Deutschland plant mehr KI-Rechenleistung – der Ausbau wird zur Standortfrage

Deutschland will seine Rechenzentrumskapazitäten bis 2030 massiv ausbauen. Vor allem die Rechenleistung für Künstliche Intelligenz und Hochleistungsrechnen soll wachsen, während die EU parallel milliardenschwere KI-Großinfrastrukturen vorbereitet. Doch für die deutsche Digitalpolitik wird nicht allein entscheidend sein, wie viele neue Rechenzentren entstehen – sondern welche Aufgaben sie übernehmen, wo sie gebaut werden und wie viel Energie sie benötigen.

Berlin, 10. August 2026. Der Ausbau der KI-Infrastruktur wird für Deutschland zur industriepolitischen Aufgabe. Die Bundesregierung will die gesamte Rechenzentrumskapazität bis 2030 mindestens verdoppeln. Noch stärker soll der Bereich wachsen, der für Künstliche Intelligenz und High-Performance-Computing entscheidend ist: Hier ist mindestens eine Vervierfachung der Kapazitäten vorgesehen.

Die Richtung ist damit vorgegeben. Weniger eindeutig ist, welche Rechenzentren Deutschland dafür tatsächlich braucht. Denn hinter dem Begriff verbergen sich sehr unterschiedliche Anlagen – vom klassischen Cloud- und Colocation-Rechenzentrum über spezialisierte Systeme für Unternehmen und Forschung bis zu hochverdichteten KI-Rechenzentren für besonders große Modelle.

Die politische Debatte dreht sich deshalb längst nicht mehr nur um zusätzliche Serverhallen. Stromanschlüsse, leistungsfähige Netze, Flächen, Kühlung, Abwärme und der Zugang zu spezialisierten Prozessoren bestimmen mit darüber, wie schnell neue KI-Rechenzentren entstehen können. Zugleich stellt sich die strategische Frage, welche Rechenleistung Deutschland selbst vorhalten und welche Infrastruktur gemeinsam mit europäischen Partnern aufgebaut werden soll.

Deutschlands Rechenzentren sollen deutlich wachsen

Deutschland startet dabei nicht bei null. Nach Angaben des Digitalverbands Bitkom gab es 2025 rund 2.000 Rechenzentren mit mehr als 100 Kilowatt Anschlussleistung. Zusammen kamen sie auf eine installierte Leistung von rund 2.980 Megawatt. Etwa 100 Anlagen überschritten die Marke von fünf Megawatt und stellten ungefähr die Hälfte der gesamten Kapazität.

Besonders stark konzentriert sich der Markt auf Frankfurt und das Rhein-Main-Gebiet. Dort befanden sich 2025 mehr als 1.100 Megawatt Rechenzentrumsleistung – mehr als ein Drittel der deutschen Gesamtkapazität. Die Region profitiert unter anderem von ihrer etablierten digitalen Infrastruktur.

Die Bundesregierung setzt dennoch nicht ausschließlich auf eine weitere Verdichtung bestehender Cluster. Ihre nationale Rechenzentrumsstrategie sieht auch regionale und dezentrale Standorte vor. Geeignete Flächen sollen früher identifiziert, Planungsprozesse erleichtert und Genehmigungen beschleunigt werden.

Dahinter steht ein praktisches Problem: Ein neuer Standort ist nur dann attraktiv, wenn nicht allein Grundstück und Datenanbindung stimmen. Gerade leistungsfähige KI-Rechenzentren benötigen erhebliche elektrische Anschlussleistung. Damit rücken Stromnetze und Energieversorgung unmittelbar in den Mittelpunkt der Standortpolitik.

KI-Rechenzentrum ist nicht gleich KI-Rechenzentrum

Wie groß der tatsächliche Bedarf ausfällt, hängt stark vom Einsatzzweck ab. Das Training besonders leistungsfähiger generativer KI-Modelle verlangt andere technische Voraussetzungen als eine spezialisierte industrielle Anwendung. Große Modelle benötigen viele leistungsfähige Beschleuniger, hohe Speicherkapazitäten und extrem schnelle Verbindungen zwischen den einzelnen Rechnern.

Für andere Anwendungen kann eine kleinere, gezielt zugeschnittene Infrastruktur ausreichen. Die Tagesschau verweist in ihrer aktuellen Analyse unter anderem auf Maschinenbau, Automobilindustrie, Chemie, Medizin, Materialforschung und Energienetze als Bereiche, in denen spezialisierte KI eine Rolle spielen kann. Welche Rechenleistung dafür benötigt wird, unterscheidet sich erheblich von Anwendung zu Anwendung.

