Zum Inhalt
Branchenradar KI-Impact

Energiewirtschaft

KI verbessert nach Angaben der Entwickler Wetter- und Einspeiseprognosen und hilft im Netzbetrieb; die großen Zahlen dazu sind meist Schätzungen des Potenzials. KI ist zugleich selbst ein schnell wachsender Stromverbraucher, und ihre Rechenzentren ballen sich an wenigen Orten.

Reifegrad
Erprobung
Beleglage
gemischt
Wirkung auf Arbeit
gering
Schadensrisiko
mittel
KI-Impact heute und 2029
punktuell, 2029 spürbar
Rolle des Menschen 2029
entscheidet, KI bereitet vor
Auf dieser Seite
  1. Was tut KI hier?
  2. Was ist belegt?
  3. Wo liegen Grenzen und Schäden?
  4. Wie geht es bis 2029 weiter?
  5. Was ändert sich für die Arbeit?
  6. Welche Regeln gelten?
  7. Einordnung
  8. Quellen

Was tut KI hier?

  • Wetter- und EinspeiseprognosenMaschinenlernenAlltag

    Maschinell gelernte Wettermodelle sagen Wind und Sonneneinstrahlung voraus. Daraus berechnen Netzbetreiber und Händler, wie viel Wind- und Solarstrom zu erwarten ist.

    Das Europäische Zentrum für mittelfristige Wettervorhersage (ECMWF) betreibt sein KI-Modell AIFS seit 25. Februar 2025 regulär

  • NetzbetriebMaschinenlernenErprobung

    Modelle schätzen die tatsächliche Belastbarkeit von Leitungen, erkennen Fehler schneller und helfen, vorhandene Leitungen höher auszulasten.

    Die Internationale Energieagentur (IEA) schätzt das Potenzial auf bis zu 175 GW zusätzliche Übertragungsleistung in bestehenden Leitungen weltweit

  • Betrieb und Wartung von AnlagenMaschinenlernenErprobung

    Sensordaten von Kraftwerken, Windrädern und Netzanlagen werden ausgewertet, um Ausfälle vorherzusagen und den Betrieb zu optimieren.

    IEA: bis zu 110 Milliarden US-Dollar Einsparung pro Jahr bis 2035, wenn bestehende Anwendungen breit übernommen werden (Modellrechnung)

  • Energiesparen in Industrie und GebäudenMaschinenlernenVersprechen

    KI steuert Prozesse, Lüftung, Heizung und Kühlung so, dass weniger Energie verbraucht wird. In Gebäuden bremst der geringe Digitalisierungsgrad.

    IEA: 8 % Einsparung in der Leichtindustrie bis 2035 möglich (Modellrechnung)

Was ist belegt?

  • Das KI-Wettermodell AIFS des ECMWF braucht nach eigener Angabe für eine Vorhersage etwa 1.000-mal weniger Energie und hilft bei Prognosen von Einstrahlung und Wind in Nabenhöhe. Es läuft neben dem physikalischen Modell.
  • Google DeepMind meldete 2019, dass Windprognosen 36 Stunden im Voraus den Marktwert von 700 MW Windleistung in den USA um rund 20 % erhöht hätten (Herstellerangabe). Grund seien feste Lieferzusagen für den Folgetag gewesen.
  • Der Energiebedarf je KI-Aufgabe ist nach der IEA in den letzten Jahren jährlich um mindestens eine Größenordnung gesunken, also auf ein Zehntel oder weniger.
  • Das Energieeffizienzgesetz verlangt von neuen Rechenzentren, je nach Betriebsbeginn 10 bis 20 % ihrer Energie wiederzuverwenden, etwa als Abwärme für Wärmenetze.

Wo liegen Grenzen und Schäden?

