Was ein KI-Rechenzentrum wirklich kostet und wer das Risiko trägt
Von ReviewRamble editors ·
Der Strom ist der billige Teil eines KI-Rechenzentrums. Teuer sind die Chips darin, die nach etwa fünf Jahren verbraucht sind, während das Gebäude und die Schulden, mit denen es bezahlt wurde, viel länger bleiben. In dieser Lücke zwischen schnell alternder Hardware und Geld, das für Jahrzehnte geliehen ist, steckt der größte Teil des Risikos im KI-Boom, und ein wachsender Teil davon liegt bei Menschen, die nie zugestimmt haben.
Diese Erklärung ist für alle, die für ein KI-Tool bezahlen und wissen wollen, was hinter dem Preis steht. Jede Zahl stammt aus der verlinkten Quelle: der Internationalen Energieagentur (IEA), dem Lawrence Berkeley National Laboratory (LBNL), den Immobilienberatern JLL, CBRE und Cushman & Wakefield, dem irischen Statistikamt, der US-Energieinformationsbehörde (EIA), der Marktaufsicht von PJM, der Federal Reserve und Unternehmensberichten. Prognosen sind Prognosen; wir sagen, von wem sie stammen.
Wie viel Geld hineinfließt
Laut Key Questions on Energy and AI der IEA lagen die Investitionsausgaben der größten Technologiekonzerne 2025 über 400 Milliarden Dollar und sollen 2026 um weitere 75% steigen, was sie in die Nähe von 700 Milliarden bringen würde. Allein Meta teilte Anlegern in seinem Bericht zum Septemberquartal mit, dass es dieses Jahr 135 bis 145 Milliarden Dollar ausgeben will. Unser Newsdesk hat die jüngste Runde der Ausgabenpläne laufend verfolgt.
Der 2026 Global Data Center Outlook von JLL beziffert die Rechnung für die ganze Branche bis 2030 auf bis zu 3 Billionen Dollar. JLL erwartet zwischen 2026 und 2030 fast 100 GW neue Kapazität, eine Verdopplung des Bestands, und rund 870 Milliarden Dollar neue Schulden allein für die Immobilien.
Was ein Megawatt kostet
Rechenzentren werden pro Megawatt (MW) Leistung bewertet, die sie an Computer liefern können. Ein MW, das das ganze Jahr läuft, entspricht etwa dem Verbrauch von 800 durchschnittlichen amerikanischen Haushalten, nach den EIA-Zahlen weiter unten, und ein großer KI-Campus wird in Hunderten MW oder mehreren Gigawatt gemessen (GW, tausend MW).
Es gibt zwei sehr verschiedene Rechnungen. Die erste ist das Gebäude: Grundstück, Hülle, Strom- und Kühltechnik. Laut JLL stiegen die weltweiten durchschnittlichen Baukosten von 7,7 Millionen Dollar pro MW 2020 auf 10,7 Millionen 2025, für 2026 erwartet JLL 11,3 Millionen. Diese Zahl umfasst nur Hülle und Kern.
Die zweite Rechnung ist das, was hineinkommt. JLL weist darauf hin, dass Mieter meist den technischen Ausbau bezahlen, und für KI kann der bis zu 25 Millionen Dollar pro MW kosten. Branchenweit erwartet JLL, dass Mieter bis 2030 1 bis 2 Billionen Dollar für GPUs und Netzwerke ausgeben. Bei einem KI-Standort können die Computer also mehr als doppelt so viel kosten wie das Gebäude, in dem sie stehen.
Ein Rechenbeispiel: 100 MW für ein Jahr
Nimm einen Standort mit 100 MW Rechenlast, der das ganze Jahr unter Volllast läuft. Ein Jahr hat 8.760 Stunden, also verbrauchen die Computer 876.000 Megawattstunden (MWh). Dazu kommen Kühlung und Stromverluste, gemessen mit einer Kennzahl namens PUE (unten erklärt). Beim von Google gemeldeten Flottendurchschnitt von 1,09 bezieht der Standort etwa 954.840 MWh. Beim Branchendurchschnitt von 1,54, den Google vom Uptime Institute zitiert, sind es etwa 1.349.040 MWh.
