Wie KI-Rechenzentren funktionieren – und warum sie so viel Strom verbrauchen

Die Maschinenräume der künstlichen Intelligenz

Jedes Mal, wenn Sie einem KI-Chatbot eine Frage stellen, ein Bild generieren oder ein Cloud-basiertes Tool verwenden, wird Ihre Anfrage an ein Rechenzentrum gesendet – eine Lagerhalle voller Tausender spezialisierter Server. Diese Gebäude bilden das physische Rückgrat der KI-Revolution, und ihr Appetit auf Strom und Wasser verändert die Energiemärkte weltweit.

Was in einem Rechenzentrum passiert

Ein modernes KI-Rechenzentrum beherbergt Reihen von Server-Racks mit Grafikprozessoren (GPUs) und anderen Beschleunigern, die für die massiven parallelen Berechnungen optimiert sind, die KI-Modelle benötigen. Das Training eines einzelnen großen Sprachmodells kann Tausende von GPUs erfordern, die wochen- oder monatelang ununterbrochen laufen. Auch nach dem Training erfordert jede Benutzeranfrage – Inferenz genannt – Echtzeitberechnungen.

All diese Verarbeitung erzeugt enorme Hitze. Ohne ständige Kühlung würden Chips innerhalb von Minuten überhitzen und ausfallen. Hier kommt die zweite wichtige Ressource ins Spiel: Wasser.

Warum sie so viel Wasser benötigen

Wasser leitet Wärme etwa 30-mal effizienter als Luft, was es zum bevorzugten Kühlmedium für High-Density-Computing macht. Die meisten großen Rechenzentren verwenden eine Form der Verdunstungskühlung, bei der warmes Wasser Wärme von Servern absorbiert und dann in Türmen durch Verdunstung gekühlt wird. Der Prozess ist energieeffizient, aber wasserintensiv – eine einzelne Hyperscale-Anlage kann bis zu 19 Millionen Liter Wasser pro Tag verbrauchen, was dem täglichen Bedarf einer Stadt mit 50.000 Einwohnern entspricht, so das Lincoln Institute of Land Policy.

Neuere geschlossene Kreislaufsysteme führen Wasser in versiegelten Rohren zurück und reduzieren den Frischwasserverbrauch um bis zu 70 %. Einige Betreiber experimentieren auch mit Immersionskühlung, bei der ganze Server in nichtleitende Flüssigkeit getaucht werden, um Verdunstungsverluste vollständig zu vermeiden.

Das Stromproblem

Rechenzentren verbrauchten im Jahr 2023 etwa 176 Terawattstunden (TWh) Strom – das sind etwa 4,4 % des gesamten US-Stromverbrauchs, so das U.S. Department of Energy. Das Lawrence Berkeley National Laboratory prognostiziert, dass diese Zahl bis 2028 auf 325 bis 580 TWh ansteigen könnte, was 6,7–12 % des gesamten amerikanischen Stromverbrauchs entspricht.

Die geografische Konzentration ist auffällig. In Virginias „Data Center Alley“ verbrauchen diese Anlagen bereits 26 % des gesamten Strombedarfs des Bundesstaates. In der Region Mid-Atlantic löste die steigende Nachfrage bei einer Kapazitätsauktion im Jahr 2024 einen Anstieg der Großhandelspreise für Energie um 800 % aus, wobei bis zum Ende der 2020er Jahre mit einem Anstieg der Tarife für Privathaushalte um 20–30 % gerechnet wird, wie Consumer Reports berichtet.

Widerstand in der Bevölkerung und politische Reaktionen

Steigende Stromkosten haben eine Welle des Widerstands ausgelöst. Eine landesweit repräsentative Umfrage ergab, dass 78 % der Amerikaner befürchten, dass der Bau neuer Rechenzentren ihre Energierechnungen erhöhen wird. Aktivistengruppen in mehr als 24 Bundesstaaten haben sich gegen geplante Anlagen organisiert und dabei Lärm, Wasserknappheit, Landnutzung und überlastete Stromnetze angeführt.

Die Gesetzgeber reagieren. Bis Anfang 2026 hatten Gesetzgeber in über 30 Bundesstaaten mehr als 300 Gesetzesentwürfe eingebracht, die sich mit den Auswirkungen von Rechenzentren befassen, von Baustopps bis hin zu überarbeiteten Steueranreizbestimmungen. Maine war der erste Bundesstaat, der den Bau großer Rechenzentren ganz einschränkte, so The National Desk.

Wie es weitergeht

Die Industrie verfolgt verschiedene Wege, um ihren ökologischen Fußabdruck zu verringern. Effizientere Chiparchitekturen versprechen die gleiche KI-Leistung mit weniger Energie. Technologieunternehmen investieren stark in Verträge über erneuerbare Energien und erforschen die Kernenergie, einschließlich kleiner modularer Reaktoren, um dedizierten sauberen Strom zu liefern. Forscher haben auch Algorithmen vorgestellt, die den KI-Energieverbrauch um das bis zu 100-fache senken und gleichzeitig die Genauigkeit verbessern könnten.

Dennoch bleibt die grundlegende Spannung bestehen: Je größer die KI-Fähigkeiten werden und je schneller die Akzeptanz steigt, desto größer wird auch die physische Infrastruktur, die zu ihrer Unterstützung erforderlich ist. Wie die Gesellschaften die Vorteile der künstlichen Intelligenz gegen ihre realen Ressourcenkosten abwägen, wird eine der wichtigsten politischen Fragen des kommenden Jahrzehnts sein.