Morgan Stanley warnt: Das Wachstum von Enterprise-KI kollidiert mit einem Strommangel
Morgan Stanley hat hinter der jüngsten Google-News-Schlagzeile einen scharfen Konflikt ausgemacht: Der Einsatz von Enterprise-KI beschleunigt sich, während die verfügbare Rechenleistung weiterhin begrenzt ist.
Die Forschung der Bank zeigt, dass 81 % der befragten Chief Information Officers erwarten, bis 2026 mindestens einen generativen KI-Workload produktiv einzusetzen. Dieser Anteil stieg von 74 % im zweiten Quartal 2025 auf 79 % im dritten Quartal.
Produktive Workloads sind wichtig, weil sie kontinuierlich laufen, reale Nutzer bedienen und strengere Zuverlässigkeitsanforderungen erfüllen müssen als vorübergehende Experimente. Außerdem verbrauchen sie Inferenzkapazität, jedes Mal wenn ein Mitarbeiter, Kunde oder automatisierter Agent eine Anfrage stellt.
Dieser Übergang trifft auf ein langsameres physisches System. Rechenzentren benötigen Chips, Speicher, Kühltechnik, Übertragungskapazitäten und verlässlichen Strom. Software kann innerhalb weniger Monate produktiv gehen, große Energieprojekte benötigen jedoch oft mehrere Jahre.
Das Ergebnis ist eine Umkehrung der vertrauten KI-Adoptionsgeschichte. Unternehmen werden zunehmend bereit, KI einzusetzen, doch Infrastrukturanbieter können nicht jeden Teil der Lieferkette mit Softwaregeschwindigkeit ausbauen.
Morgan Stanley erwartet, dass Stromengpässe insbesondere 2027 und 2028 an Bedeutung gewinnen werden. Die Bank beobachtet zudem, dass Rechenzentrumsentwickler auf Erdgas, Batterien, Microgrids und Erzeugung vor Ort setzen, wenn herkömmliche Netzanschlüsse zu lange dauern.
Dabei geht es um mehr als eine Investmentdebatte über Nvidia-Beschleuniger oder Cloud-Investitionen. Es ist ein Wettbewerb zwischen schnell anwachsenden Nachfrageeffekten und einem Stromsystem, das auf langen Planungs-, Genehmigungs- und Bauzyklen beruht.
Die Google-News-Schlagzeile verbindet zwei getrennte Signale von Morgan Stanley
Die Warnung von Morgan Stanley verbindet messbare Unternehmensadoption mit einem Strommarkt, dem kurzfristig ausreichende Kapazitäten fehlen.
Das erste Signal stammt aus der Technologieforschung der Bank. Die jüngste KI-Adoptionsumfrage umfasste 935 Führungskräfte aus Unternehmen in den Vereinigten Staaten, Deutschland, Japan und Australien.
Unternehmen, die KI seit mindestens einem Jahr einsetzen, berichteten von durchschnittlichen Produktivitätsgewinnen von 11,5 %. Die befragten Unternehmen meldeten zudem über fünf Branchen hinweg, die als stark von KI betroffen gelten, einen Nettorückgang der Beschäftigung um 4 %.
Diese Ergebnisse belegen nicht, dass jedes KI-Projekt die gleiche Rendite erzielt. Sie zeigen jedoch, dass die Einführung bei einer relevanten Gruppe großer Unternehmen über Demonstrationen hinausgegangen ist.
Eine separate CIO-Umfrage von Morgan Stanley untermauert diesen Punkt. Sie ergab, dass 81 % der CIOs erwarten, bis Ende 2026 mindestens einen generativen KI-Workload produktiv einzusetzen.
Der Produktivbetrieb verändert die Struktur der Infrastrukturnachfrage. Ein Proof of Concept kann mehrere Wochen laufen, ein kleines Team einbeziehen und enden, sobald eine Budgetprüfung ansteht.
Eine Live-Anwendung muss wiederkehrenden Traffic bewältigen, Sicherheitskontrollen wahren, Antwortzeiten einhalten und während der Geschäftszeiten verfügbar bleiben. Kundengerichtete Systeme können einen kontinuierlichen Service über Regionen hinweg erfordern.
Der Workload verlagert sich zudem vom Training zur Inferenz. Inferenz ist der Prozess, bei dem ein trainiertes Modell ausgeführt wird, um eine Antwort, Prognose, ein Bild oder eine automatisierte Aktion zu erzeugen.
