BloombergNEF-Prognose zu Rechenzentren und Gas setzt KI-Wachstum auf einen fossilen Kurs
BloombergNEF hat seine Prognose für den Erdgasbedarf von US-Rechenzentren bis 2035 auf rund 18 Milliarden Kubikfuß pro Tag angehoben. Diese Projektion liegt fast doppelt so hoch wie die Schätzung von vor neun Monaten. Damit wird das Rennen um KI-Infrastruktur zu einer weit größeren Bewährungsprobe für Pipelines, Kraftwerke, Versorgungsplanung und Klimaverpflichtungen.
Die Prognose bedeutet nicht, dass jeder vorgeschlagene KI-Campus gebaut wird. Sie beruht auf einem Basisszenario, das Projekte, die voraussichtlich ins Stocken geraten, bereits herausrechnet. Selbst nach dieser Anpassung werden Rechenzentren zu einer der größten neuen Quellen der US-Erdgasnachfrage.
Der zentrale Konflikt besteht nicht länger einfach zwischen KI-Wachstum und Netzkapazität. Es geht um Geschwindigkeit gegenüber einer langfristigen Energiestrategie. Meta, Microsoft, Google, Amazon und andere Betreiber benötigen verlässlichen Strom, bevor langsamere Netz- und Erzeugungsprojekte fertiggestellt werden können.
Erdgas bietet diese verlässliche Leistung – entweder über das Netz oder durch Kraftwerke direkt neben Rechenzentren. Allerdings bringt Gas auch Abhängigkeit von Brennstoffpreisen, lokale Luftverschmutzung, CO2-Emissionen und Infrastrukturverpflichtungen mit sich, die jahrzehntelang bestehen können.
Die BloombergNEF-Prognose für Rechenzentren und Gas hat sich verdoppelt
Die Revision von BloombergNEF deutet darauf hin, dass die Pläne für KI-Infrastruktur schneller voranschreiten, als frühere Energiemodelle abbilden konnten.
US-Rechenzentren könnten laut dem neuen Ausblick bis 2035 täglich etwa 18 Milliarden Kubikfuß Erdgas verbrauchen. Das entspräche einem Wachstum von rund 15 Bcf/d über zehn Jahre.
Allein der prognostizierte Anstieg würde den heutigen Gasverbrauch in fast jedem Land übertreffen. Lediglich China, Russland, Iran und die Vereinigten Staaten verbrauchen laut dem mit der Prognose veröffentlichten Vergleich mehr.
Das Ausmaß übersteigt zudem den kombinierten Verbrauch Deutschlands und Japans. Dieser Vergleich ist unvollkommen, da Länder Gas in mehreren Wirtschaftssektoren einsetzen. Dennoch veranschaulicht er, wie eine spezialisierte digitale Branche zu einem bedeutenden Energieverbraucher werden könnte.
Die Schätzung von BloombergNEF basiert nicht nur auf öffentlichen Projektankündigungen. Das Modell berücksichtigt Berichten zufolge auch die Wahrscheinlichkeit, dass viele vorgeschlagene Rechenzentren nie in Betrieb gehen.
Diese Einschränkung ist wichtig, weil die angekündigte Kapazität weit über das hinausgeht, was bestehende Netze, Ausrüstungsanbieter und Baumärkte liefern können. Projekte können scheitern, weil ihnen Übertragungszugang, Genehmigungen, Turbinen, Wasser, Finanzierung oder feste Kunden fehlen.
Auch nach dem Herausfiltern dieser Projekte erwartet BloombergNEF, dass Rechenzentren zur zweitgrößten Quelle des Wachstums der US-Gasnachfrage werden. Nur Exporte von Flüssigerdgas würden im betrachteten Zeitraum mehr Nachfrage hinzufügen.
Die Gasprognose folgt auf eine weitere deutliche Revision des BloombergNEF-Ausblicks für den Strommarkt. Die Kapazitätsprognose erwartet bis 2035 194 Gigawatt an US-Rechenzentren im Betrieb.
Diese Schätzung lag 83 Prozent über der vorherigen Prognose des Unternehmens. Sie implizierte zudem, dass Rechenzentren bis 2035 rund ein Fünftel des US-Stroms verbrauchen könnten.
