---
title: "Warum der Strombedarf von AI-Rechenzentren zugleich Stromnetze, Strompreise und Klimaziele belastet"
locale: de
category: report
category_name: "Bericht"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/ai-data-center-power-grid-tariffs-carbon
published_at: 2026-07-09T23:13:39+09:00
---

# Warum der Strombedarf von AI-Rechenzentren zugleich Stromnetze, Strompreise und Klimaziele belastet

> AI-Rechenzentren belasten aufgrund rechenintensiver GPUs und Beschleuniger sowie ihres Kühlbedarfs gleichzeitig die Stromnetze, die Strompreise und die Klimaziele von Unternehmen. Dieser Artikel beleuchtet Netzengpässe, die Kostenverteilung, Nachhaltigkeitskennzahlen und Alternativen für einen stromflexiblen AI-Betrieb aus datenorientierter Perspektive.

## Key Points

- Der Strombedarf von AI-Rechenzentren steigt schnell in Cloud-Zentren, in Regionen mit konzentrierter Halbleiter- und Netzwerkinfrastruktur sowie dort, wo günstiger oder sauberer Strom verfügbar ist.
- Netzengpässe entstehen nicht nur durch eine unzureichende Stromerzeugung, sondern durch das Zusammenspiel von Übertragungs- und Verteilungskapazitäten, dem Ausbau von Umspannwerken, Wartezeiten beim Netzanschluss und regionalen Genehmigungsverfahren.
- Wie die Kosten der Strominfrastruktur für Rechenzentren zwischen Betreibern, Stromversorgern, allgemeinen Verbrauchern und lokalen Gemeinschaften aufgeteilt werden, ist eine Kernfrage der Strompreispolitik.
- In Nachhaltigkeitsberichten von Unternehmen müssen Gesamtstromverbrauch, Beschaffung erneuerbarer Energien, Treibhausgasemissionen, Wasserverbrauch und Kühleffizienz gemeinsam betrachtet werden.
- Stromflexible AI-Fabriken, die AI-Trainings- und Inferenzaufgaben an die Netzsituation anpassen, sind vielversprechend, doch dabei müssen die Unterschiede zwischen verzögerungstoleranten Aufgaben und Echtzeitdiensten berücksichtigt werden.

## Auf einen Blick

AI-Rechenzentren sind nicht einfach nur Servergebäude, sondern Großverbraucher von Strom und Kühlung, Nutzer regionaler Infrastruktur und eine zentrale Variable in der CO₂-Bilanzierung von Unternehmen. Mit der Ausweitung generativer AI sowie des Trainings und der Inferenz großer Modelle rücken der Strombedarf von Rechenzentren und damit zugleich der Netzanschluss, die Stromtarifgestaltung, die Beschaffung erneuerbarer Energie, der Wasserverbrauch und regionale Genehmigungsfragen stärker in den Fokus.

Die Analysen der IEA zu Energie und AI, Untersuchungen zur Strominfrastruktur von Rechenzentren sowie die Nachhaltigkeitsberichte großer Technologiekonzerne werfen übereinstimmend dieselbe Frage auf: **Die Vorteile der AI-Infrastruktur verbreiten sich weltweit, doch die Belastungen für Stromnetze, Flächen, Wasserressourcen und Stromtarife können sich auf bestimmte Regionen konzentrieren.**

