Datenstand: 17. September 2026. Der AI-Boom wird meistens als Chipgeschichte erzählt. Nvidia verkauft Beschleuniger, Cloudkonzerne bauen Rechenzentren und Investoren diskutieren, wie viele Billionen Dollar künstliche Intelligenz eines Tages wert sein könnte. Doch unterhalb dieser digitalen Erzählung entsteht gerade ein viel physischeres Problem: Wer bezahlt den Stromanschluss?
Neue KI-Rechenzentren brauchen nicht nur Server. Sie brauchen Kraftwerke, Umspannwerke, Transformatoren, Leitungen, Backup-Systeme und langfristig gesicherte Netzkapazität. Viele dieser Investitionen werden Jahre vor der eigentlichen Inbetriebnahme geplant und gebaut. Genau hier entsteht ein finanzielles Risiko, das in AI-Präsentationen selten vorkommt: Was passiert, wenn ein angekündigtes Rechenzentrum später startet, kleiner gebaut wird oder überhaupt nicht kommt?
Die Antwort ist für Aktionäre und Stromkunden gleichermaßen relevant. Denn wenn Milliardeninvestitionen im Netz auf Basis zu optimistischer Lastprognosen entstehen, muss am Ende jemand die Rechnung bezahlen. In den USA versuchen Regulierer 2026 deshalb zunehmend, große Rechenzentren mit Mindestabnahmen, langen Vertragslaufzeiten, Sicherheiten und separaten Tarifen stärker in die Verantwortung zu nehmen.
US-Rechenzentren 2030: Referenzschätzung 649 TWh Stromverbrauch
Anteil am US-Stromverbrauch 2030: rund 11,8 % im Referenzfall
Bandbreite: 521–843 TWh je nach Entwicklung von AI-Hardware und Auslastung
Virginia: neue Großkunden müssen künftig bis zu 85 % bestimmter Netz- und Verteilkosten auch bei geringerer Nutzung bezahlen
FERC: 2026 Prüfverfahren gegen alle sechs großen regionalen US-Netzbetreiber wegen Regeln für Großverbraucher
Der eigentliche AI-Engpass ist nicht mehr nur der Chip
In der ersten Phase des AI-Booms war der Engpass leicht zu erkennen: leistungsfähige GPUs. Inzwischen verschiebt sich das Problem. Selbst wenn ein Unternehmen genügend Chips kaufen kann, bedeutet das noch lange nicht, dass es sie kurzfristig an einem geeigneten Standort betreiben kann.
Ein modernes Hyperscale-Rechenzentrum kann eine elektrische Last erreichen, die früher eher mit einer mittelgroßen Stadt oder einem Industriekomplex verbunden wurde. Mehrere Projekte derselben Region addieren sich. Ein einzelner Netzbetreiber kann dadurch innerhalb weniger Jahre Lastzuwächse sehen, für die das bestehende Stromsystem nie ausgelegt wurde.
Der im Juni 2026 veröffentlichte aktualisierte US-Data-Center-Energy-Report des Lawrence Berkeley National Laboratory und des US-Energieministeriums zeigt die Größenordnung. Im Referenzfall könnten Rechenzentren 2030 rund 649 Terawattstunden Strom verbrauchen. Das entspräche ungefähr 11,8 Prozent des gesamten US-Stromverbrauchs. Die Bandbreite der Szenarien reicht von 521 bis 843 TWh.
Das Entscheidende ist nicht nur die nationale Summe. Stromnetze sind lokal. Ein Rechenzentrum kann nicht einfach einen abstrakten Anteil der nationalen Erzeugung beziehen. Es braucht konkrete Leitungen, konkrete Umspannwerke und ausreichende Erzeugung in einer konkreten Netzregion.
Genau deshalb ist unser bestehender Deep Dive zu Applied Digital und dem physischen AI-Infrastrukturengpass nur eine Hälfte der Geschichte. Für den Betreiber eines Rechenzentrums ist knappe Netzkapazität ein Geschäftsmodell. Für den Netzbetreiber und seine übrigen Kunden kann sie dagegen ein Milliardenproblem sein.
