Stromverbrauch der KI in der EU: Was offizielle Prognosen sagen und was noch zu messen ist

Die Expansion der künstlichen Intelligenz erfordert Rechenzentren, Stromnetze und Kühlsysteme. Daher besteht die Bewertung ihrer Umweltauswirkungen nicht nur darin, Prozessoren zu zählen oder den Strom eines Modells zu messen: Es muss auch bestimmt werden, wo die Arbeit ausgeführt wird, welche Infrastruktur sie stützt und mit welchen Quellen sie versorgt wird. Die praktische Frage ist, ob der Kapazitätsanstieg durch Effizienzverbesserungen kompensiert wird oder ob der Gesamtverbrauch weiter steigt.

Die Debatte vermischt oft drei verschiedene Größen: den Verbrauch aller Rechenzentren, den Verbrauch von Anlagen, die der KI gewidmet sind, und den Strom, der mit einer konkreten Aufgabe oder einem Dienst verbunden ist. Das sind keine austauschbaren Kategorien. Eine Prognose zu Rechenzentren insgesamt beweist nicht allein, wie viel die KI verbraucht; eine globale KI-Schätzung erlaubt es auch nicht abzuleiten, welcher Teil auf die Europäische Union entfällt.

Unternehmen, die Cloud-Kapazitäten kaufen, Modelle trainieren oder KI-Dienste integrieren, benötigen operative Informationen, die aggregierte Zahlen nicht bieten: Verbrauch, der auf die Arbeitslast zurückzuführen ist, Standort, Effizienz der Anlagen und Emissionen, die mit dem Strom verbunden sind. Ohne diese Aufschlüsselung könnte eine Verbesserung des Verbrauchs pro Berechnung mit einem Anstieg des absoluten Verbrauchs koexistieren, wenn viele mehr Aufgaben ausgeführt werden. Die Unterscheidung zwischen Intensität und Gesamtvolumen ist zentral für die Planung von Kosten, Kapazität und Klimazielen.

Eine Berichterstattung, die im September 2026 veröffentlicht wurde, schreibt der Internationalen Energieagentur (IEA) eine Schätzung von 485 TWh Stromverbrauch von Rechenzentren im Jahr 2025 und eine Prognose von etwa 950 TWh für 2030 zu, nahe an 3 % der weltweiten Stromnachfrage. Dieselbe Berichterstattung weist auf ein Wachstum von 17 % im Jahr 2025 für Rechenzentren hin, im Vergleich zu 3 % der weltweiten Stromnachfrage. Das sind Zahlen für die Rechenzentren insgesamt, keine exklusive Messung von KI-Anlagen.

Eine in Nature veröffentlichte Studie behandelt einen engeren Umfang: Sie berechnet, dass der Strom, der von Rechenzentren verwendet wird, die für KI gebaut wurden, von etwa 118 TWh im Jahr 2024 auf zwischen 239 und 295 TWh im Jahr 2030 steigen könnte, ungefähr 1 % der weltweiten Stromnachfrage. Der Artikel weist auch darauf hin, dass die prognostizierte Kapazität sich hauptsächlich in Nordamerika, Westeuropa und Asien-Pazifik konzentriert. Der Bereich drückt Szenarien aus, keinen beobachteten Zähler für den zukünftigen Verbrauch, und sein Ergebnis hängt von den Annahmen der Forschung ab.

Die beiden globalen Zahlen widersprechen sich nicht notwendigerweise: Eine bezieht sich auf Rechenzentren im Allgemeinen und die andere auf Anlagen, die auf KI ausgerichtet sind; außerdem gehen sie von verschiedenen Jahren und Methoden aus. Die Zahl von 3 % sollte nicht als der Prozentsatz dargestellt werden, der der KI zuzurechnen ist, und das 1 % der Studie stellt keine spezifische EU-Schätzung dar. Die verfügbaren Quellen enthalten keine primäre Prognose der Europäischen Kommission, die die 13 % stützt, die in der ursprünglichen Prämisse zitiert werden. Daher kann dieser Prozentsatz weder als offizielle Datenpunkt noch als Grundlage für die Berechnung einer Divergenz zwischen Brüssel und der Industrie verwendet werden.

Zirkuliert auch eine historische Zahl für die EU: 76,8 TWh im Jahr 2018, equivalent zu 2,7 % der Stromnachfrage, und eine Prognose von 98,5 TWh für 2030. Die verfügbare Quelle ist ein sekundärer Leitfaden, der diese Werte der europäischen Dokumentation zuschreibt; es ist nicht die primäre Veröffentlichung der Kommission noch eine Aufschlüsselung des KI-Verbrauchs. Es sollte als historischer Sektorreferenz gelesen werden, nicht als aktualisierte Messung noch als Prognose, die notwendigerweise den Aufstieg der generativen KI einbezieht.

