EU-Label für Rechenzentren: Wie Europa Energie- und Wasserhunger der KI messen will

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

Der Stromverbrauch von KI-Rechenzentren soll in der EU erstmals eine einheitliche Kennzahl bekommen. Die Europäische Kommission hat einen Entwurf für ein verpflichtendes Nachhaltigkeits-Rating vorgelegt, das Energie- und Wasserverbrauch von Rechenzentren vergleichbar machen soll, ähnlich wie die bekannte Energiekennzeichnung bei Haushaltsgeräten. Parallel dazu arbeiten Forschungseinrichtungen wie Silicon Austria Labs (SAL) an der Hardware- und Software-Seite des Problems, also daran, dass dieselbe Rechenleistung mit weniger Energie auskommt.

Was im Entwurf steht

Das geplante Rating stützt sich auf Artikel 33 der EU-Energieeffizienz-Richtlinie und knüpft an die bereits bestehende europäische Rechenzentrums-Datenbank an, in die Betreiber ohnehin melden müssen. Erfasst werden sollen Anlagen ab einer installierten IT-Leistung von 500 Kilowatt; kleinere Standorte können freiwillig teilnehmen.

Bewertet wird ein Bündel von Kennzahlen: die Energieeffizienz (Power Usage Effectiveness, kurz PUE), die Wassereffizienz (Water Usage Effectiveness, WUE) und der Anteil erneuerbarer Energie, aufgeschlüsselt nach Herkunftsnachweisen, Stromlieferverträgen (PPAs) und eigener Erzeugung vor Ort. Bemerkenswert sind die strengeren Regeln für Ökostrom-Ansprüche: Herkunftsnachweise sollen künftig zeitlich zum tatsächlichen Verbrauch passen und aus derselben Gebotszone stammen, die dahinterliegenden Anlagen sollen nicht älter als zehn Jahre sein. Damit wird es schwieriger, einen Standort über zugekaufte Zertifikate grün zu rechnen.

Die Labels sollen automatisiert aus den gemeldeten Daten erzeugt, jährlich aktualisiert und öffentlich einsehbar gemacht werden, der erste Durchlauf ist für das Jahr 2027 vorgesehen. Der Rechtsakt muss noch die Prüfung durch Mitgliedstaaten und Europäisches Parlament passieren. Über die reine Transparenz hinaus dürfte das Rating Gewicht bekommen, weil es an den Zugang zu nachhaltiger Finanzierung und an die öffentliche Beschaffung andocken und im geplanten Cloud and AI Development Act eine Rolle spielen soll.

Die Größenordnung des Problems

Die Internationale Energieagentur rechnet damit, dass sich der Stromverbrauch von Rechenzentren weltweit bis 2030 auf rund 945 Terawattstunden mehr als verdoppelt, das ist etwas mehr, als Japan derzeit insgesamt verbraucht. Wie schnell die Kurve steigt, zeigt der Blick auf einen einzelnen Konzern: Googles Rechenzentren haben ihren Stromverbrauch innerhalb von vier Jahren verdoppelt, von 14,4 auf 30,8 Millionen Megawattstunden. Dazu kommt der Wasserbedarf für die Kühlung, den das geplante Label als zweite Dimension mitbewertet.

Gas als schnelle Brücke

Weil neue Netzanschlüsse und erneuerbare Kapazitäten Jahre brauchen, greifen Betreiber vor allem in den USA zu dem, was schnell verfügbar ist: Gas. Der xAI-Supercomputer Colossus in Memphis läuft zu einem erheblichen Teil mit Gasturbinen, Umweltorganisationen werfen dem Unternehmen vor, damit Grenzwerte für Luftschadstoffe zu überschreiten. Elon Musk hat zudem einen Betreiber fossiler Kraftwerke gekauft, um Rechenzentren mit Strom zu versorgen. Dass der Ausbau nicht folgenlos bleibt, zeigt sich auch an den Endkundenpreisen: In mehreren US-Regionen treiben KI-Rechenzentren die Strompreise für Haushalte nach oben.

