Geht die Jahrhundertwette auf?
Energieeffiziente Technologien könnten die Kosten für Training und Betrieb von KI-Modellen drastisch senken – und zugleich die Energiewende voranbringen. Für den deutschen Mittelstand eröffnet das Chancen jenseits gigantischer Rechenzentren.
Für große Sprachmodelle entstehen weltweit riesige Rechenzentren mit gewaltigem Strombedarf. Gleichzeitig fahren immer mehr Autos elektrisch, Wärmepumpen ersetzen Heizkessel und die Industrie elektrifiziert ihre Produktion. Erzeugung, Netze und Speicher müssen mit dieser Entwicklung Schritt halten. Doch wie viel zusätzliche Energie brauchen wir tatsächlich? Und könnten effizientere Technologien den Verbrauch langfristig sogar senken?
Beim Strom ist Deutschland bereits weit gekommen: 2025 lieferten erneuerbare Energien nach Angaben des Umweltbundesamtes rund 291,5 Terawattstunden und deckten damit 55,1 Prozent des Bruttostromverbrauchs. Betrachtet man die gesamte Energieversorgung, fällt die Bilanz ernüchternder aus. Öl, Gas und Kohle standen laut Arbeitsgemeinschaft Energiebilanzen noch immer für rund 76,5 Prozent des Primärenergieverbrauchs. Das liegt vor allem daran, dass die allermeisten Fahrzeuge noch mit Benzin oder Diesel fahren und Gebäude wie Fabriken weiter riesige Mengen Gas und Kohle verbrennen.
Trotzdem geht die Zeit, in der wir fossile Brennstoffe aus der Erde holen und verfeuern, langsam zu Ende. Nicht nur wegen des Klimaschutzes, sondern auch und vor allem aus wirtschaftlichen Gründen, wie Energieexperte Tim Meyer in seinem Buch „Strom“ beschreibt. Seine These: Wir verschwenden einen großen Teil der eingesetzten Energie.
„70 Prozent der eingesetzten Energie gehen als Umwandlungsverluste in Kraftwerken verloren, als Abwärme durch den Schornstein oder Auspuff oder dringen durch Wände und Fenster ungenutzt nach außen“.
Energieexperte Tim Meyer
Das scheinbare Paradox: Mehr Strom, weniger Energie
Zunächst zeigen die Prognosen allerdings nach oben. Die Internationale Energieagentur (IEA) erwartet im Basisszenario, dass der weltweite Stromverbrauch aller Rechenzentren von rund 415 Terawattstunden 2024 auf rund 945 Terawattstunden 2030 steigt. KI ist dabei ein wesentlicher Wachstumstreiber.
Hinzu kommt der Umstieg von Gas und Öl auf Strom: Elektroautos, Wärmepumpen, Klimaanlagen, elektrifizierte Industrieprozesse. Ein vom Bundeswirtschaftsministerium beauftragter Monitoringbericht nennt für Deutschland 2030 einen Strombedarf von 600 bis 700 Terawattstunden. Das wären binnen fünf Jahren etwa 14 bis 33 Prozent mehr als die rund 530 Terawattstunden, die das Umweltbundesamt für 2025 ausweist. Müssen wir die Stromproduktion also langfristig verdoppeln oder gar verdreifachen, um KI-Revolution und Energiewende zu stemmen?
Nein, sagt Tim Meyer. Strom aus Sonne und Wind sei gegenüber der Verbrennung fossiler Rohstoffe drei- bis viermal so effizient. Der gewaltige Zuwachs wäre nur nötig, wenn wir Energie weiter mit der ineffizienten Technik von gestern erzeugen und verbrauchen. Daraus ergibt sich ein scheinbares Paradox: Der Strombedarf steigt, während der Bedarf an fossilen Brennstoffen und der gesamte Endenergieverbrauch dennoch sinken können.
Besonders anschaulich zeigt das die Wärmepumpe. Eine Gasheizung gewinnt aus einer Kilowattstunde Erdgas knapp eine Kilowattstunde nutzbare Wärme. Eine Wärmepumpe liefert bei einer Jahresarbeitszahl von drei bis vier mit einer Kilowattstunde Strom dagegen drei bis vier Kilowattstunden Heizwärme. Den Rest entzieht sie der Umgebungsluft, dem Erdreich oder dem Grundwasser. Für dieselbe Wärme sinkt der Energiebedarf im Idealfall um zwei Drittel bis drei Viertel.
Flexibilität ist das neue Gold
Ein zweiter Hebel liegt im Zusammenspiel der Anlagen. Digitale Stromzähler, intelligente Steuerung und KI können Elektroautos, Batteriespeicher, Solaranlagen und Windparks besser aufeinander abstimmen. Verbraucher nutzen dann möglichst viel Strom, wenn er reichlich verfügbar ist. Das entlastet Netze und reduziert Kosten.