  • Rechenzentren verbrauchten 2025 weltweit nach Schätzung der IEA rund 485 TWh Strom, 17 % mehr als im Vorjahr, KI-Rechenzentren 50 % mehr. Die IEA erwartet bis 2030 rund 950 TWh, etwa 3 % des weltweiten Strombedarfs; ihre Prognose von 2025 lag bei 945 TWh.
  • Denkmodelle und Agenten können je Anfrage hundert- bis tausendmal mehr Energie brauchen als einfache Textantworten. Effizienzgewinne und Mehrverbrauch wirken so gegeneinander.
  • Rechenzentren ballen sich lokal. In Irland verbrauchten sie 2025 23 % des gemessenen Stroms, 2015 waren es 5 %. Die Last von KI-Servern kann binnen einer Sekunde um mehr als die Hälfte der Nennleistung schwanken.
  • Kohle lieferte 2024 etwa 30 % des Stroms der Rechenzentren weltweit, Erdgas 26 %, erneuerbare Energien 27 % (physikalischer Mix am Standort). Bis 2030 könnten 15 bis 27 GW Gaskraftwerke Rechenzentren direkt versorgen, überwiegend in den USA.
  • Die Angaben der Anbieter je Anfrage beruhen auf verschiedenen, teils nicht offengelegten Systemgrenzen. Google nennt 0,24 Wh für eine mittlere Textanfrage an Gemini, nach eigener Angabe ohne Prüfung durch Dritte; OpenAI-Chef Sam Altman nennt 0,34 Wh ohne Angabe der Methode. Mistral AI veröffentlichte eine von zwei Beratungsfirmen begutachtete Lebenszyklusanalyse mit Werten für Treibhausgase, Wasser und Rohstoffverbrauch; einen Energiewert in Wh enthält sie nicht.

Wie geht es bis 2029 weiter?

Heute punktuell, 2029 spürbar. In Deutschland nutzt gut ein Drittel der Energieversorger ab zehn Beschäftigten KI; belegte Praxisbeispiele gibt es vor allem bei Prognosen und im Kundenservice. Bis 2029 dürfte KI Prognosen, Kundenprozesse und Teile der Netzplanung spürbar verändern; Netzführung und Freigaben bleiben beim Menschen, so sieht es etwa der Übertragungsnetzbetreiber Amprion.

Was beim Menschen bleibt. Menschen führen die Netze, entscheiden über Eingriffe und Investitionen und verantworten die Versorgungssicherheit, gestützt auf KI-Prognosen und KI-Vorschläge.

Wie schnell wird KI hier besser?

Bei Prognosen sind Verbesserungen gegenüber bisherigen Verfahren belegt, meist nach Angaben von Entwicklern und Anwendern. Ein Verfahren von Fraunhofer sagte im Testbetrieb die Netzverluste des Übertragungsnetzbetreibers TenneT für den Folgetag um 18 % genauer voraus als die bisherige Lösung. Beim Verteilnetzbetreiber Albwerk war im Schattenbetrieb, also parallel zum bisherigen Verfahren, eine KI-Prognose des Differenzbilanzkreises, der die Abweichungen zwischen Standardlastprofilen und tatsächlichem Verbrauch erfasst, rund 40 % genauer als die des bisherigen Dienstleisters, und eine Methode des Fraunhofer-Instituts für Solare Energiesysteme senkt Fehler der kurzfristigen Einstrahlungsprognose um 11 %. KI-Wettermodelle übertrafen in Studien der Entwickler seit 2023 die physikalischen Ensembles bei den meisten Messgrößen und laufen seit 2025 beim ECMWF im Regelbetrieb neben den physikalischen Modellen, deren Ausgangsdaten sie weiter brauchen; bei der zweiten Version des dortigen KI-Modells AIFS führten Verbesserungen der Realitätsnähe aber nicht unmittelbar zu besseren Prüfwerten.

Wo reicht die Qualität schon, sodass Menschen vor allem prüfen?

Bei Last-, Einspeise- und Verlustprognosen sowie bei Standardfällen im Kundenservice und bei Zählerständen überwachen Menschen vor allem und prüfen Ausreißer. In den Praxisbeispielen einer Studie der Beratung PwC beantwortet ein Chatbot der NEW Netz 95 % der Kundenanfragen selbstständig (Herstellerangabe). Bei Netzplanung und Inspektion schlägt KI vor, Menschen prüfen und geben frei; eine vollautomatische Auswertung von Inspektionsbildern scheiterte beim Schweizer Netzbetreiber Axpo Grid an zu wenigen Schadensbeispielen. In der Netzführung ist ein solches Niveau nicht absehbar. Amprion hat einen vollautomatischen Netzbetrieb nach eigener Angabe diskutiert und verworfen.

Was bremst?

