Woher nimmt die KI ihre Kraft? Chips, Rechenzentren und Strom

Du tippst eine Frage ein, und nach wenigen Sekunden steht die Antwort da. Das wirkt leicht, fast schwerelos. Doch irgendwo auf der Welt laufen in diesem Moment Tausende Spezialchips heiß, Lüfter dröhnen und Kühlwasser fließt. Dieser Artikel folgt deiner Frage auf ihrem Weg und zeigt, was KI an Technik und Strom braucht.

Ein Hinweis vorab: Die Zahlen stammen aus frei zugänglichen Quellen, vor allem von der Internationalen Energieagentur (IEA) und den Anbietern selbst. Messwerte zum Stromverbrauch einzelner Anfragen sind noch jung und schwanken je nach Modell und Methode. Sie sind deshalb als Größenordnung zu verstehen, nicht als exakter Wert.

Der Weg deiner Frage im Überblick

Bevor wir in die Details gehen, ein Blick auf die Stationen, die eine einzige Frage durchläuft:

1. Dein Gerät: Smartphone oder Laptop schicken deine Frage über das Internet los. Dein Gerät rechnet dabei fast nichts selbst.
2. Das Rechenzentrum: Die Frage landet in einer riesigen Halle voller Server, oft Hunderte oder Tausende Kilometer entfernt.
3. Die Spezialchips: Dort zerlegen Grafikprozessoren (GPUs¹) deine Frage in Tokens² und berechnen Wort für Wort die Antwort.
4. Die Kühlung: Die Chips werden dabei heiß. Klimaanlagen, Wasserkreisläufe und Lüfter führen die Wärme ab.
5. Der Rückweg: Die fertige Antwort reist zurück auf deinen Bildschirm, meist in wenigen Sekunden.

Jede dieser Stationen braucht Strom. Am meisten aber die Chips und ihre Kühlung.

Warum ausgerechnet Grafikkarten?

Ein normaler Prozessor (CPU) ist ein Alleskönner: Er erledigt viele verschiedene Aufgaben nacheinander, sehr schnell und flexibel. Ein neuronales Netz braucht aber etwas anderes. Es muss Millionen einfacher Rechenschritte gleichzeitig ausführen, meist simple Multiplikationen und Additionen.

Genau das können Grafikkarten. Sie wurden ursprünglich für Videospiele gebaut, um Millionen Bildpunkte parallel zu berechnen. 2012 trainierten Forscher um Geoffrey Hinton das Bilderkennungsnetz „AlexNet“ auf zwei handelsüblichen Spiele-Grafikkarten und schlugen damit alle Konkurrenten deutlich. Dieser Moment gilt als Startschuss des Deep Learning. Wie es dazu kam, erzählt der Artikel „Von der Sackgasse zum Durchbruch: Die wilde Geschichte der Künstlichen Intelligenz“.

Heute sind die Spezialchips für KI kaum noch mit Spiele-Grafikkarten zu vergleichen. Sie sind größer, teurer und auf genau diese Art von Rechenarbeit getrimmt. Das Prinzip ist aber geblieben: viele kleine Rechenwerke, die gleichzeitig arbeiten. Und je mehr davon laufen, desto mehr Strom fließt.

Die Reise eines Chips: von Kalifornien über Taiwan bis nach Schwaben

Um zu verstehen, woher die Rechenkraft kommt, lohnt es sich, einen einzigen KI-Chip auf seiner Reise zu begleiten. Sie beginnt in Kalifornien, bei der Firma Nvidia. Dort sitzen Ingenieure, die den Chip entwerfen – sozusagen den Bauplan zeichnen. Nvidia entwirft heute die meisten KI-Chips, die in den Rechenzentren der Welt laufen. Auch Google, Amazon und andere Konzerne entwickeln inzwischen eigene Chips, um weniger abhängig zu sein.

Eines aber hat Nvidia nicht: eine eigene Fabrik. Der Bauplan reist deshalb weiter nach Taiwan, zum Auftragsfertiger TSMC. Dort entstehen die allermeisten der modernsten Chips der Welt, in Reinräumen, die sauberer sind als jeder Operationssaal.

