Der weltweite Stromverbrauch von Rechenzentren ist auf dem Weg, sich bis 2030 auf etwa 945 TWh nahezu zu verdoppeln, nahe 3% des gesamten Stroms, ausgehend von rund 415 TWh im Jahr 2024 (IEA, Energy and AI 2025). KI ist der Haupttreiber: Nach derselben IEA-Rechnung stieg der Stromverbrauch KI-fokussierter Rechenzentren allein 2025 um 50%, während die allgemeine Rechenzentrumsnachfrage in diesem Jahr um 17% wuchs. Das Bild pro Anfrage zeigt jedoch in die andere Richtung. Google berichtet, dass die Energie hinter einem Gemini-Median-Prompt in zwölf Monaten um das 33-Fache gesunken ist (Google, 2025), und Epoch AI beziffert eine typische ChatGPT-Anfrage auf etwa 0,3 Wattstunden, zehnmal unter älteren Schätzungen (Epoch AI, 2025). Diese Analyse fasst Daten der IEA, EPRI, des Lawrence Berkeley National Laboratory, von Google, Epoch AI, Stanford HAI, McKinsey und zehn weiteren Primärquellen zusammen, um die Schlagzeilen-Projektionen von der gemessenen Pro-Einheit-Realität zu trennen.
TL;DR
- Der weltweite Stromverbrauch von Rechenzentren soll sich von rund 415 TWh 2024 auf etwa 945 TWh bis 2030 nahezu verdoppeln, wobei KI-fokussierte Standorte allein 2025 um 50% zulegten (IEA, Energy and AI 2025).
- Gartner beziffert den weltweiten Rechenzentrumsverbrauch 2026 auf 565 TWh, ein Plus von 26% gegenüber 447 TWh im Jahr 2025 (Gartner, 2026).
- US-Rechenzentren verbrauchten 2023 etwa 4,4% des nationalen Stroms und könnten bis 2028 auf 6,7% bis 12% steigen (LBNL, 2024).
- Eine typische GPT-4o-Anfrage verbraucht etwa 0,3 Wattstunden, rund zehnmal unter älteren Schätzungen (Epoch AI, 2025).
- Das Training von Metas Llama 3.1 405B verursachte 2024 etwa 8.930 Tonnen CO2 (Stanford HAI, AI Index 2025).
- Microsofts Emissionen stiegen 2025 um 25% auf 20 Millionen metrische Tonnen CO2-Äquivalent (Microsoft-FY2025-Offenlegung, via Fortune 2026).
- Die PJM-Kapazitätspreise stiegen von 28,92 auf 329,17 Dollar pro Megawatt-Tag, wobei Rechenzentren 63% des Anstiegs verursachten (PJM, 2025; IEEFA, 2025).
- Die fünf größten Hyperscaler sollen 2026 voraussichtlich rund 725 Milliarden Dollar für KI-Infrastruktur ausgeben (Analystenschätzungen, 2026).
- McKinsey prognostiziert bis zu 6,7 Billionen Dollar an Kapitalinvestitionen in Rechenzentren bis 2030 (McKinsey, 2025).
1. Weltweite Strom- und KI-Nachfrage in Rechenzentren
Die Makro-Geschichte ist eine Verdopplung binnen rund sechs Jahren, und KI ist der Beschleuniger. Rechenzentren liefen 2024 mit rund 415 TWh, doch die Wachstumsrate zählt mehr als das Niveau: Der Stromverbrauch KI-fokussierter Rechenzentren sprang in einem einzigen Jahr (2025) um 50%, während die breitere Kategorie um 17% wuchs (IEA, Energy and AI 2025). Bis 2030 soll der KI-Anteil am Rechenzentrumsstrom von der heutigen Bandbreite von 5-15% auf 35-50% steigen und damit zum größten einzelnen Treiber des Anstiegs werden. Die Schätzungen variieren je nach Umfang, daher lohnt es sich, die Quellenbasis und nicht nur die Schlagzeile zu lesen.
