Einfluss von Künstlicher Intelligenz auf die Energieinfrastruktur

Künstliche Intelligenz (KI) revolutioniert zahlreiche Branchen – von der Medizin über die Logistik bis hin zur Unterhaltung. Doch dieser Fortschritt hat seinen Preis: Der Energieverbrauch von Rechenzentren, die KI-Modelle trainieren und betreiben, wächst rasant. Dies beeinflusst die Energiewirtschaft und stellt neue Anforderungen an Energieversorgung, Kühltechnologie und Netz-Infrastruktur. Besonders im Fokus stehen dabei der steigende Energiebedarf von KI-Anwendungen, die Herausforderungen bei der Kühlung von Rechenzentren sowie die Notwendigkeit einer robusten Netzwerkstruktur.

Laut Prognosen der Internationalen Energieagentur (IEA) könnte sich der weltweite Strombedarf von Rechenzentren bis 2030 verdoppeln und auf etwa 945 Terawattstunden (TWh) anwachsen. Dieser Anstieg wird primär durch KI-Anwendungen getrieben, die enorme Rechenleistung erfordern. Grosse Sprachmodelle wie ChatGPT oder Bildgeneratoren erfordern massive Grafikprozessoren (GPUs), die energieintensiv sind. Ein einzelnes KI-optimiertes Rechenzentrum verbraucht derzeit im Durchschnitt so viel Strom wie 100’000 Haushalte. 

Der Energiehunger entsteht vor allem durch zwei Phasen: Das Training von KI-Modellen, das stunden- oder tagelang läuft und die laufende Abfrage, bei der Modelle in Echtzeit genutzt werden. Laut dem AI Index Report 2025 führt dies zu einem exponentiellen Anstieg des Verbrauchs. In den USA allein könnte der KI-bedingte Bedarf an neuer Stromkapazität bis 2030 auf 14 Gigawatt (GW) klettern. Einzelne KI-Anfragen, wie bei Googles Gemini (0,24 Wh, vergleichbar mit neun Sekunden Fernsehen), summieren sich zu enormen Lasten, inklusive 0,5 Liter Wasserverbrauch pro 20-50 ChatGPT-Anfragen für die Kühlung. Zusätzlich spielen Faktoren wie 5G-Netze, Cloud-Computing und Streaming eine Rolle, doch KI ist der dominierende Treiber.

KI hat zwar einen hohen Stromverbrauch, hilft aber zugleich die Rechenzentren zu optimieren – etwa bei Kühlung, Lastmanagement und dem Einsatz energieeffizienter Chips – was Einsparungen von bis zu 20% ermöglicht. Besonders Algorithmen leisten dabei einen wichtigen Beitrag, da sie genauere Prognosen und eine effizientere Steuerung erlauben.

In Texas benötigen KI-Rechenzentren Strom für 800’000 Haushalte, um 400’000 Nvidia-Prozessoren zu betreiben, was das Stromnetz an seine Grenzen bringt. Auch das im bayerischen Unterschleissheim entstehende Mega-Rechenzentrum wird das lokale Netz durch seinen enormen Energiebedarf zusätzlich stark belasten.

Die Netz-Infrastruktur steht zunehmend unter Druck, da bestehende Stromnetze oft nicht für solche Lasten ausgelegt sind. In Deutschland konnten zuletzt etwa 6,5 TWh Windenergie aufgrund von Netzengpässen und fehlender Stromtrassen nicht genutzt werden. Dies verdeutlicht die Dringlichkeit, Netz-Infrastruktur für KI-Bedarfe auszubauen. Der steigende Strombedarf zwingt Netzbetreiber, das Netz nicht nur zu erweitern, sondern auch intelligenter, dezentraler und flexibler zu gestalten. Hier hat die KI einen weitreichenden Einfluss: Beispielsweise durch optimiertes Netzmanagement (automatisierte Steuerung von Kraftwerken und Speichern), reduzierte Verluste beim Stromtransport, Flexibilisierung durch Verbrauchersteuerung (Smart Homes und Smart Meter) und Stabilitätsanalyse-Erkennung, um Blackouts vorzubeugen.

KI bietet somit enormes Potenzial zur Steigerung der Energieeffizienz in zahlreichen Bereichen, von Gebäuden bis hin zu Stromnetzen und trägt massgeblich zur nachhaltigen Nutzung von Energie bei.