Das versteckte Risiko heißt „stranded infrastructure“
Stellen wir uns ein vereinfachtes Beispiel vor. Ein Hyperscaler meldet bei einem Versorger an, in fünf Jahren 500 Megawatt Leistung zu benötigen. Der Versorger plant daraufhin ein neues Umspannwerk, verstärkt Leitungen und bestellt zusätzliche Erzeugungsleistung. Die Infrastruktur kostet mehrere Milliarden Dollar und muss teilweise finanziert werden, bevor das Rechenzentrum überhaupt Strom abnimmt.
Wenn das Projekt wie geplant startet, ist das beherrschbar. Der Großkunde zahlt Netzentgelte und Stromrechnungen über viele Jahre.
Was aber, wenn der AI-Konzern seine Architektur ändert? Wenn neue Chips effizienter werden? Wenn das Projekt an einen anderen Standort wandert? Wenn ein Entwickler dieselbe geplante Last gleichzeitig bei drei Netzbetreibern anmeldet, um sich später den schnellsten Anschluss auszusuchen?
Dann kann Infrastruktur entstanden sein, die nicht im erwarteten Umfang genutzt wird. In einem regulierten Stromsystem stellt sich anschließend die heikle Frage, ob diese Kosten ausschließlich dem ursprünglichen Großkunden zugeordnet werden können oder über Netzentgelte teilweise auf andere Verbraucher verteilt werden.
Genau dieses Problem meint FERC, wenn die Behörde 2026 von spekulativen Lastanfragen spricht. Nach Darstellung der Kommission können große Kunden verschiedene Standorte parallel prüfen. Das kann Lastprognosen künstlich aufblähen und im schlimmsten Fall zu unnötigen Investitionen führen.
Warum die Lastprognosen selbst zum Investitionsrisiko werden
Die Zahlen, mit denen Energieversorger heute arbeiten, sind keine gesicherten Verbrauchsdaten. Es sind Prognosen über Projekte, die teilweise noch gebaut, finanziert oder endgültig genehmigt werden müssen.
Das ist für Investoren ein entscheidender Unterschied. Ein Netzbetreiber kann sehr hohe zukünftige Nachfrage melden, obwohl ein Teil davon aus unverbindlichen oder mehrfach angemeldeten Projekten besteht. Gleichzeitig darf er die echte Nachfrage nicht unterschätzen, weil ein fehlender Netzausbau den Anschluss lukrativer Rechenzentren jahrelang verzögern könnte.
Die Planung bewegt sich damit zwischen zwei teuren Fehlern:
- Zu wenig bauen: Rechenzentren warten jahrelang, wirtschaftliche Projekte wandern ab, Engpässe treiben Strompreise und Anschlusskosten.
- Zu viel bauen: Überdimensionierte Infrastruktur bleibt unterausgelastet und muss trotzdem finanziert werden.
Das ist der investigative Kern des Themas. Der AI-Boom produziert nicht nur Nachfrage nach Strom. Er produziert eine neue Form von Prognoserisiko, weil Milliardeninvestitionen auf Annahmen über Projekte basieren, die sich schneller verändern können als klassische Industrieanlagen.
FERC greift 2026 ungewöhnlich breit ein
Am 18. Juni 2026 eröffnete die US-Bundesenergieregulierungsbehörde FERC Verfahren gegen alle sechs regionalen Netzorganisationen unter ihrer Zuständigkeit. Die Betreiber sollen begründen, warum ihre bestehenden Regeln für die Anbindung großer Lasten weiterhin angemessen sind – oder sie ändern.
Das klingt technisch, ist aber ein bedeutender Schritt. FERC adressiert damit gleichzeitig vier Probleme: Verbraucherschutz, Netzstabilität, Transparenz und die Geschwindigkeit neuer Anschlüsse.
Besonders interessant ist das Konzept sogenannter Cost Recovery Agreements. Die Logik ist einfach: Wird eine Leitung oder ein Umspannwerk speziell wegen eines Großkunden gebaut, soll dieser Kunde genügend langfristige Zahlungspflichten übernehmen, damit normale Haushalte nicht auf den Kosten sitzenbleiben, falls das Projekt später nicht wie geplant realisiert wird.
