pro Haushalt kalkulieren. Trainingsläufe großer Modelle benötigten 2025 eine Leistung von 100-150 Megawatt (Quelle: https://www.epri.com/research/products/000000003002033669, Zitat: “Frontier AI training runs—the computationally intensive process of training large, advanced AI models—currently consume approximately 100–150 megawatts (MW) each and are projected to reach 1–2 gigawatts (GW) each by 2028, exceeding 4 GW per training run by 2030.”). Dies ergibt dann die Größenordnung einer kleinen Großstadt im letzten Jahr (mehr als 100.000 Einwohner) und bereits einer Millionenstadt in zwei Jahren. Wohlgemerkt: Das ist die Trainingsphase zur Erzeugung des Modells, nicht der ständige Stromverbrauch durch die Nutzung.
Guter und aufrüttelnder Beitrag.
Was alle angeht, wer TV Sendungen streamt , der benötigt 5 – 10 mal mehr elektrische Energie als über Satellit.
Eine Stunde TV benötigt etwa 15 Wh, eine Stunde Streamen benötigt 110 – 150 Wh.
Wenn wir eine Energiekrise haben, während wir gerade samt Planet von einem massiven Energieüberschuss gekocht wird, könnten sich viele Probleme in Nichts auflösen, wenn Sie die Schildbürger aus der Verwaltung entfernen. KI wird uns nicht retten, weil sie einem Haufen sehr, sehr doofer Leute hilft, sehr, sehr doofe Sachen sehr viel schneller und erfolgreicher zu tun, wodurch die sehr, sehr doofe Wirkung massiv ansteigen dürfte.
Am Ende regeln die Wirtschaft Gesetze der Physik – wie Wassermoleküle, gehen Menschen den Weg des geringsten Widerstandes. Raub, sich einfach ein Brötchen zu nehmen, ist die effizienteste Art, ein Brötchen zu essen. Erst wenn das Brötchen Mammut heißt oder Acker fahren wir das Hirn hoch und entwickeln eine Beißtechnik, die auch diese zäheren Brötchen anknabbern kann. Diese Technik erfordert dann etwas mehr Hirn, das komplexere Algorithmen verarbeiten kann, und neues Beißwerkzeug, aber wenn sie das Dümmste, Faulste ist, was wir gerade noch tun können, ohne dabei zu sterben, der Weg des geringsten Widerstandes, setzt sie sich durch.
Wirtschaft geht erst in die Breite, Eroberer holen sich Land, plündern Dörfer, Firmen kämpfen um leicht erreichbare Ressourcen an der Erdoberfläche. Erst wenn dieser Weg versperrt ist, weil da andere Firmen oder Länder sitzen und man durch Versuch und blutigen Irrtum herausfindet, dass Krieg hier mehr Ressourcen verbraucht als friedliche Arbeit, fängt man an, nicht Häuser nebeneinander zu setzen, sondern übereinander als Etagen zu stapeln, nicht um Ressourcen an der Erdoberfläche zu konkurrieren, sondern in die Tiefe zu graben, aus Kolonialisten werden Nobelpreisträger – die Badewanne ist voll, das Wasser hat keine Wahl, als nach Höherem zu streben.
Was wir heute sehen, ist die weltweite Krise der Waagerecht-Wirtschaft, mehr aber auch nicht. Wir sehen, wie sich der faulste, dümmste Weg, an unsere täglich Brötchen und des Kaisers Kuchen zu kommen, versperrt, der Planet ist erschlossen, Level erfolgreich abgeschlossen, jetzt müssen wir nur noch den Endboss besiegen, den wir uns über all die Jahrhunderte gezüchtet haben, und landen am Anfang des nächsten Levels.
Ich habe die Energie, die Menschheit zu versorgen, die KI zu versorgen, alles Mögliche zu versorgen. Mehr als genug. Ich habe die Technologie, sie zu nützen, die schäumt die Badewanne ordentlich auf, obwohl sie noch kaum geboren wurde – unsere Technik ist nicht robust genug, die wirklich mächtigen Phänomene anzuzapfen, wir sind wie Feen, die über die Wiese hüpfen und Sonnenstrahlen in Seifenblasen einfangen. Nach einem harten Winter nennt man solche Feen Wiese, da wuchert auch das Zarte als Erstes, bevor das ganze andere Unkraut folgt, samt Büschen und Büffeln.
Ist ja echt nicht so. als wären wir die Ersten auf diesem Planeten, die auf Solarenergie setzen.
Da ist eine Sahara im Süden. Ein Ozean im Westen. Ein Himmel über uns. Ein brodelnder Ofen unter uns. Flächen, Räume, die praktisch in Flammen stehen, Tag und Nacht. Aber sie sind durch eine Energiebarriere geschützt. Was fehlt, ist eine Wirtschaft, die genug Energie für den Quantensprung aus der Umgebung aufsaugen könne, um diese Energiebarriere zu überwinden. Stattdessen bricht sie unter ihrem Eigengewicht zusammen und frisst sich selber auf, als würde ein Schaf in der Wüste durch einen Zaun eine grüne Wiese betrachten und verhungern, weil es nicht die Kraft findet, über diesen Zaun zu springen, und nicht das Hirn, einfach mal zwei Meter nach links zu gehen, wo das Tor offen steht.