BloombergNEF berechnete, dass das Netz selbst bei einem ungewöhnlich schnellen Anschlusszeitplan noch mit einer Versorgungslücke von 19 GW konfrontiert wäre. Um diese Lücke zu schließen, wären im Basisszenario bis zu 48 GW an Gasstromerzeugung vor Ort erforderlich.
Stromerzeugung vor Ort befindet sich hinter dem Zähler des Kunden, statt vollständig vom regionalen Netz abzuhängen. Sie kann einem Campus helfen, den Betrieb aufzunehmen, bevor Netzausbauten abgeschlossen sind.
Die neue Gasprognose ist daher mehr als eine routinemäßige Anpassung der Brennstoffnachfrage. Sie verknüpft drei steigende Schätzungen: Rechenzentrumskapazität, Stromverbrauch und dedizierte Erzeugung.
Jede Schätzung hängt von Annahmen ab, die weiterhin unsicher sind. Die Effizienz von KI-Hardware könnte steigen, angekündigte Campus könnten abgesagt werden und alternative Erzeugung könnte schneller verfügbar werden.
Dennoch lässt sich die Richtung immer schwerer ignorieren. Jede Aufwärtsrevision signalisiert Versorgern, dass das Warten auf perfekte Informationen eigene Risiken birgt. Sie zeigt Technologieunternehmen zudem, dass die Beschaffung von Rechenleistung nun von der Energiebeschaffung abhängt.
Das verändert das Geschäft mit dem Aufbau von KI. Unternehmen können nicht fortschrittliche Chips sichern, einen Campus errichten und davon ausgehen, dass ausreichender Strom folgen wird. Energie muss als Teil des ursprünglichen Entwurfs vertraglich gesichert, erzeugt, gespeichert und geliefert werden.
Das Ergebnis ist ein neuer Engpass für den KI-Einsatz. Die Branche hat jahrelang um GPUs konkurriert. Nun konkurriert sie um Netzanschlüsse, Gasturbinen, Pipelines und die Genehmigung, diese zu betreiben.
Der Strombedarf für KI wächst schneller als das Netz
Der Druck entsteht durch die Diskrepanz zwischen den Bauzeiten von Rechenzentren und dem langsameren Zeitplan für den Ausbau regionaler Stromsysteme.
Ein großer KI-Campus kann von der Planung bis zum Baubeginn schneller voranschreiten, als Versorger große Übertragungsprojekte genehmigen und abschließen können. Neue Stromleitungen verlaufen oft durch mehrere Zuständigkeitsbereiche und erfordern langwierige Prüfungen.
Auch Kraftwerke stehen vor Beschränkungen bei der Ausrüstung. Hersteller von Gasturbinen müssen lange Auftragsbücher bewältigen, während Transformatoren und Schaltanlagen weiterhin nur schwer schnell zu beschaffen sind.
Dieses Zeitproblem verschafft Erdgas einen praktischen Vorteil. Gaskraftwerke können regelbare Leistung bereitstellen, sodass Betreiber die Erzeugung bei verändertem Strombedarf erhöhen oder senken können.
KI-Anlagen schätzen diese Steuerbarkeit, weil sie teure Rechenhardware rund um die Uhr betreiben. Eine unzuverlässige Stromversorgung lässt Chips ungenutzt, während Finanzierungs-, Personal- und Kühlungskosten weiterlaufen.
Die Attraktivität steigt, wenn ein Unternehmen die Erzeugung direkt neben dem Rechenzentrum ansiedeln kann. Ein dediziertes Kraftwerk kann die Abhängigkeit von einem überlasteten Anschluss verringern und einige Verzögerungen beim Netzausbau umgehen.
Allerdings beseitigt Gasstromerzeugung vor Ort nicht jede Einschränkung. Das Kraftwerk benötigt weiterhin Turbinen, Brennstofflieferungen, Umweltgenehmigungen und Anschlussausrüstung. Möglicherweise sind auch Backup-Systeme für Wartung oder Versorgungsunterbrechungen erforderlich.
Pipelines stellen eine weitere Einschränkung dar. Eine Region kann über große Gasressourcen verfügen, ohne ausreichend lokale Lieferkapazität für mehrere neue Kraftwerke zu besitzen.