Heute gelingt diese Abstimmung nur begrenzt. Bei hoher Erzeugung und geringer Nachfrage können Börsenstrompreise negativ werden. Zugleich zwingen lokale Netzengpässe die Betreiber dazu, Anlagen abzuregeln und andernorts Kraftwerke zuzuschalten. Es fehlt nicht immer an Energie, sondern häufig an der Möglichkeit, sie zur richtigen Zeit am richtigen Ort zu nutzen.
Fallende Batteriepreise verändern dieses Spiel gerade grundlegend. Laut Tim Meyer halten allein die Akkus von Elektroautos rechnerisch schon heute über 1,5 Millionen Kilometer. Ein Auto steht aber im Schnitt 23 Stunden am Tag ungenutzt in der Garage oder auf der Straße. Künftig könnten parkende Fahrzeuge überschüssigen Strom aufnehmen, das Netz stabilisieren und damit Geld verdienen.
Batteriespeicher gleichen kurzfristige Schwankungen aus und verschieben Strom um einige Stunden. Für längere Dunkelflauten, also Phasen ohne Sonne und Wind, braucht es zusätzlich einen Mix aus steuerbarer Erzeugung, Langzeitspeichern, flexiblen Verbrauchern und Stromhandel. Die Netzbetreiber werden trotzdem mit Anfragen für Großspeicher überrannt: 2025 kamen zusammen rund 1.583 Gigawattstunden zusammen. Ob alle gebaut und genehmigt werden, ist offen. Aber der Markt hat offenbar erkannt, wohin die Reise geht. Manche sprechen schon von Goldgräberstimmung.
Wird die Energiewende billiger als gedacht?
Wie stark der Strombedarf wächst, hängt davon ab, wie schnell Elektrifizierung und KI-Nutzung zunehmen und wie rasch sich effizientere Technik durchsetzt. Niemand weiß, ob die heutigen Annahmen in zehn Jahren noch gelten. Vielleicht werden Energiewende und Netzausbau gar nicht so teuer, wie Kritiker befürchten. Dann könnten sich Investitionen in neue fossile Kraftwerke bald als überflüssig erweisen.
Die Ungeduld ist allerdings gewaltig. Weil der Ausbau der Erneuerbaren und Netze vielerorts nicht mit der steigenden Nachfrage mithält, nehmen manche Konzerne die Versorgung selbst in die Hand. Elon Musks SpaceX plant im texanischen Starbase eine Supercomputeranlage samt Gaskraftwerk, zunächst für rund 24 Milliarden US-Dollar. Auch die gemeinsam mit Tesla geplante Chipfabrik Terafab soll eigene Gaskraftwerke bekommen. Ob sich dieses Rattenrennen um die größten Kapazitäten auszahlt, darf bezweifelt werden. Wie beim Eisenbahnbau im 19. Jhd. könnte es am Ende viele Verlierer geben.
Die nächste Chipgeneration wartet schon
KI-Entwickler wie OpenAI und Anthropic, Cloudkonzerne wie Alphabet und ihre Infrastrukturpartner treiben den Aufbau zusätzlicher Rechenkapazitäten voran. Doch die Rechnung hängt auch davon ab, wie viel Energie eine einzelne KI-Leistung künftig benötigt. Sparsamere Modelle und effizientere Chips könnten den Bedarf begrenzen und neuen Anbietern einen erheblichen Wettbewerbsvorteil verschaffen.
In einem Effizienzszenario der IEA liegt der Stromverbrauch der Rechenzentren 2035 deutlich unter dem Basisszenario. Noch stärkere Technologiesprünge sind denkbar. Dann könnten Teile der heute bestellten Hardware sich schnell als überdimensioniert erweisen und Investitionen zum Kostenproblem werden.
Neuromorphe Chips: Das Gehirn als Vorbild
Hoffnung machen neuromorphe Chips. Sie orientieren sich an Prinzipien biologischer Nervensysteme: Manche verarbeiten Informationen über kurze Impulse, andere verbinden Rechnen und Speichern besonders eng. Das Ziel ist ähnlich – weniger unnötige Verarbeitung und weniger energieaufwendiger Datentransport.
Das Gehirn zeigt, wie sparsam Informationsverarbeitung grundsätzlich sein kann. Es kommt mit etwa 20 Watt aus, ungefähr der Leistung einer kleinen Lampe. Ein direkter Vergleich mit Rechenzentren wäre zwar unfair: Dort laufen zahlreiche Anwendungen für viele Nutzer gleichzeitig. Als Inspirationsquelle bleibt das biologische Vorbild dennoch faszinierend.
