McKinsey-Studie zu Rechenzentren zeigt: Überkapazitäten sind nicht das größte Risiko
McKinsey widerspricht den Befürchtungen eines Überangebots bei KI-Infrastruktur, obwohl das Unternehmen prognostiziert, dass der IT-Bedarf von US-Rechenzentren bis 2030 121 Gigawatt erreichen könnte. Die McKinsey-Studie zu Rechenzentren argumentiert, dass die verbindliche Nachfrage weiterhin stark genug sei, um den fortgesetzten Bau zu rechtfertigen. Das größere Risiko bestehe darin, dass Entwickler Projekte auf dem Papier errichten, sie aber nicht dort anschließen, mit Strom versorgen oder fertigstellen können, wo Kunden Kapazität benötigen.
Diese Unterscheidung verändert die Debatte über Überkapazitäten. Eine lange Projektpipeline bedeutet nicht zwangsläufig, dass die Vereinigten Staaten am Ende zu viele betriebsbereite Rechenzentren haben werden. Mehrere Entwickler verfolgen mitunter denselben begrenzten Netzanschluss, während spekulative Vorhaben noch jahrelang vom Baubeginn entfernt sein können. Zugleich werden fertiggestellte Kapazitäten in wichtigen Märkten nahezu so schnell vermietet, wie sie verfügbar werden.
Das Ergebnis ist ein Infrastrukturparadoxon. Gemessen an Ankündigungen kann die Branche überbaut wirken, während sie gemessen an nutzbaren Megawatt weiterhin deutlich zu wenig Kapazität hat. Versorger, Hyperscaler, Colocation-Anbieter, Ausrüster und Kommunalverwaltungen müssen nun entscheiden, welche Projekte real genug sind, um Unterstützung zu verdienen.
Die McKinsey-Studie zu Rechenzentren ordnet den Ausbau neu ein
McKinsey sieht eine anhaltende Nachfrage, die auf ein Bereitstellungssystem trifft, das nicht mit derselben Geschwindigkeit wachsen kann.
Das Unternehmen schätzt, dass Rechenzentren in den kommenden zehn Jahren rund 75 % des erwarteten Wachstums des US-Strombedarfs ausmachen werden. Die gegenwärtigen Bauambitionen würden jährlich fast 30 Gigawatt zusätzliche Leistung erfordern. Darin enthalten sind etwa 20 Gigawatt zusätzlicher IT-Bedarf sowie Strom für Kühlung, Verteilung und Zuverlässigkeit.
Die Analyse zu Überkapazitäten des Unternehmens schließt die Möglichkeit einer schwächeren KI-Nachfrage nicht aus. Stattdessen untersucht sie, was das Stromsystem unter verschiedenen Einführungsszenarien benötigen würde. Selbst das Szenario mit geringerer Nachfrage erfordert bis 2030 erhebliche zusätzliche Stromerzeugungskapazitäten.
McKinseys zentrales Argument stützt sich auf die Qualität der aktuellen Nachfrage. Große Hyperscaler verfügen über starke Bilanzen, beträchtliche operative Cashflows und mehrjährige Infrastrukturpläne. Viele Investitionen in Rechenzentren sind zudem an vertraglich zugesicherte Auslastung gebunden und nicht ausschließlich an spekulative Prognosen zur Belegung.
Das unterscheidet den aktuellen Zyklus von einem herkömmlichen Immobilienboom. Entwickler bauen nicht einfach generische Lagerhallen und hoffen anschließend auf Mieter. Für einen großen Teil der glaubwürdigsten Kapazitäten bestehen bereits Kundenzusagen, eine Stromstrategie oder beides.
Die Nachfrageindikatoren weisen weiterhin Schwächen auf. McKinsey merkt an, dass die Umsetzung von Unternehmens-KI uneinheitlich bleibt, selbst wenn Firmen großes Interesse bekunden. Die Umfrage ergab, dass etwa ein Drittel der Befragten KI skalierte, während 39 % einen messbaren Effekt auf das Ergebnis vor Zinsen und Steuern meldeten.
Dieselbe Umfrage ergab, dass 64 % Innovationsvorteile nannten. Allerdings berichteten 71 % der Organisationen von mindestens einem negativen Umsetzungsergebnis. Diese Zahlen legen nahe, dass die KI-Einführung über die Experimentierphase hinausgegangen ist, aber nicht jedes Projekt verlässlich geschäftlichen Nutzen erzeugt.