## Definition zentraler Begriffe

| Begriff | Bedeutung | Warum ist das wichtig? |
|---|---|---|
| AI-Rechenzentrum | Rechenzentrum, das mithilfe von GPU, TPU, Beschleunigern, Hochgeschwindigkeitsnetzwerken und Massenspeichern AI-Training und -Inferenz durchführt | Es weist eine höhere Leistungsdichte pro Rack und einen größeren Kühlbedarf auf als gewöhnliche Büro-IT |
| Netzanschluss | Verfahren, durch das Kraftwerke oder Verbraucher mit dem Übertragungs- oder Verteilnetz verbunden werden | Große Rechenzentren können Anschlusskapazitäten von mehreren zehn bis mehreren hundert MW benötigen, wodurch Warteschlangen entstehen |
| Netzengpass | Verzögerung der Stromversorgung, weil die Kapazität in einem Abschnitt der Erzeugung, Übertragung, Umspannung oder Verteilung nicht ausreicht | Selbst wenn genügend Strom vorhanden ist, kann er möglicherweise nicht am erforderlichen Ort und zur erforderlichen Zeit bereitgestellt werden |
| Scope-1-, Scope-2- und Scope-3-Emissionen | Direkte Emissionen, Emissionen aus eingekauftem Strom sowie sonstige indirekte Emissionen etwa aus Lieferketten und Produktnutzung | Grundlegende Kennzahlen zur Beurteilung, ob Rechenzentrumsbetreiber ihre CO₂-Ziele erreichen |
| Stromflexibilität | Fähigkeit, Zeitpunkt und Intensität des Stromverbrauchs an Netzbedingungen, Preise und die Erzeugung erneuerbarer Energien anzupassen | Zentrales Instrument, um AI-Berechnungen netzfreundlich zu betreiben |
| Wassernutzungseffizienz, WUE | Kennzahl, die den Wasserverbrauch eines Rechenzentrums etwa für die Kühlung ins Verhältnis zur IT-Last setzt | In Regionen mit Wasserknappheit ist sie ein ebenso wichtiger Faktor für Genehmigungen und lokale Konflikte wie der Stromverbrauch |

## Wo wächst die Nachfrage nach AI-Rechenzentren besonders schnell?

Der Ausbau von AI-Rechenzentren findet weltweit statt, schreitet jedoch nicht in allen Regionen gleich schnell voran. Regionen, in denen sich die Nachfrage rasch konzentriert, erfüllen meist die folgenden Voraussetzungen.

1. **Regionen mit bestehenden Cloud-Regionen und Netzwerkknoten**  
   AI-Dienste benötigen umfangreiche Datenübertragungen, niedrige Latenzzeiten und globale Dienstekonnektivität. Regionen, in denen sich bereits Cloud-Anbieter und Telekommunikationsnetze konzentrieren, bieten Vorteile als Standorte für neue AI-Rechenzentren.

2. **Regionen, in denen große Strommengen verfügbar sind**  
   AI-Trainingscluster erfordern eine hohe Leistungsdichte. Strompreise, freie Kapazitäten im Übertragungsnetz, Umspannwerkskapazitäten und der Zugang zu erneuerbaren Energien sind zentrale Faktoren der Standortentscheidung.

3. **Regionen in der Nähe von Halbleiter- und Serverlieferketten sowie Fachpersonal**  
   Die Verfügbarkeit von GPU-Servern, Kühlanlagen, Stromversorgungstechnik und spezialisiertem Betriebspersonal wirkt sich unmittelbar auf die Geschwindigkeit des Rechenzentrumsausbaus aus.

4. **Regionen mit klaren politischen Anreizen und Genehmigungsverfahren**  
   Regionen mit klar geregelten Steuervergünstigungen, Flächennutzungsvorgaben, Stromvertragsmodellen und Umweltprüfkriterien bieten Betreibern eine höhere Planungssicherheit.

5. **Regionen, in denen Stromabnahmeverträge für erneuerbare Energien möglich sind**  
   Große Technologiekonzerne betonen eine rund um die Uhr verfügbare CO₂-freie Stromversorgung, die Beschaffung erneuerbarer Energien und langfristige Stromabnahmeverträge. Die vertragliche Beschaffung erneuerbarer Energien und die tatsächliche CO₂-Intensität des Stromverbrauchs zu den jeweiligen Tageszeiten können jedoch voneinander abweichen.

## Warum entstehen Engpässe beim Netzanschluss?

Das Stromproblem von AI-Rechenzentren lässt sich nur schwer mit der einfachen Frage „Gibt es zu wenig Strom?“ erklären. Engpässe entstehen üblicherweise auf vier Ebenen.

### 1. Unterschied zwischen Erzeugungskapazität und tatsächlicher Verfügbarkeit

Die Erzeugung aus Solar- und Windenergie schwankt je nach Tageszeit und Wetter. Eine stabile Versorgung ist nur im Zusammenspiel mit anderen Ressourcen wie Kernkraft, Gas, Wasserkraft und Speichern möglich. Da Rechenzentren häufig rund um die Uhr betrieben werden, stellt Strommangel zu bestimmten Zeiten ein erhebliches Risiko dar.