Eine einzelne Inferenzanfrage kann effizient sein. Millionen wiederkehrender Anfragen in Unternehmenssoftware, Kundensupport, Entwicklungssystemen und autonomen Agenten führen jedoch zu einer erheblichen Gesamtlast.
Das zweite Signal kommt vom Strommarkt. Morgan Stanley zufolge haben Jahre begrenzter Netzinvestitionen Rechenzentrumsentwickler wegen möglicher Engpässe in den Jahren 2027 und 2028 besorgt gemacht.
Der Ausblick auf den Strommarkt der Bank beschreibt ein wachsendes Interesse an Erzeugung hinter dem Zähler. Das bedeutet, dass eine Anlage einen Teil ihres Stroms direkt aus nahegelegenen Anlagen bezieht, statt sich vollständig auf das breitere Stromnetz zu verlassen.
Die beiden Signale verstärken sich gegenseitig. Die Unternehmensadoption erhöht die wiederkehrende Nachfrage genau in dem Moment, in dem Cloud-Anbieter mehr verlässliche Rechenkapazität benötigen.
Das ist die Kernbedeutung hinter dem Google-News-Beitrag. Die Nachfrage aus Unternehmen wird leichter beobachtbar, während das neue Angebot weiterhin durch physische Ausrüstung und langwierige Genehmigungsverfahren begrenzt bleibt.
Das zugrunde liegende Material von Morgan Stanley stützt die übergeordnete These, auch wenn die zusammengefasste Schlagzeile mehrere Forschungsstränge in einem Satz verdichtet. Sie sollte nicht als präzise Prognose gelesen werden, dass jede Region einen vollständigen Stromausfall erleben wird.
Stattdessen dürfte sich der Engpass in verzögerten Netzanschlüssen, begrenzten Cloud-Kapazitäten, höheren Infrastrukturkosten und schwierigeren Entscheidungen darüber zeigen, wo neue Anlagen betrieben werden können.
Der Einsatz von Enterprise-KI verwandelt Experimente in kontinuierliche Nachfrage
Das Infrastrukturproblem wächst, wenn Unternehmen KI nicht mehr nur testen, sondern sie in den täglichen Betrieb einbetten.
Ein experimenteller Chatbot erzeugt unregelmäßigen Traffic. Ein produktives System, das mit Vertrieb, Engineering, Finanzen oder Kundenservice verbunden ist, schafft während des gesamten Arbeitstags wiederkehrende Nachfrage.
KI-Agenten können diese Nachfrage weiter steigern. Ein Agent ist Software, die mehrere Schritte zur Erreichung eines Ziels plant und ausführt und dabei oft mehrfach Modelle und externe Tools aufruft.
Eine einzelne Mitarbeiteranfrage kann Dokumentenabruf, Klassifizierung, Modellschlussfolgerungen, Datenbankabfragen, Validierung und eine abschließende Antwort auslösen. Jeder Schritt kann zusätzliche Tokens und Rechenzeit verbrauchen.
Dieses Muster erklärt, warum Effizienzverbesserungen den gesamten Energieverbrauch nicht automatisch senken. Ein effizienteres Modell reduziert die Kosten einer Aufgabe, was Unternehmen dazu ermutigen kann, sehr viel mehr Aufgaben auszuführen.
Die Internationale Energieagentur berichtete, dass der Strombedarf von Rechenzentren im Jahr 2025 um 17 % gestiegen ist. Der Stromverbrauch in KI-orientierten Anlagen wuchs noch schneller.
Die Agentur stellte außerdem fest, dass die Investitionsausgaben von fünf großen Technologieunternehmen 2025 mehr als 400 Milliarden US-Dollar überstiegen. Sie erwartete, dass dieser Betrag 2026 um weitere 75 % steigen würde.
Diese Zahlen erfassen einen Markt, der sich von der Modellentwicklung hin zu einer breiten Einführung bewegt. Cloud-Unternehmen müssen Kapazitäten aufbauen, bevor sie genau wissen, welche Anwendungen nachhaltige Erträge liefern werden.
Die Erkenntnisse von Morgan Stanley zu Unternehmen weisen in dieselbe Richtung. Unternehmen mit mindestens einem Jahr KI-Nutzung berichteten von durchschnittlichen Produktivitätsgewinnen im zweistelligen Bereich, was einen Anreiz schafft, erfolgreiche Implementierungen auszuweiten.
Dennoch benötigen diese Durchschnittswerte Kontext. Der Nutzen variiert je nach Aufgabe, Branche, Datenqualität und Reifegrad der Implementierung.