| Metrik | Wert | Quelle |
|---|---|---|
| Weltweiter Rechenzentrumsstrom, 2024 | ~415 TWh (~1,5% weltweit) | IEA, Energy and AI 2025 |
| Weltweiter Rechenzentrumsstrom, 2030 (Basisszenario) | ~945 TWh (~3% weltweit) | IEA, Energy and AI 2025 |
| Wachstum des Stroms KI-fokussierter Rechenzentren, 2025 | +50% | IEA, Energy and AI 2025 |
| Weltweiter Rechenzentrumsstrom, 2026 (Gartner) | 565 TWh (+26% im Jahresvergleich) | Gartner, 2026 |
| Strom KI-optimierter Server, 2026 | 175 TWh (+84% im Jahresvergleich) | Gartner, 2026 |
| Wachstum der weltweiten Stromnachfrage bis 2030 vs. 2023 | +165% | Goldman Sachs, 2025 |
| Anteil KI-optimierter Server am Rechenzentrumsstrom, 2026 | 31% | Gartner, 2026 |
Anmerkung zum Umfang: Die IEA sieht den KI-Anteil am Rechenzentrumsstrom von heute 5-15% auf 35-50% bis 2030 steigen. Gartners Basiswert für 2025 (447 TWh) liegt unter anderen Schätzungen für 2025 von rund 485 TWh, da die Methodiken unterschiedliche Anlagendefinitionen und Grenzen verwenden; TWh-Vergleiche zwischen Quellen sollten mit Vorsicht behandelt werden. Die Chips in diesen Racks sind der Nachfragemotor; siehe unsere KI-Chip-Statistiken für 2026 für die Silizium-Seite. Vollständiger Bericht: IEA, Energy demand from AI.
2. Das US-Stromnetz unter Last
Die USA sind der Ort, an dem die Nachfragekurve auf ein physisches Stromnetz trifft, und die Prognosen werden ständig nach oben korrigiert. Berkeley Lab bezifferte Rechenzentren 2023 auf 4,4% des nationalen Stroms; die neueren EPRI-Szenarien reichen bis 2030 auf 9-17% des US-Stroms. EPRIs Spitzenlastschätzung liegt inzwischen bei bis zu 94 GW bis 2030, gegenüber 21-22 GW im Jahr 2024, und die neuen Zahlen liegen 60% über der eigenen Schätzung von 2024 (EPRI, Powering Intelligence 2026). Grid Strategies rahmt das nationale Bild so: 166 GW an Fünfjahres-Lastwachstum, davon rund 90 GW durch Rechenzentren.
| Metrik | Wert | Quelle |
|---|---|---|
| US-Rechenzentrumsanteil am Strom, 2023 | 4,4% (176 TWh) | LBNL, 2024 |
| US-Rechenzentrumsanteil bis 2028 | 6,7% bis 12% (325-580 TWh) | LBNL, 2024 |
| US-Rechenzentrumsanteil bis 2030 | 9% bis 17% | EPRI, Powering Intelligence 2026 |
| US-Rechenzentrums-Spitzenlast, 2024 | 21-22 GW | EPRI, Powering Intelligence 2026 |
| US-Rechenzentrums-Spitzenlast bis 2030 | 45 / 71 / 94 GW (Niedrig/Mittel/Hoch) | EPRI, Powering Intelligence 2026 |
| Nationales 5-Jahres-Spitzenlastwachstum | 166 GW (~90 GW Rechenzentren) | Grid Strategies, 2025 |
Anmerkung zu Ausreißern: Grid Strategies warnt, dass Versorgungsunternehmen die Rechenzentrumsnachfrage um bis zu 40% überschätzen könnten, da spekulative und doppelte Netzanschlussanträge die Warteschlange aufblähen (Grid Strategies, National Load Growth Report 2025). Berichte: LBNL 2024 Data Center Energy Usage Report und EPRI, Powering Intelligence 2026.
3. Was eine KI-Anfrage tatsächlich kostet
Die Zahlen pro Anfrage sind eingebrochen, seit Anbieter echte Telemetriedaten veröffentlichen, was die Erzählung “KI kocht die Ozeane” um einen einzelnen Prompt neu rahmt. Ein Gemini-Median-Textprompt zieht 0,24 Wattstunden, 0,03 Gramm CO2e und 0,26 Milliliter Wasser, etwa fünf Tropfen (Google, 2025). Epoch AI kommt unabhängig auf etwa 0,3 Wh für eine typische GPT-4o-Anfrage, und OpenAIs eigene Zahl liegt bei 0,34 Wh. Der Haken: Prompts mit langem Kontext sind deutlich schwerer, und die Summe wächst weiterhin über Milliarden täglicher Anfragen.
| Metrik | Wert | Quelle |
|---|---|---|
| Energie einer typischen GPT-4o-Anfrage | ~0,3 Wh (vs. 3 Wh alte Schätzung) | Epoch AI, 2025 |
| Energie eines Gemini-Median-Textprompts | 0,24 Wh | Google, 2025 |
| Durchschnittliche Energie einer ChatGPT-Anfrage | 0,34 Wh | Sam Altman, The Gentle Singularity 2025 |
| Lange Anfrage (100.000 Eingabetoken) | ~40 Wh | Epoch AI, 2025 |
| CO2 eines Gemini-Median-Prompts | 0,03 gCO2e | Google, 2025 |
| Rückgang der Gemini-Energie pro Prompt, 12 Monate bis Mai 2025 | 33-fach niedriger | Google, 2025 |
| 1 Milliarde ChatGPT-Nachrichten/Tag | ~12,5 MW kontinuierlich | Epoch AI, 2025 |
Kontext: Der Rückgang pro Anfrage spiegelt effizientere Modelle und Hardware wider, nicht eine geringere Nachfrage. Für die finanzielle Seite desselben Trends siehe unsere KI-Inferenzkosten-Statistiken für 2026. Primäre Methodik: Google Cloud, Measuring the environmental impact of AI inference und Epoch AI, How much energy does ChatGPT use?.
4. Training von Spitzenmodellen
Training ist ein einmaliger Spitzenwert pro Modell, doch die Spitzen werden steiler. Der Stanford AI Index beziffert die Trainingsemissionen von Llama 3.1 405B auf etwa 8.930 Tonnen CO2, gegenüber 588 Tonnen für GPT-3 im Jahr 2020 und praktisch nichts für AlexNet im Jahr 2012 (Stanford HAI, AI Index 2025). Der strukturelle Befund des Berichts ist der Zinseszinseffekt: Die Trainingsrechenleistung für namhafte Modelle verdoppelt sich etwa alle fünf Monate, und die Leistung zum Training von Spitzensystemen verdoppelt sich etwa jährlich.
| Metrik | Wert | Quelle |
|---|---|---|
| Trainingsemissionen Llama 3.1 405B (2024) | ~8.930 Tonnen CO2 | Stanford HAI, AI Index 2025 |
| Trainingsemissionen GPT-4 (2023) | ~5.184 Tonnen CO2 | Stanford HAI, AI Index 2025 |
| Trainingsemissionen GPT-3 (2020) | ~588 Tonnen CO2 | Stanford HAI, AI Index 2025 |
| Trainingsemissionen AlexNet (2012) | ~0,01 Tonnen CO2 | Stanford HAI, AI Index 2025 |
| Verdopplungszeit der Trainingsrechenleistung | ~alle 5 Monate | Stanford HAI, AI Index 2025 |
| Trainingsenergie GPT-4 (Schätzung aus durchgesickerten Spezifikationen) | ~50-62 GWh | Unabhängige Schätzungen via TDS, 2023 |
Hinweis: Die GPT-4-Trainingsenergiezahl ist eine externe Schätzung, die aus durchgesickerten Hardware-Spezifikationen abgeleitet wurde (25.000 A100-GPUs über 90-100 Tage), keine Herstellerangabe; sie sollte als indikativ behandelt werden. Training macht außerdem nur einen kleinen Anteil des Lebenszyklus-Fußabdrucks im Vergleich zur Inferenz im großen Maßstab aus. Für das größere Bild der Modellentwicklung siehe unsere Statistiken zu generativer KI für 2026. Quelle: Stanford HAI, 2025 AI Index Report, Chapter 1.
5. Der Wasser-Fußabdruck
Wasser ist die zweite Ressourcen-Geschichte, aufgeteilt zwischen direkter Kühlung und dem in der Stromerzeugung eingebetteten Wasser. Texanische Rechenzentren sollen 2030 voraussichtlich bis zu 399 Milliarden Gallonen Wasser verbrauchen, gegenüber 49 Milliarden im Jahr 2025 (HARC and University of Houston, 2025). Anbieter treiben die Effizienz voran: Microsoft berichtete für das Geschäftsjahr 2025 eine Wassernutzungseffektivität von 0,30 L/kWh, eine Verbesserung von 39% gegenüber 2021, und seine Kühlung ohne Wasserverdunstung vermeidet mehr als 125 Millionen Liter pro Rechenzentrum und Jahr.
| Metrik | Wert | Quelle |
|---|---|---|
| Wasserverbrauch eines Gemini-Median-Prompts | 0,26 mL | Google, 2025 |
| Microsoft-Wassernutzungseffektivität, GJ2025 | 0,30 L/kWh (-39% vs. 2021) | Microsoft, 2025 |
| Einsparung durch Microsofts wasserfreie Kühlung | >125 Millionen Liter/Rechenzentrum/Jahr | Microsoft, 2025 |
| Direkter Wasserverbrauch von US-Rechenzentren, 2023 | ~17 Milliarden Gallonen | LBNL, 2024 |
| Direkter Wasserverbrauch prognostiziert bis 2028 | 38-73 Milliarden Gallonen | LBNL, 2024 |
| Wasserverbrauch texanischer Rechenzentren, 2025 bis 2030 | 49 Milliarden bis 399 Milliarden Gallonen | HARC and University of Houston, 2025 |
| Großes einzelnes Rechenzentrum | bis zu 5 Millionen Gallonen/Tag | EESI, 2025 |
Kontext: US-Rechenzentren verursachten 2023 auch einen geschätzten indirekten Wasserverbrauch von 211 Milliarden Gallonen durch die Stromerzeugung, was typischerweise das Vor-Ort-Kühlwasser übersteigt (LBNL, 2024). Hintergrund: EESI, Data Centers and Water Consumption.
6. Steigende Kohlenstoffemissionen
Die Effizienz pro Anfrage verbessert sich, doch die Unternehmens-Fußabdrücke steigen, weil das absolute Rechenvolumen explodiert. Microsofts Emissionen stiegen 2025 um 25% auf 20 Millionen metrische Tonnen CO2-Äquivalent, gegenüber 16 Millionen, angetrieben durch den Bau von Rechenzentren und einen Rückgang bei einigen Käufen von Zertifikaten für erneuerbare Energien (Microsoft-FY2025-Offenlegung, via Fortune 2026). Amazon und Google meldeten ähnliche gerichtete Anstiege. Auf Sektorebene rahmt die IEA Rechenzentren weiterhin als kleinen, aber wachsenden Anteil am weltweiten Kohlenstoffausstoß.
| Metrik | Wert | Quelle |
|---|---|---|
| Microsoft-CO2e-Emissionen, 2025 | 20 Millionen Tonnen (+25% im Jahresvergleich) | Microsoft-FY2025-Offenlegung, via Fortune 2026 |
| Microsoft-CO2e-Emissionen, 2024 | 16 Millionen Tonnen | Microsoft-FY2025-Offenlegung, via Fortune 2026 |
| Änderung des Kohlenstoff-Fußabdrucks von Amazon (letztes Jahr) | +16% | Carbon Brief, 2026 |
| Änderung der Treibhausgasemissionen von Google (letztes Jahr) | +18% | Carbon Brief, 2026 |
| Anteil der Rechenzentren am weltweiten CO2, 2024 bis 2030 | ~0,5% steigend auf ~1% (1,4% im hohen Szenario) | IEA, Energy and AI 2025 |
| Kohlenstoff-Fußabdruck von KI-Systemen, 2025 | 32,6 bis 79,7 Millionen Tonnen CO2 | Carbon Brief, 2026 (veröffentlichte Forschung) |
Anmerkung zu Ausreißern: Die Kohlenstoffspanne von KI-Systemen von 32,6 bis 79,7 Millionen Tonnen für 2025 ist breit, weil die Zuordnung der Arbeitslast tatsächlich unsicher ist, und mehrere Unternehmen verbuchten Emissionssteigerungen teilweise durch die Pausierung einiger Käufe von Zertifikaten für erneuerbare Energien und nicht allein durch den reinen Verbrauch (Carbon Brief, 2026). Kontext und Diagramme: Carbon Brief, AI: Five charts on data-centre energy use and emissions und Fortune, Microsoft carbon emissions 2025.