### 2. Physische Grenzen von Übertragungsnetzen und Umspannwerken

Strom muss vom Kraftwerk zum Rechenzentrum transportiert werden. Selbst bei ausreichender Erzeugung kann sich der Anschluss verzögern, wenn die Kapazitäten von Übertragungsleitungen, Umspannwerken oder Verteilnetzen nicht ausreichen. Deshalb werden neue Rechenzentren zusammen mit Plänen zum Ausbau des Stromnetzes geprüft.

### 3. Warteschlangen beim Netzanschluss und Verzögerungen bei der Anlagenbeschaffung

Wenn große Verbraucher und Projekte für erneuerbare Energien gleichzeitig zunehmen, verlängert sich die Warteschlange für den Netzanschluss. Auch die Lieferzeiten wichtiger Anlagen wie Transformatoren, Leistungsschalter und leistungselektronischer Geräte können zum Engpass werden.

### 4. Regionale Genehmigungen und Akzeptanz in der Bevölkerung

Rechenzentren wirken sich nicht nur auf den Stromverbrauch aus, sondern auch auf Flächen, Wasser, Lärm, Landschaftsbild, Steuereinnahmen, Beschäftigung und lokale Strompreise. Wenn Einwohner den Eindruck haben, dass die Infrastrukturbelastung größer ist als der regionale Nutzen, können sie sich dagegen aussprechen.

## Stromtarife und Kostenverteilung: Wer trägt die Netzkosten für AI?

Der Ausbau von AI-Rechenzentren stellt Energieversorger und Regulierungsbehörden vor schwierige Fragen. Wer sollte die Kosten tragen, wenn für einen einzigen Großkunden Übertragungsleitungen und Umspannwerke ausgebaut werden?

| Kostenposten | Ursache | Streitpunkt |
|---|---|---|
| Baukosten für den Netzanschluss | Ausbau von Umspannwerken sowie Übertragungs- und Verteilanlagen zur Anbindung des Rechenzentrums | Ob der Betreiber die Kosten trägt oder sie in die Tarife aller Verbraucher einfließen |
| Kosten zur Deckung der Spitzenlast | Gewährleistung der Versorgungssicherheit zu Zeiten der höchsten Stromnachfrage | Ob Kunden, die Lastspitzen verursachen, höhere Tarife zahlen sollen |
| Kosten für Reserven und Notstromversorgung | Vermeidung von Stromausfällen und Aufrechterhaltung der Netzstabilität | Wie der rund um die Uhr bestehende Bedarf von Rechenzentren an hochzuverlässiger Stromversorgung bepreist werden soll |
| Kosten für erneuerbare Energien und Speicher | Investitionen, um CO₂-Ziele und Stromstabilität zugleich zu erreichen | Wer die Kosten für langfristige Stromabnahmeverträge, Speicher und Übertragungsnetze trägt |
| Lokale Umweltkosten | Wasserverbrauch, Wärmeabgabe, Flächennutzung, Lärm usw. | Ob außerhalb der Stromtarife lokale Ausgleichsmaßnahmen und Genehmigungsauflagen erforderlich sind |

Politisch könnten folgende Modelle diskutiert werden.

- **Verursacherprinzip**: Die Kosten für Ausbauten, die aufgrund des Anschlusses eines bestimmten Rechenzentrums erforderlich sind, werden in größerem Umfang vom jeweiligen Betreiber getragen.
- **Zeitabhängige Tarife**: In Zeiten hoher Netzauslastung oder hoher CO₂-Intensität werden höhere Strompreise verlangt.
- **Lastmanagementverträge**: Rechenzentren erhalten eine Vergütung, wenn sie bei Stromknappheit einen Teil ihrer Rechenlast reduzieren oder in eine andere Region verlagern.
- **Langfristige Mindestentgelte oder Leistungspreise**: Kunden, die umfangreiche Strominfrastruktur reserviert haben, tragen unabhängig von ihrem tatsächlichen Verbrauch bestimmte Kosten.
- **Bedingungen für regionalen Nutzen**: Steuereinnahmen, Arbeitsplätze, Abwärmenutzung, Beschränkungen des Wasserverbrauchs und Investitionen in das regionale Stromnetz werden in die Genehmigungsauflagen aufgenommen.

