KI-Stromschwankungen zerstören Turbinen und Batterien – US-Netz warnt vor Blackout-Risiko

Wie GPU-Cluster millisekundenschnelle Stromschocks erzeugen

Während des KI-Trainings synchronisieren Zehntausende GPUs ihre Arbeit. Wenn alle gleichzeitig einen Rechenschritt abschließen, auf einen Checkpoint warten oder einen neuen Batch starten, kann die Stromaufnahme in unter einer Sekunde von Volllast auf nahezu Null fallen und wieder zurückpendeln . Diese Schwankungen sind mit nichts vergleichbar, was traditionelle Rechenzentren produzieren. Strommengen, die dem Verbrauch von Fabriken, Kleinstädten oder ganzen Städten entsprechen, erscheinen und verschwinden innerhalb von Sekunden und erzeugen wiederholte Schocks, die die angeschlossene Technik kaum verkraftet .

Drew Baglino, ein früherer Tesla-Manager und Gründer von Heron Power, stellte fest, dass KI-Anwendungen zeitweise bis zu 50 % über ihrer Auslegungskapazität liegen: „Eine 1-Gigawatt-Anlage kann für einen Sekundenbruchteil 1,5 Gigawatt ziehen“ .

Beschädigte Technik: Risse in Gasturbinen und vorzeitiger Batterietod

Gasturbinen und mechanische Resonanz

In xAIs Colossus-Anlage in Memphis – in nur 122 Tagen gebaut und zunächst von Dutzenden temporären Methan-Gasturbinen betrieben – führten die schnellen, wiederholten Lastwechsel zu mechanischen Resonanzen und Rissen in den Turbinen . Ingenieure schrieben einen eigenen Kernel, der die GPUs zwang, bei geringer Auslastung extra Strom zu verbrauchen, was die Last glättete aber den Gesamtenergieverbrauch erhöhte . Elon Musk schlug später vor, Tesla-Megapack-Batterien zwischen Turbinen und GPUs zu schalten, um die Schwankungen vollständig zu puffern .

Backup-Batterien, Generatoren und Kühlsysteme

Backup-Batterien und unterbrechungsfreie Stromversorgungen (USV) werden weit häufiger zyklisiert als ausgelegt, was zu beschleunigter Alterung und vorzeitigem Ausfall führt . Zahlreiche Anlagen melden, dass Batterien, Generatoren und Kühlsysteme viel früher als erwartet ausfallen oder Störungen zeigen . Die Kühltechnik kommt mit den plötzlichen Laständerungen nicht nach, was die Lebensdauer weiter verkürzt .

Eine wissenschaftliche Untersuchung des Strombedarfs von KI-Rechenzentren bestätigt, dass große GPU-Cluster Leistungsschwankungen von Hunderten Megawatt in Sekunden erzeugen – eine ernsthafte Herausforderung für alle angeschlossenen Systeme .

Die finanzielle Belastung: Weniger Verfügbarkeit, höhere Kosten

Betriebsverfügbarkeit fällt auf 80 %

Einige KI-Rechenzentren verzeichnen eine tatsächliche Betriebsverfügbarkeit von nur noch rund 80 % – weit unter dem in der Branche üblichen Standard von 99,99 % . Schon wenige Minuten Ausfallzeit schmerzen den Umsatz massiv: In Anlagen, die Dutzende Milliarden Dollar wert sind, kostet jede Minute Ausfall Hunderttausende Dollar an verlorenen Rechenerlösen .

Billionen-Risiko und versteckte Kosten

Bloomberg und Fortune berichten, dass die kumulierten Kosten aus beschleunigtem Geräteaustausch, ungeplanten Ausfällen und verlorener Rechenkapazität die Billionen-Investitionsbasis der KI-Infrastruktur unter Druck setzen . Neben den direkten Ausfallzeiten kommen höhere Wartungsfrequenzen, kürzere Austauschzyklen für Turbinen und Batterien sowie teure Software-Workarounds zur Lastglättung hinzu – alles ungeplante Zusatzkosten .

Netzstabilität: NERCs höchste Warnstufe

1.800 MW Lastabwurf in unter einer Sekunde

NERC dokumentierte eine neue Klasse von Zuverlässigkeitsbedrohung: KI-Trainingscampusse sind so groß, dass sie beim Auslösen ihrer Schutzsysteme über 1.800 Megawatt in unter einer Sekunde vom Netz nehmen können – schneller, als jeder menschliche Operator oder konventionelle Netzregelung reagieren kann . Sowohl im Eastern Interconnection als auch im Stromnetz von Texas (ERCOT) wurden bereits Lastabwürfe von rund 1.500 MW beobachtet, ausgelöst durch die Spannungsempfindlichkeit der Rechenzentren .

Im Juli 2024 führte ein normaler Netzfehler im Norden Virginias zur schlagartigen Abtrennung von mehr als 1.500 MW Rechenzentrums-Last an 25 bis 30 Umspannwerken .

Erst die dritte Level-3-Warnung in der NERC-Geschichte

Mitte 2026 verhängte NERC ihre höchste Dringlichkeitsstufe Level 3 – erst die dritte solche Warnung in ihrer Geschichte – und verwies auf „erhebliche Risiken“ für das Verbundnetz durch hyperscale KI-Rechenzentren . Die Warnung weist Netzplaner und Betreiber an, Modellierungsdatenanforderungen zu entwickeln, Daten zu Mindest- und Höchstverbräuchen zu erheben und die Lastzusammensetzung zu untersuchen . NERC hat zudem eine Taskforce eingesetzt, um diese Risiken zu adressieren, was zu neuen verbindlichen Zuverlässigkeitsstandards führen könnte .

Schneller als die Infrastruktur gebaut werden kann

NERCs „State of Reliability“-Bericht 2025 warnt, dass Rechenzentren schneller entwickelt werden als die erforderliche Erzeugungs- und Übertragungsinfrastruktur – ein strukturelles Zuverlässigkeitsdefizit . Die Behörde stellt fest, dass die Spannungsempfindlichkeit und der sich schnell und oft unvorhersehbar ändernde Stromverbrauch dieser Anlagen neue betriebliche Herausforderungen schaffen, die „genauere Modelle“ erfordern .

Was wird getan?

Betreiber testen Batteriepuffer – etwa Tesla Megapacks – die zwischen die volatilen GPU-Lasten und die empfindliche Erzeugungstechnik geschaltet werden, um Schwankungen abzufangen . xAI hat in Memphis auch begonnen, temporäre Gasturbinen abzubauen, während neue Netzanschlüsse in Betrieb gehen .

Doch das grundlegende Problem bleibt: KI-Workloads erzeugen ein Lastprofil, für das das Stromnetz nie ausgelegt war. NERC fordert neue Modellierungsstandards, operative Koordination und regulatorische Rahmenbedingungen für die einzigartigen Risiken von gigawattgroßen, hochvolatilen KI-Lasten .