Die immense Wärmeentwicklung durch KI-Rechenlasten macht eine effiziente Kühlung notwendig, um Energieverbrauch und Netzbelastung zu verringern. Konventionelle Luftkühlung stösst an ihre Grenzen, weshalb Flüssigkühlung und KI-gestützte Systeme immer mehr an Bedeutung gewinnen. Durch präzise Optimierung von Kühlung und Lastverteilung revolutioniert KI die Energieeffizienz in Rechenzentren. Durch Echtzeit-Datenanalyse (z.B. DeepMind), vorausschauende Modelle und intelligente Lastverteilung können bis zu 40% des Energieverbrauchs für Kühlung und 10–20% des Gesamtenergieverbrauchs eingespart werden. 

Energieeffiziente Chips (wie u.a. aus neuen Materialien wie Galliumnitrid) können den Stromverbrauch in Rechenzentren deutlich senken, da sie pro Rechenoperation weniger Energie benötigen und weniger Abwärme erzeugen. Dadurch sinkt nicht nur der direkte Bedarf der IT-Hardware, sondern auch der Aufwand für Kühlung, was Einsparungen von 10–25% des Gesamtstroms ermöglichen kann. Langfristig bieten neue Chip-Architekturen wie Quantenprozessoren weiteres Potenzial, den wachsenden Energiebedarf von Rechenzentren nachhaltig zu begrenzen.

Börsennotierte Unternehmen aus Europa und der Schweiz treiben mit KI-Lösungen für Smart Grids (intelligentes Stromnetz), erneuerbaren Energien und effizienten Rechenzentren den Netzausbau voran. Angesicht des stark steigenden Strombedarfs sichern sie durch prognostische Analysen und Lastmanagement u.a. auch die Versorgung von KI-Rechenzentren.

Wir finden das Thema sehr interessant und bilden dies auch in unserer Baumann Portfolio Strategie ab. Die folgenden Aktien im Kontext befinden sich zudem auf unserer Empfehlungsliste: ABB (elektrische Infrastruktur, Smart Grid), Belimo (Kühlung Datencenter) sowie Landis+Gyr (Smart Grid, Smart Meter) in der Schweiz. Überdies die europäischen Aktien Enel (Netzausbau, erneuerbare Energien), Infineon (energieeffiziente Chips, unterstützt Netzoptimierung durch Halbleiter), Schneider Electric (Smart Grid, Netzausbau, Gebäudemanagement und Datencenter-Effizienz durch Softwarelösungen) und Siemens (elektrische Infrastruktur, Smart Grid).

Dazu gibt es einen thematischen globalen und börsengehandelten Fonds (ETF), der sich auf den Sektor der intelligenten Stromnetze (Smart Grid) und der elektrischen Infrastruktur konzentriert: First Trust Nasdaq Clean Edge Smart Grid Infrastructure UCITS ETF (Valor 116762164).

Im August haben wir die Aktienquote von 60% auf 62% und die Goldquote von 5% auf 8% zulasten der Liquidität erhöht. Diese reduziert sich damit auf 5%.

Beim Zeitpunkt der Erhöhung der Liquiditätsquote waren die Unsicherheiten rund um Donald Trumps erratische Zollpolitik und deren wirtschaftliche Auswirkungen gross. Diese haben sich zumindest hinsichtlich des weiteren Verlaufs des Zollkonflikts reduziert. In einem Umfeld steigender Staatsverschuldung, wachsender Geldmengen, struktureller Arbeitsmarktveränderungen und protektionistischer Zölle dürfte die Inflation mittelfristig erhöht bleiben. Gleichzeitig sorgt der anhaltende Zinssenkungszyklus für tiefe Realrenditen – in der Schweiz besonders stark. Daher erachten wir eine pointierte, langfristige Positionierung in Sachwerten als entscheidend. Eine mittelfristig höhere Liquiditätsquote hätte hohe Opportunitätskosten zur Folge.

Vor diesem Hintergrund sehen wir insbesondere bei Gold attraktive Perspektiven. Das Edelmetall weist starke langfristige Treiber auf. Zusätzlich bleibt die Nachfrage der Zentralbanken ungebrochen und die Korrelation zu Aktien ist nur sehr schwach ausgeprägt.