## Kennzahlen, auf die in Nachhaltigkeitsberichten von Unternehmen zu achten ist

Die Umwelt- und Nachhaltigkeitsberichte großer Technologiekonzerne wie Google und Amazon sind wichtige Quellen, um die tatsächliche Belastung durch AI-Infrastruktur zu ermitteln. Da sich jedoch Berechnungsmethoden, Geschäftsjahre, die Behandlung von Zertifikaten für erneuerbare Energien und die Abgrenzung zwischen Rechenzentren und dem Gesamtgeschäft je nach Unternehmen unterscheiden, dürfen die Zahlen nicht einfach direkt verglichen werden.

### Checkliste zentraler Kennzahlen

| Kennzahl | Was ist zu prüfen? | Worauf ist bei der Interpretation zu achten? |
|---|---|---|
| Gesamtstromverbrauch | Entwicklung des Stromverbrauchs des gesamten Unternehmens und der Rechenzentren | Der ausschließlich auf AI entfallende Verbrauch wird möglicherweise nicht separat veröffentlicht |
| Beschaffung erneuerbarer Energien | PPA, Zertifikate, Eigenerzeugung, Ziele für CO₂-freien Strom | Jährlicher und zeitgenauer Abgleich haben unterschiedliche Bedeutungen |
| Scope-2-Emissionen | Treibhausgasemissionen aus eingekauftem Strom | Unterschiede zwischen marktbasierter und standortbasierter Berechnungsmethode sind zu prüfen |
| Scope-3-Emissionen | Emissionen der Lieferkette, etwa durch Server, Halbleiter, Bau und Logistik | Beim Ausbau der AI-Infrastruktur können die Emissionen aus der Geräteherstellung steigen |
| Wasserverbrauch | Kühlung, Anlagenbetrieb, regionaler Wasserstress | Der Wasserverbrauch muss zusammen mit der lokalen Wasserressourcensituation betrachtet werden |
| PUE | Verhältnis des Gesamtstromverbrauchs der Anlage zum Stromverbrauch der IT-Geräte | Selbst bei niedriger PUE kann die Gesamtlast steigen, wenn der Gesamtstromverbrauch stark zunimmt |
| WUE | Wasserverbrauch pro IT-Last | Je nach Kühlmethode und klimatischen Bedingungen bestehen große Unterschiede |
| CO₂-Entnahme und -Kompensation | Umgang mit verbleibenden Emissionen | Reduktion und Kompensation müssen unterschieden werden |

### Zentrale Punkte bei der Dateninterpretation

- **Effizienzsteigerungen gleichen einen Anstieg der Gesamtmenge nicht automatisch aus.** Selbst wenn sich die Effizienz von Servern und Kühlung verbessert, können der gesamte Strom- und Wasserverbrauch steigen, wenn die AI-Nutzung schneller zunimmt.
- **Der Einkauf erneuerbarer Energien löst Netzengpässe nicht unmittelbar.** Selbst bei bestehenden Stromabnahmeverträgen muss das Übertragungsnetz zur benötigten Zeit und am benötigten Ort über ausreichende Kapazität verfügen.
- **Bei CO₂-Zielen muss neben Scope 2 auch Scope 3 berücksichtigt werden.** Denn die Lieferkettenemissionen aus AI-Beschleunigern und dem Bau von Rechenzentren können steigen.

## Möglichkeiten und Grenzen einer „Power-flexible AI factory“

Eine stromflexible AI-Fabrik ist ein Betriebsmodell, bei dem AI-Berechnungen an den Zustand des Stromnetzes angepasst werden. Die Kernidee besteht darin, dass nicht alle AI-Aufgaben gleich dringend sind.