FERC fordert außerdem bessere Transparenz darüber, welche Netzmaßnahmen durch einzelne Großverbraucher ausgelöst wurden und wie viel diese Maßnahmen kosten. Für Stromkunden ist das relevant. Für Investoren ist es mindestens genauso wichtig, weil sich dadurch die realen Infrastrukturkosten des AI-Booms sichtbarer auf einzelne Unternehmen verteilen könnten.
Virginia zeigt, wie hart die neuen Regeln werden können
Virginia ist der interessanteste Testfall, weil der Bundesstaat bereits heute zu den wichtigsten Data-Center-Standorten der Welt gehört.
Die State Corporation Commission hat für Dominion Energy Virginia eine neue Großkundenklasse geschaffen. Ab 2027 sollen große Verbraucher, darunter Hyperscale-Rechenzentren, separat tarifiert werden.
Die Regeln zeigen, welche Risiken Regulierer konkret sehen. Neue Großkunden können zu einer Mindestvertragsdauer von 14 Jahren verpflichtet werden. Sie müssen mindestens 85 Prozent bestimmter Übertragungs- und Verteilungskosten bezahlen, selbst wenn ihr tatsächlicher Verbrauch darunterliegt. Für Erzeugung gelten ebenfalls Mindestzahlungen. Zusätzlich können Sicherheiten verlangt werden, die bis zu 60 Prozent bestimmter Mindestverpflichtungen absichern.
Das ist ökonomisch eine Art Take-or-Pay-Vertrag für Strominfrastruktur.
Für den Rechenzentrumsbetreiber bedeutet das: Wer 500 MW reserviert, kann nicht mehr einfach nach wenigen Jahren verschwinden und erwarten, dass andere Kunden die für ihn gebaute Infrastruktur übernehmen.
Für Investoren in AI-Infrastruktur bedeutet es aber auch: Der Preis für „gesicherte Stromkapazität“ wird sichtbarer. Ein Projekt muss künftig nicht nur Server, Grundstück und Gebäude finanzieren, sondern möglicherweise langfristige Stromverpflichtungen übernehmen, die bei Unterauslastung trotzdem bezahlt werden müssen.
Virginia besteuert seit 2026 zusätzlich den Stromverbrauch bestimmter Rechenzentren
Seit Juli 2026 erhebt Virginia zudem für bestimmte Data-Center-Betreiber eine zusätzliche Stromverbrauchssteuer von 0,011 Dollar je Kilowattstunde. Sie gilt zunächst bis Juli 2028.
Bei kleinen Verbrauchern klingt ein Cent pro kWh unbedeutend. Bei einem Hyperscale-Standort mit Milliarden Kilowattstunden Jahresverbrauch entsteht daraus jedoch eine relevante Summe.
Das ist ein gutes Beispiel dafür, wie sich die politischen und regulatorischen Rahmenbedingungen des AI-Infrastrukturbooms verändern. Staaten wollen Investitionen und Steuereinnahmen. Gleichzeitig wächst der Druck, dass die Branche für zusätzliche Belastungen von Stromnetz, Wasser, Flächen und Infrastruktur stärker selbst bezahlt.
Georgia versucht denselben Konflikt auf andere Weise zu lösen
Georgia hat bereits 2025 Regeln eingeführt, die für neue Großverbraucher über 100 MW längere Vertragslaufzeiten und Mindestabrechnungen erlauben. Die Georgia Public Service Commission begründete das ausdrücklich mit dem Risiko, dass andere Stromkunden für Infrastruktur bezahlen könnten, die speziell für große Data-Center-Projekte errichtet wurde.
Die PSC erklärt, dass Georgia Power entsprechende Verträge mit großen Kunden zur Prüfung vorlegen muss. Der Bundesstaat hat außerdem eine Vielzahl zusätzlicher Erzeugungsprojekte diskutiert, weil die erwartete Last aus Rechenzentren und anderen Großverbrauchern stark gestiegen ist.
Interessant ist dabei die Sprache der Regulierer: Nicht die Existenz von Rechenzentren wird infrage gestellt. Im Gegenteil, sie gelten als wichtiger Wirtschaftsfaktor. Der Streit dreht sich darum, wie das finanzielle Risiko verteilt wird.
Wer profitiert tatsächlich vom Stromboom?