Deshalb gewinnen bestehende Trassen, Speicherstandorte und Pipelineanschlüsse strategischen Wert. Die Analyse der Gasinfrastruktur von PwC bezeichnet Genehmigungen, Turbinen, Pipelines, Wasser und Zeit als knappe Ressourcen.
PwC schätzt, dass die zusätzliche KI-bezogene US-Gasnachfrage bis 2035 7,6 bis 11,5 Bcf/d erreichen könnte. Diese Spanne liegt unter dem jüngsten Gesamtwert von BloombergNEF, teilweise weil die Modelle KI-bezogene Nachfrage unterschiedlich definieren.
Der Unterschied sollte von falscher Genauigkeit abhalten. Es gibt keinen einzelnen Zähler, der den nationalen KI-Gasverbrauch erfasst. Analysten müssen vorgeschlagene Kapazitäten, Fertigstellungsraten, Auslastung, Effizienz und erwartete Stromquellen zusammenführen.
Die Modelle stimmen dennoch beim Mechanismus überein. Mehr Rechenzentrumskapazität schafft einen großen Block kontinuierlicher Stromnachfrage. Verzögerungen beim Netzausbau erhöhen dann die Attraktivität dedizierter Erzeugung.
Das Lawrence Berkeley National Laboratory bietet eine weitere Perspektive auf denselben Druck. Sein Update von 2025 schätzt, dass Rechenzentren bis 2030 11,8 Prozent des US-Stromverbrauchs ausmachen könnten.
Der nationale Energiebericht nennt eine Szenariospanne von 9,5 bis 15,3 Prozent. Diese Spanne spiegelt Unsicherheiten bei Ausrüstungslieferungen, Anlagentypen, Kühlung und Betriebspraktiken wider.
Diese Prozentsätze sind wichtig, weil Rechenzentren die Nachfrage geografisch konzentrieren. Ein nationales Stromnetz mag durchaus in der Lage erscheinen, zusätzliche Last zu versorgen, während ein bestimmtes Versorgungsgebiet unter einem gravierenden Mangel leidet.
Northern Virginia veranschaulicht diese Konzentration. Seine etablierten Glasfasernetze und Cloud-Infrastrukturen zogen Cluster von Anlagen an und setzten die lokale Übertragungsplanung außergewöhnlich unter Druck.
Neue Projekte breiten sich nach Texas, Ohio, Pennsylvania, Louisiana und in andere Märkte mit verfügbarem Land oder Energieressourcen aus. Diese Bewegung beseitigt den Infrastrukturdruck nicht. Sie verteilt ihn neu.
Versorger müssen entscheiden, wie viel Erzeugungs- und Übertragungskapazität sie bauen, bevor jeder vorgeschlagene Campus sicher ist. Bauen sie zu wenig, müssen Projekte warten oder private Erzeugung installieren.
Bauen sie zu viel, könnten normale Kunden unnötige Infrastrukturkosten übernehmen. Regulierungsbehörden müssen festlegen, welche Ausgaben Rechenzentrumsentwicklern zuzurechnen sind und welche in allgemeine Stromtarife eingehen.
Diese Entscheidung verleiht der KI-Energiedebatte eine unmittelbare Verbraucherdimension. Eine verzögerte Modellveröffentlichung betrifft Technologieunternehmen. Eine schlecht zugeordnete Investition eines Versorgers kann jeden Haushalt und jedes Unternehmen in einem Versorgungsgebiet betreffen.
Erdgas löst das Zeitproblem, schafft aber ein Lock-in-Problem
Gas kann einen KI-Campus schneller mit gesicherter Leistung versorgen, doch die daraus entstehende Infrastruktur kann die Nachfrageannahmen überdauern, die sie gerechtfertigt haben.
Ein für ein Rechenzentrum gebautes Gaskraftwerk ist keine vorübergehende Software-Bereitstellung. Seine Pipelines, Turbinen, Genehmigungen und Finanzierungsstrukturen können jahrzehntelang bestehen bleiben.
Diese lange Lebensdauer erzeugt einen Widerspruch zur KI-Prognose. Der Bedarf an Rechenleistung ändert sich schnell, während physische Energieanlagen ihre Investitionen über wesentlich längere Zeiträume amortisieren.