Hinzu kommt das High-Performance-Computing, kurz HPC. Solche Hochleistungsrechner werden in Wissenschaft und Forschung seit Langem für aufwendige Simulationen und Berechnungen eingesetzt. Mit der Verbreitung von KI überschneiden sich beide Bereiche zunehmend. Gleichsetzen lassen sie sich trotzdem nicht.

Genau deshalb wäre die Zahl neu gebauter Rechenzentren allein ein schlechter Maßstab für Deutschlands Position im KI-Wettbewerb. Entscheidend ist, welche Hardware darin arbeitet, wie die Systeme miteinander verbunden sind und für welche Aufgaben die Rechenleistung zur Verfügung steht.

Europa setzt zusätzlich auf KI-Gigafactories

Während Deutschland seine nationale Infrastruktur ausbauen will, verfolgt die Europäische Union ein weiteres Großprojekt. Ende Juli 2026 startete die Europäische Kommission die Ausschreibung für bis zu sieben sogenannte AI Gigafactories. Für das Vorhaben sind nach Angaben der Kommission bis zu zehn Milliarden Euro öffentliche Mittel von EU und Mitgliedstaaten vorgesehen. Damit sollen mindestens 20 Milliarden Euro an privaten Investitionen mobilisiert werden.

Diese Anlagen spielen in einer anderen Größenordnung als viele bestehende Rechenzentren. Sie sollen unter anderem das Training, die Anpassung und den Betrieb besonders leistungsfähiger KI-Modelle ermöglichen. Dafür sollen spezialisierte KI-Prozessoren, Hochgeschwindigkeitsnetze, Cloud-Technologien und entsprechend ausgelegte Rechenzentren zusammengeführt werden.

Deutschland beteiligt sich an dem europäischen Verfahren. Ob tatsächlich eine der geplanten KI-Gigafactories hierzulande entsteht, steht allerdings noch nicht fest. Die Bundesregierung will mindestens eine entsprechende Ansiedlung unterstützen, das Auswahlverfahren auf europäischer Ebene läuft jedoch noch.

AI Factories gibt es bereits

Die geplanten Großanlagen sind nicht mit den bereits bestehenden europäischen AI Factories zu verwechseln. Nach Angaben der Europäischen Kommission umfasst dieses Netzwerk derzeit 19 Standorte. In Deutschland gehören unter anderem JAIF und HammerHAI dazu.

Damit zeichnet sich eine gestufte europäische KI-Infrastruktur ab: bestehende Hochleistungsrechner und AI Factories auf der einen Seite, künftig möglicherweise wesentlich größere Gigafactories auf der anderen. Hinzu kommen kommerzielle Rechenzentren und spezialisierte Systeme von Unternehmen und Forschungseinrichtungen.

Für Deutschland ergibt sich daraus eine strategische Frage. Nicht jede benötigte Rechenleistung muss zwangsläufig in einer nationalen Großanlage konzentriert werden. Gleichzeitig verfolgt die Bundesregierung ausdrücklich das Ziel, technologische und digitale Souveränität zu stärken. Wie weit eigene Kapazitäten dafür reichen müssen, ist bislang nicht abschließend bestimmt.

Der Strombedarf setzt dem Ausbau Grenzen

Mit der Größe der Rechenzentren wächst ihre Bedeutung für die Energiepolitik. Nach einer Untersuchung von Bitkom und dem Borderstep Institut verbrauchten deutsche Rechenzentren 2025 rund 21,3 Milliarden Kilowattstunden Strom.

International weist die Entwicklung noch deutlicher nach oben. Die Internationale Energieagentur rechnet damit, dass der weltweite Stromverbrauch von Rechenzentren von rund 485 Terawattstunden im Jahr 2025 auf etwa 950 Terawattstunden im Jahr 2030 steigen könnte. Der Verbrauch KI-orientierter Rechenzentren soll besonders stark zunehmen.

Auf Deutschland lassen sich diese globalen Prognosen nicht übertragen. Sie zeigen jedoch den Zielkonflikt, vor dem Standorte weltweit stehen. Neue Rechenleistung lässt sich vergleichsweise schnell installieren – leistungsfähige Stromnetze und zusätzliche Erzeugungskapazitäten dagegen nicht beliebig kurzfristig.

