Steigender Energie- und Netzdruck durch KI

• Widerstand vor Ort ist keine Randnotiz des Rechenzentrumsausbaus mehr. Allein im ersten Quartal blockierte oder verzögerte der Protest von Gemeinden mindestens 75 Rechenzentrumsprojekte in den USA mit einem Volumen von mehr als 130 Milliarden Dollar, so viel wie im gesamten Jahr 2025.
• Luftverschmutzung entwickelt sich zur nächsten Front dieses Widerstands. Mindestens 82 Gaskraftwerke sind derzeit geplant oder in Entwicklung, ausdrücklich zur Versorgung von Rechenzentren. Damit verschiebt sich die Debatte vom reinen Strombedarf hin zur öffentlichen Gesundheit.
• Die Netzbelastung zeigt sich auch abseits der offiziellen Bilanzen. Entwickler greifen zunehmend auf fossile Eigenerzeugung hinter dem Zähler zurück; eine Schätzung sieht das mögliche Volumen in den USA bis 2028 bei über 40 Gigawatt. Ein neuer Tracker versucht nun, diese Entwicklung nach Anbietern zu beziffern.
• Die Transparenzlücken sind struktureller Natur, nicht zufällig. Nur 36 Prozent der Rechenzentren in Europa erfüllen derzeit ihre Berichtspflichten zur Nachhaltigkeit nach der EED-Richtlinie, und für die übrigen 64 Prozent gibt es bislang keine Sanktionen.
• Der übergeordnete Trend hat sich umgekehrt. Statt die Dekarbonisierung fortzusetzen, erhöht der Ausbau der KI-Rechenleistung derzeit aktiv die CO2-Intensität des Internets. Ein Analyst nannte dieses Muster „Recarbonisation“.
• Effizienzgewinne führen nicht zu einem geringeren Gesamtverbrauch. Als Begründung dient das Jevons-Paradoxon, wonach Effizienzsteigerungen die Gesamtnutzung erhöhen statt sie zu senken; erneuerbare Kapazitäten und die Standortwahl wiegen damit schwerer als Effizienz allein.
• Die Regulierung versucht aufzuholen. Großbritannien hat Rechenzentren als Critical National Infrastructure eingestuft und will die Kapazität bis 2030 verdreifachen. Die Wasserwirtschaft weist zugleich darauf hin, dass Rechenzentren von einigen bestehenden Schutzvorgaben zur Wassernutzung weiterhin ausgenommen sind.

‍

Kühlung, Stromversorgung und physische Infrastruktur

• Flüssigkühlung bringt messbare Effizienzgewinne. Der Wechsel von Luft- zu Flüssigkühlung, etwa mit dem Rack IR7000, senkt die Power Usage Effectiveness von rund 1,4 auf 1,1 bis 1,2. In einem Pilotprojekt der UC San Diego senkte eine netzbewusste Einplanung der Workloads die Emissionen um 32 Prozent.
• China hat vor der Küste Shanghais das weltweit erste KI-Rechenzentrum unter Wasser in Betrieb genommen: 192 Racks, gespeist von einem Offshore-Windpark, mit mehr als 95 Prozent erneuerbarer Energie und einer geschätzten Einsparung von 61 Millionen Kilowattstunden pro Jahr.
• Chinas übergeordnete Strategie koppelt den Standort der Rechenleistung direkt an das Angebot an erneuerbarer Energie. KI-Workloads laufen in Anlagen nahe der Wind- und Solarerzeugung in Regionen wie Ningxia, statt nachträglich optimiert zu werden.
• Wasser wird ebenso umkämpft wie Strom. Die AWS-Rechenzentren in Indien sind auf einen Wasserverbrauch von null bei der Kühlung ausgelegt; Auffüllprojekte geben den Gemeinden mehr Wasser zurück, als verbraucht wird.
• Nicht jede Wasserstrategie hält der Realität stand. Das geplante australische Rechenzentrum von OpenAI sollte ursprünglich mit aufbereitetem Wasser gekühlt werden. Engpässe bei Leitungen und Infrastruktur haben Berichten zufolge einen Wechsel zur wasserlosen Kühlung erzwungen.
• Auch Materialinnovationen rücken in den Blick. Konstruktionsholz gilt als CO2-ärmere Alternative zum herkömmlichen Rechenzentrumsbau, ohne Abstriche bei der Tragfähigkeit.
• Das Marktwachstum folgt dem modularen Ansatz. Für den weltweiten Markt modularer Rechenzentren werden bis 2034 96,84 Milliarden Dollar prognostiziert, getrieben von Edge Computing, KI-Workloads und kürzeren Aufbauzeiten.