Impulsbasierte künstliche Netze können bei geeigneten Aufgaben vor allem dann aktiv werden, wenn etwas Bemerkenswertes geschieht. Das passt zu vielen Anwendungen in der Industrie: Ein Sensor überwacht die Schwingungen eines Motors, muss aber nur selten eine ungewöhnliche Entwicklung melden. Dafür braucht es kein großes Sprachmodell, sondern eine sparsame, zuverlässige Mustererkennung.
Dr. Markus Eppel vom Fraunhofer-Institut für Integrierte Schaltungen IIS nennt im AGEV-Interview die Früherkennung von Ausfällen bei Motoren, Generatoren, Windkraftanlagen und Fräswerkzeugen als mögliche Einsatzfelder. Für den Fraunhofer-Beschleuniger SENNA wurde bereits in einer Simulation erprobt, Maschinenfehler anhand von Geräuschen zu erkennen.
Deutschland hat auf diesem Feld einiges zu bieten. Ein Beispiel: An der TU Dresden ging im April 2025 das neuromorphe System SpiNNcloud mit rund 35.000 SpiNNaker2-Chips und mehr als fünf Millionen Prozessorkernen in Betrieb. Gehirninspirierte Architekturen lassen sich also nicht nur für winzige Sensoren, sondern auch für große Forschungssysteme bauen.
Verkörperte KI: Maschinen, die aus Erfahrung lernen
Neuromorphe Chips sollen die Verarbeitung effizienter machen. Verkörperte KI (Physical AI) dagegen verändert, was Maschinen überhaupt können. Klassische Automatisierung folgt programmierten Abläufen. Lernende Robotersysteme sollen ihre Umgebung erfassen und sich auf wechselnde Situationen einstellen. Das Fraunhofer IPA spricht vom Übergang von regelgetriebenen zu lern- und erfahrungsbasierten Maschinen.
Für den Mittelstand ist das dort interessant, wo starre Automatisierung an Grenzen stößt: bei wechselnden Produkten, unterschiedlichen Werkstücken, häufigem Umrüsten. Denkbar ist eine Roboterzelle, die verschiedene Bauteile greift, ohne für jede Variante neu programmiert zu werden. Das wirtschaftliche Versprechen lautet: mehr Flexibilität bei weniger Einrichtungsaufwand.
Dafür muss sie nicht wie ein Mensch aussehen. Die Fraunhofer-Studie „KI meets Robotik“ betont die Chancen hinter den spektakulären Humanoiden: Software, Daten, Sensorik, Halbleiter und Lernverfahren. Deutsche Maschinenbauer könnten bestehende Produkte um solche Fähigkeiten erweitern, statt eigene menschenähnliche Roboter zu entwickeln. Auch die Verbindung zu GreenTech liegt nahe: Weniger Ausschuss spart Material, flexiblere Abläufe vermeiden Stillstand, lernfähige Maschinen könnten die Demontage wechselnder Altprodukte erleichtern.
Quantencomputing: Große Chancen, längerer Anlauf
Beim Quantencomputing ist die Lücke zwischen Potenzial und breiter Anwendung noch größer. Herkömmliche Computer verarbeiten Bits mit den Werten null oder eins. Quantencomputer nutzen Qubits und Effekte wie Überlagerung und Verschränkung. Viele überlagerte Qubits lassen sich in einem Schritt bearbeiten, und mit passenden Algorithmen kann daraus ein Geschwindigkeitsvorteil entstehen.
Für GreenTech-Unternehmen ist vor allem die Aussicht auf bessere Material- und chemische Simulationen interessant. Neue Materialien und Katalysatoren könnten industrielle Prozesse effizienter machen. BASF arbeitet mit Partnern bereits an Quantenalgorithmen, etwa zur Vorhersage chemischer Eigenschaften und für die Logistikoptimierung. Das Fraunhofer IPA untersucht unter anderem, ob sich Alterungsprozesse in Elektrolyseuren besser simulieren lassen. In der Energiewirtschaft werden Anwendungen für Netzoptimierung und Materialentwicklung erforscht. Eine Studie der Deutschen Energie-Agentur vom Juni 2026 untersucht die Rolle von Quantentechnologien in einem Energiesystem mit immer mehr wetterabhängiger Stromerzeugung. Die Hoffnungen reichen von besseren Batterien bis zu effizienteren chemischen Verfahren.
„Das Quantencomputing wird von einer ganz zentralen Bedeutung sein, an dessen Anfängen wir erst stehen.“
Wissenschaftsphilosoph Klaus Mainzer
Mainzer hält es sogar für möglich, dass Quantencomputing gemeinsam mit neuromorphen Chips irgendwann das klassische maschinelle Lernen überflügelt.
Memristoren: Rechnen, wo die Daten liegen
Mainzer setzt außerdem große Hoffnung auf Memristoren. Der Name verbindet „memory“ und „resistor“, Speicher und Widerstand. Dahinter steckt ein winziges Bauteil, dessen elektrischer Widerstand sich durch Spannungsimpulse verändern lässt. Der Zustand kann auch ohne weitere Stromzufuhr erhalten bleiben: Das Bauteil merkt sich einen Wert.