Der durchschnittliche US-Industriestrompreis lag 2025 laut EIA bei 8,62 Cent pro Kilowattstunde, also 86,20 Dollar pro MWh. Damit liegt die jährliche Stromrechnung bei etwa 82 Millionen Dollar für den effizienten Standort und etwa 116 Millionen für den durchschnittlichen. Der Verbrauch des effizienten Standorts entspricht dem von rund 88.000 amerikanischen Haushalten, beim EIA-Durchschnitt von 10.791 kWh im Jahr.
Jetzt der Vergleich mit der Hardware. Nach den JLL-Zahlen kostet das Gebäude etwa 1,13 Milliarden Dollar und ein KI-Ausbau bis zu 2,5 Milliarden mehr. Metas Jahresbericht 2025 schreibt Server und Netzwerktechnik über fünf bis 5,5 Jahre ab und Gebäude über 25 bis 30 Jahre. Verteilt man 2,5 Milliarden für Chips auf fünfeinhalb Jahre, ergibt das etwa 455 Millionen pro Jahr, mehr als das Fünffache der Stromrechnung des effizienten Standorts.
Zwei Einschränkungen. Echte Standorte laufen selten das ganze Jahr unter Volllast; das LBNL nahm 50% durchschnittliche Auslastung an, als es Energie in Leistungszahlen umrechnete. Und große Abnehmer handeln ihre eigenen Strompreise aus, die deutlich über oder unter dem Landesdurchschnitt liegen können. Das Muster bleibt trotzdem gleich: Die Chips sind der dominierende Kostenblock, und sie altern am schnellsten.
Wenn du dieselbe Rechnung für eine einzelne Maschine sehen willst, vergleicht unser GPU-Rechner die Stundenkosten für die Miete der Karten, die ein Modell braucht, und unser NVIDIA-Hardware-Ratgeber zeigt, was ein GB300-Rack kostet.
Wie viel Strom Rechenzentren verbrauchen
Die IEA schätzt, dass Rechenzentren weltweit 2025 etwa 485 Terawattstunden (TWh) verbraucht haben und 2030 etwa 950 TWh verbrauchen werden, rund 3% des weltweiten Stroms. Der Verbrauch KI-orientierter Standorte verdreifacht sich im selben Zeitraum. Eine TWh ist eine Million MWh, 950 TWh entsprechen also etwa tausend Standorten wie unserem 100-MW-Beispiel.
In den USA stellte der 2024 United States Data Center Energy Usage Report des LBNL fest, dass Rechenzentren 2023 176 TWh verbrauchten, 4,4% des US-Stroms, und erwartet für 2028 325 bis 580 TWh, also 6,7% bis 12,0%. Die Breite dieser Spanne ist selbst die Nachricht: Niemand weiß, wie viele GPUs ausgeliefert und wie stark sie genutzt werden.
Woher der Strom kommt
Der Energy-and-AI-Bericht der IEA schlüsselt auf, woher Rechenzentren heute ihren Strom beziehen: Kohle etwa 30%, Erneuerbare etwa 27%, Erdgas 26% und Kernkraft 15%. Der Mix hängt stark vom Land ab. In den USA liefert Gas über 40%, Wind und Sonne 24%, Kernkraft rund 20% und Kohle rund 15%. In China liefert Kohle fast 70%.
Bis 2030 erwartet die IEA, dass Erneuerbare fast die Hälfte der zusätzlichen Nachfrage decken und Gas und Kohle zusammen über 40%. Wo Netzanschlüsse langsam sind, bauen manche Betreiber eigene Gaskraftwerke vor Ort: Die IEA rechnet damit, dass 2030 15 bis 27 GW Gasstrom vor Ort Rechenzentren versorgen könnten, vor allem in den USA, und dass solche Anlagen um 30% bis 70% überdimensioniert werden müssen, um zuverlässig zu sein.
