Bisher gingen Expertinnen und Experten davon aus, dass der Boom der künstlichen Intelligenz mit einem massiv wachsenden Energiebedarf einhergeht. Wie verändert sich diese Annahme durch DeepSeek?

Auf den ersten Blick ist bereits feststellbar: Diese Annahme verändert sich fundamental. DeepSeek zeigt, dass KI-Anwendungen trotz wachsender Datenmengen energieeffizient umgesetzt werden können. Damit widerlegt es die Annahme, dass der KI-Boom zwangsläufig mit dem bis dato antizipierten deutlich steigenden Energiebedarf einhergehen muss.

Warum ist das so?

Bisher war die Richtung bei neuen KI-Modellen immer gleich: Mehr Qualität bedeutete mehr Parameter und damit auch mehr nötige Rechenleistung, welche mit dem großen Energiebedarf korreliert. Bei DeepSeek ist dies nicht so, weil das Modell anders aufgebaut ist: Statt rohe Rechenleistung zu maximieren, nutzt es ein intelligentes Routing über spezialisierte Expertenmodelle (Mixture of Experts). Mehr Rechenleistung kann zwar auch hier Vorteile bringen, aber der eigentliche Qualitätssprung entsteht durch die smartere Architektur, nicht durch die bloße Größe.

Was genau bedeutet das für die Infrastrukturplanung, sprich: den Bau von Rechenzentren, Energieinfrastruktur, Datennetzen?

Das bedeutet, dass sich einige Fantasien wohl eher nicht durchsetzen werden. Zuletzt gab es in der Branche Stimmen, die an einen unbegrenzten Ausbau gigantischer Rechenzentren geglaubt haben. Wenn KI-Modelle aber immer effizienter und kleiner werden, braucht es vielleicht langfristig gar keine Großrechenzentren mehr, sondern stattdessen smarte Netzwerke aus vielen dezentralen, optimierten Edge-Modellen, die Aufgaben lokal und energiesparend verarbeiten. Der Fokus liegt dann eher auf der Datentechnologie zur dynamischen Steuerung solcher Netze, um KI-Workloads dorthin zu leiten, wo gerade freie Kapazitäten sind.

Es gab bereits Überlegungen, vorrangig im Silicon Valley, dem massiv wachsenden Energiebedarf durch KI mit Small Modular Reactors (SMR) oder gar dem Reaktivieren von stillgelegten Kraftwerken zu begegnen. Sind diese Überlegungen nun vom Tisch?

Ganz vom Tisch sind sie wahrscheinlich nicht. Schließlich gibt es neben KI auch noch andere Bereiche mit hohem Energiebedarf, zum Beispiel Krypto-Währungen oder Cloud Computing. Die Aktivitäten von Unternehmen wie Google oder Amazon im Bereich SMR waren deshalb auch weniger eine Reaktion auf KI, als Teil einer langfristigen Strategie, ihre Stromversorgung selbst in die Hand zu nehmen. Man darf nicht vergessen: Für Digitalunternehmen sind Stromkosten nicht selten einer der größten Kostentreiber. Wir können also davon ausgehen, dass sich die Tech-Unternehmen weiterhin mit Technologien wie SMR beschäftigen werden. Aber die Dynamik dürfte stark nachlassen.

Inwieweit müssen Energieversorger ihre Strategien anpassen, um auf den wachsenden Energiebedarf durch KI vorbereitet zu sein? Sehen Sie langfristig einen Paradigmenwechsel in der Energieversorgung für KI-Systeme?

Hier wird es ein Umdenken geben müssen. Bisher ging es bei der Energieversorgung für KI-Systeme vor allem um sehr große Menge an Strom, die an einem Punkt benötigt werden. Das sah man zuletzt bei vielen Energieversorgern auch als ein Problem für die Energiewende: Denn die hohen Grundlastbedarfe riesiger Rechenzentren lassen sich kaum durch erneuerbare Energien wie Windkraft oder Photovoltaik decken.

Wenn sich nun aber Modelle durchsetzen, die viel effizienter sind und auf dezentrale Netze setzen, könnte KI sich von einem massiven Stromfresser zu einem Treiber für Smart Grids entwickeln – mit lokalen Clustern, die sich selbst mit Solarenergie, Batteriespeichern und intelligenter Laststeuerung versorgen. Daran müssen sich auch die Energieversorger anpassen, und ihre Smart-Grid Initiativen noch schneller vorantreiben, um die Veränderung aktiv mitzugestalten.

Welche neuen Herausforderungen entstehen durch die Kombination von KI-Systemen und intelligenten Energienetzen?

Zunächst einmal bieten sich dadurch sicher große Chancen. Denn für die Smart Grids müssen in Echtzeit riesige Mengen an Daten verarbeitet werden, um Angebot und Nachfrage auszubalancieren und Millionen kleiner Energieeinheiten intelligent zu steuern. Dafür ist KI genau die richtige Technologie. Aber es entstehen auch neue Risiken: Wenn KI-Modelle Entscheidungen treffen, braucht es robuste Mechanismen, um Fehlschlüsse, ungewollte Netzinstabilitäten und Cyberangriffe zu verhindern.

Für Netzbetreiber bedeutet das vor allem eines: Cyber Security wird essenziell – und langfristig führt kein Weg daran vorbei, mehr Software-Kompetenz aufzubauen.

Sehen Sie Synergien zwischen der Automatisierung in der Industrie und neuen Ansätzen zur energieeffizienten KI?

Ja, und sie könnten enorm sein. Die Automatisierung in der Industrie setzt zunehmend auf KI – etwa für vorausschauende Wartung, Prozessoptimierung oder Robotik. Bisher bedeutete das oft: Mehr Automatisierung bedeutet mehr Rechenleistung. Deshalb funktionieren viele Anwendung bisher nur in der Cloud, mit all ihren vor- und Nachteilen.

Energieeffiziente KI-Modelle hingegen können direkt auf der Maschine oder im lokalen Netzwerk ausgeführt werden. Das spart nicht nur Energie, sondern reduziert auch Latenzzeiten und Netzwerklasten. Gleichzeitig sinken die Kosten, wodurch es für Unternehmen realistischer wird, eigene KI-Modelle zu entwickeln – und so die technologische Weiterentwicklung selbst voranzutreiben. Die Synergien liegen also auf der Hand.

All den Überlegungen ist vorausgesetzt, dass sich DeepSeek durchsetzen wird. Wie realistisch ist es, dass eine Technologie, deren Ergebnisse zum Teil der staatlichen Zensur unterliegen, kurz- bis mittelfristig global adaptiert wird?

Ich denke, man muss hier zwischen DeepSeek als Produkt, und der dahinterstehenden Technologie unterscheiden. Was die Verbreitung als Produkt angeht, ist die Zensur durch die chinesische Regierung natürlich ein Hemmnis. Viele Unternehmen werden sich ernsthaft Sorgen um den Datenschutz machen. Deshalb dürfte DeepSeek sich nach einem ersten Hype vor allem in China etablieren – als Gegenstück zu westlichen LLMs in einem chinesischen KI-Ökosystem.

Viel bedeutender ist aber der technologische Einfluss: Denn der Code von DeepSeek ist als OpenSource frei verfügbar. Unternehmen oder Forschungsinstitute können also eigene Versionen entwickeln, die auf dem gleichen energieeffizienten Prinzip basieren – aber ohne politische Einschränkungen. DeepSeek könnte also langfristig sogar dann den Markt verändern, wenn es sich als Produkt nicht durchsetzt. Das KI-Wettrennen hat gerade erst begonnen und blickt seit Mitte Januar auf eine spannende Wendung.