Für Anleger entsteht eine ganze Kette möglicher Gewinner. Die offensichtlichsten sind nicht unbedingt die Betreiber der AI-Modelle.
1. Stromversorger
Wenn regulatorisch abgesicherte Investitionen in Netze und Erzeugung steigen, können Versorger ihre regulierte Kapitalbasis ausweiten. Das ist grundsätzlich positiv, solange die Regulierungsbehörde die Investitionen anerkennt und eine angemessene Rendite erlaubt.
2. Transformatoren, Schaltanlagen und Netztechnik
Der physische Ausbau braucht Hochspannungstechnik, Transformatoren, Kabel, Leistungselektronik und Kühlsysteme. Viele dieser Lieferketten waren bereits vor dem AI-Boom angespannt.
3. Gas- und Kernkraftwerke
Rechenzentren verlangen möglichst konstante Leistung rund um die Uhr. Das erhöht die Attraktivität gesicherter Erzeugung. In einigen Regionen führt die AI-Nachfrage deshalb zu neuen Gasprojekten, Laufzeitverlängerungen bestehender Kernkraftwerke oder langfristigen Stromabnahmeverträgen.
4. Rechenzentrumsentwickler mit bereits gesicherter Netzkapazität
Hier liegt der Kern der Applied-Digital-These: Ein Standort mit real verfügbarer elektrischer Leistung kann wertvoller sein als ein besseres Grundstück ohne zeitnahen Netzanschluss.
Auch Rohstoffe profitieren indirekt. Unser Artikel zum Kupferpreis und dem AI-getriebenen Ausbau der Strominfrastruktur zeigt, warum die digitale Wirtschaft immer mehr physische Leiter, Transformatoren und Netzkomponenten benötigt.
Doch wer verliert?
Die offensichtliche Antwort lautet: Haushalte, falls Kosten falsch verteilt werden. Aber es gibt weitere Verlierer.
Industrieunternehmen können in Regionen mit knapper Stromkapazität mit Data-Centern um Netzanschlüsse konkurrieren. Projektentwickler können Millionen für Grundstücke und Planung ausgeben, bevor klar ist, wann genügend Leistung verfügbar sein wird. Utilities können in politisch unangenehme Situationen geraten, wenn Milliardeninvestitionen zu stark steigenden Stromrechnungen führen.
Und auch die Hyperscaler selbst tragen ein neues Risiko: Je stärker Regulierer Mindestzahlungen verlangen, desto weniger flexibel können Unternehmen ihre Infrastrukturpläne später an neue AI-Chips, effizientere Modelle oder veränderte Nachfrage anpassen.
Die größte unbeachtete Bubble könnte in den Anschlussanfragen stecken
Die spannendste Frage ist nicht, ob künstliche Intelligenz eine Blase ist. Die interessantere Frage lautet, ob die angefragte Stromlast teilweise eine Blase ist.
Wenn Entwickler denselben geplanten Verbrauch an mehreren Standorten gleichzeitig anmelden, kann eine nationale Prognose deutlich mehr zukünftige Last anzeigen, als später tatsächlich gebaut wird. FERC weist 2026 ausdrücklich auf dieses Problem hin.
Das erinnert an andere Infrastrukturzyklen. Während eines Booms wird dieselbe Zukunft mehrfach vorweggenommen: mehrere Flughäfen planen denselben Passagier, mehrere Glasfasernetze denselben Kunden, mehrere Immobilienentwickler denselben Mieter.
Der Unterschied ist, dass Stromnetze extrem langfristige Assets sind. Eine Leitung kann Jahrzehnte genutzt werden. Wird sie aufgrund einer falschen Prognose zu früh oder am falschen Ort gebaut, verschwindet der Kapitalbedarf nicht einfach.
AI-Effizienz löst das Problem nicht automatisch
Ein häufiges Gegenargument lautet, dass Chips effizienter werden und deshalb weniger Strom benötigen. Auf Ebene eines einzelnen Rechenvorgangs stimmt das häufig. Historisch führt höhere Effizienz aber nicht zwingend zu geringerem Gesamtverbrauch.