Ein Entwickler könnte erwarten, dass ein Campus über Jahre hinweg nahezu mit voller Kapazität betrieben wird. Doch neuere Chips könnten mehr Rechenleistung je Stromeinheit liefern oder Arbeitslasten könnten in eine andere Region verlagert werden.
Die Nachfrage könnte auch schneller wachsen als erwartet. In diesem Fall könnten dedizierte Gaskraftwerke von Übergangsinfrastruktur zu einer dauerhaften Grundlage der KI-Wirtschaft werden.
Das Wort „Brücke“ enthält daher mehr Unsicherheit, als es zunächst vermuten lässt. Eine Brücke sollte zu einem anderen Energiesystem führen. Sie wird zum Lock-in, wenn der Ersatz nie eintrifft.
Die Internationale Energieagentur erwartet, dass erneuerbare Energien bis 2030 fast die Hälfte des zusätzlichen weltweiten Strombedarfs von Rechenzentren decken werden. Erdgas und Kohle zusammen würden mehr als 40 Prozent liefern.
Im Basisszenario der IEA steigt die Stromerzeugung für Rechenzentren von 460 Terawattstunden im Jahr 2024 auf mehr als 1.000 TWh im Jahr 2030. Bis 2035 erreicht sie 1.300 TWh.
Der Ausblick zur Energieversorgung der IEA modelliert zudem einen schnelleren KI-Ausbau. In diesem Fall nähert sich der Stromverbrauch von Rechenzentren bis 2035 2.000 TWh.
Warteschlangen für Netzanschlüsse begrenzen, wie schnell saubere Erzeugung diese höhere Nachfrage bedienen kann. Folglich stellen fossile Brennstoffe einen größeren Anteil des unerwarteten Anstiegs bereit.
Dieser Mechanismus erklärt, warum unternehmerische Verträge für erneuerbare Energien die physische Frage nicht klären. Ein Unternehmen kann Zertifikate für saubere Energie kaufen, während seine Anlage Strom aus einem regionalen System bezieht, das weiterhin Gas verbrennt.
Standort und Zeitpunkt bestimmen, welche Erzeuger tatsächlich auf eine neue Last reagieren. Ein Solarprojekt in einem anderen Markt versorgt nicht zwangsläufig einen KI-Cluster, der über Nacht betrieben wird.
Batterien können Strom zwischen Stunden verschieben und die Spitzenlast senken. Sie können die kontinuierliche Energie, die ein Campus mit hoher Auslastung benötigt, jedoch nicht eigenständig erzeugen.
Kernenergie bietet gesicherte, CO2-arme Erzeugung, und mehrere Technologieunternehmen verfolgen entsprechende Projekte. Neue Reaktoren haben jedoch meist längere Entwicklungszeiten als Rechenzentren.
Die Wiederinbetriebnahme bestehender Kernkraftwerke oder der Kauf von Strom aus betriebenen Anlagen kann einzelnen Projekten helfen. Diese Optionen bleiben durch Geografie und den verfügbaren Kraftwerkspark begrenzt.
Auch Geothermie stößt auf Interesse, weil sie eine konstante Leistung bei niedrigen Betriebsemissionen liefern kann. Ihr kurzfristiger Beitrag hängt von der Bohrleistung, der Projektdurchführung und geeigneten Standorten ab.
Erdgas schneidet in vielen aktuellen Vergleichen gut ab, weil es verfügbar, vertraut und bedarfsgerecht einsetzbar ist. Es kann sowohl die Stromerzeugung für das Netz als auch isolierte Campus-Systeme unterstützen.
Doch dieser Vorteil hat einen Preis, der über Emissionen hinausgeht. Ein KI-Betreiber, der auf eigenes Erdgas setzt, wird von Brennstofflieferungen, Rohstoffmärkten und Umweltauflagen abhängig.
Die Vereinbarung kann auch die Anforderungen an die Unternehmenskompetenz verschieben. Technologieunternehmen müssen mit Pipelinebetreibern, Turbinenherstellern, Versorgungsunternehmen und Luftreinhaltebehörden verhandeln.
Für Cloud-Kunden könnten diese Entscheidungen letztlich Rechenkosten und Service-Standorte beeinflussen. Energieintensive Arbeitslasten könnten in Regionen mit schnellerer und besser planbarer Stromversorgung verlagert werden.