Morgan Stanley stellte zudem fest, dass größere Unternehmen stärkere Beschäftigungsrückgänge meldeten. Dieses Ergebnis wirft die Frage auf, ob einige Produktivitätsgewinne auf bessere Tools, weniger Mitarbeiter oder beides zurückzuführen sind.
Eine weitere Analyse von Morgan Stanley untersuchte Unternehmens-Earnings-Calls. Sie ergab, dass 25 % der S&P-500-Unternehmen im ersten Quartal 2026 mindestens eine messbare KI-Auswirkung beschrieben.
Ein Jahr zuvor lag der vergleichbare Anteil bei 13 %. Technologieunternehmen berichteten häufiger über greifbare Vorteile, während 75 % des breiteren Index weiterhin keinen quantifizierten Nutzen nannten.
Diese Lücke ist bedeutsam. Sie zeigt eine beschleunigte Einführung, ohne zu beweisen, dass KI jedes Unternehmen verändert oder jedes Infrastrukturprojekt gerechtfertigt hat.
Entwickler und Unternehmenskäufer sollten zwischen Einsatz und Wert unterscheiden. Dass ein Workload produktiv geht, bedeutet, dass er eine interne Schwelle überschritten hat, garantiert aber keine attraktiven langfristigen wirtschaftlichen Ergebnisse.
Der Produktivbetrieb kann zudem Kosten offenlegen, die während eines Pilotprojekts verborgen bleiben. Dazu gehören Modellnutzung, Retrieval-Infrastruktur, menschliche Prüfung, Sicherheitsüberwachung, Datenaufbereitung und Fehlerbehandlung.
KI-Anwendungen werden teurer, wenn sie geringe Latenz oder strikte Verfügbarkeit erfordern. Unternehmen benötigen möglicherweise reservierte Rechenkapazität, statt nur gelegentlichen Cloud-Zugang zu kaufen.
Sensible Workloads schaffen eine weitere Einschränkung. Finanzdienstleistungen, Gesundheitswesen, Verteidigung und regulierte Branchen erfordern häufig stärkere Datenkontrollen und besser vorhersehbare Bereitstellungsumgebungen.
Diese Anforderungen können einschränken, wo Workloads laufen. Sie können Unternehmen auch daran hindern, Traffic frei zwischen Cloud-Regionen zu verschieben, wenn an einem Standort Kapazität fehlt.
Der KI-Strommangel reicht daher über die Stromerzeugung hinaus. Er umfasst die gesamte Kette zwischen einer Unternehmensanfrage und einer Modellantwort.
Diese Kette umfasst moderne Chips, Speicher, Netzwerke, Kühlung, Transformatoren, Umspannwerke, Übertragungsleitungen, Notstromversorgung und Softwareorchestrierung. Ein Engpass in einer Schicht kann das gesamte System einschränken.
Die Adoptionsdaten von Morgan Stanley machen diese Einschränkung dringlicher. Die Nachfrageseite beruht nicht länger nur auf Prognosen über künftige Verbraucherprodukte.
Reale Unternehmen integrieren KI in operative Workflows. Sobald Mitarbeiter und Kunden von diesen Systemen abhängen, wird es schwieriger, Kapazität abzubauen, als ein Experiment zu beenden.
Der eigentliche KI-Strommangel beginnt beim Netzanschluss
Strom kann in einer Region vorhanden sein und dennoch einem bestimmten Rechenzentrum zum erforderlichen Zeitpunkt nicht zur Verfügung stehen.
Die Stromversorgung wird häufig als nationale Kennzahl beschrieben. Die Entwicklung von Rechenzentren hängt jedoch von lokalen Bedingungen ab, darunter Übertragungskapazitäten, Umspannwerksausrüstung, verfügbare Erzeugung und Genehmigungen für Netzanschlüsse.
Ein Netzanschluss ist die physische und vertragliche Vereinbarung, die es einer neuen Anlage ermöglicht, Strom zu beziehen. Große Anschlüsse erfordern technische Studien, weil sie die Zuverlässigkeit in einem größeren Netz beeinflussen können.
Das US-Energieministerium berichtete, dass Rechenzentren im Jahr 2023 176 Terawattstunden Strom verbrauchten. Das entsprach etwa 4,4 % des nationalen Stromverbrauchs.
Das Ministerium prognostizierte für 2028 einen Verbrauch von 325 bis 580 Terawattstunden. Innerhalb dieser Spanne würden Rechenzentren 6,7 % bis 12 % der gesamten Stromnachfrage der USA ausmachen.