Auch einige Finanzierungsmuster erinnern an eine Blase. Laut McKinsey konzentrierte sich mehr als die Hälfte der 2025 neu entstandenen Unicorns auf KI. Mehrere erreichten Bewertungen in Milliardenhöhe, bevor sie ein Produkt kommerzialisierten. Andere Infrastrukturvermittler expandieren trotz hoher Verschuldung oder negativem Cashflow.
Diese Risiken sind relevant, weil die Nachfrage nach Rechenleistung letztlich von tragfähigen Anwendungen abhängt. Bleiben die KI-Umsätze hinter den Erwartungen zurück, geraten schwächere Entwickler und marginale Mieter zuerst unter Druck. Eine solche Korrektur würde jedoch die Nachfrage finanzstarker Cloud-Unternehmen nicht automatisch beseitigen oder den Mangel an tatsächlich bereitstellbarer Kapazität lösen.
Die Studie verschiebt deshalb die zentrale Frage. Statt zu fragen, ob jeder angekündigte Campus benötigt wird, sollten Planer fragen, welche Campus gleichzeitig Strom, Ausrüstung, Kunden, Genehmigungen und Finanzierung sichern können.
Angekündigte Kapazität ist nicht dasselbe wie nutzbare Kapazität
Die scheinbaren Überkapazitäten finden sich weitgehend in Projektpipelines, während der Kapazitätsmangel in betriebsbereiten Anlagen besteht.
Ein geplantes Rechenzentrum kann in mehreren Datenbanken erscheinen, lange bevor es zu einem funktionsfähigen Standort wird. Der Entwickler könnte über Grundstücke verfügen, aber keine Vereinbarung mit einem Versorger haben. Ein anderes Projekt könnte ohne Finanzierung, Ausrüstungsbestellungen, Genehmigungen oder Ankermieter in eine Netzstudie aufgenommen worden sein.
Entwickler reichen zudem überlappende Anfragen ein, wenn mehrere Standorte denselben Bedarf erfüllen könnten. Anschließend können sie den Standort vorantreiben, der zuerst Strom erhält. Jede Anfrage als eigenständige Nachfrage zu zählen, bläht die sichtbare Baupipeline auf.
Unternehmen in frühen Entwicklungsphasen haben einen weiteren Anreiz, Zugang zu reservieren. Ein Entwickler kann Grundstücke oder Anschlussrechte sichern und das Projekt anschließend an einen größeren Betreiber verkaufen. Einige Vorschläge stellen daher Optionen auf knappe Infrastruktur dar und keine vollständig finanzierten Bauprogramme.
Diese Praktiken erklären, warum eine lange Warteschlange mit begrenztem Angebot einhergehen kann. Ankündigungen messen Ambitionen. Betriebsbereite Megawatt messen Kapazität, die Kunden tatsächlich nutzen können.
Daten zum Gewerbeimmobilienmarkt unterstreichen diese Lücke. CBRE berichtete, dass das Angebot in den primären Rechenzentrumsmärkten Nordamerikas im ersten Halbjahr 2026 gegenüber dem Vorjahr um 33,7 % wuchs. Dennoch sank die Leerstandsquote auf einen Rekordwert von 1,4 %.
Die Marktergebnisse des Unternehmens zeigen, dass sich in diesen Märkten 7.481,1 Megawatt im Bau befanden, ein jährlicher Anstieg um 24,8 %. Mehr als 80 % dieser Kapazität waren bereits vorvermietet. Weniger als 1.500 Megawatt blieben verfügbar, was bei der aktuellen Absorptionsrate etwa sechs Monaten Nachfrage entspricht.
Northern Virginia veranschaulicht die Diskrepanz. Der Markt blieb mit 4.496,5 Megawatt Bestand der größte Rechenzentrumsmarkt Nordamerikas. Seine Leerstandsquote fiel auf 0,2 %, obwohl sich noch mehr als 2.400 Megawatt im Bau befanden.
Atlanta überholte Northern Virginia bei der Bautätigkeit und erreichte rund 2.882 Megawatt. Diese Verschiebung zeigt nicht, dass die Nachfrage in Virginia verschwindet. Sie zeigt, dass Entwickler zu Standorten wechseln, an denen Grundstücke, Strom und Genehmigungen einen besseren Weg zur Fertigstellung bieten.
Vorvermietung ist ein stärkeres Nachfragesignal als eine Pressemitteilung. Ein Kunde, der künftige Kapazitäten reserviert, geht vor Eröffnung der Anlage eine vertragliche Verpflichtung ein. Die Verbindlichkeit dieser Vereinbarungen variiert, doch sie liefern mehr Belege als ein unverbindlicher Entwicklungsplan.