Entwickler und Unternehmenskäufer sollten Geografie daher als Teil der KI-Architektur betrachten. Die Modellleistung ist wichtig, doch das Energiesystem hinter einer Computing-Region prägt Kapazität, Zuverlässigkeit und künftige Kosten.
Die Prognose garantiert kein Ergebnis von 18 Bcf/d
Die größte Herausforderung für die BloombergNEF-Prognose zum Erdgasbedarf von Rechenzentren besteht darin, dass sowohl die KI-Nachfrage als auch der Projektabschluss weiterhin außergewöhnlich schwer vorherzusagen sind.
Die Schlagzeilenzahl verdichtet viele Variablen zu einer Kennzahl. Schon kleine Änderungen dieser Variablen können bis 2035 zu einem anderen Ergebnis führen.
Eine Variable ist die Zahl der angekündigten Anlagen, die tatsächlich in Betrieb gehen. Die US-Entwicklungspipeline umfasst spekulative Projekte, die Flächen, Anschlüsse oder Kunden suchen, bevor die Finanzierung vollständig gesichert ist.
Einige Vorhaben konkurrieren um dieselbe begrenzte Netzkapazität. Würde man alle als unabhängige künftige Nachfrage zählen, würde das wahrscheinliche Ergebnis überzeichnet.
BloombergNEF erklärt, seine Schätzung berücksichtige Abschläge für Projekte, die nicht fertiggestellt werden. Die öffentliche Berichterstattung legt jedoch nicht jede projektbezogene Annahme des zugrunde liegenden proprietären Modells offen.
Das begrenzt eine unabhängige Bewertung. Leser können die Richtung und die berichteten Gesamtsummen beurteilen, aber die gesamte Prognose nicht anhand öffentlicher Informationen reproduzieren.
Eine zweite Variable ist die Auslastung. Ein Rechenzentrum mit einer angegebenen Maximalkapazität verbraucht nicht zwangsläufig in jeder Stunde diese Menge.
Trainingscluster können eine intensive Nachfrage erzeugen, während Inferenz-Workloads je nach Nutzeraktivität schwanken können. Betreiber können zudem einige Rechenaufgaben nach der Verfügbarkeit von Strom planen.
Eine dritte Variable ist die Hardwareeffizienz. Jede neue Accelerator-Generation kann pro Energieeinheit mehr Arbeit leisten, auch wenn der Gesamtverbrauch weiter steigen kann.
Effizienz senkt die für eine feste Arbeitslast benötigte Energie. Sie garantiert keine niedrigere Nachfrage, wenn günstigere Rechenleistung Kunden dazu veranlasst, deutlich mehr davon zu nutzen.
Dieser Rebound-Effekt steht im Zentrum der Unsicherheit über den Energiebedarf von KI. Bessere Chips könnten das Stromwachstum bremsen oder zusätzliche Modelle und automatisierte Dienste wirtschaftlich machen.
Eine vierte Variable ist der Strommix. BloombergNEFs Prognose geht davon aus, dass Gas einen erheblichen Teil der zusätzlichen Last übernimmt, insbesondere dort, wo Netzanschlüsse weiterhin begrenzt sind.
Ein schnellerer Ausbau der Übertragungsnetze würde diese Annahme schwächen. Gleiches gilt für eine schnellere Einführung von erneuerbaren Energien, Speichern, wieder in Betrieb genommenen Kernkraftwerken, verbesserten Geothermiesystemen oder flexiblem Computing.
Der US-Gasmarkt bringt eine weitere Unsicherheit mit sich. Der Gesamtverbrauch lag 2025 laut Energy Information Administration bereits bei einem Rekordwert von durchschnittlich 92,0 Bcf/d.
Auf die Stromerzeugung entfielen in diesem Jahr 35,8 Bcf/d. Der Sektor blieb trotz eines Rückgangs gegenüber 2024 der größte Gasverbraucher des Landes.
Die Verbrauchsdaten der EIA zeigen, wie Wetter, Solarzubau, Batterien und Stromnachfrage den jährlichen Gasverbrauch in unterschiedliche Richtungen bewegen können.