Kernkraft ist die Wette auf lange Sicht. Technologiekonzerne planen die Finanzierung von mehr als 20 GW kleiner modularer Reaktoren, doch die IEA erwartet die ersten erst nach 2030 am Netz. In den nächsten fünf Jahren kommt neuer Strom vor allem aus dem, was sich schnell bauen lässt, also Wind, Sonne und Gas. Die IEA erwartet, dass sich die Emissionen von Rechenzentren bis 2035 etwa auf rund 350 Millionen Tonnen CO2 verdoppeln, immer noch etwa 2% der Emissionen des Stromsektors. Unsere News-Notizen berichteten über eine MIT-Studie zu den Folgen für die Luftqualität dieses Stroms.
Wasser: warum die Zahlen so weit auseinanderliegen
Frag, wie viel Wasser ein Rechenzentrum verbraucht, und du bekommst enorm unterschiedliche Antworten. Der Großteil des Unterschieds kommt von drei Entscheidungen: wie der Standort gekühlt wird, wo er liegt und ob man das Wasser mitzählt, das für die Stromerzeugung verbraucht wird.
Verdunstungskühltürme kühlen Wasser, indem sie einen Teil davon verdunsten lassen, was Strom spart und Wasser verbraucht. Trockenkühler und geschlossene Flüssigkeitskreisläufe brauchen wenig Wasser, aber meist mehr Strom. Die Simulationen des LBNL ergaben, dass der Wasserverbrauch am stärksten vom Kühlsystem abhängt, mit den höchsten Werten an Standorten mit wassergekühlten Kältemaschinen ohne Economizer, und auch das Klima zählt: Dieselbe Bauweise verbraucht an einem heißen, feuchten Ort mehr.
Die Summen spiegeln das. Das LBNL schätzt, dass US-Rechenzentren 2023 vor Ort etwa 66 Milliarden Liter verbraucht haben und dass allein große Cloud-Standorte 2028 60 bis 124 Milliarden Liter verbrauchen könnten. Das Wasser, das in Kraftwerken für ihren Strom verbraucht wurde, lag dagegen bei fast 800 Milliarden Litern, etwa dem Zwölffachen des Werts vor Ort, bei einem Landesdurchschnitt von 4,52 Litern pro kWh.
Als Beispiel eines Unternehmens: Googles 2026 Environmental Report gibt an, dass seine Rechenzentren 2025 10.523 Millionen Gallonen verbraucht haben, etwa 10,5 Milliarden Gallonen. Die Standorte in The Dalles, Oregon, verbrauchten 469 Millionen Gallonen. Google sagt, es habe dort Wasserkühlung gewählt, weil die lokalen Quellen nicht stark von Knappheit bedroht seien, und das ist die ehrliche Fassung des Zielkonflikts: Wasserkühlung ist dort effizient, wo Wasser reichlich vorhanden ist, und dort falsch, wo es fehlt.
PUE, erklärt
Power Usage Effectiveness (PUE) ist der gesamte Strom, den ein Standort bezieht, geteilt durch den Strom, der bei seinen Computern ankommt. Eine PUE von 1,0 hieße, dass nichts für Kühlung oder Stromumwandlung verbraucht wird; 1,5 bedeutet ein halbes Watt Zusatzaufwand pro Watt Rechenleistung. Unser Glossareintrag hat die Details.
Das LBNL schätzt, dass der US-Durchschnitt von 1,6 im Jahr 2014 auf 1,4 im Jahr 2023 gesunken ist. Google meldet 1,09 für seine gesamte Flotte 2025. Der Haken an der PUE: Sie belohnt Wasserkühlung, denn ein Standort kann seine PUE senken, indem er mehr Wasser verdunstet. Sie sagt auch nichts darüber, ob die Computer nützliche Arbeit leisten. Lies sie zusammen mit den Wasserzahlen, nie allein.