‍

Messung, Offenlegung und Standards

• Eine Befragung von 250 IT-Verantwortlichen in EMEA ergab: 45 Prozent sagen, ihr derzeitiges Rechenzentrum erreiche die eigenen Energie- und CO2-Ziele nicht, 92 Prozent wählen Infrastrukturpartner inzwischen gezielt zur Senkung des Energieverbrauchs aus, und 99 Prozent halten die Datensouveränität für ausschlaggebend dafür, wo ihre Daten liegen.
• Die Standardisierung holt beim Messbedarf auf. Die Normenreihe ISO/IEC 30134 definiert inzwischen einen gemeinsamen Satz an KPIs, mit dem die Branche die Nachhaltigkeit von Rechenzentren einheitlich erfassen soll, statt mit anbieterspezifischen Kennzahlen.
• Metas Austritt aus RE100 hat ein tieferliegendes Bilanzierungsproblem offengelegt. Der jährliche Abgleich mit sauberer Energie erlaubt es Unternehmen, Gigawatt an Gasnutzung rechnerisch auszugleichen, während sie strengere stündliche und lokale Reformen der Bilanzierung im GHG Protocol ablehnen.
• Eine Umfrage des Uptime Institute zeigt, dass die Erfassung ungleichmäßig besser wird. 87 Prozent der Betreiber erfassen inzwischen den Energieverbrauch und 79 Prozent den PUE, aber nur 31 Prozent die CO2-Emissionen aus dem Stromverbrauch; bei der Serverauslastung stagniert die Erfassung bei 37 Prozent.
• Dass Hyperscaler Energie- und Emissionsdaten ihrer KI-Rechenzentren zurückhalten, liegt nicht allein am Reputationsschutz. Vertreter von Google nannten eine fehlende standardisierte Messmethodik und begrenzte Telemetrie als die eigentlichen Hürden für einen direkten Vergleich zwischen Anbietern.
• Finnlands geplante Steuerrückerstattung für Rechenzentren im Umfang von 30 Millionen Euro hat sich um mindestens sechs Monate verzögert, nachdem die Regierung die Einführung ausgesetzt hat, um sie mit einem neuen Gesetz über ein verpflichtendes Nachhaltigkeitsregister zu verbinden.
• Die Messung des tatsächlichen Stromverbrauchs gilt als Ausgangspunkt glaubwürdiger Green-AI-Aussagen, nicht als deren Endpunkt. Diese Unterscheidung treffen zunehmend Anbieter, die ihre KI-Tools gezielt um Energietransparenz herum bauen.

