Am Bildschirm dauert es nur wenige Sekunden. Eine Eingabe, ein Klick, und schon entsteht das Bild einer Katze im Sonnenuntergang. Auf dem Schreibtisch bleibt alles still. Irgendwo in einem Rechenzentrum laufen derweil Hochleistungsprozessoren an, Daten werden zwischen Speicher und Chips verschoben, Kühlsysteme führen Wärme ab. Die digitale Magie hat eine sehr materielle Rückseite: Strom, Netze, Gebäude, Wasser und viel Kapital.
Wie viel Energie dieser eine Vorgang benötigt, lässt sich erstaunlich schwer sagen. Das Elektrizitätswerk des Kantons Schaffhausen rechnet für ein KI-Bild beispielhaft mit etwa zehn Wattstunden, ungefähr so viel wie eine Ladung eines Smartphone-Akkus. Powernewz nennt für einen einfachen Textprompt rund 0,3 Wattstunden, für ein fünf Sekunden langes KI-Video dagegen gegen eine Kilowattstunde. Die Zahlen widersprechen sich nicht zwingend: Modell, Aufgabe, Antwortlänge, Chip, Auslastung und Kühlung machen einen gewaltigen Unterschied. Sie zeigen vor allem, wie wenig transparent der Energieverbrauch einzelner KI-Dienste noch immer ist.
Nun beschäftigt sich auch die UBS mit dem Thema. In der aktuellen Publikation «Übernachfrage nach Rechenzentren – auch in der Schweiz» von Michael Bolliger, Chief Investment Officer Switzerland UBS Global Wealth Management (Bild unten), beschreibt die Grossbank eine strukturelle Übernachfrage nach Rechenzentren in der Schweiz.
Die Anlageempfehlungen können wir beiseitelassen. Interessanter ist, dass eine Vermögensverwalterin über Stromanschlüsse, knappe Standorte, Glasfaser und Abwärme schreibt. Damit ist die KI-Infrastruktur endgültig aus der IT-Nische herausgetreten. Sie wird zu einem Standortfaktor – und zu einer energiepolitischen Frage.
Der Schweizer Verbrauch wächst – aber nicht nur wegen KI
Die belastbarste aktuelle Bestandesaufnahme stammt aus einer Studie im Auftrag von EnergieSchweiz und des Bundesamtes für Energie. Demnach verbrauchten Rechenzentren in der Schweiz 2024 knapp 2,1 Terawattstunden Strom. Das entsprach rund 3,6 Prozent des nationalen Stromverbrauchs. Gegenüber 2019 stieg der vergleichbare Verbrauch um 18 Prozent. Bis 2030 erwartet die Studie 2,5 bis 3,2 Terawattstunden; in einem hohen Szenario könnten es 3,5 Terawattstunden oder rund sechs Prozent des heutigen Schweizer Stromverbrauchs werden.
Diese Zahlen sind eindrücklich, dürfen aber nicht einfach als «Stromverbrauch der KI» etikettiert werden. Die Autoren halten ausdrücklich fest, dass KI aus energetischer Sicht in der Schweiz bisher eine untergeordnete Rolle spielt. Das Training sehr grosser Modelle findet kaum im Inland statt. Der wichtigste Wachstumstreiber war bislang die Migration firmeneigener IT in kommerzielle Rechenzentren und in die Cloud. Ein Server verschwindet also aus dem Keller einer Bank oder eines Industriebetriebs und taucht in einem professionellen Datacenter wieder auf. Der Stromverbrauch wird dadurch sichtbarer und konzentrierter, aber nicht vollständig neu geschaffen.
Das dürfte sich verändern. KI wird in Büros, Banken, Pharmaunternehmen, Forschung, Industrie und Verwaltung breiter eingesetzt. Dazu kommen Anwendungen, die viel mehr Rechenleistung benötigen als eine einfache Textanfrage: Bild- und Videogenerierung, wissenschaftliche Simulationen, digitale Zwillinge, autonome Softwareagenten oder die laufende Analyse grosser Produktions- und Sensordaten. Gleichzeitig wächst bei Schweizer Unternehmen das Bedürfnis, sensible Daten in kontrollierten, möglichst lokalen Umgebungen zu verarbeiten. Daraus entsteht zusätzlicher Bedarf an inländischer oder europäischer Rechenleistung.
Die Bandbreite der Schätzungen zeigt allerdings, wie unsicher die Entwicklung bleibt. Powernewz zitierte 2024 eine Einschätzung des HSLU-Experten Adrian Altenburger (Bild unten), wonach der Verbrauch der Schweizer Rechenzentren infolge neuer KI-Anwendungen bis 2030 sogar acht Terawattstunden erreichen könnte.