In einer geeigneten Schaltung können solche Bausteine zugleich an Berechnungen mitwirken. Beispielsweise speichern sie die gelernten Gewichtungen eines künstlichen neuronalen Netzes und ermöglichen parallele Multiplikationen und Additionen. Das sind genau jene Operationen, die KI besonders häufig benötigt. Der entscheidende Vorteil: Die gespeicherten Werte müssen nicht ständig zwischen Speicher und Rechenwerk transportiert werden. Das könnte eine der größten Effizienzbremsen heutiger Computer grundlegend entschärfen.
Als günstiges Material eignet sich laut Mainzer Titandioxid, das auch in Sonnencreme steckt. Bei bestimmten Memristoren bildet es eine hauchdünne Schicht zwischen zwei Elektroden. Elektrische Felder verschieben darin sogenannte Sauerstoffleerstellen, also Stellen, an denen Sauerstoffatome fehlen. So entstehen leitfähige Kanäle oder verschwinden wieder, der Widerstand ändert sich, und das Bauteil speichert einen Zustand.
Rechnen mit Licht
Noch einen anderen Weg gehen Forschen mit photonischen Prozessoren. Sie stellen Zahlen etwa durch die Stärke oder Phase von Lichtwellen dar. Optische Bauteile verändern und überlagern die Signale so, dass mathematische Operationen entstehen. Besonders interessant ist das wieder für die vielen Multiplikationen und Additionen neuronaler Netze. Solche Prozessoren werden deshalb bereits als KI-Beschleuniger entwickelt. Der Effizienzgewinn hängt von Anwendung und System ab, könnte aber drastisch sein. Laborprototypen kommen laut Mainzer mit rund 75 Watt aus und brauchen keine zusätzliche Kühlung.
Das alles klingt noch nach Science-Fiction. Aber es wäre nicht das erste Mal, dass eine Innovation plötzlich alles ändert. Immer wieder haben Experten Technologiesprünge unterschätzt. Berühmt ist die Prognose des damaligen Microsoft-Chefs Steve Ballmer zum iPhone-Start 2007: „Es gibt keine Chance, dass das iPhone einen nennenswerten Marktanteil erreicht. Keine Chance.“ Heute ist es nicht anders. Wer hätte vor wenigen Jahren gedacht, dass Sprachmodelle einmal mathematische Rätsel lösen, die Menschen bisher nicht knacken konnten, ganze Programme schreiben und Fehler darin aufspüren, die bei keiner Prüfung bisher aufgefallen sind?
Die Chance liegt nicht nur in der Größe
Das Rennen um die größten Modelle und Rechenkapazitäten können deutsche und europäische Unternehmen gegenüber den USA und China kaum noch gewinnen. Die Chance des Mittelstands liegt womöglich aber gar nicht darin, riesige, rechenhungrige Allzweck-Modelle zu bauen. Im Industriealltag zählen lokale, spezialisierte und robuste Lösungen, die Maschinen zuverlässiger machen, Energie sparen und neue Produkte ermöglichen.
Genau dort war deutsche Ingenieurkunst schon immer stark. Und wer weiß, ob die gigantische Wette der KI-Giganten überhaupt aufgeht? Infrastruktur auf Pump zu bauen ist eine Sache. Es muss aber auch Kunden geben, die genug Geld für die Nutzung ausgeben, damit sich das Ganze rechnet. Dabei spielt der Energieverbrauch eine wichtige Rolle: Weniger davon schützt nicht nur das Klima, sondern zahlt sich auf Dauer auch aus.
Effizientere KI-Hardware, flexible Verbraucher und Speicher könnten die Spielregeln verschieben. Sie machen den Ausbau des Energiesystems nicht überflüssig, können ihn aber begrenzen und neue Geschäftsmodelle ermöglichen. Wer dabei gewinnt, entscheidet sich nicht allein an der Größe des Rechenzentrums, sondern auch daran, wer aus einer Kilowattstunde den größten wirtschaftlichen Nutzen zieht.
Weitere News aus dieser Kategorie
18. November 2026
Smartphones aus Hessen, die länger leben sollen
Das hessische Unternehmen Shift produziert langlebige Smartphones, Tablets und…
18. November 2026
Podcast: Blick ins Kontextfenster – Inside AI
Im Podcast „Blick ins Kontextfenster“ spricht Tommy Falkowski, Leiter Kontext &…
18. November 2026
Eine Wärmepumpe für die Etage: Heizungstausch ohne Großbaustelle
Millionen Wohnungen in Deutschland werden noch mit Gas beheizt. Der Umstieg auf…