Sie begrenzen zudem das Risiko wahlloser Bautätigkeit. Kreditgeber und Investoren prüfen zunehmend die Bonität der Mieter, Mietbedingungen, Stromverfügbarkeit und Baufortschritte, bevor sie Kapital freigeben. Projekte ohne diese Grundlagen stehen vor höheren Finanzierungshürden.
Dennoch beseitigt Vorvermietung das Risiko nicht. Ein finanziell schwacher Mieter kann scheitern, und ein hoch verschuldeter Betreiber kann auf Probleme bei der Refinanzierung stoßen. Kundenkonzentration kann eine Anlage der sich wandelnden KI-Strategie eines einzelnen Unternehmens aussetzen.
Auch der Bau kann der Installation der Ausrüstung vorauslaufen. Eine Gebäudehülle liefert keine nutzbare Rechenleistung ohne Server, Netzwerktechnik, Kühlsysteme, Transformatoren und aktivierte Anschlüsse. Ein Projekt kann baulich weit fortgeschritten wirken und dennoch noch Monate von der Inbetriebnahme entfernt sein.
Deshalb können „überbaut“ und „unterkapazitiert“ beide denselben Markt beschreiben. Die Branche hat mehr Projekte vorgeschlagen, als sie fertigstellen wird. Gleichzeitig finden Kunden an den von ihnen bevorzugten Standorten kaum sofort verfügbare Flächen.
Strom ist zum eigentlichen Kapazitätsengpass geworden
Die entscheidende Einschränkung lautet nicht mehr, ob Entwickler bauen wollen, sondern ob das Stromsystem ihre Zeitpläne unterstützen kann.
McKinsey erwartet, dass der IT-Bedarf von US-Rechenzentren bis 2030 jährlich um rund 27 % wachsen wird. Die modellierte Bandbreite erreicht bis zum Ende des Jahrzehnts zwischen 121 und 137 Gigawatt zusätzlichen IT-Bedarf.
Die Versorgung dieser Last erfordert mehr Erzeugungskapazität, als allein die IT-Zahl nahelegt. Rechenzentren benötigen zudem Kühlung, Stromumwandlung, Redundanz und weitere unterstützende Systeme. Erzeugungsressourcen können nicht alle dauerhaft mit ihrer angegebenen Nennleistung betrieben werden.
McKinsey schätzt, dass die Vereinigten Staaten über rund 40 Gigawatt regelbare Reservekapazität verfügen, also Erzeugungskapazität über der stabilen Nachfrage. Für den Bau sind etwa 100 Gigawatt zusätzliche Kapazität zugesagt.
Diese Zahlen klingen zunächst ausreichend. Allerdings werden Stilllegungen von Kohlekraftwerken und älteren Dampf-Gas-Anlagen bis 2030 voraussichtlich zwischen 50 und 75 Gigawatt entfernen. Nach dem prognostizierten Nachfragewachstum und den Stilllegungen identifiziert McKinsey einen nationalen Kapazitätsbedarf von etwa 30 bis 55 Gigawatt.
Nationale Gesamtwerte verschleiern zudem lokale Engpässe. Die Nachfrage nach Rechenzentren konzentriert sich auf Northern Virginia, Phoenix, Louisiana, Texas und aufstrebende Märkte im Mittleren Westen. Strom kann nicht frei zwischen allen Regionen bewegt werden, insbesondere wenn Übertragungsleitungen überlastet sind oder fehlen.
Der Bau großer Übertragungsinfrastruktur kann mehr als ein Jahrzehnt dauern. Die Zeitpläne für Rechenzentren sind meist deutlich kürzer. Ein Hyperscaler, der heute Beschleuniger kauft, kann nicht davon ausgehen, dass eine geplante Stromleitung rechtzeitig für den nächsten Bereitstellungszyklus fertig wird.
Die Internationale Energieagentur sieht weltweit dieselbe Kollision. Ihr aktualisierter Energieausblick prognostiziert, dass der Stromverbrauch von Rechenzentren von 485 Terawattstunden im Jahr 2025 auf 950 Terawattstunden im Jahr 2030 steigen wird. KI-fokussierte Anlagen wachsen deutlich schneller als der Gesamtmarkt.
Die IEA stellte zudem fest, dass der Stromverbrauch KI-fokussierter Rechenzentren im Jahr 2025 um 50 % stieg. Dieses beobachtete Wachstum liefert solidere Belege als weit entfernte Bauankündigungen. Es zeigt, dass installierte KI-Hardware die Last bereits erhöht.