Wo sich die Kapazität konzentriert
KI-Kapazität ballt sich dort, wo Strom, Glasfaser und Fläche zusammenkommen, und die größten Standorte haben kaum noch Platz. In der Erhebung für das erste Halbjahr 2026 von CBRE zu acht nordamerikanischen Kernmärkten stieg das Angebot binnen eines Jahres um 33,7% auf 10.903 MW, trotzdem fiel der Leerstand auf ein Rekordtief von 1,4%. Rekordverdächtige 7.481 MW waren im Bau, und 80,4% davon waren bereits vermietet.
Wo die großen Standorte liegen
- Nord-Virginia, USA: etwa 4.497 MW, der größte Markt Nordamerikas (CBRE)
- Atlanta, USA: etwa 1.803 MW, mit 2.882 MW im Bau, so viel wie nirgends sonst in Nordamerika (CBRE)
- Dallas–Fort Worth, USA: etwa 1.433 MW (CBRE)
- Phoenix, USA: etwa 1.069 MW (CBRE)
- Chicago, USA: etwa 911 MW (CBRE)
- Oregon, USA: etwa 491 MW rund um Hillsboro (CBRE)
- Montréal, Kanada
- Alberta, Kanada: mehr als 16 GW Anfragen im Jahr 2025 bei einer vorläufigen Netzgrenze von 1.200 MW bis 2028 (AESO)
- Dublin, Irland: Rechenzentren verbrauchten 2025 23% des gemessenen Stroms in Irland (CSO)
- London, Großbritannien: Kapazität binnen eines Jahres um 21% gestiegen (CBRE)
- Frankfurt, Deutschland: etwa 1.223 MW (CBRE)
- Amsterdam, Niederlande: etwa 64 MW in einem Jahr hinzugekommen (CBRE)
- Paris, Frankreich: etwa 667 MW (CBRE)
- Stockholm, Schweden
- Singapur: die höchsten Mieten unter den großen Märkten im Asien-Pazifik-Raum, etwa 403 Dollar pro kW im Monat (CBRE)
- Johor, Malaysia: etwa 1.110 MW in Betrieb (Cushman & Wakefield)
- Tokio, Japan: mehr als 1 GW (CBRE)
- Seoul, Südkorea
- Mumbai, Indien: etwa 890 MW in Betrieb (Cushman & Wakefield)
- Sydney, Australien: etwa 917 MW in Betrieb (Cushman & Wakefield)
- São Paulo, Brasilien: etwa 537 MW, der größte Markt Lateinamerikas (CBRE)
Die Zahlen stammen von verschiedenen Firmen und Zeitpunkten, nimm sie also als grobe Rangfolge, nicht als exakte Tabelle. Die US-Märkte sind die Bestandszahlen von CBRE für das erste Halbjahr 2026; Frankfurt, Paris, London, Amsterdam, Tokio, Singapur und São Paulo stammen aus Global Data Center Trends 2026 von CBRE, mit Daten aus dem ersten Quartal; Johor, Mumbai und Sydney sind die Betriebszahlen für das erste Halbjahr 2026 von Cushman & Wakefield. Für Montréal, Stockholm und Seoul fanden wir keine vergleichbare veröffentlichte Zahl.
Zwei Orte zeigen, was Konzentration bewirkt. In Irland stellte das Statistikamt fest, dass Rechenzentren 2025 23% des gesamten gemessenen Stroms verbrauchten, gegenüber 5% im Jahr 2015 und mehr als alle städtischen Haushalte zusammen mit 18%. In Alberta setzte der Netzbetreiber eine vorläufige Grenze von 1.200 MW neuer Großverbraucher bis 2028, nachdem 29 Projekte mehr als 16 GW beantragt hatten. Zum Vergleich: Die gesamte Last von Edmonton liegt bei etwa 1.400 MW.
Wer die Schulden hält
Den größten Teil des vergangenen Jahrzehnts bezahlten große Technologiekonzerne Rechenzentren aus eigenen Mitteln. Das ändert sich. Der Financial Stability Report der Federal Reserve vom 13. November 2026 berichtet, dass die für fortgeschrittenes Computing ausgegebenen Schulden bis Oktober 2026 680 Milliarden Dollar überstiegen, etwa das Fünffache der 130 Milliarden aus dem gesamten Jahr 2023. Der Anteil dieser Kreditaufnahme an der Emission von Unternehmensanleihen mit Investment-Grade außerhalb des Finanzsektors stieg von unter 6% 2023 auf etwa 31% 2026.