Die Internationale Energieagentur nennt den Mangel an digitalen Fachkräften als größtes Hindernis, daneben zersplitterte Daten. Im Verteilnetz fehlen Messdaten; zum 30. Juni 2026 hatten erst 5,9 % der Messlokationen ein intelligentes Messsystem. KI als Sicherheitsbauteil der Strom-, Gas- und Wärmeversorgung gilt nach der KI-Verordnung als Hochrisiko-System, mit Pflichten ab 2. Dezember 2027. Dazu kommen allgemeine Pflichten für kritische Anlagen; das KRITIS-Dachgesetz verlangt Risikoanalysen und Resilienzpläne für den physischen Schutz, ohne eigene Regeln für KI. In einer Bevölkerungsbefragung in Deutschland nannten 2025 56 % menschliche Kontrolle als wichtigste Bedingung für Vertrauen in KI im Energiesektor.

Was könnte die Einschätzung kippen?

Die meisten Qualitätszahlen sind Angaben aus Einzelprojekten; unabhängige Fehlerstatistiken über mehrere Jahre fehlen. Die oft zitierte Quote, 79 % der Energieversorger hätten erste KI-Lösungen eingeführt, stammt aus einer Beratungsstudie mit unklarer Stichprobe. Steigt die Zahl der Eingriffe ins Netz weiter, bei TenneT inzwischen rund 2.500 im Jahr, könnte der Druck zu mehr Automatisierung wachsen.

Geschätzt aus den Belegen dieses Blatts. Wie die Werte entstehen

Was ändert sich für die Arbeit?

Die Arbeit ändert sich vor allem in Prognose, Netzführung, Handel und Instandhaltung. KI-Modelle laufen neben physikalischen Modellen; Netzbetreiber können Werkzeuge für Leitungsauslastung und Fehlersuche nutzen, deren Potenzial die IEA hoch einschätzt. Belastbare Zahlen zu Beschäftigungseffekten fand die Recherche nicht. Mit den Rechenzentren entstehen neue Aufgaben bei Netzanschluss, Abwärmenutzung und Energiemanagement.

Welche Regeln gelten?

Das geltende Energieeffizienzgesetz schreibt Rechenzentren ab 300 kW Effizienzgrenzwerte vor und verlangt ab 2027 vollständig erneuerbaren Strom, bilanziell gerechnet. Maßgeblich ist die nicht redundante Nennanschlussleistung. Bestehende Rechenzentren müssen ab 1. Juli 2027 eine Energieverbrauchseffektivität () von höchstens 1,5 erreichen, ab 1. Juli 2030 von 1,3; neue spätestens zwei Jahre nach Inbetriebnahme von 1,2. Ab 1. Januar 2027 müssen sie ihren Strom bilanziell zu 100 % aus erneuerbaren Energien decken.

Ein Regierungsentwurf vom 16. September 2026 (Bundestags-Drucksache 21/8027) will diese Pflichten lockern und teils verschieben. Die Werte für bestehende Rechenzentren sollen auf 1,6 und 1,4 steigen; neue Rechenzentren sollen für den Wert 1,2 und die Abwärmequoten vier statt zwei Jahre bekommen. Die volle Ökostrompflicht soll erst ab 1. Januar 2030 gelten, und erfasst würden Rechenzentren erst ab 500 kW IT-Leistung. Nach der Anhörung am 5. Oktober 2026 waren zweite und dritte Lesung nach Angabe des Branchenverbands German Datacenter Association (GDA) noch nicht terminiert (Stand 7. Oktober 2026).

Nach einem Regierungsentwurf vom 29. Juli 2026 (Netzanschlusspaket) soll beim Netzanschluss vor allem die Reife eines Projekts zählen und nicht mehr allein die Reihenfolge der Anträge, das sogenannte Windhundprinzip. Nach Darstellung der GDA zum vorangegangenen Referentenentwurf vom 17. Juli 2026 sollten Rechenzentren darin erstmals als Großverbraucher behandelt werden; ob das im Regierungsentwurf so steht, ist hier nicht geprüft.

