AI winners & losers•Kapitel 7 von 10

GPUs folgen dem Strom

AI wirkt wie Software, skaliert aber wie Schwerindustrie. Kapitel 6 verfolgt die physische Kette von der Leistungsdichte moderner GPU-Racks über…

Juli 19, 2026 7 min read Research-Schwerpunkt

GPUs folgen dem Strom. Wo keine gesicherte Leistung verfügbar ist, kann auch das beste Modell nicht skalieren.

Die AI-Branche spricht über Chips, Modelle und Agenten. Der nächste Engpass liegt jedoch tiefer: Elektrizität muss erzeugt, transportiert, transformiert, gekühlt und politisch genehmigt werden.

Kapitel 6 untersucht die physische Kette hinter der scheinbar schwerelosen Intelligenz – und warum Netzanschlüsse, Gas, Kernenergie, Kühlung und lokale Zustimmung zu strategischen Vermögenswerten werden.

AI ist ein Stromsystem

Die öffentliche Debatte beginnt meist bei Modellen und Chips. Der physische Betrieb beginnt jedoch an einer Steckdose, die für industrielle Lasten dimensioniert sein muss. Ein AI-Cluster benötigt nicht nur Energie über das Jahr, sondern jederzeit verfügbare Leistung in sehr hoher Dichte.

Die Internationale Energieagentur erwartet, dass der weltweite Stromverbrauch von Rechenzentren von rund 485 Terawattstunden im Jahr 2025 auf etwa 950 Terawattstunden 2030 steigt. AI-optimierte Rechenzentren wachsen dabei deutlich schneller als der übrige Sektor.

Für die USA schätzt das Energieministerium, dass Rechenzentren 2023 etwa 4,4 Prozent des gesamten Stromverbrauchs ausmachten. Bis 2028 könnte der Anteil auf ungefähr 6,7 bis 12 Prozent steigen.

Diese Werte beschreiben keinen gewöhnlichen Nachfragezuwachs. Sie bedeuten, dass eine bisher relativ unsichtbare digitale Branche innerhalb weniger Jahre mit Industrie, Haushalten und Verkehr um Netzkapazität konkurriert.

Die Leistungsdichte springt

Ein klassisches Rechenzentrum konnte seine Last über viele Racks verteilen. Moderne AI-Systeme bündeln mehr Rechenleistung in immer dichter gepackten Einheiten.

Ein NVIDIA-GB200-NVL72-Rack verbindet 72 Blackwell-GPUs und 36 Grace-CPUs. NVIDIA dokumentiert für ein vollständig ausgelastetes Rack einen Strombedarf von ungefähr 120 Kilowatt. Nachfolgende Generationen erhöhen die mögliche Leistungsdichte weiter.

Ein einzelnes Rack ist damit kein übergroßer Büroserver mehr. Mehrere hundert solcher Systeme bilden eine industrielle Last, die eigene Umspannwerke, Schaltanlagen, Flüssigkeitskühlung und redundante Strompfade benötigt.

Der neue Engpass ist nicht, ob sich eine GPU bestellen lässt. Entscheidend ist, ob sie an diesem Ort eingeschaltet werden kann.

Chips skalieren schneller als Netze

Halbleiterfabriken sind teuer und langsam. Stromnetze bewegen sich trotzdem häufig noch langsamer. Neue Leitungen, Umspannwerke und Kraftwerke benötigen Planung, Genehmigungen, Komponenten, Bauzeit und politische Zustimmung.

Ein Hyperscaler kann Server bestellen und Gebäude errichten, bevor der Netzbetreiber die erforderliche Anschlussleistung bereitstellen kann. Damit verschiebt sich der Wettbewerb von der Verfügbarkeit einzelner Chips zur sogenannten Speed-to-Power.

Im Juni 2026 verlangte die US-Regulierungsbehörde FERC von allen sechs regionalen Netzbetreibern, ihre Regeln für große Verbraucher wie Rechenzentren zu rechtfertigen oder zu reformieren. Die Frage, wer wann und zu welchen Kosten Anschluss erhält, ist damit Teil der nationalen Infrastrukturpolitik geworden.

Der Anschlussvertrag wird zum strategischen Vermögenswert. Ein Grundstück mit gesicherter Leistung kann wertvoller sein als ein architektonisch perfektes Rechenzentrum ohne belastbare Energielieferung.

Das Netz muss die Spitze tragen

Jährliche Terawattstunden erzählen nur die halbe Geschichte. Ein Netz muss zu jedem Zeitpunkt Erzeugung, Transport und Verbrauch ausgleichen.

