e.V.
Probleme · Energie · geprüft 2026-05-21

Cloud-Energiehunger als Selbstzweck

Hyperscale-Rechenzentren wachsen schneller als Strom-Netze sie versorgen können. Ein erheblicher Teil dieser Last sind nicht „notwendige Berechnungen" — sondern Tracking, Profilbildung und Werbe-Auktionen, deren Daseinsgrund das Geschäftsmodell ist, nicht die Funktion.

These
Cloud-Wachstum dient zunehmend sich selbst — mehr Strom, um besser zu überwachen, um besser zu monetarisieren, um mehr Cloud rechtfertigen zu können.
Beispiele

Wie sich das zeigt

  • IEA-Prognose: globaler Strom-Verbrauch von Rechenzentren verdoppelt sich bis 2030 auf ~945 TWh — mehr als Japans heutiger Jahres-Verbrauch.
  • Microsoft 2024: CO₂-Emissionen +29 % seit 2020, vor allem durch KI-Rechenzentren — obwohl das Unternehmen sich bis 2030 zu „carbon negative" verpflichtet hatte.
  • Google 2024: CO₂-Ausstoß +48 % seit 2019. Begründung im Environmental Report: KI-Workloads und Infrastruktur-Ausbau.
  • Real-Time-Bidding für Werbung erzeugt pro Page-View mehrere hundert HTTP-Anfragen an Bieter-Server. Bei ~150 Mrd. RTB-Auktionen pro Tag summiert sich das zu signifikanter, zweckfreier Rechenlast.
  • Krypto + spekulative KI-Trainings: Computer-Power, die nicht für nützliche Aufgaben aufgewendet wird, sondern um Knappheit zu erzeugen oder Modelle zu skalieren, deren Nutzen unklar ist.
Diagnose

Die Erzählung lautet: „Cloud ist effizient, Cloud ist grün, Cloud spart Strom durch Skaleneffekte.” Die nachprüfbare Realität sieht anders aus. Die Internationale Energieagentur prognostiziert eine Verdopplung des weltweiten Rechenzentrums-Strom-Verbrauchs bis 2030 — nicht trotz, sondern wegen des Cloud-Ausbaus. Microsoft und Google haben ihre eigenen Klima-Versprechen reißen müssen, weil KI- und Profiling-Lasten schneller wachsen als Erneuerbare nachkommen.

Ein Teil dieser Rechenlast ist nützlich — Sicherheits-Backups, sinnvolle Berechnungen, geteilte Infrastruktur. Ein anderer, schwer abgrenzbarer Teil ist zirkulär: Computer-Power, deren Aufgabe es ist, mehr Daten zu sammeln, um damit Werbung zielgenauer zu schalten, um damit mehr Computer-Power zu rechtfertigen. Real-Time-Bidding ist das deutlichste Beispiel: hunderte Server-Calls pro angezeigtem Banner, milliardenfach pro Tag, um ein paar Cent Werbe-Erlös zu optimieren.

Dazu kommt KI-Training auf Skalen, die jenseits der Frage nach Nützlichkeit operieren. Die Industrie befindet sich in einem Skalierungs-Wettlauf, bei dem das Argument für die nächste Größenordnung oft lautet: „weil es geht” — nicht: „weil wir damit ein konkretes, benannbares Problem lösen”. Der Strom kommt zunehmend aus reaktivierten Kohle- und Gas-Kraftwerken, in den USA aus dem Comeback der Atomkraft.

Für uns folgt daraus zweierlei. Erstens: kein Werbe-Geschäftsmodell — damit fällt der zirkuläre Strom-Verbrauch von Tracking + RTB weg. Zweitens: Eigenbetrieb auf einer überschaubaren Maschine, die wir tatsächlich sehen können (ein Mac Mini auf einem Schreibtisch), nicht auf Hyperscale-Infrastruktur, deren Skalen-Logik wir nicht beeinflussen können. Drittens, kleiner aber wichtig: Local-First-Apps, die auf dem Gerät rechnen, wenn es geht — weil das mit Abstand energie-effizienteste Rechenzentrum die CPU ist, die ohnehin schon in der Hosentasche liegt.

Diese Maßnahmen lösen das globale Problem nicht. Sie verschieben unseren Anteil daran auf eine Größenordnung, die wir vor uns selbst und gegenüber Mitgliedern rechtfertigen können.

Diagnose ohne Antwort ist Lamentation. Was wir baulich tun, steht im Lösungs-Hub.