7. Wer das bezahlt: Preise, Capex und Kernkraft
Jemand bezahlt für die neue Last, und zunehmend zeigt sich das im Stromnetz und auf den Stromrechnungen. In der PJM-Region schnellten die Kapazitätspreise von 28,92 Dollar pro Megawatt-Tag 2024/25 auf 329,17 Dollar 2026/27, wobei Rechenzentren für 63% des Sprungs 2025/2026 verantwortlich waren (PJM, 2025; IEEFA, 2025). Um die Nachfrage zu decken, binden Hyperscaler historisches Kapital und setzen zunehmend auf Kernkraft, während Gartner warnt, dass das Netzangebot nicht mehr ausreicht, sobald der Verbrauch um 2030 herum 1.200 TWh überschreitet.
| Metrik | Wert | Quelle |
|---|---|---|
| PJM-Kapazitätspreis, 2024/25 bis 2026/27 | 28,92 bis 329,17 Dollar/MW-Tag | PJM, 2025 |
| Rechenzentrumsanteil an den Dezember-PJM-Kapazitätskosten | 40% (6,5 von 16,4 Milliarden Dollar) | PJM market monitor, via Utility Dive 2026 |
| Zusätzliche PJM-Stromkundenkosten durch Rechenzentren | ~9,3 Milliarden Dollar/Jahr | IEEFA, 2025 |
| KI-Infrastrukturausgaben der Big-5-Hyperscaler, 2026 | ~725 Milliarden Dollar (+77% im Jahresvergleich) | Analystenschätzungen, 2026 |
| Weltweiter Rechenzentrums-Capex bis 2030 | bis zu 6,7 Billionen Dollar (5,2 Bio. für KI) | McKinsey, 2025 |
| Blockierte Rechenzentrumsprojekte, Anfang 2026 | 75+ Projekte im Wert von 130 Milliarden Dollar | Gartner, 2026 |
| Durchschnittlicher PUE der größten Rechenzentren, 2025 | 1,54 (seit 6 Jahren stabil) | Uptime Institute, 2025 |
Kontext: Derselbe Ausbau untermauert den Cloud-Kapazitätsboom; siehe unsere Cloud-Computing-Statistiken für 2026. Quellen: IEEFA, PJM capacity prices, McKinsey, The cost of compute und Utility Dive, Data centers were 40% of PJM capacity costs.
Zusammenfassung: KI-Energieverbrauch in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Weltweiter Rechenzentrumsstrom bis 2030 | ~945 TWh (~3% weltweit) | IEA, Energy and AI 2025 |
| Weltweiter Rechenzentrumsstrom, 2026 | 565 TWh (+26% im Jahresvergleich) | Gartner, 2026 |
| Schwelle für Netzversorgungsengpass | ~1.200 TWh bis 2030 | Gartner, 2026 |
| Strom KI-optimierter Server, 2026 | 175 TWh (+84% im Jahresvergleich) | Gartner, 2026 |
| Wachstum der weltweiten Stromnachfrage bis 2030 vs. 2023 | +165% | Goldman Sachs, 2025 |
| US-Rechenzentrumsanteil am Strom, 2023 | 4,4% | LBNL, 2024 |
| US-Rechenzentrumsanteil bis 2030 | 9% bis 17% | EPRI, Powering Intelligence 2026 |
| US-Rechenzentrums-Spitzenlast bis 2030 (Hoch) | 94 GW | EPRI, Powering Intelligence 2026 |
| Energie einer typischen GPT-4o-Anfrage | ~0,3 Wh | Epoch AI, 2025 |
| Energie eines Gemini-Median-Textprompts | 0,24 Wh | Google, 2025 |
| Trainingsemissionen Llama 3.1 405B | ~8.930 Tonnen CO2 | Stanford HAI, AI Index 2025 |
| Direkter Wasserverbrauch von US-Rechenzentren, 2023 | ~17 Milliarden Gallonen | LBNL, 2024 |
| Wasserverbrauch texanischer Rechenzentren bis 2030 | bis zu 399 Milliarden Gallonen | HARC and University of Houston, 2025 |
| Microsoft-Emissionen, 2025 | 20 Millionen Tonnen (+25% im Jahresvergleich) | Microsoft FY2025, via Fortune 2026 |
| Zusätzliche PJM-Stromkundenkosten durch Rechenzentren | ~9,3 Milliarden Dollar/Jahr | IEEFA, 2025 |
| PJM-Kapazitätspreis, 2026/27 | 329,17 Dollar/MW-Tag | PJM, 2025 |
| Weltweiter Rechenzentrums-Capex bis 2030 | bis zu 6,7 Billionen Dollar | McKinsey, 2025 |
| KI-Ausgaben der Big-5-Hyperscaler, 2026 | ~725 Milliarden Dollar | Analystenschätzungen, 2026 |
| Durchschnittlicher Rechenzentrums-PUE, 2025 | 1,54 | Uptime Institute, 2025 |
Methodik und Quellen
Die Daten wurden durch Aggregation von Zahlen aus Primärberichten, Unternehmensoffenlegungen, Netzbetreiber-Einreichungen und namentlich genannten Forschungs-Trackern zusammengetragen, die überwiegend 2025 und in der ersten Hälfte von 2026 veröffentlicht wurden, wobei jede Statistik nach Möglichkeit bis zur ursprünglichen Organisation und nicht bis zur sekundären Berichterstattung zurückverfolgt wurde.
Zitierte Quellen:
- International Energy Agency (IEA), Energy and AI 2025 - Energy demand from AI
- Lawrence Berkeley National Laboratory (LBNL), 2024 United States Data Center Energy Usage Report - publication
- Electric Power Research Institute (EPRI), Powering Intelligence 2026 - executive summary
- Grid Strategies, National Load Growth Report 2025 - PDF
- Gartner, data center electricity forecast press release, June 2026 - release
- Goldman Sachs Research, AI data center power demand, 2025 - article
- Epoch AI, How much energy does ChatGPT use?, 2025 - analysis
- Google Cloud, Measuring the environmental impact of AI inference, 2025 - blog
- OpenAI / Sam Altman, The Gentle Singularity, 2025 - via DCD
- Stanford HAI, 2025 AI Index Report - Chapter 1
- Microsoft FY2025 sustainability disclosure - via Fortune
- Carbon Brief, AI: Five charts on data-centre energy and emissions, 2026 - article
- McKinsey, The cost of compute, 2025 - report
- IEEFA, PJM capacity prices analysis, 2025 - resource
- PJM Interconnection independent market monitor - via Utility Dive
- HARC and University of Houston, Texas data center water study, 2025
- Uptime Institute, 2025 Global Data Center Survey (PUE)
- Environmental and Energy Study Institute (EESI), Data Centers and Water Consumption, 2025 - article
Data watch: Die IEA aktualisiert ihre Energieausblicke üblicherweise jährlich, sodass innerhalb des nächsten Jahres eine aktualisierte Energy-and-AI-Ausgabe erwartet wird; Gartner gibt seine Rechenzentrumsstrom-Prognose in wiederkehrenden Abständen neu heraus; EPRI aktualisiert seine Powering-Intelligence-Szenarien etwa jährlich; Grid Strategies veröffentlicht jährlich einen National Load Growth Report; Stanford HAI veröffentlicht jährlich einen neuen AI Index; Google, Microsoft, Amazon und Alphabet veröffentlichen in jedem neuen Geschäftsjahr neue Umwelt- und Emissionsoffenlegungen; und PJM führt neue Kapazitätsauktionen nach einem festen Lieferjahr-Zeitplan durch.
Letzte Aktualisierung: 10. Juli 2026.
Wir überprüfen und aktualisieren diese Seite vierteljährlich, sobald neue Daten veröffentlicht werden.