Die Menschheit hat einzig und allein eine Organisationskrise – wir haben alles, was wir brauchen, im Überfluss. Doch weil die CPU, DNA, Zellkern, whatever, die das Wachstum steuert, veraltet ist, wächst in der Retorte kein Homunkulus, der zum Leben erwachen und sich weiterentwickeln könnte, sondern nur ein Knäuel konkurrierender Tumore und Schleimblasen, die schnell wachsen und schnell platzen.
Und wenn Sie jeder Blase und jedem Tumor einzeln mehr Rechenpower, mehr Effizienz verleihen, wächst das Teil einfach nur schneller, frisst mehr Futter und Strom und platzt mit einem gewaltigeren Knall, ohne dass mehr dabei herum kommt als sehr, sehr viel blutigen Brei als Nährboden für die Tumore, die das überlebt haben.
Und die große Frage ist – werden das die Tumore sein, die die Energiebarriere überwunden haben? Oder die Tumore, die sich einfach nur freuen, dass sie weniger Konkurrenz und mehr Aas haben, sodass sie das Level vom Anfang an wiederholen dürfen, statt ins nächste aufzusteigen? Quantensprung oder Mittelalter?
Mit an Sicherheit grenzender Wahrscheinlichkeit – Ersteres. Denn es reicht, dass nur einer überlebt – er wird genug Energie haben, um die splitterfasernackten Schildbürger-Kaiser von Heute aufzufressen wie Elche das Moos. Fortschritt können Sie in einer totalitären Diktatur verhindern, nicht dort, wo Konkurrenzdruck herrscht, sodass selbst totalitäre Diktaturen nur die Wahl haben, so viel Forschungsfreiheit zu erlauben wie nötig, samt all den sehr, sehr dummen Ideen und Unruhen, die totalitäre Diktaturen zu Demokratien machen, oder den Fortschritt der Stabilität zu opfern und gefressen zu werden.
Es ist Krieg. Evolve or die. Wie viel KI brauchen Sie, um zu wissen, was Sie schon wissen?
Sie brauchen sehr viel Hirn, sehr viel KI, um es nicht zu wissen. Um genug Gelaber, Täuschungsmanöver, Weißes Rauschen, Verwirrung, Streit zu schlichten, um sich zu blenden. Wenn Sie den Kern der Sache erst mal erkannt haben und sich aufs Wesentliche konzentrieren, ist das ganze Tosen und Brüllen nur die Stille des Alls um die Raumkapsel, in der Sie an Lösungen tüfteln. Enjoy the silence.
Ich find’s super, dass Sie konkrete Vorschläge machen. Aber das Rezept zum Scheitern ist immer gleich – Sie machen, was Sinn macht, aber nur für die Schwachen. Die Starken dürfen weiter scheitern, so viel sie wollen. Und so dürften alle Energiesteuern, neuen Netze, Kraftwerke, die Schildbürger auf den Thronen mästen, das Scheitern erhalten und wachsen lassen, mehr Bleifuß auf die Bremse geben, die die Energiewende verhindert und uns von dem Quantensprung abhält. Und so wird alle Energie, alle Innovation, alle Reform, nur dazu verwendet, uns die Hölle der sehr, sehr doofen Dinge noch heißer zu machen, bis sie uns kocht.
Paul S.
Ein Lob zu Beginn, deine Beiträge sind KI-Safe, keine KI kann sie auswerten noch verwerten.
Herr Greveler sieht die Zukunft optimistisch, die Regulierungsmechanismen der Wirtschaft funktionieren und die arbeiten auch mit KI.
KI sorgt dafür ,dass Produktionsmethoden optimal ablaufen, dass dein Auto dich warnt, bevor du in den Graben fährst, und sie erstellt dir einen Ernährungsplan, wenn du esssüchtig bist.
Wir leiten gerade die Energiewende ein, gemeint ist damit die Umstellung von einer Energieerzeugung mit einem Wirkungsgrad unter 50 %, gemeint ist damit die Verbrennung von Kohlenwasserstoffen in Kraftwerken, in die direkte Stromerzeugung durch Windkraft und durch Solarzellen. Damit das mit einem hohen Wirkungsgrad möglich wird, braucht es eine Steuerung, die wir als KI bezeichnen. Genau genommen ist es keine KI , es ist eine elektronische Steuerung.
KI ist nur ein „Kunstwort“, vor der die Bürger ganz unterschiedliche Vorstellungen haben. Die KI hier im blog, das ist ein interaktives Lexikon zur Wissensverbreitung und auch zum Vergnügen.
