NVIDIA-KI-Server verzeichnen einen 100-fachen Anstieg des Stromverbrauchs – ist die globale Energieversorgung für die steigenden Anforderungen der KI ausreichend?

Die jüngsten Entwicklungen in der KI-Servertechnologie von NVIDIA zeigen einen deutlichen Anstieg des Strombedarfs, was angesichts des schnellen Wachstums zu erheblichen Bedenken hinsichtlich der Nachhaltigkeit führt.

NVIDIAs Übergang von Ampere zu Kyber: Eine Prognose des Anstiegs des Stromverbrauchs

Da der KI-Sektor immer schneller auf verbesserte Rechenleistung hinarbeitet, sind Unternehmen bestrebt, entweder innovative Hardware zu entwickeln oder umfangreiche KI-Cluster aufzubauen. Dieses Bestreben, vorangetrieben von führenden Unternehmen wie OpenAI und Meta, die Meilensteine wie künstliche allgemeine Intelligenz (AGI) anstreben, hat Hersteller, insbesondere NVIDIA, dazu veranlasst, ihre Produktlinien massiv zu erweitern. Jüngste Erkenntnisse des Analysten Ray Wang verdeutlichen einen beunruhigenden Trend: Jede neue Generation von NVIDIA-KI-Servern geht mit einem drastisch erhöhten Energiebedarf einher. Ein deutlicher Hinweis darauf ist ein erwarteter Anstieg des Stromverbrauchs um das Hundertfache von der Ampere-Generation bis zur neuen Kyber-Architektur.

Steigender Stromverbrauch über aufeinanderfolgende Generationen von $NVDA -KI-Servern hinweg.pic.twitter.com/BM4KSUEIbk

– Ray Wang (@rwang07) , 15. Oktober 2025

Der Anstieg der NVIDIA-Serverleistung lässt sich auf mehrere Faktoren zurückführen. Ein wichtiger Grund ist die zunehmende Anzahl an GPUs in einem Rack, die über Generationen hinweg zu einer Erhöhung der Thermal Design Power (TDP) geführt hat. Während beispielsweise die Hopper-Architektur mit etwa 10 kW pro Gehäuse arbeitete, liegt dieser Wert bei Blackwell-Konfigurationen aufgrund der höheren GPU-Dichte bei fast 120 kW. NVIDIA scheut sich nicht, die Rechenleistung zu steigern, um den Anforderungen der Branche gerecht zu werden, doch dieser Wachstumstrend wirft ernste Bedenken hinsichtlich des Energieverbrauchs auf.

Diagramm, das die Steigerung der Serverleistung von Ampere 10 kW im Jahr 2020 auf Rubin Ultra 1000 kW+ im Jahr 2028 zeigt, markiert mit Serverbildern.

Darüber hinaus haben Innovationen wie fortschrittliche NVLink/NVSwitch-Technologien, modernste Rack-Generationen und höhere Auslastungsraten erheblich zum steigenden Energiebedarf von Hyperscale-Rechenzentren beigetragen. Diese steigende Nachfrage hat den Wettbewerb zwischen den Big-Tech-Unternehmen zu einem Wettlauf um die größten KI-Rack-Campusse gemacht, wobei der Energieverbrauch mittlerweile in Gigawatt gemessen wird. Unternehmen wie OpenAI und Meta werden ihre Rechenkapazitäten in naher Zukunft voraussichtlich um mehr als 10 GW erweitern.

Markenlose Servereinheiten mit sichtbaren Kabeln und Anschlüssen, untergebracht in schwarzen Server-Racks, die durch Rohre verbunden sind. — Bildnachweis: NVIDIA

Um das Ausmaß dieses Energieverbrauchs zu verdeutlichen: Schätzungen zufolge könnte ein GW Energiebedarf von KI-Hyperscalern etwa eine Million US-Haushalte mit Strom versorgen, ohne die zusätzlichen Energiekosten für Kühlung und Stromversorgung zu berücksichtigen. Dieser steigende Verbrauch verdeutlicht, dass einige Rechenzentren bald so viel Energie benötigen könnten wie mittelgroße Länder oder große US-Bundesstaaten, was zu ernsthaften lokalen und nationalen Energieproblemen führt.

Untersuchungen der Internationalen Energieagentur (IEA) aus dem Jahr 2025 prognostizieren, dass sich der Stromverbrauch durch künstliche Intelligenz bis 2030 verdoppeln könnte, was einer fast vierfachen Steigerung der derzeitigen Wachstumsrate des Stromnetzes entspricht. Darüber hinaus könnte der rasante Ausbau von Rechenzentren weltweit zu höheren Stromkosten für Haushalte führen, insbesondere in Regionen in der Nähe dieser wichtigen Infrastrukturen. Daher stehen die USA, wie auch andere Nationen im KI-Wettlauf, vor einer drängenden Energieherausforderung, die dringender Aufmerksamkeit bedarf.

Quelle & Bilder