Die Debatte über künstliche Intelligenz dreht sich immer noch zwanghaft um Modelle, Parameter und Chips. Aber der eigentliche Engpass, der darüber entscheiden wird, wer dieses Rennen anführt, ist nicht rechnerischer Natur, sondern physikalischer Natur. Das Training eines Modells im Maßstab von GPT-4 verbraucht zwischen 50 und 100 Gigawattstunden Strom, was dem Jahresverbrauch von Zehntausenden Haushalten entspricht. Durch die Durchführung von Inferenzen in großem Maßstab und die Bearbeitung von Milliarden von täglichen Abfragen vervielfacht sich diese Zahl um Größenordnungen. Die strategische Frage ist nicht, wer die besten Algorithmen hat. Es kommt darauf an, wer Zugang zu günstiger, reichlich vorhandener und zuverlässiger Energie hat – und für wie lange.
Die Stromkosten, die in Straßenkarten ignoriert werden
Das Trainieren von Grenzmodellen ist ein diskreter Vorgang: Er findet einmal statt, dauert Wochen oder Monate und die Energiekosten sind zwar hoch, aber vorhersehbar. Das eigentliche Problem ist die kontinuierliche Schlussfolgerung. Jedes Mal, wenn ein Benutzer eine Nachricht an einen KI-Assistenten sendet, ein Dokument verarbeitet oder ein Bild generiert, findet ein energieaufwändiger Rechenzyklus statt. Multiplizieren Sie das mit Hunderten Millionen gleichzeitigen Benutzern und Sie haben einen Strombedarf, der mit dem ganzer Industriesektoren mithalten kann.
Microsoft hat prognostiziert, dass seine KI-Verpflichtungen den Energieverbrauch seiner Rechenzentren bis zum Ende dieses Jahrzehnts verdreifachen werden. OpenAI kündigte in Zusammenarbeit mit SoftBank im Rahmen des Stargate-Projekts Investitionen von 500 Milliarden Dollar in die amerikanische Infrastruktur an – und ein großer Teil dieser Summe steht in direktem Zusammenhang mit der Energieerzeugung und -übertragung. Goldman Sachs schätzt, dass die weltweite Nachfrage nach Rechenzentren bis 2030 voraussichtlich um 160 % steigen wird, was vor allem auf KI-Nutzlasten zurückzuführen ist. Dies sind keine Technologiezahlen. Das sind schwere Infrastrukturzahlen.
Die geopolitische Karte, die neu gezeichnet wird
Die Verteilung billiger, sauberer Energie auf dem Planeten ist ungleichmäßig, und dies führt zu strukturellen Vorteilen, die nur wenige Strategen ernsthaft erfassen. Die nordischen Länder – Island, Norwegen und Schweden – kombinieren reichlich Geothermie und Wasserkraft mit kühlem Wetter, was die Kosten für die Kühlung von Rechenzentren senkt. Frankreich betreibt 70 % seines Netzes mit Kernenergie, was stabile Preise und niedrige Emissionen garantiert. Kanada verfügt über riesige Wasserkraftwerke, die sich auf die Provinzen Quebec und British Columbia konzentrieren. Alle diese Länder verfügen heute über einen Infrastrukturvorteil, der von der Konkurrenz nicht schnell nachgeahmt werden kann.
Auf der anderen Seite stehen Länder, die stark von importierten fossilen Brennstoffen abhängig sind, mit einem doppelten Problem konfrontiert: hohen Kosten und Versorgungsinstabilität. Der Bau von KI-Rechenzentren in Regionen, in denen Strom teuer oder anfällig für Ausfälle ist, ist nicht nur ineffizient, sondern auch strategisch riskant. Die Geopolitik der Energie hat schon immer die Geopolitik der Macht geprägt. Was sich geändert hat, ist, dass es nun auch die Geopolitik der Geheimdienste prägt.
Die nukleare Renaissance und was sie enthüllt
Die Entscheidung von Microsoft, das seit 2019 geschlossene Werk Three Mile Island in Pennsylvania zu reaktivieren, war keine Nostalgie. Es war eine technische Berechnung. Die Anlage wird im Rahmen eines langfristigen Vertrags ausschließlich die Rechenzentren von Microsoft mit Strom versorgen. Amazon unternahm einen ähnlichen Schritt, indem es einen Rechenzentrumscampus erwarb, der direkt an ein Kernkraftwerk in Pennsylvania angeschlossen war. Google gab Verträge mit dem Modulreaktorunternehmen Kairos Power über die Lieferung von 500 Megawatt ab 2030 bekannt.
Was diese Entscheidungen zeigen, ist einfach: Große Technologieunternehmen glauben nicht, dass Solar- und Windenergie in ihrer aktuellen Konfiguration in der Lage sind, die zuverlässige Grundlast zu liefern, die KI erfordert. Solar- und Windenergie gibt es nur unregelmäßig – die Sonne scheint nachts nicht und der Wind weht nicht immer. KI-Rechenzentren erfordern eine Betriebszeit von 99,9999 % ohne Unterbrechungen. Die Kernenergie bietet genau das: hohe Erzeugungsdichte, Vorhersagbarkeit und keine Kohlenstoffemissionen. Was wie eine Technologie im Niedergang schien, wurde plötzlich zu einem strategischen Vermögenswert von höchster Bedeutung.