Die Serverdichte verschärft die Bereitstellungsherausforderung. Laut IEA stieg die Leistungsdichte von KI-Servern zwischen 2020 und 2025 um das Elffache. Bis 2027 erwartet sie einen weiteren Anstieg um das Vierfache. Höhere Dichte konzentriert mehr Strom- und Kühlbedarf in jeder Anlage.
Dieser Trend kann die Rechenleistung pro Gebäude erhöhen, schafft jedoch neue technische Anforderungen. Betreiber benötigen elektrische Verteilung mit hoher Kapazität, Flüssigkühlung, geeignete Transformatoren und Ausrüstung, die schnelle Schwankungen bei KI-Workloads bewältigen kann.
Die Produktion von Ausrüstung kann sich nicht sofort anpassen. Transformatoren, Schaltanlagen, Turbinen und spezialisierte Kühlsysteme haben lange Fertigungsvorlaufzeiten. Lieferanten müssen Fabriken erweitern, bevor sie wissen, welche angekündigten Projekte tatsächlich gebaut werden.
Netzplaner stehen vor einem ähnlichen Prognoseproblem. Sie müssen sich auf große Lasten vorbereiten, bevor Anlagen den Betrieb aufnehmen, doch nicht jede Anfrage steht für ein eigenständiges Projekt. Eine Überschätzung der Nachfrage kann Tarifzahler mit unnötiger Infrastruktur belasten. Eine Unterschätzung kann Investitionen verzögern und die Zuverlässigkeit gefährden.
Die McKinsey-Studie zu Rechenzentren beschreibt daher mehr als einen Strommangel. Sie identifiziert ein Koordinationsversagen zwischen Branchen, die nach unterschiedlichen Zeitplänen arbeiten. KI-Unternehmen planen in Quartalen, Rechenzentren werden über Jahre entwickelt, und große Netzprojekte können ein Jahrzehnt dauern.
Hyperscaler können schneller bauen, als Versorger reagieren können
Der Druck liegt bei Versorgern und regionalen Netzbetreibern, weil Hyperscaler-Ausgaben schneller voranschreiten können als die Planung regulierter Infrastruktur.
McKinsey zufolge stiegen die Investitionsausgaben der Hyperscaler von 2022 bis 2026 jährlich um rund 50 %. Die größten Cloud-Unternehmen können Campus finanzieren, Chips reservieren, Stromlieferverträge abschließen und Workloads zwischen Regionen verlagern – in einem Umfang, der den meisten Entwicklern nicht zur Verfügung steht.
Versorgungsunternehmen können nicht mit derselben Geschwindigkeit reagieren. Sie müssen Nachfrage prognostizieren, regulatorische Genehmigungen einholen, Auswirkungen auf das System untersuchen, Grundstücksrechte sichern, Ausrüstung beschaffen und Kosten über genehmigte Strukturen refinanzieren. Jeder dieser Schritte kann Verzögerungen oder Streitigkeiten verursachen.
Regionale Netzbetreiber benötigen zudem bessere Nachweise dafür, dass vorgeschlagene Lasten tatsächlich realisiert werden. PJM, das weite Teile der Mid-Atlantic-Region abdeckt, hat die Gefahr hervorgehoben, Anfragen von Rechenzentren doppelt zu zählen. Mehrere Versorgungsunternehmen können Anfragen erhalten, die sich auf dasselbe zugrunde liegende Projekt beziehen.
Dadurch entsteht eine schwierige Entscheidung. Wenn Netzplaner davon ausgehen, dass jede Anfrage realisiert wird, riskieren sie den Aufbau übermäßiger Kapazitäten. Berücksichtigen sie zu viele Anfragen nicht, kann ein Lieferjahr ohne ausreichende verlässliche Versorgung beginnen.
Warteschlangen für Erzeugungsprojekte mahnen dazu, Anträge nicht als bereits fertiggestellte Infrastruktur zu behandeln. Eine Berkeley-Lab-Analyse zählte Ende 2024 rund 1.400 Gigawatt vorgeschlagener US-Erzeugungskapazität und 890 Gigawatt Speicher.
Nur 13 % der Kapazität, die zwischen 2000 und 2019 in die Netzanschluss-Warteschlangen aufgenommen wurde, hatte bis Ende 2024 den kommerziellen Betrieb erreicht. Weitere 77 % waren zurückgezogen worden, während 10 % aktiv blieben. Die mittlere Entwicklungsdauer abgeschlossener Projekte war zudem auf mehr als vier Jahre gestiegen.
