KI in der Energiewirtschaft: Warum sie dem Öl mehr hilft als dem Klima

KI in der Energiewirtschaft hilft bislang der fossilen Förderung mehr als den Erneuerbaren: Eine neue Studie mit 64 Szenarien zeigt, dass die Produktivitätsgewinne bei Kohle, Öl und Gas die Emissionsminderung bei Erneuerbaren übersteigen. Doch Projekte von der KI-optimierten Geothermie bis zum Hybrid-Park mit eigenem Rechenzentrum zeigen, wie sich die Rechnung drehen lässt.

VON MARTIN JENDRISCHIK · 6 MIN LESEN

Die Debatte über künstliche Intelligenz und Klima kreist fast ausschließlich um eine Frage: Wie viel Strom fressen die Rechenzentren, die große Sprachmodelle trainieren und betreiben? Diese Zahl ist real, sie wächst, und sie wird zu Recht diskutiert, auch wenn Effizienzsprünge wie bei DeepSeek zeigen, dass sie keine feste Größe ist. Sie ist aber nur die Lastseite der Rechnung.

Eine neue Studie im Fachjournal npj Climate Action öffnet die andere Seite: die Angebotsseite. Sie fragt, was KI mit der Förderung von Öl, Gas und Kohle macht, wenn sie Lagerstätten präziser findet, Bohrungen effizienter plant und Fördersysteme in Echtzeit optimiert.

Die Antwort widerspricht der verbreiteten Erzählung, KI beschleunige automatisch die Energiewende. Der Kernbefund lautet: Die Produktivitätsgewinne, die KI bei Kohle, Öl und Gas ermöglicht, erzeugen mehr zusätzliche Emissionen, als KI-Anwendungen bei Erneuerbaren, Netzen und Energieeffizienz einsparen. Und dieser Effekt kommt zum Stromverbrauch der Rechenzentren noch obendrauf.

64 Szenarien, ein Kipppunkt

Autoren der Studie sind Will Alpine, Holly Alpine und Nathan Geldner von der Enabled Emissions Campaign, einer 2024 von den beiden früheren Microsoft-Mitarbeiter*innen gegründeten Initiative, gemeinsam mit Maksym Chepeliev vom Center for Global Trade Analysis der Purdue University.

Ihr Werkzeug ist ein globales computable general equilibrium-Modell, kurz CGE-Modell, das wirtschaftliche Wechselwirkungen zwischen Sektoren simuliert. Sie speisten es mit 64 unterschiedlichen Annahmen darüber, wie stark KI die Produktivität in vier Bereichen steigert: fossile Förderung, erneuerbare Energien, Stromnetze und Energieeffizienz auf der Nachfrageseite.

Das Ergebnis über alle Szenarien mit realistischer, paralleler Nutzung: Die ermöglichten Emissionen übersteigen die vermiedenen, sobald KI der fossilen Förderung überhaupt Produktivitätsgewinne bringt. Die jährlichen Netto-Emissionen steigen dadurch um 0,47 bis 1,8 Gigatonnen CO₂. Das entspricht 1,2 bis 4,8 Prozent der weltweiten energiebedingten CO₂-Emissionen des Jahres 2024.

Die Studie nennt diesen Mechanismus enabled emissions, ermöglichte Emissionen, um sie von den operational emissions der Rechenzentren abzugrenzen. Nach Schätzung der Autor*innen fällt dieser Effekt 3,3- bis 13,3-mal so groß aus wie der aktuelle Stromverbrauch der globalen Rechenzentren, den die Internationale Energieagentur beziffert.

Der Kipppunkt im Modell ist einfach zu benennen und schwer zu erreichen: Netto-Emissionsminderungen entstehen nur, wenn die Produktivitätsgewinne bei Erneuerbaren vier- bis fünfmal so hoch ausfallen wie bei fossilen Energieträgern. In praktisch jedem realistischen Szenario verfehlt die Welt diese Schwelle bislang.

KI in der Energiewirtschaft: Was sie für Erneuerbare tatsächlich leistet

Der Befund ist keine Absage an KI in der Energiewirtschaft. Netzbetreiber nutzen KI-gestützte Prognosen, um Wind- und Solarstrom besser einzuplanen. Speicher werden intelligenter gesteuert, Lastspitzen vorausschauender gebrochen, Wartungsintervalle bei Windkraftanlagen treffsicherer terminiert. All das reduziert Emissionen, und die Studie rechnet diese Effekte ausdrücklich mit ein.

Lynn Kaack, Assistenzprofessorin für Computer Science and Public Policy an der Hertie School in Berlin und Mitbegründerin der Initiative Climate Change AI, unterteilt die Klimawirkung von KI seit Jahren in drei Kategorien: den direkten Energieverbrauch von Training und Betrieb, die unmittelbaren Effekte der Anwendungen selbst, worunter sie ausdrücklich auch die Unterstützung fossiler Expansion fasst, und die indirekten Effekte auf menschliches Verhalten. Genau die zweite Kategorie ist es, die die neue Studie erstmals systematisch beziffert.

Das Problem liegt nicht in der Technologie, sondern in ihrer Verteilung. Die gleiche Rechenleistung, die Öllagerstätten unter dem Meeresboden sichtbar macht, könnte Wärmepumpen-Netze takten oder Batteriespeicher optimieren. Sie tut es nur dort, wo Kapital hinfließt, und aktuell fließt es überproportional in die fossile Exploration.

Equinor, Aramco und die 500 Milliarden Dollar

Wie konkret dieser Kapitalfluss bereits ist, zeigen die in der Studie genannten Beispiele. Der norwegische Energiekonzern Equinor führt 27 Öl- und Gasfunde auf dem norwegischen Kontinentalschelf auf neue seismische Auswertungsverfahren und KI zurück, darunter die Felder Lofn und Langermann, laut Unternehmensangaben der größte selbst betriebene Fund des Jahres 2025.

Saudi-Aramco erklärte, KI mittlerweile in allen Unternehmensbereichen einzusetzen und damit sowohl die Produktivität als auch die Zahl der gebohrten Bohrungen zu steigern. Das Analysehaus Rystad Energy bezifferte den kumulierten Wertzuwachs durch Digitalisierung und KI für Öl- und Gasförderunternehmen zwischen 2026 und 2030 im Mai auf knapp 500 Milliarden US-Dollar.

„Fossile Energieträger wurden zu teuer und zu schwierig zu fördern, bis KI kam und sie wieder profitabel machte." Das sagt Holly Alpine, Mitautorin der Studie und Mitgründerin der Enabled Emissions Campaign, gegenüber dem Wirtschaftsmedium Axios. Nach ihrer Darstellung fehlt in den meisten bisherigen Klimabilanzen zu KI die Hälfte der Rechnung: die Emissionen, die entstehen, weil KI fossile Förderung billiger und profitabler macht.

Diese Zahlen sind kein Randphänomen der Ölbranche. Sie sind ein industriepolitisches Signal: Wo Konzerne mit gesichertem Cashflow entscheiden, wie sie ihre KI-Budgets einsetzen, landet ein erheblicher Teil dort, wo sich die Investition am schnellsten amortisiert, und das ist derzeit häufig die Lagerstätte, nicht die Windturbine.

Wo Rechenzentren die Energiewende schon antreiben

Dass die Rechnung auch andersherum aufgehen kann, zeigen Projekte, in denen der Strombedarf der KI selbst zum Hebel für saubere Energie wird. Das prominenteste Beispiel liefert die Geothermie: Das US-Unternehmen Fervo Energy hat mit Google einen Liefervertrag über 115 Megawatt Erdwärmestrom für Rechenzentren in Nevada geschlossen. Beim Börsengang im Mai überschritt Fervo die Marke von zehn Milliarden Dollar Bewertung, getragen fast vollständig von der Nachfrage der KI-Branche nach rund um die Uhr verfügbarem, CO₂-freiem Strom. Auch Meta setzt mit XGS Energy auf Erdwärme für seine KI-Rechenzentren; laut Rhodium Group könnte Geothermie bis zu 64 Prozent des Strombedarfs von Hyperscale-Rechenzentren decken.

Bemerkenswert daran: Dieselben Werkzeuge, die Ölkonzerne für die Lagerstättensuche nutzen, beschleunigen hier die Erdwärme. Fervo entwickelt gemeinsam mit dem Pacific Northwest National Laboratory und Nvidia einen digitalen Zwilling seiner Bohrungen in mehreren Kilometern Tiefe, um Bohrpfade und Reservoire per KI zu optimieren. Die Technologie ist dieselbe, nur der Auftraggeber ist ein anderer.

Auch in Deutschland entsteht dieses Muster. Auf einem ehemaligen Flugplatz plant Prime Capital mit dem Projekt Jupiter die bislang größte Kombination aus Photovoltaik und Batteriespeicher im Land: bis zu 150 Megawatt Solarleistung, ein Speicher mit 500 Megawatt Leistung und 2.000 Megawattstunden Kapazität, dazu ein Hyperscale-Rechenzentrum mit 500 Megawatt am selben Netzanschluss. Solche Hybrid-Parks aus Sonne, Wind und Batterien liefern genau das Lastprofil, das Rechenzentren brauchen, und machen den KI-Boom zum Absatzmarkt für Erneuerbare statt zum Problem.

Kapital lenken statt Fatalismus

Der Befund taugt nicht als Argument gegen künstliche Intelligenz insgesamt, und er taugt erst recht nicht als Beleg dafür, dass Technologie dem Klima grundsätzlich schadet. Er zeigt etwas Nüchterneres: Der Netto-Effekt von KI aufs Klima ist kein Naturgesetz. Er ist das Ergebnis davon, wo Kapital und Rechenleistung heute tatsächlich hingelenkt werden, nicht wo sie theoretisch am meisten Nutzen stiften könnten.

Das ist ein Argument für gezielte Politik, nicht für Resignation. Förderbedingungen, Offenlegungspflichten für KI-Anwendungen in der fossilen Exploration oder gezielte Anreize für KI-Einsatz im Netzbetrieb könnten die Produktivitätsgewinne dorthin verschieben, wo sie tatsächlich Emissionen senken.

Fervo und Projekt Jupiter zeigen, dass der Markt diese Verschiebung teilweise selbst vollzieht: Wo Rechenzentren verlässlichen, sauberen Strom nachfragen, entstehen Milliardengeschäfte für Geothermie, Speicher und Hybrid-Parks. Politik kann diesen Zug beschleunigen, statt zuzusehen, wie die leistungsfähigste Technologie der Gegenwart dem lukrativsten Auftraggeber folgt.

Für Deutschland und Europa liegt darin auch eine industriepolitische Frage. Wer KI-Kapazitäten und Fördermittel gezielt auf Netzsteuerung, Speicherbetrieb und Effizienzsteigerung bei Erneuerbaren lenkt, verschiebt die Bilanz in die richtige Richtung. Das erfordert Entscheidungen, keine Hoffnung auf einen technologischen Selbstläufer.

Fazit

64 Szenarien, ein globales Wirtschaftsmodell und eine Zahl zwischen 0,47 und 1,8 Gigatonnen CO₂ pro Jahr belegen erstmals systematisch, was Fachleute wie Lynn Kaack seit Jahren als blinden Fleck benennen: KI hilft nicht nur beim Klimaschutz, sie hilft auch bei der fossilen Förderung, und aktuell stärker als bei den Erneuerbaren. Equinor, Aramco und Rystad Energy liefern dafür die Belege in Milliardenhöhe.

Die offene Frage ist nicht, ob künstliche Intelligenz das Klima rettet oder zerstört. Sie ist, wer in den kommenden Jahren entscheidet, wohin ihre Produktivitätsgewinne fließen. Dass die Antwort auch anders ausfallen kann, führen Fervo, Google und Projekt Jupiter bereits vor: Dort finanziert der Strombedarf der KI Geothermie-Bohrungen, Solarparks und Großspeicher. Es sind Präzedenzfälle dafür, wie aus dem Rechenzentrums-Boom ein Beschleuniger der Energiewende wird.

QUELLEN