KI-Beschleuniger können parallele Berechnungen durchführen und sind Teil der Infrastruktur, die die Leistung und den verbrauchten Strom bestimmt. Allerdings reicht es nicht aus, Chips anhand einer isolierten Zahl zu vergleichen: Das Ergebnis hängt von der Aufgabe, der erforderlichen Präzision, der Auslastung der Ausrüstung, der Software und der Laufzeit ab. Für eine Organisation ist die nützliche Frage, wie viel Strom und wie viele Emissionen eine vergleichbare Arbeitslast erfordert, nicht welcher Prozessor eine Effizienzangabe unter verschiedenen Bedingungen bietet.

Die Kühlung fügt eine weitere Ebene hinzu. Die Wärme der Server muss abgeführt werden, um die Betriebsbedingungen aufrechtzuerhalten, und die verfügbaren Lösungen können Stromverbrauch und Wassernutzung austauschen. Eine Unternehmensquelle, die externe Referenzen zusammenfasst, behauptet, dass Verdunstungskühlung den verwendeten Strom im Vergleich zu trockenen Alternativen reduzieren kann, aber einen breiten und kontextabhängigen Bereich darstellt. Dieses Intervall sollte nicht als universelle Garantie behandelt werden: Klima, Design, Last, Wasserverfügbarkeit und Messgrenzen ändern das Gleichgewicht.

Daher liefern PUE und WUE unterschiedliche Informationen. PUE setzt die Gesamtenergie einer Anlage mit der von ihrer IT-Ausrüstung verbrauchten Energie in Beziehung; WUE setzt die Wassernutzung mit der IT-Energie gemäß der angewendeten Definition in Beziehung. Keiner, isoliert betrachtet, offenbart die vollständigen Emissionen einer KI-Aufgabe noch löst die Wahl zwischen Wasser und Strom. Es ist ratsam, Gesamtenergie, IT-Energie, Wasser, Strommix und nützliche Systemproduktion gemeinsam zu betrachten.

Der Standort ist wichtig, weil zwei Anlagen mit ähnlicher Ausrüstung unter verschiedenen klimatischen Bedingungen und Stromnetzen betrieben werden können. Die Nature-Forschung hebt hervor, dass die geplante Kapazität in mehreren Regionen konzentriert ist und der Druck auf die Stromsysteme lokal variieren kann. So informiert die globale Summe nicht allein über Anschlussgrenzen, Leistungserhältlichkeit oder den Wassereinfluss einer konkreten Anlage. Um zu entscheiden, wo eine Last gehostet wird, müssen die Informationen des Anbieters mit den Daten der Region und des Standorts abgeglichen werden.

In einem günstigen Szenario verbessert sich die Effizienz in Servern, Modellen und Operationen, während die Rechenbedarfsgeschwindigkeit in einem Tempo wächst, das es erlaubt, die Energie pro Aufgabe zu reduzieren und den Gesamtverbrauch zu begrenzen. Die Optimierung der Kühlung und das Lastmanagement können beitragen, aber das Ergebnis muss mit vergleichbaren Daten bewiesen werden. Eine Leistungsverbesserung pro Watt beweist nicht allein, dass das Rechenzentrum insgesamt weniger Strom verbraucht.

Im gegenteiligen Szenario übersteigt der Anstieg der Nutzung und Kapazität die Effizienzgewinne: Es wird mehr Gesamtenergie benötigt, auch wenn jede Operation weniger intensiv ist. Die zitierte Forschung prognostiziert einen Anstieg des KI-Rechenzentrumsverbrauchs zwischen 2024 und 2030, aber sie erlaubt es nicht allein zu behaupten, was in jedem Unternehmen geschehen wird oder welcher Prozentsatz des Anstiegs auf eine bestimmte Anwendung entfallen wird. Das sind Szenarien zur Risikobewertung, keine garantierten Unternehmensprognosen.

Die Art, beide Wege zu unterscheiden, besteht darin, eine funktionelle Einheit und eine Messgrenze festzulegen. Zum Beispiel kann eine Organisation die Kilowattstunden verfolgen, die mit einer definierten Aufgabe verbunden sind, zusammen mit dem Volumen der im Zeitraum ausgeführten Aufgaben. Wenn der Verbrauch pro Aufgabe sinkt, aber die Anzahl der Ausführungen steigt, könnte die Summe wachsen; wenn die Intensität sinkt und das Volumen stabil bleibt, könnte die Verbesserung in weniger absolutem Verbrauch resultieren. Der Vergleich erfordert, dass das gleiche Zuschreibungsbeibehalten und Änderungen in Modell, Hardware und Standort aufgezeichnet werden.

Für Kaufentscheidungen ersetzt die Investition in die vom Anbieter angekündigte Kapazität nicht die operativen Daten. Die in der Presse gesammelten Kapitalausgaben können die Sektorexpansion anzeigen, aber sie quantifizieren nicht direkt den Stromverbrauch eines Dienstes, einer Region oder eines Rechenzentrums. Es ist nützlicher, den Anbieter um gemessene Indikatoren, deren Zeitraum und deren Umfang zu bitten und zu prüfen, ob die Vergleiche Kühlung, Stromverluste und vertragsgemäßen oder verbrauchten Strom einschließen.