In diesen Fabriken steht eine ganz besondere Maschine. Sie „belichtet“ die winzigen Strukturen auf den Chip, ähnlich wie früher ein Foto auf Fotopapier. Weil die Strukturen so unvorstellbar klein sind, braucht man dafür extrem ultraviolettes Licht (EUV³). Diese Maschinen, so groß wie ein Bus, baut weltweit nur eine einzige Firma: ASML aus den Niederlanden.

Und jetzt wird es überraschend deutsch. EUV-Licht lässt sich nicht durch Glaslinsen lenken – es würde einfach verschluckt. Man braucht Spiegel, und zwar die glattesten der Welt. Sie kommen ausschließlich von Zeiss aus Oberkochen in Baden-Württemberg. Wie glatt sie sind, zeigt ein Vergleich: Würde man einen dieser Spiegel auf die Größe Deutschlands aufblasen, wäre die höchste Unebenheit gerade einmal einen Zehntelmillimeter hoch. Das Licht selbst erzeugt ein Laser von Trumpf aus Ditzingen bei Stuttgart. Für diese Technik erhielten Forscher von Zeiss, Trumpf und dem Fraunhofer-Institut 2020 den Deutschen Zukunftspreis.

Wenn du also das nächste Mal einer KI eine Frage stellst, steckt darin vermutlich auch ein Stück Schwaben.

Zu Besuch im Rechenzentrum

Stell dir eine Halle vor, so groß wie mehrere Fußballfelder, ohne Fenster, gut bewacht. Darin stehen in langen Reihen Schränke voller Rechner, Lämpchen blinken, und es ist laut wie in einer Fabrikhalle. Das ist ein Rechenzentrum – und hier landet deine Frage.

Das Erstaunliche: Fast jede Kilowattstunde Strom, die in diese Halle fließt, wird am Ende zu Wärme. Die Chips arbeiten wie kleine Heizplatten. Deshalb braucht ein Rechenzentrum nicht nur Strom zum Rechnen, sondern auch jede Menge Strom, um sich selbst zu kühlen. Früher reichten dafür große Klimaanlagen. Die KI-Chips von heute sitzen aber so dicht und werden so heiß, dass Luft allein nicht mehr ausreicht. Immer öfter fließt deshalb Kühlwasser in feinen Leitungen direkt an den Chips vorbei, ähnlich wie bei einer Wasserkühlung im Auto.

Wie gut ein Rechenzentrum mit seinem Strom haushaltet, verrät eine Kennzahl namens PUE⁴. Vereinfacht gesagt zeigt sie, wie viel Strom zusätzlich zum eigentlichen Rechnen draufgeht, etwa für die Kühlung. In Deutschland liegt dieser Wert im Durchschnitt schon recht gut.

Und wie viel verbrauchen die Rechenzentren bei uns? 2025 waren es rund 21 Terawattstunden⁵ Strom – etwa vier Prozent des gesamten Stroms, den Deutschland verbraucht. Ein besonders wichtiger Standort ist Frankfurt am Main, weil dort viele der großen Internetleitungen Europas zusammenlaufen.

Was kostet eigentlich eine Frage?

Lange konnte man darüber nur rätseln. Inzwischen gibt es echte Messwerte – und die sind überraschend. Google hat 2025 ausgerechnet, dass eine typische Textfrage an seine KI Gemini rund 0,24 Wattstunden Strom braucht. Das ist ungefähr so viel, wie dein Fernseher in neun Sekunden verbraucht. Oder so viel wie eine Mikrowelle in einer einzigen Sekunde.

Anders sieht es aus, wenn die KI mehr tun soll, als nur zu antworten. Lässt du sie länger „nachdenken“ oder als Agent⁶ selbstständig mehrere Schritte erledigen – etwa im Internet suchen, vergleichen und eine Zusammenfassung schreiben –, rechnet sie deutlich länger. Die Internationale Energieagentur schätzt eine solche Anfrage auf etwa 1,1 Wattstunden, also gut das Vierfache. Noch mehr Strom fließt, wenn die KI Bilder malt oder gar Videos erzeugt.

Für eine einzelne Frage ist das alles wenig. Doch jeden Tag stellen Hunderte Millionen Menschen ihre Fragen. Aus vielen kleinen Tropfen wird so ein ganzer Strom – im wahrsten Sinne des Wortes.

