Energieverbrauch von KI-Rechenzentren: 318 Millionen Tonnen CO₂

Der Energieverbrauch von KI-Rechenzentren wird gerade zur handfesten Kostenfrage. In den USA sind laut einer Bloomberg-Auswertung 99 Gaskraftwerke geplant, die den Strombedarf großer Rechenzentren decken sollen. Zusammen würden sie rund 318 Millionen Tonnen CO₂ pro Jahr ausstoßen und könnten die Emissionen der US-Stromproduktion bei voller Auslastung um bis zu ein Drittel erhöhen, wie das Handelsblatt am 18. August 2026 berichtet.

Das ist die kurze Antwort auf die Frage, was der Boom kostet. Die längere hat drei Teile: schmutziger Strom, hoffnungsvolle Chips und teures Geld. Alle drei landen am Ende auf der Rechnung von Unternehmen, die KI einsetzen wollen.

Warum treiben Gaskraftwerke den CO₂-Ausstoß der KI-Rechenzentren nach oben?

Weil die Betreiber ihren Strom zunehmend selbst erzeugen. Um den steigenden Bedarf ihrer Rechenzentren abzusichern, setzen Cloud- und KI-Anbieter auf eigene Gasanlagen und Direktverträge. Bloomberg erfasste 99 solcher geplanter Projekte in den USA. Deren gemeinsamer Ausstoß von rund 318 Millionen Tonnen CO₂ jährlich träfe direkt das Konto der Stromproduktion.

Zwei Zahlen stehen im Raum: rund 20 Prozent zusätzlicher CO₂-Ausstoß im Normalbetrieb, bis zu ein Drittel bei voller Auslastung. Beide gelten unter einer Bedingung – die 99 Anlagen müssen tatsächlich gebaut und ausgelastet werden. Es ist eine Szenariorechnung auf Basis geplanter Projekte, keine gemessene Bilanz.

Ein Beispiel zeigt die Größenordnung. Für ein Amazon-Rechenzentrum in Texas darf ein Gaskraftwerk laut einer Aufstellung von Anfang August 2026 bis zu 3,3 Millionen Tonnen CO₂ jährlich ausstoßen. Ein einziges Rechenzentrum, ein einziges Kraftwerk. Mal 99 wird daraus eine nationale Frage.

Wer das Muster von Gasrechnung und Emissionen nüchtern liest, erkennt: Der günstige Rechenweg ist der schmutzige.

Können effizientere Chips den Strombedarf pro Recheneinheit senken?

Teilweise, und darauf setzen Investoren gerade Geld. Der Chipentwickler Velaura AI aus Santa Clara schloss am 18. August 2026 eine Series-A-Runde über 110 Millionen Dollar ab und wird nun mit über einer Milliarde Dollar bewertet. Angeführt hat die Runde Seligman Ventures, wie SiliconANGLE meldet.

Velauras Plattform „Titan Core“ soll die Energieeffizienz von KI-Beschleunigern verbessern. Das Unternehmen nennt in seiner eigenen Mitteilung konkrete Werte:

• eine 2- bis 4-fach bessere Leistung pro Watt^?Maß dafür, wie viel Rechenleistung ein Chip pro verbrauchter Energieeinheit liefert. Höhere Werte bedeuten mehr Effizienz. bei zentralen Rechenoperationen,
• bis zu 500 Watt Ersparnis bei einem typischen 1.000-Watt-Chip,
• rund 1.300 Dollar niedrigere Stromkosten pro Chip über drei Jahre.

Diese Zahlen stammen vom Hersteller. Unabhängige Messungen liegen in den gesichteten Berichten nicht vor, ebenso wenig namentlich benannte Großkunden. Man sollte sie als Zielmarke lesen, nicht als bewiesenes Ergebnis. Die Finanzierung zeigt aber, wohin das Kapital fließt: zur Senkung der Stromkosten pro Rechenleistung, weil genau dort der Hebel sitzt.

Was bedeutet die Billionen-Capex für Kapital- und Finanzierungskosten?

Sie zieht das teure Geld in die KI-Infrastruktur und hält die Anleihemärkte in Bewegung. Ein Bloomberg-Bericht vom 19. August 2026 zitiert Thu Ha Chow, Head of Fixed Income for Asia beim Vermögensverwalter Robeco. Sie erwarte eine KI-bezogene Investitionswelle von rund einer Billion Dollar, finanziert über zusätzliche Unternehmensanleihen.

Chow beschreibt die großen Hyperscaler^?Sehr große Cloud-Anbieter wie Amazon, Microsoft oder Google, die weltweit riesige Rechenzentren betreiben. bei der Finanzierung als „nahezu preisunempfindlich“ („almost price insensitive“). Sie bauen weiter, fast egal, was das Kapital kostet. Das bringt mehr langfristige Anleihen auf den Markt, zusätzlich zu ohnehin steigenden Staatsanleihen in den USA und Japan, und verstärkt die Schwankungen im Zinsmarkt.

Die Größenordnung ist eine Schätzung, keine feste Zahl, und die Marktwirkung eine Erwartung, kein gemessener Effekt. Wer Rechenleistung einkauft, spürt die Folgen dennoch mittelbar. Steigen die Finanzierungskosten der Betreiber, steigt auf Dauer der Preis der Cloud-Rechenzeit. Zur Frage, wer an der Wertschöpfungskette der Rechenleistung verdient, lohnt der Blick darauf, wer die Modellwahl kontrolliert und kassiert.

Was heißt das konkret für das KI-Budget eines Unternehmens?

Energie ist keine Randnotiz mehr, sondern eine feste Rechengröße. Drei Kräfte wirken gleichzeitig: emissionsintensive Gaskraftwerke verteuern und belasten den Strom, effizientere Chips drücken langfristig die Kosten pro Rechenoperation, und die Billionen-Capex^?Kapitalausgaben (Capital Expenditures), also Investitionen in langlebige Anlagen wie Rechenzentren, Chips und Kraftwerke. hält die Finanzierung teuer. Für Planung und Einkauf folgen daraus klare Schritte.

• Rechenlasten messen und die energieintensiven Anwendungen benennen, statt Inferenzkosten pauschal abzutun.
• Modellgröße am tatsächlichen Bedarf ausrichten, denn ein kleineres Modell verbraucht weniger Strom und Geld.
• Bei Cloud-Verträgen den CO₂-Fußabdruck und die Strompreisbindung des Anbieters erfragen.
• Effizienzversprechen neuer Hardware als Herstellerangabe behandeln und auf unabhängige Messungen warten.

Wer nichts misst, glaubt jede Effizienzzahl. Die nächste Rechnung entscheidet, welche stimmte.