Wenn die Kosten pro AI-Abfrage sinken, können Unternehmen viel mehr Abfragen durchführen. Modelle werden größer, AI-Agenten arbeiten länger, Video- und Echtzeitanwendungen nehmen zu. Effizienz kann deshalb durch höhere Nutzung überkompensiert werden.
Der DOE-Bericht modelliert genau diese Unsicherheit. Je nach Anzahl spezialisierter AI-Chips, Auslastung und Betriebsdauer schwankt der mögliche Data-Center-Verbrauch 2030 um hunderte Terawattstunden.
Für Netzplaner ist das unangenehm: Sie müssen heute Milliarden investieren, obwohl der technologische Zustand von 2030 noch nicht existiert.
Das macht den Strompreis zum neuen AI-Multiple
Bei Softwarefirmen fragen Investoren nach Umsatzmultiples. Bei Halbleitern nach Bruttomarge und Lieferfähigkeit. Bei der nächsten Phase des AI-Booms wird eine andere Kennzahl wichtiger: Kosten pro dauerhaft verfügbarem Megawatt.
Ein Rechenzentrum kann technisch hervorragend sein und wirtschaftlich trotzdem scheitern, wenn Stromanschluss, Erzeugung, Netzentgelte und langfristige Verpflichtungen zu teuer werden.
Das verändert auch die Bewertung von Data-Center-Unternehmen. Nicht jede angekündigte Gigawatt-Pipeline ist gleich viel wert. Entscheidend ist, ob Netzkapazität bereits gesichert ist, welche Mindestzahlungen gelten, wann der Anschluss erfolgt und wer Investitionen in Upgrades bezahlt.
Warum „die Techkonzerne zahlen selbst“ nur teilweise die Wahrheit ist
Viele große Technologieunternehmen betonen, dass sie ihre Infrastrukturkosten selbst tragen wollen. Neue Tarife in Virginia und Georgia sowie die FERC-Initiative gehen genau in diese Richtung.
Trotzdem bleiben Grauzonen. Ein neues Umspannwerk kann teilweise für einen Data-Center-Komplex gebaut werden, später aber auch anderen Kunden dienen. Eine neue Hochspannungsleitung kann mehrere Zwecke erfüllen. Neue Kraftwerke erhöhen die allgemeine Versorgungssicherheit. Die Zuordnung ist deshalb selten so sauber wie bei einer privaten Zufahrtsstraße.
Deshalb wird die entscheidende Frage der nächsten Jahre nicht nur lauten, wie viel Netzausbau AI benötigt, sondern welcher Anteil der gemeinsamen Infrastruktur welchem Kunden zugerechnet wird.
Was das für Versorger-Aktien bedeutet
Auf den ersten Blick ist massives Lastwachstum ein Traum für Stromversorger. Nach Jahrzehnten flacher Nachfrage steigt der Verbrauch wieder.
Doch Utilities verdienen nicht automatisch an jeder zusätzlichen Kilowattstunde. Entscheidend sind genehmigte Investitionen, regulatorische Renditen, Finanzierungskosten und politische Akzeptanz.
Wenn ein Versorger Milliarden vorfinanzieren muss, während die Regulierungsbehörde später Teile der Kosten ablehnt, kann Wachstum sogar Kapital vernichten. Umgekehrt können langfristige Großkundentarife mit Mindestzahlungen einen attraktiven, planbaren Investitionszyklus schaffen.
Für Anleger wird die Qualität der Regulierung deshalb fast genauso wichtig wie die Höhe des Lastwachstums.
Fünf Fragen, die Investoren bei jedem AI-Infrastrukturprojekt stellen sollten
- Ist die elektrische Leistung wirklich vertraglich und physisch gesichert? Eine geplante Verbindung ist nicht dasselbe wie ein energisierter Anschluss.
- Wer bezahlt Netzupgrades? Der Rechenzentrumsbetreiber, der Versorger oder die gesamte Kundenbasis?
- Gibt es Mindestabnahmen? Je höher die Take-or-Pay-Komponente, desto geringer das Stranded-Asset-Risiko für den Versorger.
- Wie lange läuft der Vertrag? Ein 15-Jahres-Vertrag passt besser zu Infrastruktur mit jahrzehntelanger Nutzungsdauer als ein kurzfristiger Stromdeal.
- Wie belastbar ist die Lastprognose? Ist das Projekt finanziert und im Bau oder nur eine Reservierung in der Anschlusswarteschlange?
Drei Szenarien für den Data-Center-Stromboom
1. Geordneter Boom
Die meisten Großprojekte werden realisiert, Regulierer setzen Mindestzahlungen durch und Utilities verdienen auf zusätzliche Infrastruktur. Strompreise steigen moderat, während neue Erzeugung und Netze rechtzeitig verfügbar werden. Das wäre das beste Szenario für Versorger, Netztechnik und Data-Center-Infrastruktur.
2. Anschlussblase
Ein erheblicher Teil der angekündigten Last materialisiert sich nicht. Utilities haben auf zu hohe Prognosen reagiert, Netze und Erzeugung werden teilweise überdimensioniert und Regulierer streiten darüber, wer die Kosten trägt. Projektentwickler ohne langfristige Verträge geraten unter Druck.
3. Stromknappheit
AI-Nachfrage wächst schneller als neue Infrastruktur. Netzanschlüsse werden zum knappsten Asset, Großkunden akzeptieren höhere Preise und Energieunternehmen erhalten starke Verhandlungsmacht. Gleichzeitig steigt politischer Druck, Haushalte vor höheren Rechnungen zu schützen.
Was ich 2026 und 2027 beobachten würde
- die endgültigen FERC-Regeln für Großverbraucher,
- neue Data-Center-Tarife einzelner Bundesstaaten,
- tatsächlich energisierte MW statt angekündigter GW,
- Mindestabnahmequoten und Vertragslaufzeiten,
- Strompreissteigerungen in großen Data-Center-Regionen,
- Lieferzeiten für Transformatoren und Hochspannungstechnik,
- Neubau und Wiederinbetriebnahme gesicherter Kraftwerksleistung,
- Projektstornierungen oder doppelt angemeldete Anschlussanfragen.
Fazit: Der AI-Boom bekommt eine Stromrechnung
Der wichtigste Wandel im AI-Investmentthema findet gerade unterhalb der sichtbaren Technologie statt. Chips bleiben entscheidend. Doch die knappe Ressource wird zunehmend die Kombination aus Strom, Netzanschluss und langfristig finanzierbarer Infrastruktur.
Die USA reagieren darauf mit einem neuen regulatorischen Modell. Rechenzentren sollen nicht nur für verbrauchte Kilowattstunden zahlen, sondern einen größeren Teil des Risikos übernehmen, das ihre gigantischen Anschlusswünsche verursachen.
Das ist sinnvoll, aber für Investoren nicht neutral. Langfristige Mindestzahlungen erhöhen die Qualität der Cashflows von Versorgern und Infrastrukturbetreibern. Gleichzeitig machen sie neue Data-Center-Projekte kapitalintensiver und weniger flexibel.
Die entscheidende investigative Frage lautet deshalb nicht mehr: Wie viel Strom braucht AI?
Sie lautet: Wie viel Infrastruktur wird allein aufgrund der Erwartung dieses Stromverbrauchs gebaut – und wer trägt den Verlust, wenn die Erwartung falsch ist?
Genau dort könnte in den nächsten Jahren der größte Unterschied zwischen Gewinnern und Verlierern des AI-Infrastrukturbooms entstehen.
Hinweis: Dieser Artikel dient ausschließlich Informations- und Bildungszwecken und stellt keine Anlageberatung dar. Prognosen zum Stromverbrauch von Rechenzentren weisen erhebliche Unsicherheiten auf.
Quellen
- U.S. Department of Energy / Lawrence Berkeley National Laboratory – United States Data Center Energy Usage Report: 2025 Update, veröffentlicht 2026
- FERC – Large Load Show Cause Orders, 18. Juni 2026
- FERC – Commissioner Rosner on consumer protection, speculative load requests and Cost Recovery Agreements, 18. Juni 2026
- Virginia State Corporation Commission – Data Center Initiatives, Tarife und Kostenschutz, 2026
- Georgia Public Service Commission – Data Center Fact Sheet, März 2026
- Lawrence Berkeley National Laboratory – Electricity Rate Designs for Large Loads: 2026 Update