Eine neuere Schätzung des Lawrence Berkeley National Laboratory erweitert den Ausblick bis 2030. Im zentralen Szenario entfallen in diesem Jahr 11,8 % des US-Stromverbrauchs auf Rechenzentren.
Das nationale Energie-Update nennt eine Szenariospanne von 9,5 % bis 15,3 %. Diese breite Spanne spiegelt Unsicherheiten bei Auslieferungen von Ausrüstung, Auslastung, Kühlleistung und Implementierung wider.
Selbst das niedrigere Szenario stellt für Energieversorger eine erhebliche Veränderung dar. Die Stromnachfrage war in vielen fortgeschrittenen Volkswirtschaften relativ stabil geblieben, bevor Rechenzentren, Fertigung, Fahrzeuge und die Elektrifizierung von Gebäuden das Wachstum wiederbelebten.
Die IEA erwartet, dass der weltweite Stromverbrauch von Rechenzentren bis 2030 mehr als 900 Terawattstunden erreichen wird. Ihrer Analyse zufolge entfällt der größte Anteil des prognostizierten Anstiegs auf die Vereinigten Staaten.
Die Agentur erwartet, dass Rechenzentren bis 2030 fast die Hälfte des Wachstums der US-Stromnachfrage verursachen werden. Diese Konzentration macht einzelne Entscheidungen über Netzanschlüsse zu regionalen Planungsproblemen.
Energieversorger können einen geplanten Campus im Gigawatt-Maßstab nicht wie ein herkömmliches Bürogebäude behandeln. Ein Gigawatt entspricht unter günstigen Betriebsbedingungen der Leistung einer großen Erzeugungseinheit.
Das Rechenzentrum könnte zudem gesicherte Leistung verlangen, also Strom, der unter definierten Systembedingungen verfügbar bleiben muss. Diese Anforderung verändert, wie Netzplaner den Bedarf an Erzeugungs- und Übertragungskapazitäten bewerten.
Neue Nachfrage kann schneller entstehen als neues Angebot. Ein Entwickler kann Server bestellen und Gebäude errichten, bevor ein großes Übertragungsprojekt die Genehmigungs- und Bauphase abschließt.
Auch die Stromerzeugung hat ihr eigenes Zeitproblem. Gasturbinen, Transformatoren, Schaltanlagen und andere elektrische Ausrüstung unterliegen Produktionsengpässen und langen Lieferfristen.
Projekte für erneuerbare Energien können in manchen Märkten schneller in Betrieb gehen, doch ihre schwankende Erzeugung erfordert häufig Speicher, flexible Nachfrage, Übertragungskapazität oder regelbare Stromerzeugung.
Kernkraftwerke liefern eine konstante Leistung, benötigen jedoch in der Regel lange Entwicklungszeiten. Kleine modulare Reaktoren bleiben eher eine mögliche künftige Quelle als eine breit verfügbare kurzfristige Lösung.
Erdgas kann steuerbare Erzeugung liefern, doch Pipelines und Turbinen schaffen zusätzliche Engpässe. Lokaler Widerstand und Emissionsziele können neue Projekte erschweren.
Deshalb betont Morgan Stanley die „Zeit bis zur Stromversorgung“. Die entscheidende Kennzahl ist nicht einfach die theoretische Strommenge, die irgendwann verfügbar sein wird.
Entwickler müssen wissen, wann ein bestimmter Standort eine definierte Menge zuverlässiger Leistung bereitstellen kann. Unsicherheit kann eine ansonsten geeignete Immobilie unbrauchbar machen.
Das Problem hat die Aufmerksamkeit der Bundesbehörden auf sich gezogen. Im Juni 2026 wies die Federal Energy Regulatory Commission sechs regionale Netzbetreiber an, ihre Regeln für den Anschluss großer Lasten zu begründen oder zu reformieren.
Die Anordnungen zu Großlasten betreffen Rechenzentren, Fabriken und andere große Stromverbraucher. Sie verlangen zudem Schutzmechanismen, die verhindern sollen, dass gewöhnliche Kunden ungerechtfertigte Infrastrukturkosten tragen.
Regulatorische Maßnahmen bestätigen, dass der Engpass nicht auf eine Analystenprognose beschränkt ist. Netzbehörden überdenken aktiv Regeln, die entstanden sind, bevor KI-Campusse beispiellose Lasten anfragten.
Schnellere Verfahren können jedoch weder Transformatoren noch Erzeugungskapazität herstellen. Regeländerungen können administrative Verzögerungen beseitigen, doch der physische Ausbau wird weiterhin Zeit benötigen.