‍

Green-AI-Forschung und Modelleffizienz

• Ein neues Whitepaper stellt die Gegenüberstellung von Red AI und Green AI vor. Der Tokenverbrauch allein erfasse die tatsächlichen Umweltkosten dauerhaft laufender, immer aktiver KI-Agenten nicht; das Papier nennt dieses Problem „Blast Radius“.
• Ein Review-Beitrag aus einer Fachzeitschrift im ersten Quartal unterscheidet Green AI, Sustainable AI und Efficient AI als drei eigenständige Konzepte und behandelt Verfahren wie Pruning, Quantisierung, Knowledge Distillation und Federated Learning.
• Effizienz schlägt sich unmittelbar in der Wahl der Modellarchitektur nieder. DeepSeek V4 Flash erreicht 50 Punkte im Artificial Analysis Intelligence Index, nahe an GLM 5.2 und knapp hinter den 53 von Claude Sonnet 5, nutzt dabei aber nur rund 13 Milliarden aktive Parameter. Das bedeutet weniger Rechenleistung und weniger Energie pro Anfrage.
• Die Wahl der Programmiersprache bleibt ein messbarer Hebel. Eine Benchmark-Studie zu 27 Programmiersprachen ordnete Java trotz seines Rufs für JVM-Overhead unter die energieeffizientesten der getesteten VM-Sprachen ein.
• CO2-bewusste Einplanung wandert von der Forschung in die Veröffentlichung. Ein neues, bei IEEE publiziertes Framework zur Hybrid Carbon Aware Optimization sagt die regionale CO2-Intensität voraus und optimiert damit die Platzierung von Cloud-Workloads.
• Die angewandte Green-AI-Forschung erstreckt sich inzwischen auf die Überwachung von Infrastruktur. Ein neues Framework schlägt energieeffiziente KI-Verfahren gezielt für die Überwachung des Bauwerkszustands vor.
• Auch im Unternehmenseinsatz werden effiziente Modelle an realen Workloads geprüft. Eine Plattform nahm eigens ein neues Modell auf, damit Organisationen komplexe Compliance-Daten sicher verarbeiten können, ohne die Rechenlast größerer Frontier-Modelle.

‍

Effizienz in Cloud, Software und FinOps

• Die Green Software Foundation hat GSF Labs gestartet, einen neuen Raum für praktische Experimente mit nachhaltiger Software. Zu den ersten Werkzeugen gehört ein CO2-Rechner für agentenbasierte KI.
• Ein Praktikerkurs der Green Software Foundation schult Fachleute nun unmittelbar in GreenOps-Konzepten und -Standards.
• Gartner sagt voraus, dass Organisationen, die FinOps und IT Asset Management verbinden, bis 2026 60 Prozent weniger finanzielle Verschwendung bei Software- und Cloud-Investitionen ausweisen als jene, die beides getrennt steuern.
• Eine abgeschlossene achtteilige Serie zur Ökonomie der Cloud beziffert am Ende die branchenweite Verschwendung auf über 100 Milliarden Dollar und bündelt zehn Grundprinzipien für eine kontinuierliche, validierte Cloud-Optimierung.
• Eine in ACM Transactions on the Web veröffentlichte Untersuchung zum Energieverbrauch von Web-Frontends ergab, dass Caching-Strategie und Cookie-Handhabung den Energiefußabdruck einer Website stärker beeinflussen als die meisten anderen Gestaltungsentscheidungen.
• Einfache, wirksame Maßnahmen für nachhaltige IT werden passend zum diesjährigen Earth Overshoot Day als niedrigschwelliger Einstieg dargestellt und nicht als Frage großer Infrastrukturinvestitionen.

‍

Angewandte Green AI in Branchen und Regionen

• Das DataLab Groupe von Credit Agricole war das erste Unternehmen von nationaler Größe, das für seine KI-Entwicklungsmethodik zugleich die LNE-Zertifizierung und das Label RSE Labelia hielt. Der 2023 gesetzte Maßstab prägt heute den Zuschnitt jedes neuen KI-Projekts.
• Canal de Isabel II, das den gesamten Wasserkreislauf für rund sieben Millionen Menschen betreut, senkt mit KI und Echtzeitdaten Wasserverluste und Energieverbrauch im gesamten Versorgungsbetrieb.
• Afrika hält derzeit weniger als ein Prozent der weltweiten Rechenzentrumskapazität; der gesamte Kontinent kommt auf weniger als ein halbes Gigawatt an aktiver White-Space-Fläche in Rechenzentren. Diese Lücke wird als Chance verstanden, eine dezentrale, erneuerbar versorgte KI-Infrastruktur aufzubauen, statt das Hyperscale-Modell zu kopieren.
• Die Produktion von grünem Wasserstoff und KI-Rechenzentren mit Bedarf an sauberem Strom rund um die Uhr könnten in Indien ab dem Geschäftsjahr 2029 zusätzlich 15 bis 20 Gigawatt jährliche Solarnachfrage erzeugen. Das Land käme damit bis zum Geschäftsjahr 2030 auf knapp 85 Gigawatt jährlich installierter Solarleistung.
• Ein Erfahrungsbericht der Carbon-2C-Gründerin Nolwenn Godard beschreibt, wie eine Community zu KI und Klima gezielt dafür genutzt wird, KI-Fähigkeiten auf ESG- und Klimarisikoanalysen anzuwenden, statt beides als konkurrierende Prioritäten zu behandeln.
• Nachhaltigkeitsergebnisse in modernen Rechenzentren hängen zunehmend von intelligenten Niederspannungssystemen ab, darunter Sicherheit, Brandschutz, Gebäudemanagement und Umweltüberwachung, und nicht allein von Strom- und Kühlkapazität.

‍

Programme, Community und Veranstaltungen

• Der Bundesverband Green Software hat die Einreichung für seinen jährlichen Green Software Initiative Award geöffnet. Beiträge sind bis zum 15. Oktober möglich, die Trophäe wird am 10. Dezember in Frankfurt übergeben.
• Climate Collective hat den zweiten Jahrgang seines Accelerators AI for Earth: Women in Climate gestartet, nachdem der erste Jahrgang im Mai abgeschlossen hat.
• Die GCF Academy hat ein 40-stündiges Sustainable AI Value Added Programme aufgebaut, das Hochschulen in einem einzigen Semester ohne Infrastrukturkosten durchführen können; nötig sind lediglich eigene Laptops und kostenlose KI-Zugänge.
• Vorträge bei FOST, apidays und Green IO behandelten grünere Softwarearchitektur, nachhaltiges API-Design und den verantwortungsvollen Einsatz generativer KI.
• Ein Rückblick auf die Konferenz Green IO Munich hob deren Workshops und Netzwerkformate zur verantwortungsvollen KI-Praxis hervor.
• Ein Panel der Adelaide Climate Action Week betonte, dass Fortschritte bei nachhaltiger IT von der direkten Zusammenarbeit zwischen IT, Finanzabteilungen und Nachhaltigkeitsteams abhängen und nicht von isolierten Einzelinitiativen.
• Ein Panel des Green AI Hub auf der Handelsblatt-Konferenz untersuchte den verantwortungsvollen KI-Einsatz speziell in der Energiewirtschaft.

‍

Dank an Aditya Manglik, Aldrick ZAPPELLINI, Alyson Freeman, Anita Schüttler, Anna Lerner Nesbitt, Anne Currie, Aparna K., Arpit Sharma, Arwel Owen, Ashish Khaira, Aydin Mir Mohammadi, Ben Hillier, Boel Stier, Boris Gamazaychikov, Cal Innes, Cas Burggraaf, Chong Yi Yew, Clifton Reddy, Dalima Negi, David Linthicum, Devesh Sharma, Dhruvi Srishwal, Diana Todea, Dr. Eva Riesenhuber, Dr. Niladri Choudhuri, Dr. Sachin Arun Thanekar, Elias Grass Brandelik, Gabriela Lujan Brollo, Hannah Herbst, Hussain Al Buloshi, James Martin, Janne Kalliola, John Kamara, Jonathan Mattis-Glender, Julie Chenadec, Karen Paul, Karl Koesser‍ und Zap CHENG für die Einblicke, die in diese Ausgabe eingeflossen sind. Die vollständige Liste der Beiträge und Stimmen findet sich auf LinkedIn: