Greg Holmes von Apptio sieht die Rückverlagerung von KI-Workloads in eigene Rechenzentren kritisch und fordert eine neue Transparenz bei Energie- und Technologiekosten.
Viele Unternehmen denken darüber nach, KI-Workloads aus der Cloud zurück ins eigene Rechenzentrum zu holen. Greg Holmes, EMEA Field CTO bei Apptio, sieht darin keinen einfachen Weg zu mehr Kostenkontrolle. Er warnt: Wer diesen Schritt geht, bekommt neue Risiken. Vor allem beim Energieverbrauch und wegen schwankender Strompreise in Europa.
Steigende Energiekosten durch KI-Nutzung
Generative KI braucht viel Strom. Früher galten Strom- und Infrastrukturkosten als feste Größe. Heute hängen die Betriebskosten direkt am Nutzungsvolumen. Holmes nennt ein Beispiel: Eine einzige Anfrage an ein generatives KI-Modell verbraucht etwa 0,5 Wattstunden Strom. Bei Millionen Anfragen wird das teuer. Unternehmen, die KI breit einsetzen, müssen Energieverbrauch als strategische Investition sehen. Es ist mehr als nur ein Kostenrisiko.
Holmes fordert, dass Energieeffizienz Chefsache wird. Die Kosten steigen mit der Nutzung. Ohne klare Transparenz drohen böse Überraschungen. Laut Internationaler Energieagentur (IEA) lag der weltweite Stromverbrauch von Rechenzentren 2025 schon bei rund 485 TWh. Das sind 17 % mehr als im Vorjahr. Besonders KI-Rechenzentren legten zu: Ihr Energiebedarf stieg um etwa 50 %. Die IEA rechnet im Basisszenario bis 2030 mit bis zu 950 TWh. Energieeffizienz wird damit noch wichtiger. Nachhaltige Betriebsmodelle sind gefragt.
Grenzen der Kostenkontrolle im eigenen Rechenzentrum
Das europäische Regulierungssystem macht den Energieverbrauch von Rechenzentren erstmals zu einem formalen Kontrollobjekt: Betreiber großer Standorte müssen Effizienzkennzahlen, Wasserverbrauch und die Struktur der Energieversorgung offenlegen. Damit entsteht eine einheitliche Vergleichsbasis für Cloud- und On-Premises-Infrastrukturen, ohne jedoch automatisch Kostenvorteile bei der Rückverlagerung zu garantieren.
Ein weiteres Problem bleibt oft ungelöst. In klassischen Rechenzentren werden Strom- und Kühlkosten selten einzelnen IT-Workloads zugeordnet. Ohne eine vollständige Ermittlung der Total Cost of Ownership (TCO) bleibt unklar, was ein Geschäftsprozess wirklich kostet. Holmes fordert: Architekturentscheidungen müssen direkt mit ihren wirtschaftlichen Folgen verbunden werden. Die Kostenstruktur jedes Workloads, inklusive Energieverbrauch, muss sichtbar sein. Die IEA-Methode rechnet nicht nur den Strombedarf der Server. Auch Netzwerktechnik, Kühlung, Stromversorgung und Beleuchtung zählen dazu. Der PUE-Wert (Power Usage Effectiveness) misst das. Im ersten EU-Berichtszyklus meldeten Betreiber für 2024 einen durchschnittlichen PUE von 1,36 und einen Gesamtverbrauch von 68 TWh in der EU. Bleibt die Entwicklung so, steigt der Wert bis 2030 auf 114 TWh. Das wären rund 3,2 % des gesamten EU-Stromverbrauchs. Mehr zu den Vorgaben steht im aktuellen Bericht der Europäischen Kommission.
Neue Governance-Modelle und GreenOps
Wie können Unternehmen KI wirtschaftlich skalieren, wenn die Energiekosten steigen? Holmes empfiehlt Governance-Frameworks wie Technology Business Management (TBM) und FinOps. Sie helfen, eine Kultur der geteilten Verantwortung für Technologie- und Energiekosten zu schaffen. Entwickler, IT- und Finanzteams sollen in Echtzeit sehen, wie sich KI-Nutzung auf Budget und Energieverbrauch auswirkt.
Ein wichtiger Hebel ist laut Holmes das Workload Scheduling als Teil von GreenOps. Nicht jeder KI-Job muss zu Spitzenzeiten laufen. Wer rechenintensive Prozesse in Zeiten mit günstigen Strompreisen oder viel Ökostrom verschiebt, spart Kosten und CO2. Das klappt aber nur, wenn IT und Finanzen eng zusammenarbeiten. Starre Budgets bremsen. Die Bundesnetzagentur betont in aktuellen Veröffentlichungen, wie wichtig flexible Laststeuerung ist. Rechenzentren müssen in die nationale Energieinfrastruktur eingebunden werden. Das sichert Netzstabilität und Versorgung. Mehr dazu gibt es bei der Bundesnetzagentur zur Versorgungssicherheit.
Regulatorische Anforderungen und Ausblick
Die Anforderungen an Nachhaltigkeitsberichte steigen. Besonders die europäische Corporate Sustainability Reporting Directive (CSRD) macht Druck. Unternehmen müssen ihren CO2-Fußabdruck genau offenlegen. Dafür brauchen sie belastbare Daten zu Energieverbrauch und Emissionen. Holmes sieht in bestehenden IT-Kosten-Tools eine gute Basis für ESG-Reporting.
Holmes rät: Bevor KI-Anwendungen groß ausgerollt werden, braucht es volle Transparenz über alle Kostenfaktoren. Wer Energieeffizienz als steuerbare Kennzahl versteht, kann KI nachhaltiger und profitabler nutzen. Ohne klare Messinstrumente für Energie und Kosten drohen wirtschaftliche Nachteile. Das Risiko ist real.
Der Begriff "Total Cost of Ownership" (TCO) steht für alle Kosten, die bei der Nutzung einer Technologie oder Infrastruktur über den gesamten Lebenszyklus entstehen. Dazu zählen nicht nur Anschaffungskosten, sondern auch Betriebskosten wie Energie, Wartung, Kühlung und Personal. Gerade bei KI-Workloads und Rechenzentren ist eine genaue TCO-Ermittlung entscheidend. Nur so lassen sich wirtschaftliche und ökologische Folgen realistisch bewerten und Investitionen sinnvoll planen.