Hyperscaler bringen die Stromversorgung näher an das Rechenzentrum
Cloud-Anbieter reagieren darauf, indem sie die Energiebeschaffung als Teil der Computing-Architektur behandeln.
Der traditionelle Ansatz trennt das Rechenzentrum vom Stromsystem. Ein Entwickler beantragt einen Netzanschluss, kauft Strom und installiert Notstromaggregate für Ausfälle.
Dieses Modell wird weniger zuverlässig, wenn die Versorgungsleistung nicht im Zeitplan des Projekts bereitgestellt werden kann. Entwickler erwägen nun Anlagen, die Computing, Erzeugung, Speicherung und Netzdienstleistungen kombinieren.
Morgan Stanley erwartet, dass Erdgas, Batterien, Microgrids und Kernenergieprojekte größere Rollen spielen werden. Ein Microgrid ist ein lokales Stromnetz, das Erzeugung, Speicherung und Verbrauch koordinieren kann.
Erzeugung hinter dem Zähler kann die Menge gesicherter Leistung verringern, die aus dem übergeordneten Netz angefordert wird. Sie kann einer Anlage zudem helfen, den Betrieb aufzunehmen, bevor alle geplanten Übertragungsaufrüstungen abgeschlossen sind.
Der Ansatz bringt Abwägungen mit sich. Eigenerzeugung vor Ort erfordert Brennstoff, Genehmigungen, Ausrüstung, Wartung und Kapital, die ein konventionelles Rechenzentrum ansonsten möglicherweise vermeiden könnte.
Er kann außerdem Umweltbelastungen auf lokale Gemeinden verlagern. Gaserzeugung verursacht Emissionen, während große Campus den Wasserverbrauch, die Flächenverfügbarkeit, den Lärm und die Stromkosten für Haushalte beeinflussen können.
Batterien reagieren schnell und können kurze Lastspitzen verringern. Sie erzeugen keine Primärenergie; ihr Nutzen hängt daher von Lademöglichkeiten und der Dauer eines Engpasses ab.
Nachfrageflexibilität bietet eine weitere Option. Ein Rechenzentrum kann ausgewählte Workloads reduzieren, wenn das Netz unter Druck gerät, sofern die Anwendungen Verzögerungen tolerieren.
Trainingsaufgaben lassen sich zeitlich oft leichter verschieben als kundennahe Inferenz. Ein Modelltraining kann manchmal pausieren, während das Betrugserkennungssystem einer Bank nicht auf eine niedrigere Stromnachfrage warten kann.
Workloads können auch zwischen Regionen verschoben werden. Diese Strategie erfordert freie Computing-Kapazität, ausreichende Netzwerkverbindungen, kompatible Datenregeln und Software, die für geografische Verteilung ausgelegt ist.
Diese Optionen verschaffen Hyperscalern einen Vorteil. Die größten Cloud- und Technologieunternehmen verfügen über die Bilanzen, Engineering-Teams und geografische Reichweite, die nötig sind, um komplexe Energievereinbarungen auszuhandeln.
Morgan Stanley schätzt, dass die fünf größten US-Technologieunternehmen im Jahr 2026 rund 800 Milliarden US-Dollar ausgeben könnten. Ihre gemeinsamen Investitionsausgaben könnten 2027 1,16 Billionen US-Dollar erreichen.
Solche Zahlen bleiben Prognosen, und die tatsächlichen Ausgaben können sich mit Umsatz, Finanzierungsbedingungen und Technologieperformance ändern. Sie verdeutlichen dennoch den Größenunterschied zwischen Hyperscalern und kleineren Anbietern.
Große Käufer können langfristige Stromverträge abschließen oder neue Erzeugungsprojekte unterstützen. Sie können auch knappe Chips, Netzwerkausrüstung und Baukapazitäten reservieren.
Kleinere Cloud-Anbieter und Betreiber in Unternehmen stehen vor einer schwierigeren Lage. Sie könnten höhere Preise zahlen, längere Bereitstellungszeiten akzeptieren oder Anlagen weiter entfernt von bevorzugten Nutzern errichten.
Das kann die Marktkonzentration verstärken. Wenn der Zugang zu Strom zu einem Wettbewerbsfaktor wird, gewinnen Unternehmen mit bestehenden Campusstandorten und Beziehungen zu Netzbetreibern eine weitere Eintrittsbarriere gegenüber neuen Marktteilnehmern.
