Data centres used 415 TWh. Make AI earn its power.

Die meisten KI-Einsätze sind noch Piloten

In Deutschland haben 79 % der Energieversorger KI eingeführt, doch 61 % dieser Einsätze sind noch im Pilotstadium, so die PwC-Studie zur Energiewirtschaft. Diese Lücke ist der Kernbefund der Good AI Prisma Branchenanalyse Energie & Versorgung: Der Nutzen liegt im Betrieb, und dort ist die meiste KI noch nicht angekommen. Dabei wächst die Zustimmung: 82 % der Stadtwerke sehen KI als Instrument ihrer digitalen Transformation, nach 61 % im Vorjahr (BDEW und EY).

Der Hebel ist groß, wo KI gut eingesetzt wird. Die IEA sieht 30–50 % kürzere Ausfälle durch KI-gestützte Fehlererkennung, bis zu 175 GW zusätzliche Übertragungskapazität ohne neue Leitungen und eine 500-mal schnellere Erkennung von Störungen mit Satelliten und Sensoren. International nutzen Versorger KI am häufigsten für Nachfrageprognosen (62 %), vorausschauende Wartung (53 %) und Kundenservice (48 %) (L.E.K.).

KI braucht Strom, und Strom braucht Menschen

Die Energiewirtschaft begegnet KI von zwei Seiten. Rechenzentren verbrauchten 2024 weltweit 415 TWh, rund 1,5 % des Stroms; die IEA erwartet rund 945 TWh bis 2030, und 2025 wuchs der Verbrauch um 17 %. In Deutschland waren es 2024 rund 20 TWh, bis 2030 werden rund 31 TWh erwartet (Bitkom und Borderstep). In Irland gingen 2025 bereits 23 % des gemessenen Stroms an Rechenzentren (CSO).

Die Beschäftigten sind der zweite Engpass. In den Industrieländern stehen in der Energiewirtschaft 2,4 Beschäftigte kurz vor dem Ruhestand für jede neue Fachkraft unter 25 (IEA, 2025), und 80 % der Stadtwerke nennen den Fachkräftemangel als Herausforderung.

Der Engpass im Netz hat einen Preis

Deutschland gibt jährlich rund 3 Mrd. € für Netzengpassmanagement aus (Bundesnetzagentur, 2025). Zugleich steigt das Risiko: Cyberangriffe auf Versorger haben sich in vier Jahren verdreifacht (IEA). Prognose, Engpassmanagement und Fehlererkennung sind deshalb die Felder, auf denen KI ihren Wert in Kennzahlen zeigen kann, die Netzbetreiber ohnehin messen: Prognosefehler, Engpasskosten und Ausfallminuten.

Die Regeln: Hochrisiko-Pflichten für Sicherheitsbauteile ab Dez. 2027

Ab 2. Dezember 2027 gelten für KI als Sicherheitsbauteil in Verwaltung und Betrieb der Strom-, Gas-, Wärme- oder Wasserversorgung Hochrisiko-Pflichten nach Anhang III der KI-Verordnung, mit Terminen in der Fassung der Verordnung (EU) 2026/1744. Systeme, die nur unterstützen oder optimieren, sind nicht automatisch Sicherheitsbauteile. Rechenzentren ab 500 kW berichten schon heute jährlich Energie- und Nachhaltigkeitskennzahlen nach den EU-Effizienzregeln.

Deutschland ergänzt eigene Bausteine: das NIS2-Umsetzungsgesetz mit IT-Sicherheitskatalogen der Bundesnetzagentur, das KRITIS-Dachgesetz mit Registrierung, Risikoanalyse und Resilienzplänen, den Smart-Meter-Rollout, bei dem die Bundesnetzagentur Verfahren gegen 77 Messstellenbetreiber eröffnete, und das Energieeffizienzgesetz mit Vorgaben für Rechenzentren.

Was der Markt bietet

Das Good AI Prisma ordnet dem Themenfeld Energie & Versorgung 24 Einträge zu: 23 KI-Angebote und einen nicht klassifizierten Eintrag (Tibber). Sieben steuern Flexibilität, Laststeuerung und Kundenenergie, darunter Kraken, Tibber und Heartbeat AI von 1KOMMA5°. Sechs prognostizieren Erneuerbare und handeln Energie, etwa enercast und Volue. Sechs planen und betreiben Netze, darunter envelio, GridOS und Gridscale X. Drei optimieren Gebäude und Industrie, zwei überwachen erneuerbare Anlagen. Das Themenfeld Energie & Versorgung zeigt jeden Eintrag mit Quelle und Datum.

Was am Montag zu tun ist

1. Jeden KI-Einsatz und jedes Modell erfassen, von der Prognose bis zum Kundenservice, auch selbst mitgebrachte Werkzeuge.
2. Einsätze markieren, die als Sicherheitsbauteil der Versorgung wirken, und alle Einsätze den Regeln aus KI-Verordnung, NIS2 und KRITIS zuordnen.
3. Betrieb, IT/OT-Sicherheit, Datenschutz und Betriebsrat früh einbinden.
4. Verantwortliche Operatoren mit Eingriffsrecht benennen und Maßnahmen zur KI-Kompetenz dokumentieren.
5. Einen Prognose-, Wartungs- oder Flexibilitätspilot mit Ausgangsmessung starten und nur auf Basis gemessener Prognosefehler, Engpasskosten, Ausfallminuten und Kundenergebnisse skalieren.