AI-Cluster laufen häufig rund um die Uhr und können ihre Last schnell verändern. Training, Inferenz und Kühlung erzeugen hohe Grundlasten und zusätzliche Spitzen. Netzbetreiber benötigen Reserven, Frequenzstabilität und belastbare Prognosen.

Ein Betreiber kann Rechenarbeit zeitlich verschieben, Modelle drosseln oder Workloads zwischen Regionen verlagern. Doch nicht jede Aufgabe ist flexibel. Echtzeit-Inferenz für Kunden, kritische Agenten und vertraglich garantierte Cloud-Dienste benötigen kontinuierliche Leistung.

Flexible Rechenlast kann dem Netz helfen. Unflexible Großlast kann es überfordern. Der Unterschied wird zu einem Preisfaktor.

Kühlung ist Teil der Energiearchitektur

Elektrische Energie endet im Rechenzentrum überwiegend als Wärme. Je dichter die Racks, desto wichtiger werden Flüssigkeitskühlung, Pumpen, Wärmetauscher und Rückkühlung.

Luftkühlung stößt bei rackskaligen AI-Systemen an Grenzen. Direkte Flüssigkeitskühlung erhöht die Effizienz, verlangt aber neue Gebäude-, Wasser- und Wartungsstandards.

Auch der Standort verändert sich. In kühlen Regionen sinkt der Kühlaufwand. In trockenen Gebieten wird Wasser zum politischen Problem. In dicht bebauten Städten konkurrieren Rechenzentren um Fläche, Strom, Leitungen und Wärmeabfuhr.

Die beste Chiparchitektur kann ihren Vorteil verlieren, wenn Kühlung und Stromverteilung einen zu großen Anteil der Gesamtkosten verschlingen.

Erneuerbare allein lösen das Zeitproblem nicht

Wind und Solar können große Mengen günstigen Stroms liefern. Ihre Produktion schwankt jedoch. Ein AI-Rechenzentrum benötigt Leistung auch in windarmen Nächten und während langer Dunkelflauten.

Die IEA erwartet, dass erneuerbare Energien fast die Hälfte des zusätzlichen Strombedarfs von Rechenzentren bis 2030 decken. Danach folgen Erdgas und in einigen Regionen weiterhin Kohle. Kernenergie gewinnt gegen Ende des Jahrzehnts und darüber hinaus an Bedeutung.

Für Betreiber entsteht deshalb ein Portfolio aus langfristigen Stromverträgen, Netzanbindung, Batterien, flexibler Last, Gasversorgung und gegebenenfalls Kernenergie. Das Ziel ist nicht die billigste einzelne Kilowattstunde, sondern verfügbare Leistung mit kalkulierbarem Preis.

Ein grünes Stromzertifikat ersetzt keine physische Kapazität am richtigen Ort und zur richtigen Stunde.

Gas wird zur Brückentechnologie des AI-Booms

Neue Kernkraftwerke und große Leitungen benötigen viele Jahre. Gas-Kraftwerke lassen sich in manchen Regionen schneller errichten und können schwankende erneuerbare Erzeugung ausgleichen.

Das macht Erdgas zu einem wahrscheinlichen kurzfristigen Gewinner des AI-Lastwachstums. Zugleich verbindet es AI-Infrastruktur mit LNG-Preisen, Pipelinekapazitäten, Turbinenlieferzeiten und geopolitischen Risiken.

Ein Hormus- oder LNG-Schock trifft damit nicht nur Haushalte und Industrie. Er kann den Strompreis neuer Rechenzentren erhöhen, Projektkalkulationen verschlechtern und Regionen mit importabhängiger Gasversorgung benachteiligen.

AI-Lastwachstum → neue Gaskraftwerke → höhere Gasnachfrage → stärkere LNG-Konkurrenz → höhere Strom- und Rechenkosten

Kernenergie erhält eine neue wirtschaftliche Rolle

Rechenzentren suchen große Mengen CO₂-armer, kontinuierlich verfügbarer Leistung. Kernkraft passt technisch zu diesem Profil.

Der AI-Boom kann deshalb Laufzeitverlängerungen, Wiederinbetriebnahmen, neue Großreaktoren und kleinere modulare Systeme wirtschaftlich attraktiver machen. Entscheidend bleibt der Zeitfaktor: Viele Projekte liefern erst Jahre nach der aktuellen Investitionswelle Strom.

Bestehende Kernkraftwerke mit freien Kapazitäten oder möglichen Direktverträgen besitzen einen unmittelbaren Vorteil. Neue Reaktorkonzepte müssen dagegen Genehmigung, Baukosten und industrielle Skalierung beweisen.

