KI-Rechenzentren in Deutschland: Netzkapazität, Kühlung und Energieversorgung
Du willst wissen, was ein KI-Rechenzentrum in Deutschland technisch und rechtlich braucht. Hier bekommst du direkt die drei Engpässe – Stromanschluss, Kühlung und Versorgung – und was das Energieeffizienzgesetz von dir verlangt.
Nicht die Rechenchips bremsen KI-Rechenzentren aus, sondern die verfügbare Netzkapazität. Große Standorte brauchen einen dedizierten Hochspannungsanschluss (110 kV), und der Anschlussprozess über den Netzbetreiber (§ 17 EnWG) dauert oft Jahre statt Monate. Prüfe zuerst, ob am Wunschstandort überhaupt freie Anschlusskapazität liegt – das entscheidet über das Projekt, bevor du an Hardware denkst. Frankfurt ist Europas größter Rechenzentrums-Knoten, dort ist die Kapazität am knappsten; Ausweichregionen mit Netzreserve werden für neue Vorhaben interessanter.
Das ist der Kern des Kühlungsproblems: Klassische Server-Racks liegen bei rund 5–15 kW, GPU-Racks für KI-Training erreichen ein Vielfaches davon. Diese Wärmedichte kannst du mit reiner Luftkühlung kaum noch abführen. Deshalb setzt du bei KI-Lasten auf Flüssigkühlung – Direct-to-Chip (Kühlplatten direkt am Prozessor) oder Immersionskühlung (Server im Dielektrikum). Plane die Kühlarchitektur von Anfang an mit, ein nachträglicher Umbau von Luft auf Flüssig ist teuer.
Seit 2023 gilt in Deutschland das Energieeffizienzgesetz mit konkreten Vorgaben für Rechenzentren. Zentral ist die PUE (Power Usage Effectiveness) – das Verhältnis von Gesamtstrom zu reiner IT-Last. Neu in Betrieb gehende Rechenzentren müssen niedrige PUE-Zielwerte erreichen, außerdem gibt es gestaffelte Vorgaben zur Nutzung erneuerbaren Stroms und zur Abwärmenutzung. Prüfe die für dein Baujahr geltende Stufe direkt im Gesetzestext (EnEfG §§ 11–12), da die Grenzwerte nach Inbetriebnahmejahr gestaffelt sind.
Ein KI-Rechenzentrum produziert enorme Mengen Wärme auf niedrigem Temperaturniveau. Statt sie wegzukühlen, kannst du sie in Wärmenetze, Gewächshäuser oder Gebäude einspeisen – das EnEfG fordert die Abwärmenutzung ohnehin ein. Flüssigkühlung liefert dir dabei höhere und besser nutzbare Vorlauftemperaturen als Luftkühlung. Ein Standort in der Nähe eines Fernwärmenetzes oder eines Wärmeabnehmers ist deshalb bei der Planung ein echter Vorteil.
KI-Training läuft rund um die Uhr, du brauchst also eine stabile Grundlast – nicht nur Spitzenleistung. Kombiniere Netzbezug mit langfristigen Stromlieferverträgen (PPA) für erneuerbaren Strom, um Preis- und Nachweispflichten zu erfüllen. Für die Ausfallsicherheit planst du klassisch USV plus Notstrom. Vor-Ort-Erzeugung oder ein Batteriespeicher können dir helfen, Lastspitzen zu glätten und teure Netzentgelte zu senken.
Arbeite die drei Engpässe in dieser Reihenfolge ab: erstens Netzanschluss klären (freie Kapazität, Anschlusszeit, Spannungsebene), zweitens Kühlkonzept festlegen (Flüssigkühlung bei hoher GPU-Dichte), drittens Energie- und Abwärmekonzept aufsetzen (erneuerbarer Strom, Wärmeabnehmer, EnEfG-Konformität). Wer diese Reihenfolge einhält, spart sich teure Planungsfehler – der Netzanschluss ist die Weiche, die alles Weitere bestimmt.