Was bleibt noch, verkürze deine Texte, du verkürzt damit die Lesezeit und damit lieferst du einen Beitrag zur Verhinderung des Kollaps.
Jedes einzelne KI-Rechenzentrum hat das Ziel einer sehr hohen Auslastung und dies ist bei einer geplanten Mischung von Training und Inferenz (Nutzeranfragen) auch zu erreichen, einfach indem Trainingsläufe immer dann stattfinden, wenn es gerade wenig Benutzeranfragen gibt. Das wiederum bedeutet, das ein typisches KI-Rechenzentrum Tag und Nacht, Woche für Woche immer etwa gleich viel Strom konsumiert. Da Rechenzentrum zudem typischerweise sehr gross sind und sehr viel Strom verbrauchen, werden sie automatisch zu einer grossen Netzbelastung, wenn sie in ein Netz integriert sind.
Die Konsequenz aus diesen Überlegungen sind ziemlich klar: Zukünftige bedeutende KI-Rechenzentren werden gar nicht ans Netz angeschlossen sein, sondern sie werden ihre eigene Energieversorgung haben. Und sie werden dort stehen wo Strom zu vertretbaren Preisen konstant in grossen Mengen geliefert wird. Das werden also etwa Standorte sein mit sehr viel Wind und Batterien oder Dauersonnenschein mit Batterien und anderen LDES-Systemen (LDES=Long Duration Energy Storage) oder es werden auch ganze AKWs sein, die nicht ans Netz, sondern direkt ans Rechenzentrum angeschlossen sind.
In diese Richtung (konstante Stromversorgung hoher Kapazität speziell für die Rechenknoten) geht auch die Idee der orbitalen Rechenzentren in sonnensynchroner Umlaufbahn. Dort sind es Solarpanel, die 24/7 immer und jederzeit gleich viel Strom liefern.
Fazit: Wirklich grosse Rechenzentren brauchen eine eigene, netzunabhängige Stromversorgung.
@Martin Holzherr 08.06. 21:26
„Fazit: Wirklich grosse Rechenzentren brauchen eine eigene, netzunabhängige Stromversorgung.“
Kommt drauf an, wie das Verhältnis von Hardwarekosten zu Stromkosten ausfällt. Liegt das z.B. bei 50:50, dann wird man einzelne Tage oder sogar Wochen mit zu hohen Strompreisen die Rechentätigkeit abschalten, und auf bessere Strompreise warten.
Ist der Stromanteil an den Kosten noch höher, wird es sich eventuell lohnen, nur noch vielleicht 3/4 der Zeit in Betrieb zu sein.
Ist der Hardwareanteil dagegen sehr viel größer, wird man nur an wenigen Tagen mit besonders hohen Strompreisen pausieren. Oder sich eben ein eigenes AKW leisten. Was aber auch mal die Brennstäbe wechseln muss, und überhaupt ziemlich teuren Strom bereitstellt.
Ein günstiger Standort mag hier wohl entscheidend sein. Die Daten zu transportieren, ist anscheinend um Größenordnungen einfacher, als den benötigten Strom zu transportieren.
Neben Standorten mit günstigen Windbedingungen bieten sich Standorte an der südlichen Mittelmeerküste an, wo man sehr hohe PV-Erträge mit wenigen Schwankungen über das ganze Jahre hinweg hat. Und genug Kühlwasser aus dem Mittelmeer.
@Tobias Jeckenburger: Nein, eine Teilzeitauslastung , etwa nur zu 50% der Zeit, ist höchst unökonomisch, denn die Chips, die in KI-Rechenzentren verbaut sind, sind ungemein teuer. Es gilt sogar: selbst wenn der Strompreis über den Netzkosten für den Durchschnittskunden liegen, selbst dann ist es profitabler das Rechenzentrum auszulasten.
Ein gutes Beispiel dafür ist ein gigantisch grosses Rechenzentrum von Elon Musk, das er eigentlich nur für sich selber betreiben wollte. Doch inzwischen hat er einen Grossteil der Rechenleistung an Anthropic vermietet und Anthropic zahlt ihm dafür Milliarden (glaube ich) pro Monat.
@Martin Holzherr 08.06. 21:26
Zumal man auch gleich vor Ort eigene PV aufstellen kann, zusammen mit einem passenden Kurzfristspeicher. Ein Netzanschluss kann dann nur noch eine Nebensache sein. Und nur eher geringe Überschüsse abführen müssen, bzw. im Winter mal eine eher kleine Menge aus z.B. Windenergie zuzukaufen.
@Martin Holzherr 09.06. 18:35
„Nein, eine Teilzeitauslastung , etwa nur zu 50% der Zeit, ist höchst unökonomisch,..“
Ich dachte hier nicht an nur direkte PV, sondern auch mit ausreichend Kurzfristspeicher, dass an den meisten Tagen im Jahr dann rund um die Uhr Strom für die Rechenzentren zur Verfügung steht. Etwa 60% der PV-Tagesleistung an Speicherkapazität dürfte dafür genügen.