Strom statt Chips: Warum Energie über das KI-Rennen entscheidet
Chips lassen sich in Monaten liefern – neue Kraftwerke und Netzanschlüsse brauchen Jahre bis Jahrzehnte. Deshalb verlagert sich der Engpass der KI-Entwicklung von Grafikkarten zu Strom: Eric Schmidt schätzte den zusätzlichen Bedarf bis 2030 auf 96 Gigawatt, US-Projekte wie Stargate scheitern eher an Stromzufuhr als an Kapital, und China baut Energie systematisch als strategischen Vorteil aus. Wer Rechenleistung skalieren will, muss zuerst die Steckdose sichern.
Redaktionell aufbereitet aus unseren Originalausgaben. Alle verwendeten Newsletter und externen Quellen sind am Ende des Artikels verlinkt.
Das Wichtigste
- Die Zeitachsen-Asymmetrie ist der Kern: 100.000 GPUs bekommt man relativ schnell; ein Netzanschluss für neue Rechenzentrumskapazität dauert Jahre, Kraftwerksbau wird in Jahrzehnten gerechnet.
- Die Größenordnung: Ex-Google-CEO Eric Schmidt schätzte den zusätzlichen Energiebedarf der KI bis 2030 auf 96 Gigawatt – rechnerisch 96 neue Kernkraftwerke. Schon heute können Standorte wie Frankfurt mangels Platz und Strom nicht weiter expandieren.
- Geld schlägt keine Physik: Beim 500-Milliarden-Projekt Stargate war früh klar, dass nicht das Kapital, sondern die mögliche Stromzufuhr die eigentliche Grenze ist – „Geld kann viele Probleme lösen, physikalische Gesetze gehören nicht dazu.“
- China spielt das Spiel systematisch: Der „Eastern Data and Western Computing“-Plan verlegt Rechenzentren dorthin, wo Land, saubere Energie und Kühlung günstig sind; Behörden koordinieren Standorte und drängen auf heimische Chips.
- Der Markt hat es eingepreist: Leopold Aschenbrenners Hedgefonds wettete früh auf Energie statt Chips (Brennstoffzellen, die Rechenzentren in 55 Tagen versorgen) – ein Oracle-Vertrag über 2,8 Gigawatt bestätigte 2026 die These. Ob Genie oder Survivorship Bias, ist eine faire Frage.
Erklärung und Kontext
Während die Öffentlichkeit über Modelle und Benchmarks debattiert, entscheidet sich die Skalierung der KI an einem unglamourösen Ort: am Stromnetz. Die AI-Peanuts-These vom Mai 2025 – „Das KI-Rennen wird in den Kraftwerken entschieden“ – beruht auf einer einfachen Rechnung: Rechenleistung könnte zur wichtigsten Ressource der Welt werden, und ihr limitierender Faktor ist Energie.
Das Deutschland-Gedankenspiel macht es greifbar: Deutschland könnte theoretisch eine halbe Million Grafikkarten bestellen (Kosten: etwa ein Monat der Militärausgaben) und hätte damit das größte KI-Cluster der Welt – aber die Energie dafür bereitzustellen wäre auf absehbare Zeit unmöglich. Kraftwerksplanung rechnet in Jahrzehnten, KI-Nachfrage wächst in Quartalen. Diese Lücke ist der Engpass.
Die Warnsignale häuften sich über zwei Jahre: US-Labore warnten vor Engpässen ab 2026; in Frankfurt können Serverbetreiber mangels Platz und Strom nicht expandieren; und selbst beim größten angekündigten Infrastrukturprojekt der Geschichte – Stargate (OpenAI, Oracle, SoftBank, MGX; 100 bis 500 Milliarden Dollar für Rechenzentren und Strominfrastruktur in Texas) – bezweifelte die Redaktion von Anfang an weniger die Finanzierung als die Stromzufuhr.
Der Präzedenzfall: die Aschenbrenner-Wette
Wie ernst der Markt die Energie-These nimmt, zeigt die Geschichte des Berliners Leopold Aschenbrenner: Ex-OpenAI-Sicherheitsforscher, Autor des AGI-Essays „Situational Awareness“, heute Manager eines milliardenschweren Hedgefonds. Seine Logik: Chips liefern Hersteller in Monaten – wer neue Kapazität ans Netz bringen will, wartet Jahre auf Genehmigungen. Also verkaufte er Nvidia-Positionen und investierte in das, was knapp wird: Energie (u. a. Brennstoffzellen von Bloom Energy, die ein Rechenzentrum in 55 Tagen versorgen können, ohne Netzanschluss-Prozedur), Chips-Zulieferung und Speicher.
2026 lieferte die Realität einen Datenpunkt: Oracle schloss einen 2,8-Gigawatt-Liefervertrag mit seinem größten Portfolio-Unternehmen. Die AI-Peanuts-Einordnung blieb trotzdem doppelbödig: Survivorship Bias ist real – man erinnert sich an den einen, der recht hatte, nicht an hundert mit derselben These, die scheiterten. Aber die Kernaussage („Wer die Steckdose kontrolliert, gewinnt“) ist unabhängig von Aschenbrenners Fonds-Performance ernst zu nehmen.
Der Systemvergleich: USA vs. China
Die beiden KI-Supermächte gehen das Energieproblem fundamental verschieden an:
- USA: Private Mega-Projekte (Stargate in Texas, xAIs in Rekordzeit gebauter „Colossus“-Supercomputer in Memphis), Deregulierung und ein Wettlauf einzelner Konzerne um Standorte und Netzkapazität – schnell, aber unkoordiniert.