### Mögliche Ansätze

1. **Zeitliche Verlagerung von Trainingsaufgaben**  
   Das Training großer Modelle oder Batch-Aufgaben kann um Stunden oder Tage verschoben werden. Es kann in Zeiten niedriger Strompreise oder hoher Erzeugung aus erneuerbaren Energien verlegt werden.

2. **Verlagerung von Workloads zwischen Regionen**  
   Mithilfe globaler Cloud-Infrastruktur können Aufgaben aus Regionen mit hoher Netzauslastung in andere Regionen verlagert werden. Datensouveränität, Latenzzeiten und Netzwerkkosten stellen dabei jedoch Einschränkungen dar.

3. **Prioritätsmanagement bei Inferenzlasten**  
   Dienste, die Echtzeitantworten erfordern, können von verzögerbaren Analyseaufgaben getrennt werden, sodass bei Stromknappheit bestimmte Aufgaben auf eine niedrigere Prioritätsstufe gesetzt werden können.

4. **Einbindung von Batterien, Wärmespeichern und Backup-Ressourcen**  
   Speicher und Kühlsysteme innerhalb des Rechenzentrums können für das Lastmanagement des Stromnetzes genutzt werden.

### Grenzen

- Bei Aufgaben mit geringer Verzögerungstoleranz, etwa Echtzeitsuche, Kundensupport, Finanztransaktionen sowie medizinischen und sicherheitsbezogenen Diensten, ist der Anpassungsspielraum klein.
- Die Verlagerung von Workloads kann mit Datenschutzvorschriften, regionalen Cloud-Verträgen und Latenzanforderungen kollidieren.
- Damit Stromflexibilität tatsächlich zu CO₂-Reduktionen führt, werden zeitlich aufgelöste Daten zur CO₂-Intensität des Stroms benötigt.
- Damit Betreiber Stromflexibilität anbieten können, müssen die Stromtarife oder Vergütungsmodelle für das Lastmanagement hinreichend klar sein.

## Regionale Wasserressourcen und Kühlungsprobleme

Die Umweltauswirkungen von AI-Rechenzentren beschränken sich nicht auf den Stromverbrauch. Hochleistungsserver erzeugen viel Wärme, und je nach Kühlmethode kann der Wasserverbrauch steigen.

| Kühlmethode | Vorteile | Zu beachten |
|---|---|---|
| Luftkühlung | Relativ einfacher Aufbau und potenziell geringer Wasserverbrauch | Kann bei hochverdichteten AI-Racks an Grenzen stoßen |
| Verdunstungskühlung | Kann dazu beitragen, den Stromverbrauch zu senken | Der Wasserverbrauch kann steigen |
| Flüssigkeitskühlung | Für hochverdichtete GPU-Server geeignet | Anlagenkomplexität und Anfangsinvestitionen können hoch sein |
| Hybridkühlung | Kombination je nach Klima und Last möglich | Die Betriebsoptimierung ist komplex |

In Regionen mit hohem Wasserstress kann der Wasserverbrauch von Rechenzentren mit der Landwirtschaft, der Trink- und Brauchwasserversorgung sowie Ökosystemen konkurrieren. Daher sollten Kommunen im Genehmigungsverfahren den Wasserverbrauch, die Nutzung von Recyclingwasser, Pläne zur Reaktion auf Dürren und Möglichkeiten zur Abwärmenutzung gemeinsam prüfen.

## Für die Politik- und Regulierungsgestaltung erforderliche Daten

Bei der Politik für AI-Rechenzentren sind Daten wichtiger als Absichtserklärungen. Kommunen, Energieversorger und Regulierungsbehörden sollten die folgenden Punkte gemeinsam verwalten.