Die brasilianische Position: echter Vorteil bei problematischer Konzentration
Brasilien verfügt über eine der saubersten elektrischen Matrizen der Welt. Ungefähr 85 % der nationalen Stromerzeugung stammen aus erneuerbaren Quellen – Wasserkraft, Wind und Sonne. Dies bringt das Land in eine privilegierte Position in jedem Szenario, in dem die Umweltkosten der Datenverarbeitung zu einem Wettbewerbsfaktor werden, sei es aufgrund europäischer Regulierung oder des Drucks von Unternehmenskunden mit ESG-Zielen. Ein Rechenzentrum, das in Brasilien zu 100 % mit erneuerbarer Energie betrieben wird, ist kein grünes Marketing, sondern ein differenziertes Geschäftsangebot.
Der Ausbau der Windkraft im Nordosten und der Solarenergie im Cerrado hat in den letzten Jahren zu erheblichen Kapazitätserweiterungen geführt, und zwar zu Preisen, die bei Energieauktionen zu den wettbewerbsfähigsten der Welt zählen. Die durchschnittlichen Kosten für vertraglich vereinbarte Windenergie liegen in Brasilien durchweg unter 150 R$ pro Megawattstunde, eine Zahl, die die meisten europäischen Märkte nicht erreichen können. Der Vorteil besteht. Das Problem ist die Konzentration: Der Rechenzentrumskorridor des Landes ist überproportional auf die Achse São Paulo-Rio konzentriert, eine Region, die auf ein altes Übertragungsnetz und Stauseen angewiesen ist, die unter Klimaschwankungen leiden. Der strukturelle Vorteil der sauberen Matrix wird durch die Geographie des konzentrierten Konsums teilweise neutralisiert.
Was ändert sich dadurch für diejenigen, die sich für eine KI-Infrastruktur entscheiden?
Unternehmen, die die Auswahl der Cloud-Region immer noch als zweitrangige technische Entscheidung betrachten – Latenz, Einhaltung gesetzlicher Vorschriften, Serviceverfügbarkeit – müssen den Analyserahmen erweitern. Energie fließt in die Gesamtbetriebskostengleichung ein, wie es im Cloud Computing in der Geschichte noch nie zuvor der Fall war. AWS, Azure und Google Cloud differenzieren bereits teilweise aufgrund der lokalen Energiekosten die Preise zwischen den Regionen. Dieser Unterschied wird größer, nicht kleiner.
Für Unternehmen mit KI-Operationen in großem Maßstab – sei es interne Inferenz oder intensive Nutzung von APIs – ist die Lokalisierung von Arbeitslasten zu einem relevanten Kostenhebel geworden. Durch die Durchführung von Schlussfolgerungen in Regionen mit billigerer und saubererer Energie werden die Betriebskosten und die regulatorische Belastung reduziert. Unternehmen, die ihre eigene Infrastruktur aufbauen, müssen bei der Standortauswahl folgende Aspekte berücksichtigen: den Stromerzeugungsmix der Region, die Netzstabilität, die voraussichtlichen Energiekosten für fünf und zehn Jahre sowie die Verfügbarkeit langfristiger Kaufverträge für erneuerbare Energien. Dies sind keine sekundären Variablen. Für diejenigen, die jahrzehntelang Rechenzentren betreiben werden, sind dies primäre Variablen.
Brasilien hat eine konkrete Chance, sich als Ziel für KI-Rechenzentren für lateinamerikanische und globale Unternehmen zu positionieren, die billige, erneuerbare Energie benötigen. Dies erfordert jedoch Investitionen in die Übertragung zur Dezentralisierung des Verbrauchs und eine Industriepolitik, die Datenzentren außerhalb der Süd-Südost-Achse fördert. Der Vorteil besteht auf dem Papier. Um daraus einen echten Vorteil zu machen, sind politische Entscheidungen und Infrastruktur erforderlich – zwei Ressourcen, deren Mobilisierung das Land historisch gesehen länger braucht, als es sollte.
Lesen Sie auch
- Die KI-Energiekrise: Was der Rechenzentrumsverbrauch für Infrastruktur-Entscheidungsträger bedeutet
- KI-Energie und Souveränität: Was Regierungen jetzt planen müssen
- Energie: Der Engpass, den niemand auf die Computing-Roadmap gesetzt hat
- Nachhaltige Rechenzentren: Die Umweltkosten, die zu einem öffentlichen Thema wurden
- Elektrifizierung: Was ändert sich, wenn sich alles an der Steckdose dreht
- Silizium-Geopolitik: Warum der Chip-Krieg für diejenigen wichtig ist, die über Technologie entscheiden