Ein zusätzlicher Bedarf von bis zu 15 Bcf/d für Rechenzentrumsstrom würde mit LNG-Exporten, industrieller Nachfrage, Gebäudeheizung, Produktionswachstum und Pipelineengpässen interagieren.
Die Preise könnten in Regionen steigen, in denen Angebot oder Lieferung nicht Schritt halten. Höhere Preise würden dann die Wirtschaftlichkeit von Gaserzeugung und alternativen Energiequellen verändern.
Auch die Umweltpolitik könnte das Ergebnis verändern. Gaskraftwerke stoßen Kohlendioxid aus, während bei Förderung und Transport Methan freigesetzt werden kann, ein starkes Treibhausgas.
Lokaler Widerstand könnte sich auf Stickoxide, Wasserverbrauch, Lärm und die Verteilung der Stromkosten konzentrieren. Widerstand in Genehmigungsverfahren könnte sowohl die Erzeugung als auch die Rechenzentren selbst verzögern.
Die prognostizierten 18 Bcf/d sollten daher als Szenario und nicht als fest eingeplantes Ergebnis gelesen werden. Sie beschreiben das System, das ein plausibler Pfad der KI-Expansion erfordern würde.
Diese Unterscheidung macht die Prognose nicht unwichtig. Planungsentscheidungen werden getroffen, bevor die endgültige Nachfrage feststeht. Versorger und Entwickler müssen handeln, solange die Spannbreite groß bleibt.
Das Risiko besteht in beide Richtungen. Zu wenig Ausbau kann wirtschaftlich wertvolle Infrastruktur verzögern. Zu viel Ausbau kann dazu führen, dass Kunden für Anlagen zahlen, die auf einer Nachfrage beruhen, die nie eingetreten ist.
Wer trägt die Kosten des KI-Gasausbaus?
Die entscheidende politische Frage lautet nicht einfach, ob neue Gaskapazitäten gebaut werden, sondern wer dafür zahlt und wer ihre Risiken trägt.
Rechenzentrumsentwickler können eigene Erzeugung selbst finanzieren. Dieser Ansatz verlagert mehr Projektrisiko auf das Unternehmen, das von dem Strom profitiert.
Die Grenzen werden weniger klar, wenn ein reguliertes Versorgungsunternehmen Erzeugung, Pipelines, Umspannwerke oder Übertragungsleitungen für erwartetes Wachstum von Rechenzentren baut. Versorger holen genehmigte Ausgaben über Kundentarife wieder herein.
Regulierungsbehörden können verlangen, dass Großkunden langfristige Verträge abschließen oder finanzielle Garantien stellen. Diese Schutzmechanismen senken die Wahrscheinlichkeit, dass andere Kunden für aufgegebene Anlagen zahlen.
Die Vertragsgestaltung wird jedoch schwierig, wenn die Nachfrage stufenweise eintrifft. Ein Campus könnte mit einem Bruchteil seiner geplanten Kapazität beginnen und wiederholt Erweiterungen beantragen.
Versorger schätzen Großkunden auch deshalb, weil sie fixe Systemkosten auf mehr Stromverkäufe verteilen können. Dieser Vorteil verschwindet, wenn die Kosten der neuen Infrastruktur die daraus erzielten Einnahmen übersteigen.
Die Tarifgestaltung muss daher mehrere Fragen beantworten. Wie viel Kapazität ist tatsächlich verbindlich zugesagt? Wie lange muss der Kunde bleiben? Wer zahlt, wenn der Bau gestoppt wird?
Dieselben Fragen gelten für die Gasinfrastruktur. Eine Pipeline-Erweiterung, die mehrere Kraftwerke versorgt, könnte auch nach der Schließung eines Rechenzentrums nützlich bleiben.
Umgekehrt kann eine dedizierte Anschlussleitung zu einer Fehlinvestition werden, wenn ein einzelner Campus den Kurs ändert. Ihr Wert hängt von alternativen Kunden und der regionalen Netzplanung ab.
Gemeinden tragen auch nichtfinanzielle Kosten. Neue Erzeugung kann die lokale Luftverschmutzung, den Wasserbedarf, den Verkehr und die industrielle Flächennutzung erhöhen.