In Europa ist dieser Weg schwieriger. Emissionshandel, Klimaziele und teures Erdgas machen fossile Eigenversorgung unattraktiv, gleichzeitig sind die Netze in vielen Regionen der Engpass. Für Standorte wie das geplante Google-Rechenzentrum in Kronstorf in Oberösterreich ist der Zugang zu Leitungskapazität ein ebenso zentrales Thema wie der Strompreis.

Atomstrom mit Zeitverzögerung

Die zweite Antwort der Branche heißt Kernkraft. Hyperscaler sichern sich Strom aus bestehenden Reaktoren und investieren in kleine modulare Reaktoren (SMR), Google etwa hat Kapazitäten beim Startup Kairos Power gekauft. Der Reiz liegt im Grundlastcharakter: Ein Rechenzentrum läuft rund um die Uhr, Wind und Sonne tun das nicht.

Nur ist Atomstrom keine kurzfristige Option. Die meisten SMR-Projekte sind frühestens gegen Ende des Jahrzehnts betriebsbereit, und die Erwartungen schwanken stark, zuletzt hat die SMR-Branche binnen kurzer Zeit rund 30 Milliarden Dollar an Börsenwert verloren. Auch in Österreich, das Kernkraft politisch ablehnt, arbeiten mit dem Grazer Unternehmen Emerald Horizon Entwickler an entsprechenden Konzepten. Innerhalb der EU bleibt die Frage umstritten, ein Überblick über die Debatte findet sich im AI Talk zu Atomkraft für KI.

Das geplante Label bewertet die Stromquelle nicht direkt, wohl aber den Anteil erneuerbarer Energie. Gasstrom und Atomstrom schlagen sich also unterschiedlich nieder: Fossile Versorgung senkt den ausgewiesenen Erneuerbaren-Anteil, Kernkraft zählt zwar als CO2-arm, aber nicht als erneuerbar. Wie stark das die Standortwahl beeinflusst, wird davon abhängen, wie eng Finanzierung und Beschaffung an das Rating gekoppelt werden.

Der Hebel an der Wurzel: effizientere Chips

Neben der Frage, woher der Strom kommt, steht die Frage, wie viel davon überhaupt nötig ist. Genau hier setzt die Forschung von Silicon Austria Labs an, insbesondere in den Bereichen Embedded Systems und Intelligent Wireless Systems. SAL entwickelt Hardware-Beschleuniger, also spezialisierte Chip-Bausteine, die KI-Berechnungen mit deutlich geringerem Energieaufwand ausführen als herkömmliche Prozessoren. Im europäischen Projekt ISOLDE arbeitet SAL im Rahmen des Chips Joint Undertaking an solchen Beschleunigern auf Basis der offenen Chip-Architektur RISC-V.

„Unsere Stärke liegt darin, KI dort effizient zu machen, wo sie tatsächlich rechnet, im Chip und im Datacenter“, sagt Christina Hirschl, CEO von Silicon Austria Labs. „Wir entwickeln Hardware und Verfahren, die dieselbe Rechenleistung mit deutlich weniger Energie erbringen.“

Ein zweiter Ansatz verlagert Rechenarbeit aus dem Rechenzentrum heraus: SAL optimiert KI-Modelle so, dass sie direkt auf Geräten laufen, etwa in Haushaltsgeräten, Sensoren oder Satelliten, statt Daten energieintensiv in große Rechenzentren zu schicken. Auch beim föderierten Lernen, einem Verfahren, das KI trainiert, ohne sensible Daten zusammenzuführen, untersucht SAL besonders energiesparende Methoden.

Politisch wird die Arbeit als Standortfrage gerahmt. „Unsere Industriestrategie setzt darauf, dass ökologische und wirtschaftliche Ziele zusammengehören“, sagt Innovations- und Infrastrukturminister Peter Hanke. „Dass hier in Österreich an Künstlicher Intelligenz geforscht wird, die leistungsfähig und ressourcenschonend zugleich ist, zeigt, dass dieser Weg funktioniert.“ Hirschl argumentiert ähnlich: „Wer die sparsamste Technologie beherrscht, macht sich unabhängiger und verbindet Digitalisierung mit Klimazielen.“