Die größere Zahl steht außerhalb der Bilanz. Die Fed zählte noch nicht begonnene Mietverträge über mehr als 1 Billion Dollar sowie Garantien und andere vertragliche Verpflichtungen über mehr als 2 Billionen Dollar, verteilt auf Amazon, Alphabet, Broadcom, Meta, Microsoft, Nvidia und Oracle. Diese Zahlen sind nicht abgezinst und deshalb nicht direkt mit Schulden vergleichbar, aber die Aussage der Fed ist klar: Das Risiko dieser Firmen in einem Abschwung "könnte erheblich größer sein, als ihre bilanzierten Verbindlichkeiten nahelegen". Unser Newsdesk berichtete Anfang des Monats über eine ähnliche Zählung von Nikkei.
Wie die Geschäfte außerhalb der Bilanz funktionieren: Metas zwei Standorte
Metas zwei Gemeinschaftsunternehmen zeigen die Struktur deutlich. Im Oktober 2025 gründete Meta ein Joint Venture mit von Blue Owl Capital verwalteten Fonds für seinen Hyperion-Campus in Richland Parish, Louisiana. Die Fonds von Blue Owl halten 80%, Meta 20%, bei rund 27 Milliarden Dollar Entwicklungskosten. Blue Owl brachte etwa 7 Milliarden in bar ein, Meta erhielt eine einmalige Ausschüttung von etwa 3 Milliarden, und ein Teil des Geldes stammte aus Anleihen, die an PIMCO und andere Investoren verkauft wurden.
Im Juli 2026 wiederholte Meta das Muster mit BlackRock in El Paso, Texas: ein 1-GW-Campus für etwa 14 Milliarden Dollar, zu 80% im Besitz von BlackRock-Fonds, teilweise finanziert mit 12,5 Milliarden Dollar Schulden, mit Kapazität, die ab 2028 ans Netz geht. Das sind etwa 14 Millionen Dollar Entwicklungskosten pro MW.
In beiden Fällen mietet Meta den ganzen Campus zurück. Die Verträge laufen zunächst vier Jahre, mit Optionen, die sie auf 20 Jahre verlängern können. Damit Kreditgeber eine so kurze Bindung akzeptieren, garantiert Meta in den ersten 16 Jahren den Wert des Campus: Steigt Meta aus und ist der Standort weniger wert als eine festgelegte Schwelle, zahlt Meta die Differenz, bis zu einer Obergrenze. Weil Meta die Gemeinschaftsunternehmen nicht kontrolliert, nimmt es deren Schulden nicht in die eigene Bilanz auf.
Der 10-Q vom September 2026 beziffert Metas maximales Risiko aus den beiden Gemeinschaftsunternehmen auf 68,4 Milliarden Dollar, darunter 41,5 Milliarden Dollar maximale Restwertgarantien und 18,5 Milliarden Dollar Mietverpflichtungen. Meta hält Zahlungen aus diesen Garantien für nicht wahrscheinlich und bucht deshalb keine Verbindlichkeit dafür.
Der kurze Mietvertrag ist der Kern. Er gibt Meta die Möglichkeit auszusteigen, wenn die KI-Nachfrage abkühlt, und die Garantie begrenzt, was dieser Ausstieg kostet. Die Anleihegläubiger und Fondsanleger auf der anderen Seite wetten darauf, dass ein für KI-Chips gebautes Gebäude in zehn Jahren noch seine Schwelle wert ist. Ein Teil dieses Geldes sind gewöhnliche Ersparnisse: Wie ein Ökonom argumentierte, sind Altersvorsorgekonten Teil der Finanzierung, und die Fed stellt fest, dass die riskanteren Tranchen dieser Geschäfte bei Hochzinsfonds, Lebensversicherern und privaten Kreditvehikeln liegen, während große US-Banken mit fast 1 Billion Dollar in der Branche engagiert sind.