Zu den Vorteilen können Bauarbeiten, Steuereinnahmen und Investitionen gehören. Das Gleichgewicht variiert je nach Standort und den mit dem Entwickler ausgehandelten Bedingungen.
Klimaverpflichtungen schaffen ein weiteres Verteilungsproblem. Große Technologieunternehmen haben ehrgeizige Emissionsziele angekündigt, doch ihre KI-Expansion erhöht die Stromnachfrage.
Der Kauf erneuerbarer Energie kann neue saubere Projekte unterstützen. Er beseitigt nicht die Emissionen von dedizierten Gaskraftwerken, die Anlagen versorgen, bevor diese Projekte verfügbar werden.
CO₂-Abscheidung kann die Emissionen einiger Gaskraftwerke senken. Ihre Wirksamkeit hängt von Abscheideraten, Betriebsleistung, Transportnetzen und dauerhafter Speicherung ab.
Der Einsatz von Kompensationen fügt eine weitere Ebene der Bilanzierung hinzu, statt das Kraftwerk selbst zu verändern. Stakeholder unterscheiden zunehmend zwischen vertraglichen Zusagen und den physischen Emissionen der Stromerzeugung.
Unternehmenskunden sollten diese Unterscheidung beachten, weil Cloud-Emissionen Teil ihrer eigenen Berichterstattung werden. Der Fußabdruck einer Arbeitslast hängt teilweise davon ab, wo und wann sie läuft.
Unternehmen, die KI in großem Maßstab einsetzen, benötigen möglicherweise detailliertere Informationen über regionale Stromerzeugung und stündliche Emissionen. Die jährliche Zuordnung erneuerbarer Energie kann wichtige Unterschiede zwischen Standorten verdecken.
Dies ist auch eine Herausforderung für das Wissensmanagement in Unternehmen. Infrastrukturteams, Nachhaltigkeitsgruppen, Beschaffung und Führungskräfte müssen mit denselben Annahmen arbeiten.
Eine durchsuchbare KI-Wissensdatenbank kann Teams helfen, Energieverträge, Kapazitätsprognosen und regulatorische Entscheidungen zu bewahren. Sie kann Unsicherheit nicht auflösen, aber Annahmen sichtbar machen.
Diese Transparenz ist wichtig, wenn sich Prognosen so schnell ändern. BloombergNEFs deutliche Aufwärtsrevision zeigt, wie eine Infrastrukturstrategie innerhalb weniger Monate veralten kann.
Die Kostendebatte wird sich verschärfen, sobald Versorger spekulative Anfragen in formelle Investitionen umwandeln. Der wirksamste Schutz ist eine transparente Zuordnung von Projektkosten und Stornierungsrisiken.
Ohne diese Schutzmechanismen könnten Gemeinden zu dem Schluss kommen, dass KI-Entwickler bevorzugten Zugang erhalten, während andere Kunden die finanziellen und ökologischen Folgen tragen.
Drei Signale werden zeigen, ob die Gasprognose Bestand hat
Netzanschlüsse, der tatsächliche Bau von Campus-Anlagen und die Lieferung von Gasausrüstung werden bestimmen, ob sich die Projektion für 2035 erhärtet oder abschwächt.
Das erste Signal ist die Umwandlung angekündigter Rechenzentrumskapazität in tatsächliche Betriebslast. Pressemitteilungen und Grundstückskäufe reichen nicht aus.
Investoren sollten auf fertiggestellte Gebäude, installierte Rechenausrüstung, vertraglich gebundene Kunden und gemessene Nachfrage bei Versorgern achten. Eine wachsende Lücke zwischen Ankündigungen und Betrieb würde die Prognose schwächen.
Das zweite Signal ist das Tempo neuer Netzanschlüsse. BloombergNEFs Gasausblick hängt teilweise davon ab, dass Übertragungsnetze und Erzeugung nicht mit dem Bau von Rechenzentren Schritt halten.
Schnellere Genehmigungen für Zusammenschaltungen würden mehr Projekten die Nutzung regionalen Stroms ermöglichen. Das würde ihren Strom nicht automatisch sauber machen, könnte aber den Bau dedizierter Gasanlagen verringern.
Ein anhaltender Anschlussrückstau würde die Argumente für Vor-Ort-Erzeugung stärken. Er würde auch den strategischen Wert von Campus-Anlagen in der Nähe bestehender Kraftwerke und Pipelinenetze erhöhen.