Diese Warteschlangen betreffen Stromerzeugung und nicht Rechenzentrumslasten, doch die Lehre lässt sich übertragen. Ein Antrag steht für eine Absicht, nicht für eine Lieferung. Projektqualität, Finanzierung, Genehmigungen, Ausrüstung und Fortschritte beim Netzanschluss bestimmen, welche Vorschläge zu betriebsfähigen Anlagen werden.
Versorgungsunternehmen reagieren mit neuen Tarifen und Vertragsstrukturen. Einige möchten, dass Großlastkunden stärkere finanzielle Sicherheiten stellen oder Mindestzahlungsverpflichtungen akzeptieren. Solche Maßnahmen können andere Kunden schützen, wenn ein geplantes Rechenzentrum nie realisiert wird.
Hyperscaler verfolgen zudem direkte Stromliefervereinbarungen. Wiederinbetriebnahmen von Kernkraftwerken, Verträge für erneuerbare Energien, Gaserzeugung, Batterien und Brennstoffzellen können die herkömmliche Versorgung durch Versorgungsunternehmen ergänzen. Diese Vereinbarungen geben großen Abnehmern mehr Kontrolle, beseitigen jedoch keine Engpässe bei Übertragung, Genehmigungen oder Ausrüstung.
Kleinere Betreiber stehen unter größerem Druck. Sie können nicht immer neben einem Rechenzentrum auch Erzeugungskapazität finanzieren und verfügen gegenüber Lieferanten über weniger Verhandlungsmacht. Sie sind möglicherweise auf Colocation-Anbieter angewiesen oder wählen Sekundärmärkte mit leichter zugänglicher Stromversorgung.
Unternehmenskunden sollten den Standort daher als Zuverlässigkeitsvariable behandeln. Eine Kapazitätsreservierung in einer eingeschränkten Region birgt andere Lieferrisiken als eine bereits in Betrieb befindliche Bereitstellung. Vertragsprüfungen müssen zwischen geplanter Fertigstellung, unter Spannung stehender Kapazität und Notfallvereinbarungen unterscheiden.
Cloud-Kunden könnten die Auswirkungen indirekt spüren. Kapazitätsengpässe können beeinflussen, wo neue AI-Instanzen verfügbar werden, wie schnell reservierte Cluster starten und ob Anbieter längere Bindungen verlangen. Geografische Flexibilität kann ebenso wichtig werden wie die Wahl des Beschleunigers.
Die Wettbewerbsfähigkeit wird nicht einfach Unternehmen mit den höchsten Ausgaben von jenen mit niedrigeren Ausgaben trennen. Sie wird Betreiber unterscheiden, die über einen glaubwürdigen Stromversorgungspfad verfügen, von denen, die Baupläne ohne lieferbare Energie in Händen halten.
Stromerzeugung vor Ort löst Geschwindigkeitsprobleme, schafft aber neue Risiken
Stromerzeugung vor Ort kann die Wartezeit auf Elektrizität verkürzen, verlagert jedoch Risiken bei Brennstoff, Ausrüstung, Emissionen und Zuverlässigkeit auf das Rechenzentrum.
McKinseys Umfrage unter Führungskräften der Energiebranche aus dem Jahr 2025 ergab, dass 65 % erwarteten, irgendeine Form von Stromerzeugung vor Ort einzusetzen. Die Umfrage umfasste 145 Befragte, darunter 46 US-Experten aus Hyperscalern, Colocation-Betreibern und Versorgungsunternehmen.
Fast 60 % erwarteten bis 2030 dauerhafte Stromerzeugung vor Ort, selbst nachdem Netzversorgung verfügbar geworden war. Unter den Befragten, die Stromerzeugung vor Ort planen, erwarteten 64 % den Einsatz von Erdgas. Das deutet darauf hin, dass Erzeugung hinter dem Zähler zu einem normalen Bestandteil des Rechenzentrumsdesigns wird.
Gasmotoren und Turbinen können eine verlässliche Leistung bereitstellen, ohne auf einen großen Ausbau des Übertragungsnetzes warten zu müssen. Brennstoffzellen und Batterien können die Zuverlässigkeit unterstützen oder eine begrenzte Netzversorgung überbrücken. Solarenergie in Kombination mit Speichern kann Energie beitragen, wenn Fläche und Betriebsbedingungen dies zulassen.