- China: Zentrale Koordination. Der „Eastern Data and Western Computing“-Plan verlegt Rechenzentren ins Hinterland mit billigem Land, günstiger sauberer Energie und natürlicher Kühlung. 2025 verschärfte Peking die Kontrolle: Tencent, Alibaba, ByteDance und Baidu wurde mitgeteilt, wo neue KI-Rechenzentren zu bauen sind; wer sich fügt, bekommt Genehmigungen in 2–3 Monaten, wer nicht, wartet über sechs. Parallel wird der Anteil chinesischer Chips systematisch abgefragt – der Druck weg von Nvidia ist Programm.
Der Befund der Ausgabe vom Mai 2025: Amerika hat (noch) die besseren Modelle und die bessere Hardware – aber möglicherweise nicht genug Strom, um sie zu skalieren. China tauscht Freiheitsgrade gegen Koordinationsfähigkeit. Dass Chinas CO₂-Ausstoß erstmals nicht weiter stieg – vor allem wegen des massiven Ausbaus erneuerbarer Energien – gehört zur ambivalenten Wahrheit dazu.
Was daran wichtig ist
Für Europa und Deutschland ist die Energie-Brille ernüchternd und klärend zugleich: Die Debatte „Warum haben wir kein europäisches OpenAI?“ greift zu kurz – ohne Antwort auf die Strom- und Genehmigungsfrage bliebe auch ein europäisches Spitzenlabor ein Papiertiger. Umgekehrt zeigen Projekte wie OpenAIs „Stargate Norway“ (Wasserkraft, kühles Klima, 230 MW), nach welchen Kriterien Standortentscheidungen künftig fallen: Energiepreis, Genehmigungstempo, Kühlung. Wer als Region KI-Infrastruktur will, konkurriert primär über diese drei Faktoren – nicht über Subventionen für GPUs.
Grenzen und Risiken
- Schätzungen streuen stark: Die 96-GW-Zahl ist eine Einzelschätzung (Schmidt); reale Bedarfe hängen an Effizienzsprüngen bei Chips und Modellen, die Prognosen regelmäßig über den Haufen werfen.
- Effizienz als Gegenkraft: Sparsame Modelle (Stichwort DeepSeek) und bessere Inferenz-Ökonomie können den Bedarfspfad abflachen – der Engpass ist real, aber kein Naturgesetz mit fester Steigung.
- Zeitgebundene Details: Projektstände (Stargate, Colossus, Oracle-Verträge) und Chinas Regulierungspraxis ändern sich laufend; Stand der Angaben ist die jeweils genannte Ausgabe (2024–2026).
- Klima-Dimension nur gestreift: Dieser Artikel behandelt Energie als Engpass, nicht die Emissionsfrage – die verdient eine eigene Betrachtung.
Häufige Fragen
Warum ist Strom schwerer zu bekommen als Chips?
Weil Chips ein Produkt sind und Strom Infrastruktur: Produktion lässt sich hochfahren, aber Kraftwerke, Netzausbau und Genehmigungen folgen politisch-planerischen Zeitskalen von Jahren bis Jahrzehnten. Die Nachfrage der KI wächst schneller, als diese Prozesse liefern können.
Wie viel Strom verbraucht KI wirklich?
Seriös nur als Spanne zu beantworten: Einzelne Hyperscaler-Standorte liegen im Hunderte-Megawatt-Bereich (Stargate Norway: 230 MW; Oracle-Deal: 2,8 GW), Schätzungen für den globalen Zusatzbedarf bis 2030 reichen bis ~96 GW. Genaue Werte hängen an Auslastung, Effizienz und Modelltrends – jede einzelne Zahl ist mit Datum zu lesen.
Löst Atomkraft das Problem?
Sie ist Teil der US-Antwort (Laufzeitverlängerungen, Small-Modular-Reactor-Deals der Hyperscaler), aber kein schneller Fix: Neubauten dauern länger als der KI-Zyklus. Kurzfristig zählen Erdgas, Erneuerbare plus Speicher – und Lösungen wie Brennstoffzellen, die Netzanschluss-Wartezeiten umgehen.
Was heißt das für Deutschland?
Ohne beschleunigte Genehmigungen, planbare Strompreise und ausgewiesene Rechenzentrums-Standorte findet KI-Infrastruktur woanders statt – die Frankfurter Expansionsgrenzen zeigen es bereits. Die gute Nachricht: Standortfaktoren sind politisch gestaltbar, anders als die Physik.
Quellen und ursprüngliche AI-Peanuts-Ausgaben
- AI-Peanuts-Ausgabe vom 30.05.2025: „Das KI-Rennen wird in den Kraftwerken entschieden“
- AI-Peanuts-Ausgabe vom 21.04.2026: „Der 24-jährige Deutsche, der auf Strom statt Chips gewettet hat“
- AI-Peanuts-Ausgabe vom 15.11.2024: „KI Showdown: Wie neue Strategien das AI-Race verändern“
- AI-Peanuts-Ausgabe vom 24.01.2025: „Trump, $500 Mrd. für Stargate“
- Leopold Aschenbrenner: Situational Awareness (geprüft am 19.08.2026)
- Aus den Ausgaben verlinkt: The Information zu Chinas Rechenzentrums-Kontrolle, Vox zu Chinas CO₂-Entwicklung, OpenAI zu Stargate Norway