Die Prognosen des Lawrence Berkeley National Laboratory bieten einen näheren Kontrollpunkt. Seine Spanne für 2030 wird sich mit zunehmenden Ausrüstungslieferungen und Netzlasten leichter überprüfen lassen.
Nähert sich der nationale Verbrauch dem oberen Ende dieser Spanne, wird das BloombergNEF-Szenario für 2035 glaubwürdiger wirken. Ein langsameres Lastwachstum würde eine niedrigere Gasentwicklung stützen.
Das dritte Signal sind verbindliche Infrastruktur für Ausrüstung und Brennstoff. Turbinenbestellungen, Fertigungskapazitäten, Pipelinegenehmigungen und fertiggestellte Anlagen sind wichtiger als vorläufige Vorschläge.
Entwickler können einen gasbetriebenen Campus ankündigen, bevor sie einen Liefertermin für Turbinen gesichert haben. Lange Lieferzeiten für Ausrüstung können die Inbetriebnahme um mehrere Jahre über das geplante Datum hinaus verschieben.
Pipelineprojekte sind mit eigenen Genehmigungs- und Baurisiken konfrontiert. Ein Kraftwerk ohne verlässliche Brennstoffversorgung kann nicht als zuverlässige Vor-Ort-Stromquelle dienen.
Die Internationale Energieagentur schätzt, dass bis 2030 15 bis 27 GW an Vor-Ort-Erdgasleistung Rechenzentren versorgen könnten, überwiegend in den Vereinigten Staaten. Tatsächliche Installationen innerhalb dieser Spanne werden einen frühen Test ermöglichen.
Auch die Projekte der Technologieunternehmen für saubere Energie gehören in dieselbe Bewertung. Neue Kernenergie-, Geothermie-, erneuerbare Energie- und Speicherkapazitäten können die Gasprognose schwächen, wenn sie dort entstehen, wo die KI-Lasten wachsen.
Vertragsankündigungen sollten nicht als abgeschlossene Substitution gelten. Das relevante Signal ist Strom, der einen betriebenen Campus in den Stunden erreicht, in denen dessen Rechenausrüstung Strom benötigt.
Leser sollten außerdem die Erdgaspreise und Tarifverfahren bei Versorgern beobachten. Steigende Brennstoffkosten können die relative Wirtschaftlichkeit anderer Erzeugungsformen, von Effizienz und flexiblen Arbeitslasten verbessern.
Regulierungsbehörden könnten Großverbrauchern stärkere finanzielle Garantien auferlegen. Das würde spekulative Projekte aussortieren und zeigen, welche Entwickler bereit sind, die Kosten ihrer Prognosen zu tragen.
Die nächsten Quartale werden keine bis 2035 reichende Prognose entscheiden. Sie können jedoch zeigen, ob ihr zugrunde liegender Mechanismus an Fahrt gewinnt.
Steigt die Betriebslast von Rechenzentren, bleiben Anschlusswarteschlangen bestehen und gelangen Gasanlagen in die Bauphase, gewinnt die Schätzung von BloombergNEF an Unterstützung. Reißt eines dieser Glieder ab, fällt das Ergebnis niedriger aus.
Die BloombergNEF-Prognose für Erdgas in Rechenzentren misst letztlich eine Entscheidung, kein unabwendbares Gesetz. Die Vereinigten Staaten können die KI-Nachfrage durch verschiedene Kombinationen aus Netzen, Erzeugung, Speichern und Flexibilität decken.
Erdgas bietet derzeit den schnellsten vertrauten Weg zu gesicherter Leistung. Sein Vorteil bleibt nur bestehen, solange alternative Infrastruktur zu langsam bereitgestellt wird.
Für Entwickler, politische Entscheidungsträger und Unternehmenskunden im KI-Bereich lautet die entscheidende Frage ganz konkret: Welche Projekte haben ihre Stromversorgung gesichert, wer finanziert sie, und was ersetzt später das Gas?
Die Beobachtung dieser Antworten wird zeigen, ob die heutige Brücke zu einer vorübergehenden Reaktion oder zur dauerhaften Energiebasis der amerikanischen KI wird.
