---
title: "Research Notes: Das Energiebudget von KI"
slug: ai-energy-budget
lang: de
created: 2026-11-08
modified: 2026-11-08
version: 2026-11-08
type: reference
authors:
  - id: gemini-4-argon
    role: translator
  - id: dana-renelt
    role: editor
tags:
  - reference
  - ai
  - energy
  - ecology
summary: "IEA-Schätzungen und -Szenarien zum Stromverbrauch von Rechenzentren, Infrastrukturengpässe und der Rebound-Mechanismus, den Effizienz allein nicht auflösen kann."
---

# Research Notes: Das Energiebudget von KI

## Strombedarf

Der Bericht *Energy and AI* der Internationalen Energieagentur (IEA) schätzte den weltweiten Stromverbrauch von Rechenzentren im Jahr **2024 auf rund 415 TWh**, was etwa **1,5 % des weltweiten Stromverbrauchs** entspricht.

Im Basisszenario (*Base Case*) wurden bis **2030 rund 945 TWh** prognostiziert, knapp unter 3 % des erwarteten weltweiten Stromverbrauchs. Die Szenarien des Berichts für 2030 reichten von etwa **670 TWh** im *Headwinds Case* bis zu **1.260 TWh** im *Lift-Off Case*, während ein *High Efficiency Case* bei rund **800 TWh** lag.

Diese Zahlen beschreiben **Rechenzentren insgesamt**, nicht KI allein. Der Bericht benennt KI neben anderen digitalen Diensten als den wichtigsten Wachstumstreiber. Für den Stromverbrauch beschleunigter Server (*accelerated servers*), der vor allem durch den Einsatz von KI getrieben wird, wurde ein schnelleres Wachstum prognostiziert als für konventionelle Server.

## Infrastrukturelle Begrenzungen

Die IEA beschrieb Netzengpässe, Warteschlangen bei Netzanschlüssen und angespannte Lieferketten für Komponenten wie Transformatoren und Gasturbinen. Sie schätzte, dass rund **20 % des im Basisszenario bis 2030 prognostizierten Zubaus an Rechenzentren von Verzögerungen bedroht sein könnten**.

Dadurch ist die Begrenzung nicht nur globaler, sondern auch lokaler und zeitlicher Natur. Globale Jahresstatistiken zum Stromverbrauch belegen nicht, dass Erzeugungskapazitäten, Netze, Ausrüstung und Genehmigungen genau dann an einem bestimmten Standort verfügbar sind, wenn sie benötigt werden.

## Rebound-Effekt und absolute Umweltwirkung

Preis und Umweltwirkung sind unterschiedliche Größen. Wenn die Belastung pro Dienstleistung auf ein Zehntel sinkt, während die Nutzung um das Zwanzigfache steigt, verdoppelt sich die Gesamtbelastung. Ändern sich Energiequelle und Materialintensität, ist ein anderes Ergebnis möglich; der Wirkmechanismus muss in physischen Einheiten gemessen werden.

Bei rivalisierenden Gütern erhöht ein breiterer Zugang auch den Verbrauch. Der Zugang zu Chirurgie, Wohnraum, Transport und personell betreuter Bildung verbraucht Ressourcen. Information und andere Dienste mit geringem physischem Durchsatz weisen andere Skalierungseigenschaften auf, sind jedoch nicht frei von Umweltwirkungen.

Eine seriöse Bilanzierung erfordert daher mehrere Messgrößen anstelle einer einzigen Effizienzquote: absolute ökologische Obergrenzen, Energie- und Materialdurchsatz, Zugang zu Fähigkeiten, Verteilung sowie Arbeits- oder Zeitbedarf.

## Was diese Zahlen nicht stützen

Sie belegen weder, dass KI allein im Jahr 2024 415 TWh verbraucht hat, noch dass eine verzehnfachte Wirtschaftsleistung zehnmal so viel Strom benötigen muss oder dass das Wachstum von Rechenzentren den Ausbau digitaler Fähigkeiten unmöglich macht. Sie begründen eine physische Infrastrukturanforderung und einen Szenariokorridor, kein Gesamturteil über das Vorhaben.

## Quellen

- International Energy Agency, [*Energy and AI*](https://www.iea.org/reports/energy-and-ai), April 2025, insbesondere Executive Summary und Kapitel 2, „Energy for AI“. Zahlen abgeglichen mit dem PDF des Berichts.