Eigenversorgung lässt Infrastrukturengpässe jedoch nicht verschwinden. Gasturbinen unterliegen Produktionsrückständen. Ein Standort kann außerdem neue Pipeline-Kapazität, redundanten Brennstoffzugang, Luftgenehmigungen und spezialisierte Wartung benötigen.
Die IEA schätzt, dass zuverlässige Erdgas-Systeme vor Ort 30 % bis 70 % mehr Erzeugungskapazität benötigen können als die erwartete Last des Rechenzentrums. Betreiber brauchen diese Reserve, weil Geräte ausfallen oder gewartet werden können. Schwankende AI-Workloads fügen eine weitere Komplexitätsebene hinzu.
Die Agentur prognostiziert, dass bis 2030 zwischen 15 und 27 Gigawatt Erdgas-Stromerzeugung vor Ort Rechenzentren versorgen könnten, überwiegend in den Vereinigten Staaten. Sie warnt zudem, dass nur etwa ein Fünftel der erfassten Projekte zum Zeitpunkt ihrer Bewertung mit Rodungsarbeiten oder dem Bau begonnen hatte.
Batterien bieten Geschwindigkeit und Flexibilität, doch die Dauer ist entscheidend. Kurzzeitspeicher können Stromschwankungen glätten und kurze Unterbrechungen abdecken. Sie können einen großen AI-Campus während eines längeren Netzausfalls nicht eigenständig versorgen.
Ein virtuelles Kraftwerk, das verteilte Energieressourcen per Software koordiniert, kann dabei helfen, Nachfrage zu verlagern oder in Engpasszeiten Strom bereitzustellen. Es hängt jedoch von Marktregeln, Kommunikation, Kundenbeteiligung und der Verfügbarkeit dieser verteilten Ressourcen ab.
Rechenzentren könnten auch Workloads anpassen. Einige Trainingsaufgaben lassen sich zeitlich oder regional verschieben und reduzieren so die Nachfrage bei Netzstress. McKinsey weist darauf hin, dass Betreiber bislang nur begrenzt bereit waren, wertvolles AI-Computing zu drosseln, weil die Erlöse aus Rechenleistung die Stromkosten übersteigen können.
Inference-Workloads stellen eine andere Herausforderung dar. Inference bedeutet, ein trainiertes Modell auszuführen, um Anfragen zu beantworten oder Aufgaben zu erledigen. Kundengerichtete Dienste erfordern häufig geringe Latenz und kontinuierliche Verfügbarkeit, sodass weniger Spielraum bleibt, den Verbrauch zu unterbrechen.
Umweltbezogene Zielkonflikte werden sich schwerer vermeiden lassen. Die Verlängerung der Laufzeit von Kohlekraftwerken oder der Ausbau von Gasversorgung vor Ort kann helfen, kurzfristige Nachfrage zu decken, aber beides kann die Emissionen erhöhen. Solche Entscheidungen können mit unternehmerischen Zielen für saubere Energie und den Erwartungen der lokalen Gemeinschaft kollidieren.
Wasser, Lärm, Flächennutzung und die Bezahlbarkeit von Strom können ebenfalls lokalen Widerstand auslösen. Ein technisch tragfähiges Projekt kann dennoch scheitern, wenn Anwohner oder Regulierungsbehörden zu dem Schluss kommen, dass seine öffentlichen Kosten seinen Nutzen übersteigen.
Die McKinsey data center study legt keine universelle Stromversorgungslösung fest. Sie verweist auf gemischte Portfolios, die von lokalen Bedingungen geprägt sind. Netzversorgung, Gaserzeugung, Solarenergie, Speicher, Brennstoffzellen und Workload-Flexibilität werden in verschiedenen Märkten unterschiedliche Rollen spielen.
Das Risiko besteht darin, dass vorübergehende Maßnahmen ohne angemessene Prüfung dauerhaft werden. Ein Gaskraftwerk, das zur Überbrückung einer Netzverzögerung installiert wird, kann jahrzehntelang betrieben werden. Versorgungsunternehmen und Regulierungsbehörden müssen daher Geschwindigkeit gemeinsam mit langfristigen Kosten, Emissionen und dem Risiko gestrandeter Vermögenswerte bewerten.
Was das Argument für Überbauung weiterhin richtig erkennt
Nachhaltige aggregierte Nachfrage garantiert nicht, dass jeder Entwickler, Mieter, jede Region oder Finanzierungsstruktur erfolgreich sein wird.
