Jede Anfrage an einen Chatbot und jedes generierte Bild kostet Strom, meist unsichtbar für die Nutzerin oder den Nutzer, aber sehr real in den Serverhallen dahinter. Frühere Rechenzentren verwalteten vor allem E-Mails, Webseiten und Cloud-Speicher; heute laufen dort zusätzlich rechenintensive Sprach- und Bildmodelle, die pro Anfrage deutlich mehr Energie benötigen als eine klassische Websuche. Gerade im Sommer 2026, wenn Hitzewellen die Kühlung zusätzlich fordern, rückt die Frage nach dem tatsächlichen Strombedarf der Künstlichen Intelligenz stärker in den Fokus von Politik und Öffentlichkeit.
Der Energieverbrauch von KI-Rechenzentren bezeichnet die Strommenge, die Server, Kühlsysteme und Netzwerktechnik für Training und Betrieb großer KI-Modelle benötigen. Grafikprozessoren und die dazugehörige Kühlung treiben den Bedarf deutlich über das Niveau klassischer Cloud-Rechenzentren. Für Energiepolitik und Netzausbau in Deutschland wird das zunehmend zur planungsrelevanten Größe.
Grundlagen: Wie Rechenzentren KI-Anwendungen mit Strom versorgen
Ein Rechenzentrum bündelt Tausende Server in klimatisierten Hallen, die rund um die Uhr laufen. Für KI-Anwendungen kommen zusätzlich spezialisierte Grafikprozessoren zum Einsatz: Sie sind deutlich leistungsfähiger als klassische Prozessoren, erzeugen dabei aber auch mehr Wärme. Ein erheblicher Teil des Stromverbrauchs eines Rechenzentrums, häufig zwischen einem Drittel und der Hälfte, entfällt allein auf die Kühlung, denn Hitze ist der größte Feind leistungsstarker Prozessoren. Beim Training eines großen Sprachmodells laufen die Systeme oft wochenlang unter Volllast. Der anschließende Betrieb, also etwa beantwortete Chat-Anfragen, kostet pro Einzelanfrage zwar weniger Energie, fällt durch die schiere Menge an täglichen Nutzungen aber ebenfalls stark ins Gewicht.
Energieverbrauch von KI-Rechenzentren: Die aktuellen Zahlen
Wie groß die Dimension inzwischen ist, zeigt der Bericht „Electricity 2024“ der Internationalen Energieagentur (IEA): Demnach könnte der weltweite Stromverbrauch von Rechenzentren bis zum Jahr 2026 auf mehr als 1.000 Terawattstunden steigen, ungefähr so viel wie ganz Japan derzeit verbraucht. Als Treiber nennt die IEA ausdrücklich den Ausbau von KI-Anwendungen neben dem klassischen Cloud- und Streaming-Geschäft. Auch in Deutschland wächst der Bedarf: Das Borderstep Institut bezifferte den Stromverbrauch heimischer Rechenzentren bereits für das Jahr 2020 auf rund 16 Terawattstunden, Tendenz seither durch neue KI-Kapazitäten deutlich steigend. Diese Wachstumsdynamik betrifft längst nicht mehr nur Cloud-Speicher: Auch Themen wie autonome Systeme werden auf denselben Rechenzentren trainiert und tragen zum steigenden Bedarf bei.
Was Betreiber und Nutzer für mehr Effizienz tun können
Gerade im Hochsommer steigt der Kühlbedarf messbar an, weil hohe Außentemperaturen die sogenannte freie Kühlung (also das Ansaugen kühler Außenluft statt aktiver Kältemaschinen) erschweren. Viele Betreiber reagieren mit Abwärmenutzung: Die entstehende Wärme wird zunehmend in Nah- oder Fernwärmenetze eingespeist, statt ungenutzt zu verpuffen. Gefördert wird das durch die überarbeitete EU-Energieeffizienzrichtlinie (EED, Richtlinie (EU) 2023/1791), die Rechenzentren ab einer bestimmten Größe zur Meldung ihres Energieverbrauchs und des Anteils erneuerbarer Energien verpflichtet. Das schafft Vergleichbarkeit zwischen Anbietern und erschwert Greenwashing. Diese Meldepflicht reiht sich in eine wachsende Zahl europäischer Digitalregeln ein, zu denen inzwischen auch der EU AI Act für Hochrisiko-KI-Systeme zählt. Auch abseits der großen Anbieter, deren Cloud-Infrastruktur längst zum Rückgrat vieler KI-Dienste geworden ist, lässt sich auf Nutzerseite einiges bewirken.
- Anfragen an KI-Chatbots bündeln statt viele kurze Einzelprompts zu senden
- Bei Bildgenerierungen auf unnötig viele Wiederholungen verzichten
- Wo möglich, kleinere spezialisierte Modelle statt riesiger Allzweckmodelle nutzen
Häufige Fragen
Wie viel Strom verbraucht eine einzelne KI-Anfrage?
Das hängt stark von Modellgröße und Aufgabe ab. Eine Anfrage an ein großes Sprachmodell benötigt in der Regel spürbar mehr Energie als eine klassische Suchanfrage. Verlässliche Werte für den Einzelfall veröffentlichen die Anbieter allerdings nur selten.
Sind KI-Rechenzentren relevant für den Klimawandel?
Indirekt ja, über den CO2-Ausstoß der Stromerzeugung. Wie klimarelevant ein Rechenzentrum ist, hängt maßgeblich vom regionalen Strommix ab, also davon, wie viel Kohle-, Gas- oder erneuerbarer Strom ins Netz eingespeist wird.
Nutzen Rechenzentren erneuerbare Energien?
Viele große Betreiber kaufen Ökostrom oder investieren direkt in eigene Solar- und Windparks. Eine durchgehende Versorgung rund um die Uhr allein aus erneuerbaren Quellen bleibt aber technisch anspruchsvoll und ist noch nicht überall Standard.
Wird der Energiebedarf von KI in Zukunft sinken?
Effizientere Chips und schlankere Modelle könnten den Bedarf pro Anfrage senken. Ob das den Gesamtverbrauch bremst, bleibt offen, denn gleichzeitig steigt die schiere Nutzungsmenge an KI-Anwendungen weiter.
Fazit
Wie sich der Energiehunger der Künstlichen Intelligenz weiterentwickelt, hängt von mehreren Stellschrauben ab: von der Effizienz neuer Chip-Generationen, vom Tempo des Ausbaus erneuerbarer Energien und davon, wie Betreiber mit Abwärme umgehen. Die IEA-Prognose von über 1.000 Terawattstunden bis 2026 beruht auf den heutigen Wachstumsraten und kann sich mit jeder neuen Effizienzstufe verschieben, nach oben wie nach unten. Je mehr Rechenzentren künftig speziell für KI-Training reserviert werden, desto direkter berührt der Streit um Strombedarf auch die Debatte um Netzausbau, etwa die Fair-Share-Debatte darüber, wer die nötige Infrastruktur bezahlt. Wer als Nutzerin oder Nutzer Anfragen bündelt und Anbieter mit Abwärmenutzung bevorzugt, beeinflusst diesen Bedarf zumindest im Kleinen mit.