Jedes Mal, wenn Sie irgendwo, möglicherweise einen Kontinent entfernt, einem Chatbot mit künstlicher Intelligenz eine Frage stellen, arbeitet ein Lagerhaus voller Computer hart daran, diese zu beantworten, und es wird eine unglaubliche Energiemenge aufgewendet, um Ihnen eine schnelle Antwort zu geben.
Rechenzentren, die physischen Standorte, an denen die Supercomputer und zugehörigen Komponenten untergebracht sind, die den dramatischen Anstieg der KI unterstützen, sind in unserem Zeitalter der fortschrittlichen Datenverarbeitung von entscheidender Bedeutung.
Doch ihr Appetit auf Strom wird zu einem eigenständigen Problem. Diese Anlagen werden immer größer, zahlreicher und stromhungriger, und der Energiebedarf für ihren Betrieb nimmt ebenso schnell zu.
Den Daten von Cloudscene zufolge dominieren die Vereinigten Staaten derzeit die globale Szene mit rund 5.400 Einrichtungen im Vergleich zu rund 3.400 in ganz Europa, und Europa ist verzweifelt daran interessiert, diese Lücke zu schließen.
Das Problem besteht darin, dass die Schließung mit enormen Energiekosten verbunden ist – und das Stromnetz des Kontinents bereits Schwierigkeiten hat, den bestehenden Bedarf zu decken.
Eine große neue Studie von Interface, einem europäischen Think Tank für Energie- und Digitalpolitik, zeigt, wie ernst diese Spannungen geworden sind.
Sie warnen davor, dass Europas KI-Ambitionen ohne dringende Reformen zu kostspieligen verlorenen Vermögenswerten werden könnten, die Macht und öffentliche Gelder aufsaugen, während sie für bessere Optionen anderswo ignoriert werden.
„Der Bau von Anlagen mit mehreren Hundert Megawatt, die ihre vertraglich vereinbarte Kapazität nicht effektiv nutzen, wäre nicht nur wirtschaftlich, sondern auch aus Sicht des Energie- und Klimasystems nicht nachhaltig“, heißt es in dem Bericht.
Elektrische Megaabsorber
Ein typischer europäischer Haushalt verbraucht etwa 3.600 Kilowattstunden Strom pro Jahr, also etwa 10 Kilowattstunden pro Tag.
Das Rechenzentrum hinter Ihrem KI-Assistenten kann das Tagesäquivalent von Zehntausenden dieser Haushalte schon vor dem Frühstück verbrennen.
„Die Stromkapazität der Top-KI-Cluster steigt von rund 13 MW im Jahr 2019 auf geschätzte 280–300 MW für xAIs Colossus im Jahr 2025 – vergleichbar mit dem Bedarf von etwa 250.000 europäischen Haushalten“, heißt es in dem Bericht.
All diese Energie muss durch etwas fließen, und dieses Etwas steht bereits unter großer Belastung.
Das europäische Stromnetz, das riesige Netzwerk aus Stromleitungen, Umspannwerken und Übertragungsinfrastruktur, das Strom von dort, wo er erzeugt wird, dorthin transportiert, wo er benötigt wird, wurde nicht im Hinblick auf KI gebaut.
Wenn eine einzelne neue Anlage Hunderte von Megawatt auf einmal benötigt, reicht es nicht aus, sie einfach anzuschließen. Dies belastet und untergräbt das gesamte System um sie herum, was möglicherweise kostspielige Upgrades erzwingt und andere Nutzer verdrängt, die um die gleiche Kapazität konkurrieren.
„Das ChatGPT-4-Training verbrauchte Berichten zufolge insgesamt etwa 46 GWh Energie – das entspricht einer dauerhaften Abnahme von 20 MW über drei Monate und genug, um die gesamte Region Brüssel-Hauptstadt über vier Tage lang mit Strom zu versorgen“, heißt es in dem Bericht weiter.
Es wird geschätzt, dass die fortschrittlichsten Modelle, die derzeit gebaut werden, weitaus mehr verbrauchen. Die Internationale Energieagentur prognostiziert, dass sich der weltweite Stromverbrauch von Rechenzentren „bis 2030 mehr als verdoppeln wird, hauptsächlich aufgrund der KI-Arbeitslast“.
Herkömmliche Serverfarmen wurden um bescheidene, flexible Stromlasten herum aufgebaut. In KI-Clustern sind spezialisierte Chips untergebracht, die tage- oder wochenlang mit nahezu maximaler Intensität laufen und sich, wie es in dem Bericht heißt, wie „stromintensive Industrieanlagen, die an eingeschränkte Netze angeschlossen sind“ verhalten.
„Netzanbindungskapazität, Anschlussvorlaufzeiten, lokale Überlastung und neuerdings auch Energiepreise sind bereits zu verbindlichen Beschränkungen geworden, die trotz anfänglichem Investitionsinteresse große Bereitstellungen verzögern oder umleiten“, so Interface.
Wird das Netz mithalten?
Nirgendwo ist dies deutlicher zu erkennen als in Europas gefragtesten Rechenzentrumsmärkten oder den von der Branche als FLAP-D bezeichneten Städten, also Frankfurt, London, Amsterdam, Paris und Dublin.
Die Warteschlangen für den Netzanschluss sind so lang geworden, dass sie praktisch zu einem Bauverbot geworden sind.
„In den FLAP-D-Märkten … warten neue Anlagen im Durchschnitt 7 bis 10 Jahre auf einen Netzanschluss, in den am stärksten überlasteten Primärmärkten sogar 13 Jahre“, heißt es in dem Bericht.
Irland hat de facto ein Moratorium für neue Rechenzentren in Dublin bis 2028 verhängt, während die Niederlande und Frankfurt neue Verbindungen bis mindestens 2030 faktisch verboten haben.
In dem Bericht heißt es, dass OpenAI „ihre Investitionen in Großbritannien und Norwegen aufgrund der hohen Strompreise auf Eis gelegt hat“, ein mögliches Signal dafür, dass selbst die kapitalstärksten KI-Unternehmen der Welt durch die Energieengpässe in Europa aufgehalten werden.
Was sich ändern muss
Das europäische Stromnetz kämpft bereits mit den Anforderungen der Elektrifizierung von Verkehr und Heizung, dem ungleichmäßigen Ausbau erneuerbarer Energien und den Risiken „angespannter Gas- und Strommärkte“, wie der Bericht es nennt, die durch die russische Invasion in der Ukraine und den anhaltenden Konflikt im Nahen Osten noch weiter belastet werden.
Der Bericht empfiehlt, europäische Anlagen von Anfang an in die nationale und EU-Netzplanung zu integrieren und Standortentscheidungen an die Verfügbarkeit erneuerbarer Energien zu knüpfen.
Der Aufbau von Hunderten Megawatt KI-Infrastruktur birgt die Gefahr, dass all dies schwieriger und teurer wird.
„Der langfristige Wert und die Akzeptanz großer KI-Rechencluster werden davon abhängen, ob sie als kritische Energieinfrastruktur konzipiert, reguliert und betrieben werden, die sich von herkömmlichen Rechenzentren unterscheidet“, heißt es in dem Bericht abschließend.