Der Chipwettbewerb beseitigt dieses Problem nicht. Nvidia, AMD und kundenspezifische Beschleuniger können die Leistung pro Watt verbessern, doch der Gesamtstrombedarf steigt weiterhin, wenn Kunden mehr Systeme einsetzen.
Effizienz kann die Nutzung sogar beschleunigen. Niedrigere Inferenzkosten machen neue Anwendungen wirtschaftlich und erhöhen die Zahl der Anfragen, die an Rechenzentren gesendet werden.
Die IEA erklärt, dass der Stromverbrauch pro KI-Aufgabe schnell sinkt. Gleichzeitig erwartet sie, dass sich der gesamte Verbrauch von Rechenzentren bis 2030 verdoppelt, weil Akzeptanz und Workload-Intensität schneller wachsen.
Dieser Effekt ähnelt anderen Computing-Übergängen. Effizientere Prozessoren erweiterten das Spektrum praktikabler Software, anstatt der gesamten Rechenleistung eine feste Obergrenze zu setzen.
Für Unternehmenskäufer betrifft die unmittelbare Lehre die Architektur. Teams sollten nicht davon ausgehen, dass Cloud-Kapazität in jeder bevorzugten Region immer sofort verfügbar sein wird.
Sie brauchen Pläne für Modellsubstitution, Workload-Planung, regionales Failover, Caching und effiziente Retrieval-Verfahren. Diese Maßnahmen können die Abhängigkeit verringern, ohne dass ein Unternehmen ein eigenes Kraftwerk betreiben muss.
Wissensintensive KI-Systeme sind zudem auf gut organisierte, berechtigungsbewusste Quellmaterialien angewiesen. Besseres Retrieval kann unnötige Modellaufrufe vermeiden und die wiederholte Verarbeitung derselben Unternehmensinformationen verringern.
Der größere strategische Punkt bleibt physisch. KI-Softwaremärkte können sich innerhalb von Wochen verändern, doch Strominfrastruktur bindet Kapital über Jahrzehnte.
Was der Ausblick von Morgan Stanley nicht beweist
Die Belege stützen einen ernsthaften Kapazitätsengpass, belegen jedoch keine einheitliche oder dauerhafte Stromkrise.
Die ursprüngliche aggregierte Überschrift verwendet drastische Sprache. Leser sollten zwischen den dokumentierten Erkenntnissen von Morgan Stanley und der Einordnung durch Vertriebsplattformen unterscheiden.
Die Bank identifiziert eine erhebliche Übernachfrage nach Computing-Kapazität und kurzfristige Stromengpässe. Ihre öffentliche Analyse hebt besondere Sorgen für 2027 und 2028 hervor.
Das unterscheidet sich von der Prognose landesweiter Stromknappheit für jeden Kunden über mehrere Jahre hinweg. Einschränkungen werden je nach Region, Anschlussart, Anlagendesign und Zahlungsbereitschaft variieren.
Einige vorgeschlagene Rechenzentren werden nie in Betrieb gehen. Entwickler kündigen häufig sich überschneidende Projekte an, während sie entscheiden, welche Standorte Kunden und Stromversorgung sichern können.
Auch Versorgungsunternehmen stehen vor Unsicherheit durch doppelte Anfragen. Mehrere Entwickler könnten Kapazität für konkurrierende Campus beantragen, obwohl letztlich nur ein Projekt realisiert wird.
Der Ausbau für jede spekulative Anfrage kann zu gestrandeter Infrastruktur führen. Wird eine Anlage abgesagt, könnten Privat- und Gewerbekunden die Kosten über Stromtarife übernehmen müssen.
FERC hat den Verbraucherschutz zu einem Bestandteil ihrer Prüfung großer Lasten gemacht. Die Kommission will schnellere Anschlüsse ermöglichen und zugleich sicherstellen, dass große Nutzer einen angemessenen Anteil notwendiger Ausbauten bezahlen.
Nachfrageprognosen enthalten eine weitere Unsicherheit. KI-Modelle könnten schneller als erwartet effizienter werden, während Unternehmen teure Agenten-Workloads begrenzen könnten, die keine messbaren Erträge liefern.
Die eigenen Unternehmensdaten von Morgan Stanley zeigen einen uneinheitlichen Markt. Nur ein Viertel der S&P-500-Unternehmen beschrieb im ersten Quartal 2026 quantifizierte KI-Vorteile.