| Datenpunkt | Bereitstellende Stelle | Verwendungszweck |
|---|---|---|
| Beantragte Stromkapazität und stufenweiser Ausbauplan | Rechenzentrumsbetreiber | Bewertung des Bedarfs an Netzverstärkungen |
| Erwartete Last nach Tageszeit | Betreiber und Energieversorger | Gestaltung von Spitzenlastmanagement und Tarifen |
| Möglicher Umfang der Stromflexibilität | Betreiber | Lastmanagementverträge und Notfallbetriebspläne |
| Kühlmethode und erwarteter Wasserverbrauch | Betreiber | Bewertung der Auswirkungen auf Wasserressourcen |
| Plan zur Beschaffung erneuerbarer Energien | Betreiber | Bewertung der CO₂-Ziele und Auswirkungen auf das regionale Stromnetz |
| Kosten für den Ausbau von Übertragungsnetzen und Umspannwerken | Energieversorger | Kostenverteilung und Tarifgenehmigung |
| Pläne für regionale Beschäftigung, Steuereinnahmen und Abwärmenutzung | Betreiber und Kommunen | Beurteilung der Akzeptanz in der Bevölkerung |
| Methode zur Emissionsberechnung | Betreiber | Überprüfung von Nachhaltigkeitsberichten |

## Fazit

Der steigende Strombedarf von AI-Rechenzentren ist kein Problem, das nur die Technologiebranche betrifft. Es handelt sich um eine Frage der öffentlichen Infrastruktur, bei der Netzinvestitionen, Stromtarife, regionale Genehmigungen, Wasserressourcen und CO₂-Ziele gleichzeitig miteinander verknüpft sind. Kern der Politik sollte nicht sein, AI-Innovationen zu verhindern, sondern die Kosten großer Stromverbraucher für lokale Gemeinschaften und das Stromnetz transparent zu messen und gerecht zu verteilen.

Der realistischste Ansatz besteht in der Kombination dreier Maßnahmen. Erstens müssen Rechenzentrumsbetreiber detailliertere Daten zu Strom, Wasser und Emissionen veröffentlichen. Zweitens müssen Energieversorger und Regulierungsbehörden Tarifmodelle entwickeln, die die Netzkosten großer Verbraucher berücksichtigen. Drittens sollten AI-Berechnungen, soweit möglich, flexibel an die Bedingungen des Stromnetzes angepasst werden.

## FAQ

### Warum verbrauchen KI-Rechenzentren mehr Strom als herkömmliche Rechenzentren?
KI-Training und -Inferenz setzen in großem Umfang Hochleistungsbeschleuniger wie GPUs und TPUs ein und weisen eine hohe Leistungsdichte pro Server-Rack auf. Da die Geräte zudem viel Wärme erzeugen, steigen der Strombedarf für die Kühlung und in manchen Fällen auch der Wasserverbrauch.

### Entstehen Engpässe im Stromnetz ausschließlich durch einen Mangel an Kraftwerken?
Nein. Selbst wenn genügend Strom erzeugt wird, kann die für Rechenzentren benötigte Energie möglicherweise nicht rechtzeitig bereitgestellt werden, wenn es an Übertragungsleitungen, Umspannwerken, Verteilnetzen, Netzanschlussverfahren, rechtzeitig lieferbarer Ausrüstung oder regionalen Genehmigungen mangelt.

### Können die Strompreise für normale Verbraucher wegen KI-Rechenzentren steigen?
Diese Möglichkeit besteht. Wenn für den Anschluss großer Rechenzentren Investitionen in das Stromnetz erforderlich sind und diese Kosten auf die allgemeinen Stromtarife umgelegt werden, können auch normale Verbraucher belastet werden. Deshalb sind Konzepte wie die Kostenübernahme durch den Verursacher, Leistungstarife und zeitvariable Tarife wichtig.

### Wird das CO₂-Problem eines Rechenzentrums durch den Abschluss eines Stromabnahmevertrags für erneuerbare Energien gelöst?
Dies kann zu einer teilweisen Lösung beitragen, reicht aber möglicherweise nicht aus. Selbst wenn die jährlich eingekaufte Menge an erneuerbarer Energie dem Verbrauch entspricht, können die tatsächlichen Verbrauchszeiten und die CO₂-Intensität des Stroms in der jeweiligen Region abweichen; außerdem bleiben Engpässe im Übertragungsnetz davon unabhängig bestehen.

