KI-Rechenzentren nutzen alte Flugzeugturbinen

xAI, OpenAI und Crusoe setzen auf umgebaute Flugzeugtriebwerke, um neue KI-Rechenzentren schneller mit Strom zu versorgen. Die ineffiziente Übergangslösung zeigt, wie stark Netzengpässe die Kosten, Emissionen und Standortentscheidungen der KI-Branche beeinflussen.

KI-Rechenzentren nutzen alte FlugzeugturbinenBild: KI-generiert

Alte Flugzeugtriebwerke liefern Strom für KI

Der Ausbau großer KI-Rechenzentren läuft schneller als der Ausbau der Stromnetze. Betreiber in den USA greifen deshalb zu einer ungewöhnlichen Zwischenlösung: Ausgemusterte Flugzeugtriebwerke werden auf Erdgasbetrieb umgebaut und direkt an den Standorten zur Stromerzeugung eingesetzt.

Diese Aggregate sind kein vollwertiger Ersatz für moderne Gaskraftwerke. Ihr entscheidender Vorteil ist die kurzfristige Verfügbarkeit. Während neue Netzanschlüsse und reguläre Erzeugungskapazitäten viele Jahre Vorlauf benötigen, lässt sich mit den umgebauten Triebwerken deutlich schneller eine eigene Versorgung aufbauen.

„Es geht einzig darum, so schnell wie möglich Strom zu bekommen. Mit solchen Aggregaten kann ein Rechenzentrum innerhalb von 24 Monaten in Betrieb gehen“, erklärte der Energieanalyst Audun Martinsen, sinngemäß aus dem Englischen übersetzt.

Sieben Jahre Wartezeit auf einen Netzanschluss

Wie groß der Zeitunterschied ist, zeigt Northern Virginia. Dort dauert ein regulärer Netzanschluss mit 100 Megawatt laut Internationaler Energieagentur rund sieben Jahre. Ein großer Teil der neuen regulären Erzeugungskapazitäten soll zudem erst bis 2031 verfügbar werden.

KennzahlAngabe
Inbetriebnahme mit Turbinenstromrund 24 Monate
Netzanschluss mit 100 Megawatt in Northern Virginiarund 7 Jahre
Erwarteter Ausbau regulärer Kapazitätenüberwiegend bis 2031
Turbinen bei xAI8 Einheiten
Bestellung von Crusoe bei ProEnergy13 Einheiten

Die Engpässe verändern bereits konkrete Projekte. Microsoft zog sich als Hauptkunde aus einem geplanten Nscale-Rechenzentrum im englischen Loughton zurück. Der örtliche Versorger konnte ausreichend Strom erst für Anfang bis Mitte der 2030er-Jahre in Aussicht stellen. Auch bei einem anderen Vorhaben hatte sich Microsoft wegen begrenzter Netzkapazitäten aus einem KI-Rechenzentrum in England zurückgezogen.

xAI und Stargate setzen auf Gasturbinen

xAI hat acht umgebaute Turbinen in Mississippi installiert. Sie sollen das Rechenzentrum Colossus 2 in Memphis mitversorgen. Die Aggregate stammen von ProEnergy, das Triebwerke von General Electric umrüstet, die zuvor typischerweise in Boeing-Passagierflugzeugen eingesetzt wurden.

OpenAI und der Rechenzentrumsentwickler Crusoe verfolgen am Stargate-Standort in Abilene, Texas, einen ähnlichen Ansatz. Crusoe bestellte im April 13 umgebaute Einheiten bei ProEnergy. Der Einsatz eigener Gasturbinen ist damit ein fester Bestandteil der Standortplanung.

Ein alternativer Liefervertrag kam dagegen nicht zustande. Crusoe kündigte im September 2025 einen Auftrag über 29 Gasturbinen von Boom Supersonic. Der Vertrag hatte einen Wert von 1,25 Milliarden US-Dollar. An den grundsätzlichen Plänen zum Einsatz von Gasturbinen hält das Unternehmen dennoch fest.

ProjektTurbinenlösungStatus
xAI Colossus 28 umgebaute Flugzeugtriebwerkein Mississippi installiert
OpenAI und Crusoe Stargate13 Einheiten von ProEnergybestellt
Crusoe und Boom Supersonic29 GasturbinenVertrag über 1,25 Milliarden US-Dollar beendet

Die Turbinen sind nicht nur eine technische, sondern auch eine regulatorische Frage. Rund um Colossus gibt es bereits Auseinandersetzungen über lokale Emissionen. Eine Klage wegen der Turbinen am xAI-Standort zeigt, dass die schnelle Eigenversorgung erhebliche Folgekosten verursachen kann.

Schneller Strom, aber geringere Effizienz

Umgebaute Flugzeugtriebwerke verbrauchen mehr Brennstoff und verursachen höhere Emissionen als Turbinen, die speziell für konventionelle Gaskraftwerke entwickelt wurden. Für dieselbe Leistung werden außerdem mehr Einheiten benötigt. Damit eignen sie sich vor allem als Übergangslösung, wenn der Zeitdruck wichtiger ist als die langfristige Effizienz.

Wie hoch die Stromerzeugungskosten pro Megawattstunde tatsächlich ausfallen, ist bislang nicht belegt. Auch zur Laufzeit der behördlichen Genehmigungen liegen keine belastbaren Angaben vor. Ebenso gibt es keine Bestätigung, dass AWS oder Google vergleichbare Lösungen planen.

Die US-Regierung unterstützt Rechenzentrumsbetreiber dabei, eigene Stromkapazitäten aufzubauen. Das beschleunigt Projekte, verlagert aber einen Teil der Energieversorgung aus dem regulären Netz in private Anlagen der Betreiber.

Was die Entwicklung für DACH-Unternehmen bedeutet

In Deutschland, Österreich und der Schweiz wäre der großflächige Einsatz fossiler Flugzeugturbinen wegen der Umwelt- und Immissionsschutzanforderungen deutlich schwieriger. Für Unternehmen im DACH-Raum liegt die Bedeutung deshalb weniger in einer direkten Nachahmung. Entscheidend ist, welche Infrastruktur hinter eingekauften KI-Diensten steht.

Wer KI-Leistungen von US-Hyperscalern bezieht, übernimmt indirekt einen Teil der damit verbundenen Energie- und Emissionsbilanz. Für Unternehmen mit Nachhaltigkeitsberichten und entsprechenden Lieferkettenanforderungen kann das zum ESG- und Compliance-Thema werden. Der Standort und die Art der Stromerzeugung gehören deshalb zunehmend in die Bewertung eines KI-Anbieters.

Hinzu kommt das wirtschaftliche Risiko. Teure Eigenstromanlagen, neue Rechenzentren und knappe Netzkapazitäten erhöhen den Kapitalbedarf der Anbieter. Ob und in welchem Umfang diese Kosten über Abos oder API-Preise weitergegeben werden, ist offen. Der Kostendruck spricht jedoch dafür, Abhängigkeiten von einzelnen Cloud-Anbietern genauer zu prüfen.

Kleinere Modelle als betriebliche Alternative

Nicht jeder Anwendungsfall benötigt ein zentrales Megamodell. Spezialisierte kleinere Modelle können lokal, im eigenen Rechenzentrum oder bei regionalen Hostern laufen. Das reduziert nicht automatisch jeden Energieverbrauch, verbessert aber die Kontrolle über Kosten, Daten und Infrastruktur.

Dass dieser Ansatz wirtschaftlich relevant sein kann, zeigen Open-Weight-Modelle für einen Großteil typischer Agentenaufgaben. Für Unternehmen entsteht damit eine realistische Alternative zum dauerhaften Bezug jedes KI-Arbeitsschritts über ein proprietäres Software-Abo.