Gehen in den KI-Rechenzentren bald die Lichter aus?

KI-Killer Strompreis © Chip

Prognosen für die Digitalwirtschaft für das Jahr 2026 waren nicht rosig, aber gut genug – meinten viele. Sie haben nicht mit Donald Trump und seinem irrsinnigen Iran-Krieg und einer Blockade des wichtigsten Lebensaders der nahöstlichen Ölindustrie gerechnet. Ausgerechnet der Hype um künstliche Intelligenz könnte dafür sorgen, dass weltweit in den Rechenzentren die Lichter ausgehen.

Besonders hart trifft das die KI-Industrie, die immer größere Mengen an Energie verschlingt. Wird die knapp, steht ein jäher Absturz bevor. KI ist wesentlich empfindlicher für Preisschwankungen bei Energoe als die meisten Industrien.

KI-Systeme – insbesondere groß angelegte Modelle – sind auf riesige Serverfarmen angewiesen, die enorme Mengen an Strom verbrauchen. Die Hormuz-Krise hat zu einem Rückgang der weltweiten Öllieferungen um etwa 20 % geführt und einen schweren Energieschock ausgelöst.

Dies wirkt sich unmittelbar auf die Strompreise weltweit aus, insbesondere in Europa und Asien. Rechenzentren haben bereits einen wachsenden Anteil am Strombedarf, weshalb sie sehr empfindlich auf Preisspitzen reagieren. Resultat: Das Trainieren von KI-Modellen wird deutlich teurer. Auch die Inferenz (das Ausführen von Modellen wie ChatGPT) wird teurer. In der Folge werden die Gewinnmargen der KI-Unternehmen schrumpfen.

Einige Analysten haben bereits davor gewarnt, dass Energieengpässe die Expansionspläne im KI-Bereich bremsen könnten. Die Internationale Energieagentur (IEA) hat wiederholt darauf hingewiesen, dass KI den Strombedarf von Rechenzentren auf ein extremes Niveau treibt. Sie stellt fest, dass KI-Server immer energieintensiver werden und die Grenzen der Infrastruktur an ihre Grenzen stoßen könnten. Goldman Sachs Research rechnet bis 2030 mit einem Anstieg des Strombedarfs von Rechenzentren um 160–165 %

Der Ölschock wirkt sich aber nicht nur auf den Energiesektor aus; er zieht weitreichende Folgen nach sich. Schifffahrt (Treibstoffkosten, Unterbrechungen der Transportwege) und Rohstoffe (Chemikalien, Metalle, Halbleiterlogistik) werden sich massiv verteuern. Das sieht man schon heute: Die Krise hat bereits weltweit zu Störungen im Schiffsverkehr und in den Handelsströmen geführt. Das bedeutet höhere Kosten für GPUs, Server und Kühlanlagen sowie längere Lieferzeiten für die Bereitstellung von KI-Hardware.

Ölkrisen führen historisch gesehen zu mehr Inflation, höhere Zinssätze und langsameres Wirtschaftswachstum oder Rezession. Für KI bedeutet das: Die Risikokapitalfinanzierung wird knapper, große Tech-Unternehmen könnten ihre Ausgaben kürzen oder neu priorisieren, und größere und rRisikoreichere KI-Projekte werden verschoben.

Andererseits führen Energiekrisen tendenziell zu einer steigenden Nachfrage nach KI in Bereichen wie Energieoptimierung (intelligente Stromnetze, bedarfsprognosen9 und Effizienzsteigerungen. Außerdem ersetzen Unternehmen in Krisenzeiten gerne Arbeitskräfte durch schneller KI-Systeme. Die Krise könnte eine schnellere Einführung von erneuerbaren Energien und Kernenergie vorantreiben. Das erfordert ihrerseits KI in großem Umfang zur Optimierung dieser Systeme. Paradoxerweise gilt also: KI gewinnt an Wert, auch wenn sie teurer wird.

Global gesehen dürfte die Energiekrise zu massiven Verschiebungen bei der Standortauswahl führen. Regionen mit günstiger, stabiler Energiewie die USA dank ihrer heimischen Energieerzeugung oder die nordischen Länder mit ihrer Wasserkraft und Geothermiekönnten die großen Gewinner sein. Auch China könnte möglicherweise dank staatlich geförderte Energie und ihrer KI-Offensive profitieren.

Regionen, die von Energieimporten abhängig sind (wie weite Teile Europas), könnten zu den Verlierern zählen.

Big Tech mit sicherem Zugang zu Energie. Die bereits über die nötige Infrastruktur und Energieverträge verfügen, sind am besten aufgestellt. Dazu zählen Microsoft, Google und Amazon. Sie verfügen bereits über langfristige Stromabnahmeverträge (PPAs) und haben die Möglichkeit, Rechenzentren in der Nähe von günstigen Energiequellen zu errichten, können so höhere Kosten besser auffangen als Start-ups.

Führende Halbleiterunternehmen (mit Preissetzungsmacht) können auch die Nase vorne haben. NVIDIA und TSMC bleiben geschützt, selbst wenn sich die Lieferketten verengen, weil die die Nachfrage nach KI-Chips stark bleibt und sie in der Lage sind, steigende Kosten an die Käufer weiterzugeben.

Unternehmen, die KI-Tools entwickeln für Netzoptimierung, Energieprognosen und industrielle Effizienz werden ebenfalls gewinnen, weil die Energiekrise zu einem massiven Nachfrageschub führen wird. Regierungen und Energieversorger investieren massiv.

Die größten Verlierer werden KI-Startups mit hohem Rechenaufwand sein. Die Cloud-Kosten werden steigen ansprunghaft, das Trainieren von Modellen wird unerschwinglich und die Finanzierung wird in einem risikoaversen Wirtschaftsklima zunehmend unmöglich sein. Startups werden sich zwischen einer harten Wand und einem unwiderstehlichen Druck wiederfinden. Sie haben die Wahl: Entweder das Training verschieben, auf ressourcenschonendere Modelle umsteigen oder den Betrieb einstellen.

Europa mit seinen hohen Energiekosten und seinem unverhältnismäßig kostspieligen  Verwaltungsaufwand wird sich in einer gefährlichen Lage wiederfinden. Wenn Trump nicht noch einlenkt und eine Lösung des Hormus-Problems findet, wird Europas KI-Industrie langsamer wachsen, was zu einem möglichen „KI-Rückstand“ gegenüber den USA und Asien führen wird.

In dieser Situation werden erneuerbare Energien + Kernenergieeine Schlüsselrolle spielen. Das bedeutet starker Anstieg der langfristigen Investitionen, wobei Erneuerbare kurzfristig kaum den Ölschock vollständig kompensiert. Sicher ist nur: Auf lange Sicht bleiben KI und Energiesysteme eng miteinander verknüpft.