Einordnung

Quellen dieser Seite

Die Ziffern im Text öffnen die Quelle. Alle Quellen der Website

Liste der 35 Quellen anzeigen
  1. ECMWF's AI forecasts become operational. ECMWF, 25. Februar 2025.
  2. Energy and AI – Executive summary. Internationale Energieagentur (IEA), April 2025.
  3. Energy and AI – AI for energy optimisation and innovation. Internationale Energieagentur (IEA), April 2025.
  4. Machine learning can boost the value of wind energy. Google DeepMind, 26. Februar 2019.
  5. Key Questions on Energy and AI – Executive summary. Internationale Energieagentur (IEA), 16. April 2026.
  6. Energieeffizienzgesetz (EnEfG), § 11 Abs. 1 und 2. 20. Oktober 2026.
  7. Data Centres Metered Electricity Consumption 2025. Central Statistics Office Ireland, 7. Juli 2026.
  8. Energy and AI – Energy supply for AI. Internationale Energieagentur (IEA), April 2025.
  9. Measuring the environmental impact of AI inference. Google Cloud Blog, 21. August 2025.
  10. The Gentle Singularity. Sam Altman (Blog), 2025.
  11. Our contribution to a global environmental standard for AI. Mistral AI, 22. Juli 2025.
  12. Datensatz isoc_eb_ain2 (KI-Nutzung in Unternehmen nach Wirtschaftszweigen), Indikator E_AI_TANY. Eurostat, 15. Juni 2026.
  13. Bericht über die PwC-Studie „Künstliche Intelligenz in der Energiewirtschaft“ (13.04.2026). ZfK – Zeitung für kommunale Wirtschaft (Lucas Maier), 13. April 2026.
  14. Pressemitteilung zur KI-basierten Netzverlustprognose mit TenneT (14.12.2023). Fraunhofer IOSB-AST, 14. Dezember 2023.
  15. Amprion gründet KI-Tochter alphaGrid (01.10.2026). Clean Thinking, 1. Oktober 2026.
  16. 40 Prozent bessere Prognosen für den Bilanzkreis (01.08.2024). ZfK – Zeitung für kommunale Wirtschaft, 1. August 2024.
  17. KI-unterstützte Modelle verbessern Vorhersage der solaren Einstrahlung (03.03.2026). Fraunhofer ISE, 3. März 2026.
  18. GenCast – Diffusion-based ensemble forecasting for medium-range weather (arXiv:2312.15796v2). Price, Sanchez-Gonzalez, Alet u. a., 1. Mai 2024.
  19. ECMWF's ensemble AI forecasts become operational. ECMWF, 1. Juli 2025.
  20. Implementation of AIFS v2. ECMWF Newsletter 187, Mai 2026.
  21. Lowack, Richter (Axpo Grid AG) – Freileitungen mit Drohnen inspizieren. Bulletin Electrosuisse 1/2025, Januar 2025.
  22. KI in der Netzplanung, Amprion und envelio (30.09.2026). ZfK – Zeitung für kommunale Wirtschaft, 30. September 2026.
  23. Pressemitteilung „Bundesnetzagentur veröffentlicht halbjährliche Erhebung im Messwesen“ (21.09.2026). Bundesnetzagentur, 21. September 2026.
  24. Verordnung (EU) 2024/1689 (Amtsblatt der EU). EUR-Lex, 13. Juni 2024.
  25. Gesetz zur Umsetzung der Richtlinie (EU) 2022/2557 und zur Stärkung der Resilienz kritischer Anlagen. Bundesgesetzblatt 2026 I Nr. 66, 16. März 2026.
  26. Energizing AI-Trust (Januar 2026). WZGE, Januar 2026.
  27. Energieeffizienzgesetz (EnEfG), § 3 Nr. 24 und § 12. 20. Oktober 2026.
  28. Entwurf eines Gesetzes zur Beschleunigung der Umsetzung der Energieeffizienzrichtlinie (Gesetzentwurf der Bundesregierung). Deutscher Bundestag, Drucksache 21/8027, 16. September 2026.
  29. EnEfG-Novelle – GDA wirbt in der Bundestagsanhörung für lastabhängige PUE-Werte. German Datacenter Association (GDA), 7. Oktober 2026.
  30. Entwurf eines Gesetzes zur Änderung des Energiewirtschaftsrechts (Netzanschlusspaket). Bundesministerium für Wirtschaft und Energie, 12. August 2026.
  31. GDA positioniert sich zum Netzanschlusspaket. German Datacenter Association (GDA), 22. Juli 2026.
  32. How much energy do data centers and artificial intelligence use?. Our World in Data (Hannah Ritchie), 20. Juli 2026.
  33. Energieeffizienzgesetz (EnEfG), § 13. 20. Oktober 2026.
  34. Szenariorahmen zum Netzentwicklungsplan Strom 2040/2045, Version 2027, Entwurf (Tabelle 1). Übertragungsnetzbetreiber, Juni 2026.
  35. Datacenter Outlook Germany 2026–27. German Datacenter Association (GDA), 23. September 2026.