Für neue KI-Rechenzentren zählt deshalb zunehmend, wann und zu welchen Bedingungen ein ausreichend großer Netzanschluss verfügbar ist. Die Bundesregierung nennt bezahlbaren, möglichst klimafreundlichen Strom, Energieeffizienz und die Nutzung von Abwärme ausdrücklich als Bestandteile ihrer Rechenzentrumsstrategie.

Neue Anlagen müssen effizienter werden

Deutschland hat die Anforderungen bereits gesetzlich verschärft. Rechenzentren, die seit dem 1. Juli 2026 in Betrieb gehen, müssen nach dem Energieeffizienzgesetz grundsätzlich einen PUE-Wert von höchstens 1,2 erreichen. Der Wert beschreibt das Verhältnis zwischen dem gesamten Energieverbrauch einer Anlage und der Energie, die unmittelbar für die IT-Technik eingesetzt wird.

Daneben bestehen Vorgaben zur Wiederverwendung von Energie, insbesondere zur Nutzung von Abwärme. Ob sich diese Wärme tatsächlich sinnvoll verwenden lässt, hängt allerdings vom Standort ab. Entscheidend sind unter anderem geeignete Abnehmer und vorhandene Wärmenetze. Das Gesetz sieht deshalb auch Ausnahmen und Sonderregelungen vor.

Die Standortfrage bekommt dadurch eine zusätzliche Dimension. Eine Fläche mit guter Datenanbindung reicht nicht aus. Energieversorgung, Netzkapazität und mögliche Wärmenutzung müssen stärker mitgedacht werden – gerade bei großen KI-Rechenzentren.

Gigawatt allein messen keine KI-Stärke

Die Ausbauziele der Bundesregierung sind ambitioniert, doch elektrische Leistung und tatsächliche KI-Rechenleistung sind zwei verschiedene Größen. Megawatt und Gigawatt beschreiben zunächst die Dimension der Energie- und Rechenzentrumsinfrastruktur. Wie leistungsfähig eine Anlage bei KI-Aufgaben ist, lässt sich daraus nicht unmittelbar ablesen.

Eine zentrale Rolle spielen die eingesetzten Prozessoren und Beschleuniger, deren Generation, Speicher, interne Netzwerke und die Auslastung der Systeme. Zwei Rechenzentren mit ähnlicher elektrischer Leistung können deshalb für KI sehr unterschiedliche Fähigkeiten besitzen.

Auch internationale Vergleiche haben hier Grenzen. Die installierte Leistung zeigt, wie groß ein Rechenzentrumsmarkt ist. Sie beantwortet aber nicht, welche KI-Modelle dort trainiert werden können oder wem die vorhandene Rechenleistung tatsächlich zur Verfügung steht.

Eine belastbare Zahl dafür, wie viele Gigawatt oder wie viele große KI-Rechenzentren Deutschland langfristig benötigt, gibt es bislang nicht. Die Vervierfachung der KI- und HPC-Kapazitäten ist ein politisches Ausbauziel – keine abschließende Bedarfsberechnung für Wirtschaft, Wissenschaft und Staat.

Entscheidend wird die richtige Mischung

Der Ausbau der KI-Infrastruktur lässt sich deshalb kaum auf die Frage reduzieren, ob Deutschland genügend große Rechenzentren baut. Für besonders anspruchsvolle KI-Modelle können europäische Großanlagen entscheidend werden. Industrie und Forschung brauchen daneben spezialisierte Systeme. Cloud- und Colocation-Rechenzentren bleiben zugleich das Rückgrat vieler digitaler Dienste.

Die politische Richtung steht fest: Deutschland will mehr Rechenleistung im eigenen Land und innerhalb Europas verfügbar machen. Schwieriger ist die nächste Entscheidung. Neue Kapazitäten müssen zu den Anwendungen passen – und zugleich zu Stromnetzen, Energieangebot, Flächen und vorhandener Infrastruktur.

Damit verschiebt sich auch der Maßstab für den Erfolg der deutschen Rechenzentrumsstrategie. Entscheidend wird nicht sein, wer die meisten Serverhallen baut. Es geht darum, ob Deutschland genügend leistungsfähige KI-Infrastruktur dort bereitstellen kann, wo Wirtschaft, Forschung und Staat sie tatsächlich benötigen – und ob der Ausbau technisch und energetisch tragfähig bleibt.