Netz am Limit: Flexible KI-Rechenzentren könnten Anschluss-Staus bremsen

04.03.2026 | Allgemein, KI

Stromnetze bremsen den KI-Ausbau. Britische Tests zeigen: Rechenzentren lassen sich kurzfristig drosseln.

In Kürze

  • Cluster in unter 1 Minute bis 40% drosselbar
  • Über 10 Stunden im Mittel ~10% Lastsenkung
  • Anschlusswartezeit von 10 auf ~2 Jahre möglich

KI-Rechenzentren stehen derzeit vor einem Problem: Sie werden schneller gebaut, als die Stromnetze mitwachsen können. Das führt zu massiven Wartezeiten für Netzanschlüsse — in Einzelfällen drohen Neubauprojekten Verzögerungen von bis zu zehn Jahren. Einige Betreiber reagieren bereits drastisch, bauen eigene Kraftwerke und entkoppeln Teile ihres Betriebs vom öffentlichen Netz.

Britischer Pilottest zeigt, wie flexibel KI rechnen kann

In Großbritannien haben der Netzbetreiber National Grid gemeinsam mit Nvidia, dem Rechenzentrumsbetreiber Nebius, Emerald AI und dem Electric Power Research Institute (EPRI) untersucht, ob KI-Rechenzentren kurzfristig ihren Stromverbrauch drosseln können, ohne laufende Berechnungen komplett abzubrechen. Getestet wurde in der Nebius AI Factory in London an einem Cluster mit 96 GPUs — spezielle Chips, optimiert für komplexe Berechnungen wie KI-Training und Inferenz.

Das Ergebnis: Nach einem Signal der Netzsteuerung ließ sich der Cluster in unter einer Minute um bis zu 40 Prozent herunterfahren. Im Dezember 2025 wurde dieser Eingriff rund 200 Mal simuliert. Darüber hinaus gelang es, die Last über Zeiträume von bis zu zehn Stunden im Mittel um etwa zehn Prozent zu senken.

Warum das die Anschlussprobleme beeinflussen könnte

Bisher melden Rechenzentren den Netzbetreibern ihre benötigte Kapazität nach dem theoretischen Maximalbedarf. Das heißt: Das Netz muss die höchste mögliche Spitzenlast jederzeit vorhalten — auch wenn sie nur selten abgerufen wird. Die britischen Tests zeigen, dass Rechenzentren kurzfristig flexibel auf Netzanforderungen reagieren können. Wenn Betreiber garantieren, Lastspitzen reduzierbar zu halten, könnten die nötigen Anschlusskapazitäten kleiner ausfallen.

Was das konkret bedeutet

  • National Grid hofft, die durchschnittliche Wartezeit für einen Netzanschluss von derzeit bis zu zehn Jahren auf etwa zwei Jahre zu verkürzen.
  • Flexible Rechenzentren könnten zudem überschüssigen Strom aus Wind- und Solarparks aufnehmen, wenn dieser verfügbar ist.
  • Auf der anderen Seite müssen Betreiber künftig mit schwankender Rechenleistung planen: Dienstgüte, Abrechnungsmodelle und SLA-Design müssen solche Unterbrechungen berücksichtigen.

Nächste Schritte

Die Versuchsergebnisse sollen den zuständigen Regulierungsbehörden und der Politik vorgelegt werden, damit Anschlussregeln und Genehmigungsprozesse entsprechend angepasst werden können. Wenn Regulierer flexiblere Vorgaben zulassen, könnte das den Ausbau von KI-Infrastruktur beschleunigen — und die Netze entlasten.

Quellen

  • Quelle: National Grid / Nvidia / Nebius / Emerald AI / EPRI
  • Der ursprüngliche Artikel wurde hier veröffentlicht
  • Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.

💡Über das Projekt KI News Daily

Dieser Artikel wurde vollständig mit KI generiert und ist Teil des Projektes KI News Daily der Pickert GmbH. Wir arbeiten an der ständigen Verbesserung der Mechanismen, können aber leider Fehler und Irrtümer nicht ausschließen. Sollte dir etwas auffallen, wende dich bitte umgehend an unseren Support und feedback[at]pickert.io

Vielen Dank! 🙏

Du möchtest deine Prozesse optimieren und automatisieren?

KI News Daily ist unser Showcase für Automatisierung. Wir nutzen unterschiedlichste Technologien, je nachdem, welches Prozessproblem du lösen möchtest. Ins Thema einsteigen kannst du beispielsweise mit unserer KI-Reifegradanalyse.

Aktuelle KI-News auf dem Blog

Vektorsuche direkt in DynamoDB: Embeddings ohne Extra‑DB

Vektorsuche direkt in DynamoDB: Embeddings ohne Extra‑DB

DynamoDB speichert Embeddings und führt semantische Suche direkt aus — ohne separate Vektordatenbank.In KürzeEmbeddings als Float-Listen im bestehenden List-DatentypSearchVectors-API mit ANN, Filteroptionen und bis zu 4.096 DimensionenSkalierbar, in allen AWS-Regionen...