Das stärkste Argument gegen Überbauung stützt sich auf vertraglich gebundene Kapazitäten, geringe Leerstände und steigenden Stromverbrauch. Das stärkste skeptische Argument konzentriert sich darauf, was innerhalb dieser aggregierten Zahlen geschieht.
Prognosen zur AI-Nachfrage hängen von fortlaufenden Verbesserungen der Modelle und einer anhaltenden Nutzung rechenintensiver Dienste ab. Effizienzgewinne könnten den Strombedarf pro Aufgabe senken. Unternehmen könnten zudem selektiver werden, nachdem frühe Implementierungen keine angemessenen Erträge erzielt haben.
Effizienz senkt nicht immer den Gesamtverbrauch. Günstigere Inference kann Entwickler dazu ermutigen, AI-Funktionen in mehr Produkte zu integrieren und damit die Zahl der Anfragen zu erhöhen. Dieser Rebound-Effekt erschwert eine Prognose des Nettoergebnisses.
McKinsey erwartet, dass sich das Wachstum nach 2030 verlangsamt. Die Chipnachfrage könnte weniger intensiv werden, die Einführung könnte reifen, und Betreiber könnten bestehende Hardware durch effizientere Systeme ersetzen. Dieser Übergang könnte die Nachfrage nach neuen Gebäuden abschwächen und zugleich Upgrades innerhalb etablierter Anlagen unterstützen.
Die Prognosen für 2026 von EPRI zeigen, wie groß die Unsicherheit weiterhin ist. EPRI schätzt, dass US-Rechenzentren 2024 zwischen 177 und 192 Terawattstunden verbrauchten. Die Szenarien für 2030 reichen von 383 bis 793 Terawattstunden.
Diese Spanne ist zu groß, um einen einzigen deterministischen Bauplan zu stützen. Versorgungsunternehmen müssen investieren, bevor sie wissen, ob die Nachfrage dem niedrigen, mittleren oder hohen Pfad folgt. Entwickler stehen vor derselben Unsicherheit, wenn sie Kapital für Projekte mit langen Amortisationszeiten binden.
Das Risiko unterscheidet sich auch zwischen den Marktteilnehmern. Ein Hyperscaler kann Server umleiten, einen Campus langsamer ausbauen oder ungenutzte Kapazität an anderer Stelle seines Netzwerks aufnehmen. Ein spekulativer Entwickler mit nur einem Standort und erheblichen Schulden hat weniger Optionen.
Infrastrukturvermittler stehen zwischen diesen Extremen. Sie können langfristige Stromverpflichtungen halten und zugleich auf Kunden angewiesen sein, deren Kreditqualität schwächer ist als die eines großen Cloud-Anbieters. Ein Missverhältnis zwischen Mieteinnahmen und Energieverpflichtungen kann kostspielig werden.
Die Geografie schafft eine weitere Quelle gestrandeter Vermögenswerte. Die landesweite Nachfrage kann wachsen, während ein bestimmter Standort scheitert. Ein Campus könnte verlieren, weil sein Netzanschluss zu spät kommt, lokale Regeln sich ändern oder Kunden eine andere Region mit geringerer Latenz bevorzugen.
Auch das technologische Design kann Kapazitäten stranden lassen. Anlagen, die für konventionelle luftgekühlte Server gebaut wurden, können umfangreiche Nachrüstungen für AI-Systeme mit höherer Leistungsdichte benötigen. Elektrische Verteilung und Kühlarchitektur können begrenzen, welche Hardware ein Standort unterstützt.
Deshalb bleibt die Sorge vor Überbauung begründet, selbst wenn der breite Markt angespannt bleibt. Einige Projekte werden voraussichtlich aus den Pipelines verschwinden. Andere werden später als angekündigt eröffnen, den Eigentümer wechseln oder unterhalb ihres geplanten Umfangs betrieben werden.
Der Fehler wäre, diese Fehlschläge als Beweis dafür zu behandeln, dass die aggregierte Nachfrage nach AI-Infrastruktur eingebrochen ist. Eine zutreffendere Interpretation lautet, dass knappe Energie und Kapital Projekte filtern. Der Ausbau kann erhebliche lokale Verluste erleben und insgesamt dennoch unterversorgt bleiben.
Investoren und Unternehmenskunden sollten vertraglich gebundene Auslastung, Mieterqualität, unter Spannung stehende Kapazität, Einsatzbereitschaft der Ausrüstung und Termine für die Stromlieferung prüfen. Allein angekündigte Megawatt verraten wenig über die Dauerhaftigkeit eines Projekts.