Die Risiken, einfach gesagt
- Die Chips altern vor dem Gebäude. Meta schreibt Server über fünf bis 5,5 Jahre ab und Gebäude über 25 bis 30. Jede neue GPU-Generation macht die alte weniger wert, und die Fed stellt fest, dass GPU-Hersteller oft den Restwert von Chips garantieren, die als Kreditsicherheit dienen. Fällt dieser Wert schneller als erwartet, landen die Verluste bei denen, die darauf Kredit gegeben haben.
- Die Nachfrage entspricht vielleicht nicht den Plänen. Die Spanne der LBNL-Prognose für 2028, 325 bis 580 TWh, zeigt, wie unsicher der Verbrauch ist. Die Marktaufsicht von PJM sagt, die Rechenzentrumsprognosen hinter ihrer jüngsten Kapazitätsauktion seien ungeprüft und überhöht gewesen. Ein Vierjahresvertrag erlaubt einem Mieter den Ausstieg lange bevor das Gebäude abbezahlt ist.
- Haushalte zahlen womöglich für den Netzausbau. PJM betreibt das Netz in einem großen Teil des Ostens der USA, Nord-Virginia eingeschlossen. Die unabhängige Marktaufsicht ermittelte, dass 6,3 Milliarden der 16,4 Milliarden Dollar der jüngsten Kapazitätsauktion, 38,2%, auf die Last von Rechenzentren zurückgingen, und 29,4 Milliarden Dollar über die letzten vier Auktionen. Im ersten Halbjahr 2026 erhöhte das die Gesamtkosten für Großhandelsstrom um 11,11 Dollar pro MWh oder 9,7%, Kosten, die auf alle Kunden des Netzes verteilt werden. Die Marktaufsicht will Rechenzentren in eine eigene Auktion verschieben, damit sie ihre Kapazität selbst bezahlen.
- Wasser und Luft vor Ort. Wasserverbrauch und Emissionen eines Standorts treffen seine Nachbarn, egal was die weltweiten Ausgleichsmaßnahmen des Eigentümers besagen.
Manche Betreiber bieten etwas an. OpenAI hat zugesagt, den Stromverbrauch seiner Rechenzentren zu senken, wenn das Netz unter Druck steht, und die IEA schlägt vor, dass Netzbetreiber im Gegenzug für solche Flexibilität nicht feste Anschlüsse anbieten könnten.
Was das für deinen Preis bedeutet
Der Preis eines KI-Tools muss die kurze Lebensdauer der Chips decken, nicht nur ihren Strom. Deshalb setzen Anbieter so viel daran, GPUs ausgelastet zu halten, und deshalb konkurriert schnelle Spezialhardware wie die in unserem Vergleich von Cerebras, Groq und SambaNova über den Durchsatz pro Chip. Wenn du selbst Rechenleistung mietest, geben GPU-Clouds wie Runpod (4.3) und Modal (4.5) diese Hardwarekosten sekundengenau weiter, und Token-Anbieter wie Together AI (4.5) rechnen sie in den Preis pro Million Tokens ein.

Der Haken: Die meisten Zahlen hier sind Prognosen oder Angaben der Unternehmen, und die wichtigsten, wie lange die Chips nützlich bleiben und wie groß die KI-Nachfrage wirklich wird, sind am unsichersten. Die Fed selbst sagt, dass sich der volle Umfang privater Kredite in dieser Branche schwer messen lässt.
Unser Fazit: Stell dir ein KI-Rechenzentrum als Flotte von Lieferwagen vor, die in einer Lagerhalle parken. Die Halle hält dreißig Jahre, die Wagen fünf, und dem Kreditgeber wurde gesagt, die Halle werde immer voll sein. Die Stromrechnung ist der Sprit, real, aber klein. Wer beurteilen will, ob der Boom solide ist, sollte auf die Wagen und den Mietvertrag schauen, nicht auf den Lichtschalter, und wenn dein Versorger höhere Tarife für neue Netzkapazität beantragt, frag, für wen sie gebaut wird.