Gartner: Strombedarf von Rechenzentren wächst 2026 um 26 Prozent

width="2500" height="1406" sizes="auto, (max-width: 2500px) 100vw, 2500px">Die Energieversorgung von Rechenzentren wird zum limitierenden Faktor.dotshock/Shutterstock.com



Der weltweite Stromverbrauch von Rechenzentren soll im Jahr 2026 um 26 Prozent steigen und 565 Terawattstunden (TWh) erreichen. 2025 lag dieser Wert noch bei 447 TWh. Das geht aus aktuellen Prognosen von Gartner hervor (kostenlos für Gartner-Kunden).



Bedarf an Rechenleistung wächst deutlich



Haupttreiber der Entwicklung sind demnach rechenintensive KI-Anwendungen, deren wachsender Bedarf an Rechenleistung die Energieinfrastruktur zunehmend unter Druck setzt. So prognostizieren die Marktforscher, dass die weltweit benötigte Rechenzentrumsleistung gegenüber dem Vorjahr von 104 Gigawatt (GW) auf 132 GW wachsen wird. Bis 2030 könnte der Bedarf sogar auf 290 GW steigen, erklärt Linglan Wang, Director Analyst bei Gartner, im CW-Gespräch.



Die stark steigende Nachfrage nach rechenintensiven KI-Workloads führe zu einem beispiellosen Wachstum des Energiebedarfs von Rechenzentren, so Wang. „Gleichzeitig wird die Verfügbarkeit von Strom zunehmend zum Engpass für den Ausbau von KI-Kapazitäten. Die Sicherung der Energieversorgung entwickelt sich damit zum neuen Schlachtfeld im globalen KI-Wettbewerb.“



Verantwortlich für den Anstieg seien primär die Hyperscaler mit einem Anteil von bis zu 80 Prozent, führt die Gartner-Analystin aus. Die restlichen rund 20 Prozent entfielen auf Anwenderunternehmen und Softwareanbieter. Dabei würden sich die Hyperscaler nur selten auf das öffentliche Stromnetz verlassen, sondern ihren Energiebedarf häufig – off the grid – mit Gasturbinen decken.



KI-Server treiben Energieverbrauch



Besonders deutlich zeigt sich der Einfluss von künstlicher Intelligenz bei den Servern selbst. Gartner erwartet, dass KI-optimierte Server im Jahr 2026 bereits für 31 Prozent des gesamten Stromverbrauchs von Rechenzentren verantwortlich sein werden.



Der Energiebedarf dieser Systeme wächst rasant: Während KI-optimierte Server 2025 noch 95 TWh verbrauchen, steigt dieser Wert laut Gartner-Prognosen in diesem Jahr auf 175 TWh und 2027 auf 258 TWh. Damit werden KI-Server bereits 2027 mehr Strom verbrauchen als konventionelle Server.



Zum Vergleich: Der Stromverbrauch klassischer Server – vor 2024 war dies Wang zufolge der Großteil der Server – soll im selben Zeitraum nur moderat von 193 TWh (2025) auf 200 TWh ansteigen (2027).



Neben den Servern selbst schießt auch der Energiebedarf für Kühlung und Infrastruktur in die Höhe. Gartner prognostiziert hier einen Anstieg von 159 TWh im Jahr 2025 auf 243 TWh bis 2027.



Das Fatale bei der Entwicklung, so die Gartner-Analystin: Obwohl der Stromverbrauch der Hardware Jahr für Jahr um zirka ein Drittel sinke, könne die verbesserte Energieeffizienz der RZ-Komponenten den Anstieg nicht aufhalten, sondern bestenfalls mindern.



Stromverbrauch nach Segmenten (in TWh)



Segment2025Wachstum 2025 (in Prozent)2026Wachstum 2026 (in Prozent)2027Wachstum 2027 (in Prozent)Konventionelle Server1930,91951,22002,4KI-optimierte Server9583,617584,225847,8Kühlung und sonstige Infrastruktur15910,519522,624324,6Gesamter Stromverbrauch von Rechenzentren44715,556526,470224,1



Quelle: Gartner Mai 2026



Energie wird zum limitierenden Faktor – das hilft



Langfristig sieht Gartner erhebliche Herausforderungen bei der Stromversorgung. Bis 2030 könnte der Stromverbrauch von Rechenzentren weltweit auf mehr als 1.200 TWh steigen. Damit drohen Stromnetze vieler Regionen an ihre Grenzen zu stoßen, warnt Wang: „Stromversorgung ist einer der kritischen Faktoren neben KI-Chips und -Fachkräften.“



Gartner empfiehlt Verantwortlichen für IT-Infrastruktur und Operations, frühzeitig Maßnahmen für den sicheren Zugriff auf Stromnetze und zur Steigerung der Energieeffizienz einzuleiten. Dazu zählen insbesondere:




Modernisierungen bestehender Anlagen,



Investitionen in energieeffiziente Kühlsysteme sowie



der verstärkte Einsatz von Edge Computing, um Lasten zu verteilen und die Abhängigkeit von zentralen Rechenzentren zu reduzieren.