AI wird Kernenergie nicht automatisch retten. Sie schafft jedoch einen zahlungskräftigen Kunden für gesicherte Leistung.

Geografie wird zur Wettbewerbsstrategie

Früher folgten Rechenzentren vor allem Glasfaser, Kunden und Steuervergünstigungen. Künftig folgen sie stärker Strom, Netzanschlüssen, Wasser, Klima und politischer Akzeptanz.

Regionen mit günstiger Wasserkraft, Kernenergie, Gas, Wind oder Geothermie können zu AI-Industriezentren werden. Andere verlieren Projekte trotz guter Datenverbindungen, weil Leistung nicht rechtzeitig verfügbar ist.

Diese Verschiebung kann neue Gewinner außerhalb klassischer Technologiezentren hervorbringen. Industriestandorte, ehemalige Kraftwerksflächen und Regionen mit bestehender Hochspannungsinfrastruktur gewinnen an Wert.

Cloud bleibt global. Die Physik ihrer Standorte wird regionaler.

Die Rechnung erreicht den Stromkunden

Netzausbau, Reservekraftwerke und neue Umspannwerke kosten Geld. Die politische Frage lautet, wer diese Kosten trägt.

Wenn ein Rechenzentrum einen großen Ausbau auslöst, können Netzbetreiber die Kosten dem Projekt, anderen Stromkunden oder beiden zuordnen. Ungünstige Regeln sozialisieren einen Teil der Infrastrukturkosten, während der wirtschaftliche Nutzen beim Betreiber bleibt.

FERC und regionale Regulierer beschäftigen sich deshalb mit Anschlussregeln, Co-Location an Kraftwerken, Zuverlässigkeit und Verbraucherschutz.

Der gesellschaftliche Widerstand wächst, wenn AI-Projekte Strompreise erhöhen, Wasser beanspruchen oder andere Industrieanschlüsse verdrängen. Lokale Zustimmung wird zu einem eigenen Engpass.

Kapital wandert vom Server zum Umspannwerk

Der AI-Capex-Zyklus endet nicht bei GPUs. Er zieht Investitionen in Turbinen, Transformatoren, Schaltanlagen, Leitungen, Kühlung, Speicher und Stromerzeugung nach sich.

Für Investoren entsteht eine breitere Kette:

direkte Gewinner: Netzbetreiber, Stromerzeuger, Transformatoren, Schaltanlagen, Kabel, Kühlung und Rechenzentrumsbau
indirekte Gewinner: Gasinfrastruktur, Kernenergie, Batteriespeicher, Engineering und Grundstücke mit gesicherter Leistung
gefährdete Gruppen: energieintensive Industrie in knappen Regionen, Stromkunden bei ungünstiger Kostenverteilung und Projekte ohne gesicherten Anschluss
Bewertungsrisiko: Hyperscaler, wenn Capex schneller wächst als monetarisierbare AI-Nachfrage

Der reale Burggraben kann am Ende nicht der Modellcode sein, sondern die Kombination aus Grundstück, Anschlussvertrag, Energieportfolio und genehmigter Kühlung.

Die Gridizer-Research-Watchlist

Strombedarf und Leistungsdichte neuer GPU-Generationen
Netzanschlusszeiten und Speed-to-Power nach Region
Transformator-, Turbinen- und Schaltanlagen-Lieferzeiten
FERC-, PJM- und andere Anschlussregeln für Großverbraucher
langfristige Stromverträge von Microsoft, Google, Amazon, Meta und anderen Betreibern
Gas-, LNG- und Strompreisrisiken an wichtigen Rechenzentrumsstandorten
Wasserverbrauch, Flüssigkeitskühlung und lokale Genehmigungen
Neustarts, Laufzeitverlängerungen und Neubauten bei Kernkraftwerken
AI-Umsatz und Free Cashflow im Verhältnis zu Energie- und Rechenzentrums-Capex

Die Intelligenz zieht dorthin, wo Leistung verfügbar ist

AI bleibt Software in ihrer Wirkung, wird aber Schwerindustrie in ihrer Infrastruktur. Die entscheidenden Standorte werden nicht allein durch Talente und Glasfaser bestimmt, sondern durch Megawatt, Netzstabilität, Wasser und Genehmigungen.

Die GPUs folgen dem Strom. Das Kapital folgt den Orten, an denen dieser Strom rechtzeitig, zuverlässig und zu einem tragbaren Preis verfügbar ist.