Drei Signale werden entscheiden, ob die Knappheit anhält
Die nächste Phase des Ausbaus von AI-Rechenzentren wird von gelieferter Kapazität, verifizierter Last und der Wirtschaftlichkeit von Enterprise AI bestimmt.
Das erste Signal ist die Lücke zwischen Baufortschritt und unter Spannung stehender Versorgung. Die nächsten Marktupdates von CBRE sollten zeigen, ob Rekordbauvolumen die Leerstände erhöht oder in vorab vermieteter Nachfrage aufgeht. Steigendes Angebot bei dauerhaft niedrigen Leerständen würde McKinseys These unzureichender Kapazitäten stärken.
Ein starker Anstieg verfügbarer Bestände würde sie schwächen. Diese Veränderung wäre besonders bedeutsam, wenn sie in mehreren großen Märkten statt an einem einzelnen verzögerten Campus aufträte. Beobachten Sie betriebliche Kapazität und Nettoabsorption, nicht allein Projektankündigungen.
Das zweite Signal ist, wie Versorgungsunternehmen Großlastanfragen prüfen und bedienen. Höhere Einlagen, Mindestzahlungsanforderungen und klarere Meilensteine würden helfen, doppelte oder spekulative Projekte aus Prognosen zu entfernen. Sie würden außerdem zeigen, welche Kunden bereit sind, verbindliche Verpflichtungen einzugehen.
Ergänzungen im Stromnetz sind ebenso wichtig. Mehr Erzeugungskapazität, die den kommerziellen Betrieb aufnimmt, schnellere Genehmigungen für Übertragungsleitungen und messbare Fortschritte bei Netzanschlüssen würden das Risiko lokaler Engpässe verringern. Anhaltende Verzögerungen in den Warteschlangen würden die Sicht bestätigen, dass die Umsetzung und nicht die Nachfrage den Engpass bestimmt.
Das dritte Signal ist der KI-Nutzen in Unternehmen. Umsatzwachstum, skalierte Implementierungen und messbare Produktivitätsgewinne würden einen nachhaltigen Compute-Verbrauch über die Trainingsprogramme der Hyperscaler hinaus stützen. Wiederholte Fehlschläge bei der Umsetzung oder schrumpfende KI-Budgets würden das Nachfrageargument schwächen.
Unternehmensergebnisse verdienen mehr Gewicht als Modellankündigungen. Ein neuer Spitzenreiter bei Benchmarks kann Aufmerksamkeit erzeugen, doch wiederkehrende Workloads finanzieren die Infrastruktur. Die Nachfrage nach Rechenzentren wird nachhaltiger, wenn KI-Systeme in Kundenservice, Softwareentwicklung, Forschung, Betrieb und andere fortlaufende Prozesse Einzug halten.
Leser sollten zudem zwischen Training und Inferenz unterscheiden. Trainingsbedarf kann in großen, konzentrierten Zyklen auftreten. Inferenz wächst mit der wiederkehrenden Produktnutzung und kann sich auf mehr Standorte verteilen. Eine Verlagerung hin zur Inferenz würde das Design von Anlagen verändern, ohne den gesamten Strombedarf zwingend zu senken.
Für Technologieeinkäufer lautet die praktische Frage nicht länger, ob ein Boom der KI-Infrastruktur existiert. Entscheidend ist, ob ein Anbieter nutzbare Kapazität in der richtigen Region kontrolliert – mit glaubwürdigen Angaben zu Stromversorgung und Fertigstellungsterminen.
Fragen Sie Anbieter, welche Kapazität in Betrieb ist, welche lediglich vertraglich gebunden wurde und was geschieht, wenn sich ein Netzanschluss verzögert. Prüfen Sie geografische Alternativen und die Portabilität von Workloads, bevor Sie sich auf einen einzigen künftigen Campus verlassen.
Die McKinsey-Studie zu Rechenzentren zeichnet letztlich ein komplexeres Bild als das einer Blase oder eines dauerhaften Mangels. Die Vereinigten Staaten verfügen über eine enorme Entwicklungspipeline, doch nur ein Teil davon wird zu nutzbarer Infrastruktur werden.
Die Nachfrage kann stark bleiben, während einzelne Projekte scheitern. Der Bau kann Rekorde aufstellen, während Kunden weiterhin Schwierigkeiten haben, Kapazität zu erhalten. Der entscheidende Test ist, ob zugesagte Megawatt zu mit Strom versorgten Computersystemen werden, bevor sich die Wirtschaftlichkeit von KI oder die Finanzierungsbedingungen ändern.
