Gigawatt-Rechenzentrum

Ein Rechenzentrum ist ein Gebäude voller Computer, die rund um die Uhr für andere arbeiten. Wenn du eine Suchanfrage stellst oder ein Video streamst, rechnet dort ein Gerät für dich. Solche Anlagen brauchen sehr viel Strom, und man misst ihre Größe deshalb oft nicht in Quadratmetern, sondern in Watt. Watt ist die Einheit für Leistung, also für den Strom, der pro Sekunde verbraucht wird. Ein Gigawatt sind eine Milliarde Watt — ungefähr die Leistung eines großen Kernkraftwerks. Ein Gigawatt-Rechenzentrum ist also eine Anlage, deren Computer zusammen so viel Strom ziehen wie eine Stadt mit einer Million Einwohnern.

Warum Strom zur wichtigsten Zutat der KI-Branche wurde

Früher war die Frage bei einem Rechenzentrum: Wie viele Server passen ins Gebäude? Heute lautet die Frage: Wie viel Strom liefert das Netz an diesen Ort? Denn die Spezialchips für KI verbrauchen pro Gerät ein Vielfaches eines normalen Servers. Der Platz ist nicht mehr der Engpass, die Stromleitung ist es.

Deshalb reden Konzerne wie Microsoft, Google, Amazon oder OpenAI inzwischen offen über Kraftwerke. Manche schließen langfristige Verträge mit Betreibern von Kernkraftwerken ab. Andere bauen eigene Gaskraftwerke direkt neben den Serverhallen. Für Anleger ist das ein Grund, warum plötzlich Energieversorger, Netzbetreiber und Turbinenhersteller als KI-Gewinner gelten.

Gleichzeitig entsteht Streit. Ein neues Gigawatt-Rechenzentrum kann in einer Region die Strompreise nach oben treiben. Auch Wasser ist ein Thema, weil viele Anlagen zur Kühlung darauf angewiesen sind. In den USA gibt es bereits Gemeinden, die solche Projekte per Abstimmung blockiert haben.

Was in so einer Halle steht

Das Herzstück sind Zehntausende Grafikprozessoren, kurz GPUs. Das sind Chips, die sehr viele einfache Rechenschritte gleichzeitig ausführen — genau das, was das Training von KI-Modellen verlangt. Sie stecken in Servern, die Server stecken in Schränken, den Racks. Ein einzelnes modernes Rack kann über 100 Kilowatt ziehen, also so viel wie mehrere Dutzend Haushalte.

Damit die Chips gemeinsam an einer Aufgabe arbeiten können, sind sie über extrem schnelle Netzwerke verbunden. Ein großes KI-Modell passt nicht in einen einzelnen Chip. Es wird auf Tausende Chips verteilt, die ständig Zwischenergebnisse austauschen müssen. Ist das Netzwerk zu langsam, warten teure Chips nur herum.

Der zweite große Posten ist die Kühlung. Fast der gesamte verbrauchte Strom wird am Ende zu Wärme. Bei Gigawatt-Leistung reichen Ventilatoren nicht mehr aus. Deshalb setzt man auf Flüssigkühlung: Wasser oder eine Kühlflüssigkeit läuft durch Leitungen direkt am Chip vorbei. Dazu kommen Transformatoren, Notstromdiesel und Batterien, damit ein Stromausfall den Betrieb nicht sofort stoppt.

Diese Zahlen tauchen in den Nachrichten auf

In Wirtschaftsmeldungen wird die Größe von KI-Projekten heute meist in Gigawatt angegeben. Das Projekt Stargate von OpenAI und Oracle wird zum Beispiel in solchen Einheiten beschrieben. Wenn eine Firma ein Rechenzentrum mit fünf Gigawatt ankündigt, gemeint ist damit ein ganzes Gelände mit mehreren Gebäuden, das über Jahre wächst. Kein einzelnes Gebäude erreicht diese Zahl.

Wichtig ist der Unterschied zwischen angekündigt und angeschlossen. Eine Ankündigung kostet nichts, ein Netzanschluss dauert oft fünf bis zehn Jahre. Viele Projekte werden also nie in der geplanten Größe laufen. Wer Meldungen liest, sollte deshalb auf das Wort achten, das vor der Gigawatt-Zahl steht: geplant, im Bau oder in Betrieb.

Ein häufiger Irrtum ist, dass all dieser Strom ins Training neuer Modelle fließt. Der größere Teil geht inzwischen in den laufenden Betrieb, also in die Beantwortung von Nutzeranfragen. Jede Antwort eines Chatbots verbraucht wenig, aber sie fällt milliardenfach an. Das erklärt, warum die Anlagen dauerhaft laufen und nicht nur während einzelner Trainingsläufe.