KI hat kein Ideen-Problem. Sie hat ein …-Problem.

2024 war der Engpass klar: Chips. Nvidia kam mit der Produktion nicht hinterher. Wer skalieren wollte, wartete auf GPUs.

2026 sieht die Lage anders aus. Große US-Rechenzentrumsmärkte laufen zum Jahresende auf über 95 Prozent Auslastung. Nicht, weil Hardware fehlt. Weil der Strom fehlt.

Der Engpass heißt jetzt Energie.

Wie groß das Problem wirklich ist

US-Rechenzentren verbrauchen 2026 rund 4 Prozent des gesamten amerikanischen Stroms. 2020 waren es 2 Prozent. Verdoppelt, in sechs Jahren.

Global sieht die Rechnung so aus: 415 Terawattstunden 2024. Bis 2030, laut Prognose, 945 Terawattstunden. Das ist ungefähr der komplette Jahresstromverbrauch von Japan.

KI-Racks ziehen 30 bis über 100 Kilowatt. Normale Racks kommen mit 5 bis 15 aus. Die Netze vor Ort sind für diese Dichte nicht gebaut.

Ich lag falsch

Meine erste These war: Das Thema wird öffentlich zu wenig besprochen. Verschwiegen, fast.

Stimmt nicht. MIT Technology Review, Greenpeace, Yale, Brookings, der IWF – alle haben in den letzten Monaten ausführlich darüber geschrieben.

Was tatsächlich fehlt, sind keine Artikel. Es fehlen Zahlen. Kein Unternehmen ist verpflichtet, offenzulegen, wie viel Energie, Wasser oder CO2 ein Training kostet. Was du liest, sind Schätzungen. Löcher, keine Bilanz.

Das ist der eigentliche Skandal – nicht das Schweigen, sondern die fehlende Rechnungslegung.

Das Wettrennen

Zwei Kräfte kämpfen gerade gegeneinander. Beide laufen. Jetzt, nicht irgendwann.

Kraft eins: Effizienz. KI-Chips wurden zwischen 2020 und 2025 im Schnitt 40 Prozent pro Jahr sparsamer. Googles TPU v6 verbraucht 67 Prozent weniger als sein Vorgänger, für die gleiche Leistung. Nvidia baut die nächste Generation explizit auf Effizienz aus.

Kraft zwei: Angebot. Die Stromnachfrage von Rechenzentren soll sich bis 2034 vervierfachen. Zwei Drittel davon, schätzt BloombergNEF, bleiben vermutlich ungedeckt.

Eine Seite macht KI-Training günstiger pro Watt. Die andere baut Kraftwerke und Netze aus, so schnell es geht. Wer schneller ist, entscheidet, wie steil die Kurve der nächsten Jahre wird.

Was das für dich als Endverbraucher heißt

Deine Grafikkarte kostet heute nicht mehr, weil die Chip-Fertigung teurer wurde. Sie kostet mehr, weil Rechenzentren deinen Arbeitsspeicher wegkaufen. Ein Gigabyte HBM für ein KI-Rechenzentrum verdrängt vier Gigabyte RAM, das du hättest kaufen können. Micron beliefert den Consumer-Markt nur noch bis Februar 2026. Danach bleiben zwei Anbieter.

Auf der anderen Seite wird KI selbst günstiger. Der Preis pro Million Token ist in einem Jahr von 10 Dollar auf 2,50 gefallen. Klingt nach guten Nachrichten für dich.

Ist es nicht. Die Nutzung wächst zehnmal schneller, als der Preis fällt. Und die Rechnung dahinter macht mir Sorgen: Große Tech-Konzerne stecken 650 Milliarden Dollar in Infrastruktur, holen davon 25 Milliarden zurück. Vier Prozent. Diese Lücke schließt sich nicht von selbst.

Sie schließt sich über dich.

Über deine Daten, solange dein KI-Zugang so gut wie geschenkt ist. Und irgendwann über den Preis, sobald Investoren die Rendite einfordern, die sie 2026 nicht mehr aufschieben wollen.

Geh nicht mehr davon aus, dass du in fünf Jahren noch einen eigenen Rechner besitzt, der mithalten kann. Selbst KI-Firmen besitzen ihre GPUs längst nicht mehr – sie mieten sie. Cloud-Gaming wächst mit über 40 Prozent pro Jahr, aus genau diesem Grund.