Die erste Priorität ist, den eigenen Verbrauch vom Verbrauch beauftragter Dienste zu trennen. Für von Dritten verwaltete Infrastruktur muss beim Anbieter die dem Dienst zurechenbare Energie, die Allokationsmethode, der relevante Standort und der abgedeckte Zeitraum angefordert werden. Wenn nur ein globaler Durchschnitt oder ein Label ohne Methodik angeboten wird, kann der Fußabdruck einer konkreten Last nicht mit Präzision verifiziert werden. Die Qualität der Zuschreibung ist genauso wichtig wie der gewählte Indikator.

Ein praktisches Überwachungsdashboard kann Energie, Wasser und Emissionen sowie das ausgeführte Arbeitsvolumen umfassen. PUE hilft, die Gesamteffizienz der Anlage zu verstehen; WUE informiert über die Beziehung zwischen Wasser und IT-Betrieb; und die Emissionsintensität hängt davon ab, wie der Strom erfasst wird. Damit die Daten einer Entscheidung dienen, müssen sie von Definitionen, organisatorischen und operativen Grenzen, Daten und Quellen der Emissionsfaktoren begleitet werden. Der Leitfaden des Ministeriums für Ökologische Transition erklärt die Abgrenzung des organisatorischen Fußabdrucks und die Berechnung der Emissionen der Bereiche 1 und 2.

Die europäische Regulierung sieht Informationspflichten für bestimmte Rechenzentren vor. Eine sekundäre Quelle über den geltenden Rahmen beschreibt die Schwelle von 500 kW IT-Leistung und die Veröffentlichungs- und Berichtsanforderungen, die mit der Richtlinie (EU) 2023/1791 und der Delegierten Verordnung (EU) 2024/1364 verbunden sind. Der genaue Umfang, der Kalender und die nationale Anwendung müssen in den Rechts texts und bei der zuständigen Behörde geprüft werden: Es ist nicht korrekt, diese Berichtspflicht in eine generische Pflicht für jedes Unternehmen umzuwandeln, das KI verwendet.

In der Praxis kann eine Lieferantenprüfung diese Fragen aufwerfen, bevor eine Arbeitslast erweitert wird:

• Welcher Verbrauch wird der Aufgabe zugeschrieben und mit welcher Methode?
• Welche Anlage oder Region beherbergt den Dienst und welchen Zeitraum decken die Daten ab?
• Wird über Gesamtstrom, IT-Energie, Wasser und Emissionen informiert, oder nur über einen Teil?
• Hält der Vergleich das Modell, die Last und das Servicenniveau konstant?
• Sind die Werte gemessen, geschätzt oder prognostiziert, und wer verifiziert sie?

Die Antworten ermöglichen es, eine technische Verbesserung von einer bewiesenen Umweltsenkung zu trennen.

Die verfügbaren Quellen beschreiben ein erhebliches Wachstum des Rechenzentrumsverbrauchs und einen erwarteten Anstieg des Stroms, der für KI-Anlagen bestimmt ist. Aber sie belegen keine offizielle Zahl der Europäischen Kommission, wonach die KI 2030 13 % des EU-Stromverbrauchs ausmachen wird, noch erlauben sie, diesen angenommenen Prozentsatz mit nicht identifizierten Unternehmensschätzungen zu vergleichen. Die vorsichtige Schlussfolgerung ist, dass eine vergleichbare europäische Aufschlüsselung des der KI zurechenbaren Verbrauchs fehlt.

Für Unternehmen besteht die Entscheidung nicht darin, auf das Erscheinen einer perfekten Statistik zu warten. Sie können von ihren Lieferanten Daten mit klarem Umfang und Methodik verlangen, die Energie pro Arbeitseinheit messen und parallel Gesamtverbrauch, Wasser und Emissionen überprüfen. Für Betreiber von Rechenzentren sind Standort, Kühlung und Berichtspflichten Teil der Kapazitätsanalyse. Für Käufer von Diensten muss die Transparenz dieser Daten bei der Auswahl und Überwachung des Lieferanten ein Gewicht haben.

Ein Zeichen des Fortschritts wird sein, dass die veröffentlichten Reihen es ermöglichen, den Strom der Rechenzentren im Allgemeinen von dem der KI-Lasten zu unterscheiden, mit regionalen Aufschlüsselungen und reproduzierbaren Methoden. Ein Zeichen des Rückschritts wird sein, globale Prognosen oder partielle Metriken so zu behandeln, als würden sie den Fußabdruck eines Unternehmens oder der gesamten EU beschreiben. Bis dieses Detailniveau existiert, ist es ratsam, die Zahlen mit ihrem Umfang und Jahr vorzulegen und Effizienz pro Aufgabe nicht mit der Reduktion des Gesamtverbrauchs zu verwechseln.