Dieser Anteil verdoppelte sich gegenüber dem Vorjahr, doch drei Viertel berichteten weiterhin keine messbaren Vorteile. Einige Unternehmen könnten die Einführung verlangsamen, nachdem Pilotprojekte schwache Wirtschaftlichkeit oder Governance-Probleme offengelegt haben.
Ein Workload, der den Produktivbetrieb erreicht, kann klein bleiben. Die CIO-Zahl von 81 % misst, ob ein Unternehmen mindestens einen Produktiv-Rollout erwartet, nicht das gesamte Computing-Volumen aller Befragten.
Sie stammt zudem aus einer Umfrage unter 100 CIOs in den USA und Europa. Die Richtung ist aufschlussreich, doch die Stichprobe repräsentiert nicht jedes Unternehmen weltweit.
Morgan Stanley ist in Investmentbanking, Vermögensverwaltung, Research und privaten Märkten tätig. Der Ausblick kann echte Trends erkennen lassen und zugleich die Perspektive einer Institution widerspiegeln, die an der Finanzierung entsprechender Vermögenswerte beteiligt ist.
Die Schätzungen der Bank sollten daher neben unabhängigen Energieanalysen betrachtet werden. Die Erkenntnisse der IEA und des Lawrence Berkeley National Laboratory stützen steigende Nachfrage, zeigen jedoch ebenfalls Bandbreiten statt eines einzigen festen Ergebnisses.
Technologische Veränderungen können die Engpass-These abschwächen. Bessere Beschleuniger, kleinere Modelle, verbesserte Kühlung und diszipliniertere Software könnten den Stromverbrauch pro abgeschlossener Aufgabe senken.
Regulatorische Reformen könnten Anschlusszeiten verkürzen. Flexible Verträge könnten Rechenzentren einen früheren Anschluss ermöglichen, wenn sie ihren Verbrauch bei Systemstress reduzieren.
Neue Erzeugungs- und Übertragungskapazitäten könnten in ausgewählten Märkten ebenfalls schneller als erwartet entstehen. Regionen mit verfügbarem Land, Gasversorgung, erneuerbaren Ressourcen oder bestehender Kernenergiekapazität könnten mehr Entwicklung anziehen.
Umgekehrt könnte der Engpass schlimmer werden. Verzögerungen bei Ausrüstung, lokaler Widerstand, Brennstoffbeschränkungen oder eine schnellere Einführung von Agenten würden die Lücke zwischen geplanter Nachfrage und verfügbarem Angebot vergrößern.
Google-News-Leser sollten die Geschichte als Kapazitätswettlauf behandeln, nicht als Countdown zu unvermeidlichen Stromausfällen. Die sichtbaren Symptome werden häufig kommerzieller statt katastrophaler Natur sein.
Zu diesen Symptomen gehören verzögerte Campusprojekte, höhere Cloud-Verpflichtungen, regionale Kapazitätsgrenzen und aggressive Investitionen in Erzeugung. Sie können den Wettbewerb in der KI-Branche dennoch prägen.
Drei Signale werden die These zur KI-Infrastruktur prüfen
Netzentscheidungen, Ausgaben der Hyperscaler und die Nutzung im Produktivbetrieb werden zeigen, ob die Nachfrage das Angebot so deutlich überholt, wie Morgan Stanley erwartet.
Das erste Signal ist die Umsetzung der FERC-Anordnungen zu Großlasten. Regionale Netzbetreiber müssen erklären oder ändern, nach welchen Regeln sich große Nutzer anschließen.
Achten Sie auf klare Zeitpläne, Anzahlungsanforderungen, flexible Versorgungsoptionen und Regeln zur Zuordnung von Infrastrukturkosten. Schnellere Genehmigungen würden administrative Unsicherheit verringern, aber keine Ausrüstungsengpässe beseitigen.
Flexible Übertragungsvereinbarungen verdienen besondere Aufmerksamkeit. Ein Rechenzentrum könnte eine reduzierte Netzversorgung akzeptieren und den Rest seines Stroms aus nahe gelegener Erzeugung beziehen.
Wenn diese Strukturen verbreitet werden, gewinnt die Time-to-Power-These von Morgan Stanley an Stärke. Entwickler würden ihre Betriebsmodelle ändern, weil konventionelle Anschlüsse ihre Zeitpläne nicht erfüllen können.
Wenn regionale Betreiber große Lasten ohne umfangreiche Sondervereinbarungen anschließen, würden die schwerwiegendsten Erwartungen an eine Knappheit schwächer. Das Ergebnis wird sich wahrscheinlich zwischen den Märkten unterscheiden.