### Welche Kennzahlen sollte man in Nachhaltigkeitsberichten von Unternehmen zuerst prüfen?
Der gesamte Stromverbrauch, die Art der Beschaffung erneuerbarer Energien, Scope-2-Emissionen, Scope-3-Emissionen, Wasserverbrauch, PUE und WUE müssen gemeinsam betrachtet werden. Wer nur eine einzelne Effizienzkennzahl betrachtet, kann den Anstieg des Gesamtverbrauchs oder Emissionen in der Lieferkette übersehen.

### Kann ein Rechenzentrum mit niedrigem PUE als umweltfreundlich gelten?
Der PUE ist eine wichtige Kennzahl für die Energieeffizienz der Anlage, aber keine hinreichende Bedingung. Auch der gesamte Stromverbrauch, die CO₂-Intensität des Stroms, der Wasserverbrauch, die Emissionen aus der Herstellung der Geräte und die Auswirkungen auf das regionale Stromnetz müssen geprüft werden.

### Was ist eine stromflexible KI-Fabrik?
Dabei handelt es sich um eine Betriebsweise, bei der Zeit, Standort und Priorität von KI-Trainings- und Inferenzaufgaben an die Auslastung des Stromnetzes, die Strompreise und die Erzeugung erneuerbarer Energien angepasst werden. Dies ist für aufschiebbare Trainingsaufgaben vorteilhaft, bei Echtzeitdiensten jedoch nur eingeschränkt anwendbar.

### Welche Aspekte müssen Kommunen bei der Genehmigung von KI-Rechenzentren prüfen?
Die beantragte Stromkapazität, der stufenweise Ausbauplan, die Kosten für die Verstärkung der Übertragungs- und Verteilnetze, der Wasserverbrauch, die Kühlmethode, die Auswirkungen von Lärm und Wärme, die lokale Beschäftigung und die Steuereinnahmen, die Nutzung von Abwärme sowie der Betriebsplan für die Notstromversorgung müssen gemeinsam geprüft werden.

### Warum ist der Wasserverbrauch von Rechenzentren ein politisches Thema?
Einige Kühlmethoden können erhebliche Mengen Wasser verbrauchen und in Regionen mit hohem Wasserstress mit der Trinkwasserversorgung, der Landwirtschaft und den Ökosystemen konkurrieren. Deshalb ist der Wasserverbrauch zusammen mit dem Strombedarf eine zentrale Datengrundlage für regionale Genehmigungsverfahren.

### Sind die Verbreitung von KI und die Ziele der Klimaneutralität miteinander vereinbar?
Sie sind miteinander vereinbar, doch dies geschieht nicht automatisch. Dafür sind hocheffiziente Geräte, die zeitabhängige Beschaffung von CO₂-freiem Strom, Flexibilität beim Stromverbrauch, Investitionen in Übertragungsnetze und eine transparente Offenlegung der Emissionen gemeinsam erforderlich.

## Sources

- [IEA – Zentrale Fragen zu Energie und KI](https://www.iea.org/reports/key-questions-on-energy-and-ai)
- [Capgemini – Infografik zur Stromversorgungsinfrastruktur von Rechenzentren](https://www.capgemini.com/wp-content/uploads/2026/06/Final-Infographic-Data-Centers.pdf)
- [Google-Umweltbericht 2026](https://sustainability.google/google-2026-environmental-report/)
- [Amazon-Nachhaltigkeitsbericht 2025](https://sustainability.aboutamazon.com/2025-amazon-sustainability-report.pdf)
- [World Economic Forum – Ist KI die nächste große Energietechnologie?](https://www.weforum.org/stories/2026/06/is-ai-the-next-great-energy-technology/)

## Images

![Illustration, die Rechenzentren und das Stromnetz, Fabrikabgase, Wohngebiete sowie Wasser und Kosten gemeinsam zeigt](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTEwOSwicHVyIjoiYmxvYl9pZCJ9fQ==--24e2c37e44ae23294770b11187b669b242e5e656/ai-66d8a04c.webp)
![Über das Stromnetz und Kühlwasserleitungen verbundenes Rechenzentrum, Solar- und Windkraftanlagen sowie ein Stromsymbol](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTExNSwicHVyIjoiYmxvYl9pZCJ9fQ==--92979d3eec1c9893780bdbd43bff5db85b674c7d/ai-c2ab6b65.webp)