Und dann ist da noch etwas, das in diesen Zahlen gar nicht auftaucht: das Training⁷. Bevor eine KI überhaupt die erste Frage beantworten kann, rechnen Tausende Chips wochen- oder monatelang, um sie aus riesigen Textmengen lernen zu lassen. Dieser Kraftakt geschieht einmal, steckt dann aber in jeder späteren Antwort mit drin.

Das große Bild: Wie hungrig ist die KI wirklich?

Zoomen wir jetzt hinaus und schauen auf die ganze Welt. Alle Rechenzentren zusammen brauchten 2025 ungefähr so viel Strom, wie ganz Deutschland in einem Jahr erzeugt. Das klingt gewaltig. Allerdings läuft dort längst nicht nur KI: Auch dein Streaming-Abend, deine E-Mails, dein Online-Banking und jede Webseite, die du aufrufst, kommen aus solchen Hallen. Rechnet man nur die Rechenzentren, die speziell für KI gebaut wurden, kommt man auf etwa ein halbes Prozent des weltweiten Stroms.

Die Richtung ist aber eindeutig. Der Strombedarf der KI-Rechenzentren ist allein 2025 um die Hälfte gewachsen. Die Internationale Energieagentur erwartet, dass sich der Verbrauch aller Rechenzentren bis 2030 noch einmal verdoppelt – und der Anteil der KI darin sich verdreifacht.

Das eigentliche Problem ist dabei oft gar nicht die weltweite Summe, sondern die Ballung an einzelnen Orten. Ein einziges großes KI-Rechenzentrum braucht so viel Strom wie 100.000 Haushalte – die größten, die gerade gebaut werden, sogar zwanzigmal so viel. Entstehen mehrere davon in einer Region, kommen die örtlichen Stromnetze schnell an ihre Grenzen.

Sparsamer werden – ein Wettlauf

Es gibt auch gute Nachrichten. Jede einzelne KI-Antwort wird in atemberaubendem Tempo sparsamer. Google berichtet, dass eine typische Textanfrage im Mai 2025 nur noch ein Dreiunddreißigstel des Stroms brauchte wie ein Jahr zuvor. Die Internationale Energieagentur spricht von einer Effizienzsteigerung, wie es sie in der Geschichte der Energie noch nie gegeben hat. Dahinter stecken bessere Chips, schlauere und kleinere Modelle und Rechenzentren, die ihre Arbeit geschickter verteilen.

Der Haken daran: Weil KI immer günstiger und besser wird, nutzen sie immer mehr Menschen – und zwar für immer anspruchsvollere Aufgaben. Was an der einzelnen Frage gespart wird, frisst das Wachstum gleich wieder auf. Es ist ein bisschen wie bei sparsameren Autos, mit denen man dann einfach mehr fährt.

In Deutschland hat der Gesetzgeber deshalb Regeln aufgestellt. Neue Rechenzentren müssen seit Juli 2026 besonders effizient arbeiten. Außerdem sollen sie ihre Abwärme nicht einfach in die Luft blasen, sondern nach und nach einen wachsenden Teil davon nutzbar machen, etwa um über Fernwärmenetze Wohnungen zu heizen. Ganz so einfach ist das allerdings nicht: Es klappt nur dort, wo es solche Netze in der Nähe gibt.

Was bleibt

Eine einzelne Textfrage an eine KI kostet heute weniger Strom als ein paar Sekunden Fernsehen. Ein schlechtes Gewissen bei jeder Frage ist also nicht nötig. Trotzdem ist KI kein schwereloses Wunder aus der „Cloud“, sondern harte Technik: Chips aus einer weltweiten Lieferkette, Hallen voller Server und ein wachsender Hunger nach Strom. Wie aus all dieser Rechenarbeit überhaupt eine Antwort entsteht, erklärt der Artikel „Was macht KI eigentlich, wenn du ihr eine Frage stellst?“.

Für den Alltag heißt das: Für eine einfache Frage reicht meist ein einfacher Modus. Aufwendige Agenten, Bilder und Videos lohnen sich dort, wo sie wirklich einen Nutzen bringen.

Die spannende Frage ist nicht, ob KI Strom braucht – das tut jede Technik. Spannend ist, ob ihr Nutzen am Ende größer ist als ihr Verbrauch. Und diese Rechnung machen wir alle mit jeder Anfrage ein kleines Stück mit.