Das zweite Signal sind Investitionsausgaben und fertiggestellte Kapazitäten bei großen Technologieunternehmen. Angekündigte Budgets sind weniger wichtig als betriebsbereite Rechenzentren, die an eine verlässliche Stromversorgung angeschlossen sind.
Investoren sollten die Ausgaben mit Cloud-Umsätzen, der KI-Nutzung, dem Baufortschritt und Kommentaren des Managements zu Regionen mit Engpässen vergleichen. Wiederholte Hinweise auf die Verfügbarkeit von Strom würden die These eines Flaschenhalses stützen.
Abgesagte Campusprojekte oder eine sinkende Auslastung würden hingegen in die andere Richtung weisen. Sie könnten darauf hindeuten, dass frühere Prognosen Nachfrage einbezogen haben, die Kunden nicht finanzieren wollten.
Der globale Energieausblick bietet einen nützlichen Vergleichsmaßstab. Er geht davon aus, dass der weltweite Stromverbrauch von Rechenzentren bis 2030 rund 945 Terawattstunden erreichen wird.
Wesentliche Korrekturen dieser Zahl würden die Erwartungen von Versorgern, Chipzulieferern, Cloud-Betreibern und Entwicklern von Rechenzentren beeinflussen.
Das dritte Signal ist die messbare KI-Nutzung in Unternehmen. Ankündigungen zum Produktiveinsatz sollten durch Tokenverbrauch, aktive Nutzer, abgeschlossene Workflows, Umsatzeffekte oder nachgewiesene Produktivitätsgewinne untermauert werden.
Besonders aufschlussreich wird die Zahl der Unternehmen sein, die quantifizierte Ergebnisse melden. Morgan Stanley stellte innerhalb eines Jahres bei S&P-500-Unternehmen einen Anstieg von 13 % auf 25 % fest.
Ein weiterer deutlicher Anstieg würde die Verbindung zwischen dem Einsatz in Unternehmen und einer nachhaltigen Nachfrage nach Infrastruktur stärken. Gleichbleibende oder rückläufige Ergebnisse würden darauf hindeuten, dass Produktionskennzeichnungen die tatsächliche Nutzung überzeichnen.
Unternehmenskäufer sollten zudem Beschränkungen in Cloud-Verträgen beobachten. Längere Bindungen, regionale Einschränkungen und Anforderungen zur Kapazitätsreservierung können Knappheit sichtbar machen, bevor sie in nationalen Statistiken erscheint.
Entwickler werden die Einschränkung beim Zugang zu Beschleunigern, bei Latenz, Quoten und dem Bereitstellungsort spüren. Wissensarbeiter werden ihr durch Produktverfügbarkeit, Antwortgeschwindigkeit und sich verändernde Nutzungsrichtlinien begegnen.
Die übergeordnete Frage lautet nicht mehr, ob Unternehmen mit KI experimentieren werden. Es geht darum, ob die physische Infrastruktur die wiederkehrende Nutzung in dem von Anbietern erwarteten Umfang tragen kann.
Die Warnung von Morgan Stanley rückt diesen Konflikt in den Fokus. Die Softwareeinführung beschleunigt sich über Unternehmensworkflows hinweg, während Netze und Erzeugungsprojekte weiterhin an mehrjährige Zeitpläne gebunden sind.
Dieses Missverhältnis garantiert keine einheitliche Krise. Es macht die Verfügbarkeit von Strom jedoch zu einer zentralen Variable für KI-Produktstrategien, den Wettbewerb in der Cloud und die regionale Wirtschaftsentwicklung.
Das nächste Google-News-Update ist weniger wichtig als die operativen Belege dahinter. Beobachten Sie in den kommenden Quartalen Reformen bei Netzanschlüssen, fertiggestellte Rechenkapazitäten und quantifizierte KI-Nutzung in Unternehmen.
Wenn alle drei Faktoren gemeinsam zunehmen, bleibt der Infrastrukturausbau ein Rennen gegen die Nachfrage. Verlangsamt sich der Einsatz oder verbessern sich die Anschlusszeiten, muss die Knappheitserzählung überarbeitet werden.
Für Teams, die jetzt KI-Systeme planen, ist die praktische Frage direkt: Kann die Anwendung wirtschaftlich und zuverlässig bleiben, wenn die bevorzugte Rechenkapazität begrenzt ist? Ein Design mit effizienten Modellen, flexiblen Regionen und messbarem Nutzen bietet eine bessere Antwort als die Annahme eines unbegrenzten Angebots.
