Die rapide steigende Nachfrage nach Rechenleistung durch Künstliche Intelligenz wird die globale Infrastruktur bis 2030 vor enorme Herausforderungen stellen. Laut einer aktuellen Studie von McKinsey sind Investitionen in Höhe von fast sieben Billionen US-Dollar notwendig, um die dafür benötigten Rechenzentren zu errichten und zu betreiben.
Die schnelle Verbreitung von KI-Technologien katapultiert die Rechenleistung zu einer der wichtigsten Ressourcen des Jahrzehnts. Eine Studie von McKinsey & Company mit dem Titel „The cost of compute: A $7 trillion race to scale data centers“ prognostiziert, dass sich die globale Kapazität an Rechenzentren bis 2030 fast verdreifachen wird. Dabei entfällt rund 70 Prozent des Kapazitätswachstums auf besonders rechenintensive KI-Anwendungen.
G42: Abu Dhabis AI-Riese baut massives KI-Rechenzentrum – mit US-Hilfe
„Der KI-Boom verändert die Spielregeln“
Insgesamt sind weltweit Investitionen von bis zu sieben Billionen US-Dollar nötig, um diese Nachfrage zu bedienen. Diese Summe entspricht etwa der Verlegung von fast fünf Millionen Kilometer Glasfaserkabel – das reicht, um die Erde 120 Mal zu umrunden. Allein 5,2 Billionen Dollar davon fließen in Rechenzentren, die speziell für KI-Workloads ausgelegt sind. In einem beschleunigten Szenario mit stärkerem KI-Wachstum könnten die Investitionen sogar auf knapp acht Billionen US-Dollar steigen.
Die prognostizierte Rechenzentrumskapazität für KI-Anwendungen soll bis 2030 156 Gigawatt erreichen, wobei zwischen 2025 und 2030 125 zusätzliche Gigawatt hinzukommen könnten. „Der KI-Boom verändert die Spielregeln: Rechenleistung entscheidet über Wettbewerbsfähigkeit. Regionen brauchen jetzt Strategien, um Infrastrukturaufbau und Effizienz gleichzeitig zu sichern“, so Diego Hernandez Diaz, Partner bei McKinsey & Company und Experte für Technologieinfrastruktur.
Rechenzentren: Effizienz als zentrale Stellschraube
Technologische Fortschritte bei Prozessoren, großen Sprachmodellen und dem Energieverbrauch könnten die Effizienz von Rechenzentren steigern. Sparsamere Modelle, verbesserte Trainingsmethoden und neue Hardwaregenerationen könnten den Energiebedarf senken. Doch die wachsende Experimentierfreude und der zunehmende Trainingsumfang im KI-Sektor könnten diese Effizienzgewinne wieder relativieren. Ob sich der Gesamtenergieverbrauch langfristig reduzieren lässt, ist daher derzeit unsicher.
Auswirkungen auf die gesamte Wertschöpfungskette
Die Studie unterstreicht, dass die Investitionen die gesamte Computing-Wertschöpfungskette betreffen – von Immobilienentwicklern über Energieversorger bis hin zu Halbleiterherstellern. Die Herausforderung besteht darin, enorme Rechenleistung schnell und flexibel bereitzustellen. Ein modularer Investitionsansatz mit flexibler Planung könne helfen, auf unterschiedliche Wachstums- und Technologie-Szenarien zu reagieren.
Hinzu kommen geopolitische Unsicherheiten, Engpässe bei der Chipversorgung und regulatorische Rahmenbedingungen, die die Planung erschweren. „Unternehmen, die frühzeitig in skalierbare, effiziente und robuste Infrastrukturen investieren, können sich einen entscheidenden Wettbewerbsvorteil sichern“, so Hernandez Diaz.
Hol dir die besten Stories in die Inbox
Abonniere unsere Newsletter
Trending Topics - German Trending Topics - English Tech & Nature
Aus Datenschutz-Gründen ist dieser Inhalt ausgeblendet. Die Einbettung von externen Inhalten kann in den Datenschutz-Einstellungen aktiviert werden:
