79 % der Versorger setzen KI ein – meist im Pilot.

Die Energiewirtschaft trifft KI von zwei Seiten zugleich. Versorger prognostizieren mit ihr Wind und Sonne, gleichen Netze aus und bedienen Kundschaft. Zugleich sind die Rechenzentren der KI zu einem der am schnellsten wachsenden Stromverbraucher geworden. Die Internationale Energieagentur zählt 415 TWh Verbrauch der Rechenzentren weltweit im Jahr 2024, rund 1,5 % des Weltstroms, und erwartet etwa 945 TWh bis 2030. Die Branche, die das Licht anhält, muss nun ihren anspruchsvollsten Kunden versorgen.

415 TWh verbrauchten Rechenzentren weltweit 2024, rund 1,5 % des Weltstroms (IEA, 2025)

Viel eingeführt, wenig skaliert

In Deutschland haben 79 % der Energieversorger KI eingeführt, doch 61 % dieser Anwendungen stecken noch im Pilotstadium (PwC, 2026). 82 % der Stadtwerke sehen KI inzwischen als Instrument ihrer digitalen Transformation, nach 61 % ein Jahr zuvor (BDEW und EY, Stadtwerkestudie 2025). In Nordamerika nutzen 81 % der Versorger KI, so Itron. Am häufigsten geht es um Lastprognosen (62 %), vorausschauende Instandhaltung (53 %) und Kundenservice (48 %), so die Global Energy Study 2025 von L.E.K.

Die Lage in Deutschland ist damit typisch für einen Markt im Übergang: Die Technik ist eingeführt, der Betrieb noch nicht. Pilotprojekte laufen neben dem Tagesgeschäft, oft ohne festgelegte Kennzahl, ab der ein Ausbau beschlossen oder ein Vorhaben beendet wird. Genau dort entstehen Kosten ohne Ergebnis.

Viele Projekte bleiben stecken. Laut S&P Global Market Intelligence wurden 34 % der KI-Vorhaben in der Energiebranche abgebrochen, gegenüber 26 % im Branchenschnitt. Das spricht nicht gegen KI, sondern für frühere Entscheidungen: mit Business Case und Go/Stopp-Schwelle, bevor Geld in den Ausbau fließt.

34 % der KI-Vorhaben in der Energiebranche wurden beendet, branchenübergreifend 26 % (S&P Global Market Intelligence, März 2026)

Wo KI im Netz Geld bringt

Die IEA zeigt, wo der Nutzen liegt, wenn KI gut eingesetzt wird: KI-gestützte Fehlererkennung verkürzt Ausfälle um 30 bis 50 %, bessere Nutzung bestehender Leitungen könnte bis zu 175 GW Übertragungskapazität ohne Neubau erschließen, Satelliten und Sensoren mit KI erkennen Störungen bis zu 500-mal schneller.

Das Netz ist der Engpass. Deutschland zahlt rund 3 Milliarden Euro im Jahr für Engpassmanagement (Bundesnetzagentur, 2025). Ein Prognosemodell, das den Fehler um wenige Punkte senkt, oder ein Netzwerkzeug, das Kapazität auf einer bestehenden Leitung freigibt, wird unmittelbar zu Geld und zu schnelleren Anschlüssen für Erneuerbare.

Der Strom, den KI braucht

Die andere Seite wächst schnell. Der Stromverbrauch der Rechenzentren stieg 2025 um 17 %, die IEA erwartet eine Verdopplung bis 2030. In Irland gingen 2025 schon 23 % des gemessenen Stroms an Rechenzentren (CSO). Deutsche Rechenzentren brauchten 2024 rund 20 TWh, für 2030 werden etwa 31 TWh erwartet (Bitkom und Borderstep).

Daraus folgt ein Test für jedes KI-Projekt der Branche: Verdient es seinen Strom? Gartner erwartet für 2026 weltweite KI-Ausgaben von 2,67 Billionen US-Dollar. Ein Versorger sollte zeigen können, was jede Anwendung an Prognosefehler, Engpasskosten oder Ausfallminuten spart, gemessen an Rechenleistung und Strom. Die Technologieanalyse Chips & Rechenleistung beschreibt die Angebotsseite dieser Rechnung.

Mehr als die Hälfte der 23 KI-Angebote prognostiziert, handelt oder betreibt Netze

Das Good AI Prisma verortet 24 Einträge im Themenfeld Energie & Versorgung, 23 KI-Angebote und einen nicht klassifizierten Eintrag (Tibber), jeden mit datierter Quelle des Anbieters. Sieben steuern Flexibilität, Lastmanagement und Kundenenergie, darunter Bidgely, GridBeyond, Heartbeat AI von 1KOMMA5°, Kraken, Sympower, Tibber und Uplight. Sechs prognostizieren Erneuerbare und handeln Energie, etwa enercast, Fluence Mosaic, Meteomatics und Volue. Sechs planen und betreiben Netze, darunter envelio aus Köln, GridOS von GE Vernova, Gridscale X von Siemens und Nostradamus AI von Hitachi Energy. Drei optimieren Gebäude- und Industrieenergie, zwei überwachen erneuerbare Anlagen. Fünf der Anbieter sitzen in Deutschland. Die Branchenanalyse Energie & Versorgung zeigt jede Gruppe mit ihrer Regel.

Die Regeln: Sicherheitsbauteil oder nicht

In der EU entscheidet die Funktion. Nach der KI-Verordnung in der Fassung der Verordnung (EU) 2026/1744 gelten für KI als Sicherheitsbauteil im Betrieb der Wasser-, Gas-, Wärme- oder Stromversorgung ab dem 2. Dezember 2027 Hochrisiko-Pflichten (Anhang III Nr. 2). Systeme, die nur unterstützen oder optimieren, sind nicht automatisch Sicherheitsbauteile. Seit dem 2. August 2026 muss die Kundschaft erfahren, wenn sie mit einem KI-System interagiert.

Deutschland ergänzt eigene Bausteine: das NIS2-Umsetzungsgesetz mit IT-Sicherheitskatalogen der Bundesnetzagentur und Meldepflichten an das BSI, das KRITIS-Dachgesetz mit Registrierung, Risikoanalyse und Resilienzplänen, den Smart-Meter-Rollout, bei dem die Bundesnetzagentur im März 2026 Verfahren gegen 77 Betreiber eröffnete, und das Energieeffizienzgesetz mit Vorgaben für Rechenzentren. Die Energieeffizienzrichtlinie verpflichtet Rechenzentren ab 500 kW zur jährlichen Meldung.

Sieben Fragen, bevor KI ans Netz geht

Vor jedem Pilot gehören sieben Fragen schriftlich geklärt. Wirkt das System als Sicherheitsbauteil auf die Versorgung, oder berät es nur? Welche Pflichten aus NIS2-Umsetzung und KRITIS-Dachgesetz gelten für das System und für den Anbieter? Welche Zähler- und Kundendaten nutzt es, und wie ist der Datenschutz gesichert, gerade beim Smart Meter? Wie wird das Modell validiert, und was ist die Rückfallebene, wenn es nachts um drei versagt? Wie bindet es an die Betriebstechnik an, und kommen wir wieder heraus, ohne die Leitstelle neu zu bauen? Weiß die Kundschaft, wann Preise, Angebote oder Steuerung von KI gesetzt werden? Und welche Kennzahlen entscheiden über den Ausbau: Prognosefehler, Engpasskosten, Ausfallminuten oder eingesparte Energie? Ein Anbieter, der schriftlich antwortet, ist reif für einen Pilot. Einer, der mit einer Demo antwortet, nicht. Der Artikel Warum KI nicht skaliert beschreibt das Betriebsmodell dahinter.

Die Menschen am Netz

Weltweit arbeiten 76 Millionen Menschen in der Energiewirtschaft. In Industrieländern kommen auf jede Nachwuchskraft unter 25 Jahren 2,4 Beschäftigte kurz vor dem Ruhestand (IEA). 80 % der Stadtwerke nennen den Fachkräftemangel als Herausforderung (BDEW und EY). KI kann einen Teil der Last tragen, aber nur, wenn die Leitstelle das Recht und die Schulung hat, sie zu übersteuern. Der Betriebsrat gehört von Anfang an dazu.

In der Praxis

Best Practice: ein Energiebuch für jedes Modell. Jede KI-Anwendung bekommt eine Zeile in einem Buch: was sie an Prognosefehler, Engpasskosten oder Ausfallminuten spart und was sie an Rechenleistung und dem Strom dahinter verbraucht. So wird aus der Frage „Verdient sie ihren Strom?“ eine Zahl, die jedes Quartal geprüft wird, und Leitstelle und Vorstand sehen dasselbe Bild.

Szenario: eine Solarprognose im Stadtwerk. Ein Stadtwerk ersetzt seine Day-Ahead-Prognose für Solarstrom durch ein KI-Modell. Der Pilot läuft eine ganze Saison parallel zur alten Methode, auf denselben Daten, und wird an Prognosefehler und Ausgleichskosten gemessen. Das Modell berät den Handel und greift nicht in die Versorgung ein; es bleibt damit außerhalb von Anhang III, und die Leitstelle kann es zu jeder Stunde übersteuern.

Was Sie am Montag tun

1. Alle KI-Anwendungen erfassen, von der Prognose bis zum Kundenservice, auch Werkzeuge, die Beschäftigte selbst mitbringen.
2. Sicherheitsbauteile kennzeichnen. Werkzeuge, die auf die Versorgung wirken, von beratenden trennen; nur für die ersten gelten Hochrisiko-Pflichten nach Anhang III.
3. Erst die Go/Stopp-Schwelle setzen. Mit einem AI Opportunity Case den Business Case vor dem Ausbau klären.
4. Verantwortliche mit Eingriffsrecht benennen und ihre KI-Kompetenz dokumentieren.
5. Messen, was entscheidet: Prognosefehler, Engpasskosten, Ausfallminuten, eingesparte Energie und den Strom, den die KI selbst verbraucht.

Dieser Artikel beschreibt Markt und Regulierung. Er ist keine Rechtsberatung.