Von Bobby Edemeka, Portfolio Manager bei Jennison Associates
Der rasante Einsatz generativer künstlicher Intelligenz (KI) hat einen weltweiten Wettlauf um den Bau von Rechenzentren ausgelöst – Einrichtungen, die deutlich mehr Strom verbrauchen als herkömmliche Gebäude. Die Internationale Energieagentur prognostiziert, dass sich der weltweite Stromverbrauch von Rechenzentren bis 2030 verdoppeln wird, wobei Hyperscaler, Rechenzentrumsbetreiber und Vermögensverwalter erhebliche Investitionen tätigen, um grössere und modernere Rechenzentren mit hoher Kapazität zu bauen.
Vor zehn Jahren galt ein 30-Megawatt-Rechenzentrum (MW) als gross; heute gilt ein 200-MW-Rechenzentrum als normal, und mehrere Hyperscaler planen derzeit KI-Rechenzentrumscampusse mit einem Strombedarf von 1 Gigawatt (GW) oder mehr. Schätzungen von McKinsey zufolge werden bis 2030 allein für die Versorgung von US-Rechenzentren voraussichtlich 18 GW zusätzliche Stromkapazität benötigt. Zum Vergleich: Der Gesamtstrombedarf von New York City liegt derzeit bei etwa 6 GW. Mit anderen Worten: Um den wachsenden Strombedarf der KI zu decken, müssen die USA bis 2030 voraussichtlich drei Mal so viel Strom in ihr Netz einspeisen wie New York City verbraucht.
Strom- und Infrastrukturnachfrage
Unserer Ansicht nach stellt KI einen generationsübergreifenden Paradigmenwechsel in der Art und Weise dar, wie Verbraucher und Unternehmen mit Computing-Services interagieren und diese nutzen. Für Unternehmen bietet KI eine höhere Effizienz, eine bessere Umsetzungskompetenz, strategische Differenzierung und tiefergehende Analysefähigkeiten.
Für Verbraucher bietet KI sofortigen Zugriff auf Informationen, personalisierte Inhalte und fortschrittliche Problemlösungsfähigkeiten. Die neuesten KI-Modelle – bekannt als Inference-Time-Scaling- oder Reasoning-Modelle – haben das Potenzial, diese Fähigkeiten mit einer neuen Effizienz und Effektivität bereitzustellen. Diese Modelle können Antworten reflektieren, neu bewerten und überarbeiten, wodurch sie weitaus ausgefeilter sind und komplexe Aufgaben bewältigen können.
Aus energetischer Sicht erfordern diese Reasoning-Modelle deutlich mehr Rechenleistung, da sie längere, ressourcenintensivere Inferenzzyklen durchlaufen. Da diese Modelle zum Standard für KI-Interaktionen werden, ist davon auszugehen, dass sie die Nachfrage nach Strom und Infrastruktur erheblich beschleunigen werden. Die Einführung von DeepSeek R1, einem generativen KI-Modell eines chinesischen Start-ups, hinterfragte die Annahmen über die Wettbewerbsfähigkeit Chinas im Bereich KI, da es in seiner Leistung mit den besten US-Modellen mithalten kann, während es auf weniger leistungsstarker – und kostengünstigerer – Hardware läuft.
Die Leistung von DeepSeek im Verhältnis zu seinen Kosten ist zwar beeindruckend, doch die vom Unternehmen behaupteten Vorteile bei den Schulungskosten können irreführend sein, da sie nicht direkt mit denen der von führenden US-Unternehmen entwickelten Modelle vergleichbar sind. Dennoch glauben wir, dass KI mit zunehmender Effizienz erschwinglicher und zugänglicher werden und sich damit schneller bei Verbrauchern, Unternehmen und im gesamten Technologie-Ökosystem durchsetzen wird.
Diese Dynamik veranschaulicht auch das Jevons-Paradoxon – die Idee, dass mit zunehmender technologischer Effizienz der Gesamtverbrauch tatsächlich steigen statt sinken kann –, was darauf hindeutet, dass tiefere KI-Kosten letztendlich zu einer höheren Nachfrage nach Rechenleistung und Strom führen könnten, nicht zu einer geringeren.
Erweiterte Perspektiven für Investoren
Der Strombedarf der KI schafft vielfältige und wachsende Chancen für Investoren. Während die Nuklearenergie oft die Schlagzeilen dominiert, geht die für die KI erforderliche Infrastruktur weit darüber hinaus.
Versorgungsunternehmen richten ihre Kapitalinvestitionen bereits auf die technologiegetriebene Nachfrage aus. Neue Solar-, Wind- und Erdgas-Kraftwerke – einige davon in der Nähe von Rechenzentren – werden voraussichtlich insgesamt eine noch grössere Rolle als die Kernenergie bei der Deckung des wachsenden Strombedarfs der KI spielen. Versorgungsunternehmen investieren auch in die Modernisierung ihrer Übertragungs- und Verteilungsnetze, um ungenutzte Erzeugungskapazitäten zu nutzen und die Netzstabilität zu gewährleisten, insbesondere für KI-Rechenzentren, die in der Regel ein sehr hohes Mass an Zuverlässigkeit erfordern.
Die Deckung des Strombedarfs der KI erfordert jedoch auch ein breiteres Ökosystem: Rechenzentren sind in hohem Masse auf fortschrittliche Systeme angewiesen, um die Wärme aus hochdichten Rechenlasten zu bewältigen, was Chancen für Unternehmen schafft, die sich auf Kühltechnologien spezialisiert haben.
Darüber hinaus wird erwartet, dass Erdgas aufgrund der Skalierbarkeit und Zuverlässigkeit von Erdgaskraftwerken eine Schlüsselrolle bei der Deckung des kurzfristigen Energiebedarfs spielen wird. Mit dem beschleunigten Wachstum der KI werden verschiedene grosse und kleine Energie- und Infrastrukturanbieter von diesem strukturellen Wandel profitieren. Mit der zunehmenden Verbreitung der KI steigt auch ihr Strombedarf, was die globale Infrastrukturlandschaft verändert und eine Vielzahl von Investitionsmöglichkeiten eröffnet. Dieser Wandel ist nicht zyklisch, sondern strukturell bedingt und wird durch eine neue Generation von KI-Modellen vorangetrieben, die mehr Rechenleistung, mehr Strom und mehr Infrastruktur erfordern. Für langfristige Anleger bedeutet der Aufstieg der KI nicht nur eine technologische Revolution, sondern eine grundlegende Transformation der globalen Energiewirtschaft.