KI in Deutschland: Zu wenige Rechenzentren – und warum wir trotzdem eine Lösung sehen

Anmelden Registrieren
Allgemeines 4 Aufrufe · 0 Antworten
  1. bearbeitet 12.10.2026

    Den folgenden Text habe ich recherchiert und mit KI aufbereiten lassen.

    Mich interessiert eure Meinung dazu.

    ---

    Deutschland hat zu wenige Rechenzentren für KI. Wer hier ernsthaft mit KI arbeiten will, landet deshalb meist bei einem US-Konzern. Wir glauben, dass ein Teil der Lösung schon auf unseren Schreibtischen steht, und wollen ihn nutzen.

    Die Lage in Zahlen

    • Alle Rechenzentren in Deutschland kamen 2025 zusammen auf rund 2.980 Megawatt IT-Anschlussleistung, davon etwa 530 MW für KI. Die USA lagen schon 2024 bei 48 Gigawatt, also rund 16-mal so viel.
    • Die zehn größten Rechenzentren der USA haben laut Bitkom zusammen so viel Kapazität wie alle rund 2.000 Rechenzentren in Deutschland.
    • Die Bundesregierung schreibt in ihrer Rechenzentrumsstrategie selbst: „Deutschland verfügt bislang kaum über kommerzielle KI-Kapazitäten.“ Bei Cloud und KI bestehe eine „starke Abhängigkeit von außereuropäischen Hyperscalern“.
    • Im europäischen Cloud-Markt kommen Amazon, Microsoft und Google zusammen auf rund 70 Prozent, europäische Anbieter auf etwa 15 Prozent.

    Warum es nicht schneller geht

    Neue Rechenzentren scheitern selten am Willen, sondern an Strom und Zeit. In der Region Frankfurt/Rhein-Main steht mehr als ein Drittel der deutschen Kapazität. In Frankfurt selbst erwartet der Versorger Mainova große Neuanschlüsse erst ab Mitte der 2030er-Jahre.

    Dazu kommt der Strompreis. Gewerbekunden mit 500 bis 2.000 MWh Jahresverbrauch zahlten laut Eurostat im zweiten Halbjahr 2025 in Deutschland rund 22,6 Cent je Kilowattstunde. Der EU-Schnitt lag bei 18,4 Cent, Schweden bei 9,7 Cent. Bei einem Rechenzentrum macht Strom etwa die Hälfte der Betriebskosten aus.

    Was gerade passiert

    Es tut sich etwas, und das ist gut so:

    • Die Bundesregierung will die Rechenzentrumskapazität bis 2030 mindestens verdoppeln und die Rechenkapazität für KI mindestens vervierfachen (Nationale Rechenzentrumsstrategie, März 2026).
    • Telekom und NVIDIA betreiben seit Februar 2026 in München eine KI-Fabrik mit rund 10.000 GPUs.
    • Schwarz Digits baut in Lübbenau ein KI-Rechenzentrum für 11 Milliarden Euro. Der erste Bauabschnitt soll Ende 2027 fertig sein.
    • Die EU sucht Betreiber für bis zu sieben „AI Gigafactories“. Die Auswahl wird für 2027 erwartet, der Betrieb eher ab 2028.

    Das sind große, zentrale Projekte mit Jahren Vorlauf. Wir brauchen sie. Bis sie laufen, vergeht aber Zeit, die Unternehmen, Verwaltungen und Entwickler eigentlich nicht haben. Und auch danach bleibt ein Bedarf, den die Strategie selbst benennt: Für viele Anwendungen sei „der Auf- und Ausbau breit verteilter KI-Rechenkapazitäten wichtig“.

    Unser Ansatz: bündeln, was schon da ist

    In deutschen Haushalten stehen rund 65 Millionen Laptops und Desktop-Rechner. Das ist unsere Hochrechnung aus der Ausstattungsstatistik 2024 des Statistischen Bundesamts. Dazu kommen die Rechner in Büros: Bei einer 40-Stunden-Woche werden sie in knapp einem Viertel der 168 Wochenstunden gebraucht.

    Viele dieser Geräte können mehr, als man denkt. Ein Mac mit 128 GB gemeinsamem Arbeitsspeicher fasst ein offenes Modell wie gpt-oss-120b komplett. Kleinere Modelle wie gpt-oss-20b laufen schon mit 16 GB.

    Dass verteilte Rechenleistung Großes schafft, hat Folding@home 2020 gezeigt. Die Rechner von Freiwilligen erreichten zusammen mehr als ein Exaflops und damit mehr als die 100 schnellsten Supercomputer der Welt zusammen.

    GemeinsamKI überträgt diese Idee auf KI:

    1. Du schließt deinen Rechner mit dem GemeinsamKI Agent an und entscheidest selbst, wann er rechnet, zum Beispiel nur nachts.
    2. Eine Anfrage aus dem Chat oder aus VS Code läuft zuerst durch die Clearingstelle. Sie anonymisiert oder pseudonymisiert personenbezogene Daten, bevor gerechnet wird.
    3. Der Hub sucht einen freien Rechner mit passendem Modell. Die Antwort kommt zurück, und die Platzhalter werden erst bei dir wieder durch die echten Daten ersetzt.

    Betrieb und Rechner bleiben in Deutschland, ohne US-Konzern dazwischen. Das ist mehr als ein Detail: Der US CLOUD Act verpflichtet amerikanische Anbieter, Daten auch aus Rechenzentren im Ausland herauszugeben. Microsoft Frankreich hat 2025 vor dem französischen Senat unter Eid erklärt, nicht garantieren zu können, dass Daten französischer Bürger nie ohne Zustimmung an US-Behörden gehen.

    Was wir nicht versprechen

    Ein Netz aus Heim- und Bürorechnern ersetzt keine Gigafactory. Große Modelle trainiert man weiter in Rechenzentren. Unsere Stärke liegt woanders: offene Modelle nutzen, beim Programmieren helfen, Texte verarbeiten. Das ist genau die Alltagsarbeit, für die heute viele Anfragen in die USA wandern.

    Rechner sind mal an und mal aus, das muss der Hub ausgleichen. Und die Clearingstelle testen wir gerade erst. Bis sie freigegeben ist, gilt in der Beta: nur erfundene oder öffentliche Daten verwenden.

    Wo wir stehen

    Wir sind am Anfang. Schwerpunkt der Beta sind Macs mit Apple Silicon, Windows und Linux folgen. In der ersten Testphase geht es vor allem ums Programmieren. Je mehr Rechner mitmachen, desto mehr Modelle stehen allen zur Verfügung.

    Jetzt seid ihr dran

    Uns interessiert eure Sicht:

    • Würdet ihr euren Rechner nachts für ein deutsches KI-Netz freigeben? Was müsste dafür erfüllt sein?
    • Welche Aufgaben würdet ihr lieber hier rechnen lassen als bei einem US-Anbieter?
    • Wo seht ihr die größten Schwächen des Ansatzes?

    Mehr dazu: Beta-Platz sichern · So funktioniert’s · Datenschutz by Design

    Quellen

Mesh-Status