Das wären 14 bis 15 Prozent des heutigen Landesverbrauchs. Diese frühe Abschätzung liegt deutlich über der neueren BFE-Studie. Sie ist deshalb kein Basisszenario, sondern eher ein Warnsignal dafür, wie stark das Resultat von Annahmen über neue Grossprojekte und die Geschwindigkeit der KI-Nutzung abhängt.
Nicht jeder Prompt ist gleich
Die Diskussion leidet darunter, dass gerne mit einer einzigen Zahl pro Anfrage gearbeitet wird. EKS verweist auf eine Schätzung von 18 Wattstunden für eine mittelgrosse Antwort eines aktuellen ChatGPT-Modells und rechnet dies mit rund 2,5 Milliarden täglichen Anfragen hoch. Powernewz nennt dagegen 0,3 Wattstunden für einen einfachen Prompt. Der Unterschied um den Faktor 60 zeigt: Ohne Angaben zu Modell, Rechenweg, Länge und Infrastruktur ist der «Verbrauch eines Prompts» kaum mehr als eine grobe Illustration.
Klar ist dagegen die Rangfolge. Ein kurzer Text ist meist wesentlich weniger aufwendig als die Erzeugung eines hochauflösenden Bildes oder Videos. Auch das Training eines neuen Modells ist etwas anderes als dessen spätere Nutzung. Hinzu kommt der Rebound-Effekt: Effizientere Chips senken zwar den Verbrauch pro Aufgabe, machen KI aber zugleich billiger und attraktiver. Was pro Anfrage eingespart wird, kann durch Milliarden zusätzlicher Anfragen mehr als aufgebraucht werden.
Genau dieses von William Stanley Jevons beschriebene Muster greift auch EKS auf. Jevons (1835 -1882) war ein bedeutender englischer Ökonom und Philosoph. Er gilt als Vertreter der Grenznutzenschule innerhalb der Neoklassik. Als erster beschrieb Jevons den Rebound-Effekt, im speziellen Fall nach ihm Jevons’ Paradoxon genannt. Darunter wird das Phänomen verstanden, dass technische Steigerungen der Energie- und Ressourceneffizienz durch einen erhöhten Verbrauch wieder „aufgefressen“ werden.
Wo KI in der Schweiz Energie spart
Die Gegenrechnung wird oft vergessen. KI benötigt nicht nur Strom, sie kann grössere technische Systeme genauer steuern und dadurch Energie, Reserven und Kosten einsparen. Ein konkretes Schweizer Beispiel liefert Swissgrid. Der Übertragungsnetzbetreiber nahm 2025 eine KI-gestützte Lösung in Betrieb, die den Bedarf an Regelenergie prognostiziert und den Abruf geeigneter Produkte automatisiert. Regelenergie wird benötigt, wenn Produktion und Verbrauch kurzfristig auseinanderlaufen.
In den ersten zehn Monaten 2025 sank die Aktivierung von Sekundärregelenergie gegenüber dem Vorjahreszeitraum um 22 Prozent. Swissgrid führt dies auf mehrere Faktoren zurück: bessere Solarstromprognosen, Verbesserungen im Regelenergiemarkt und die neue KI-Lösung. Die Einsparung lässt sich also nicht allein der KI zurechnen. Das Beispiel zeigt aber, wie relativ wenig zusätzliche Rechenleistung einen wesentlich grösseren Energieprozess optimieren kann.
Auch bei den Schweizer Energieversorgern ist KI bereits angekommen. Eine vom Bund veröffentlichte Umfrage bei 110 Unternehmen ergab, dass 25 Prozent KI einsetzt, besonders die grösseren Versorger. Anwendungen reichen von Verbrauchs- und Produktionsprognosen über die Erkennung von Netzstörungen bis zur vorausschauenden Wartung. Das wird wichtiger, weil Photovoltaikanlagen, Wärmepumpen, Batteriespeicher und Ladestationen das Stromsystem kleinteiliger und volatiler machen. Je genauer Angebot und Nachfrage prognostiziert werden, desto gezielter lassen sich Netze ausbauen und Reserven einsetzen.
Powernewz beschreibt ähnliche Anwendungen beim Zürcher Energieversorger ewz. KI verbessert dort Prognosen zur Stromproduktion und zum Energieverbrauch. Zudem wird geprüft, wie sich Wartungsarbeiten an Maschinen gezielter planen lassen. Der energetische Nutzen entsteht nicht durch einen spektakulären Einzelentscheid, sondern durch viele kleine Verbesserungen: weniger unnötige Fahrten, früh erkannte Defekte, längere Lebensdauer von Anlagen und eine bessere Abstimmung von Produktion und Verbrauch.
Besonders gross ist das Potenzial im Gebäudepark. Das Empa-Spin-off Viboo entwickelte eine selbstlernende, vorausschauende Steuerung für Heizung und Kühlung. Sie kombiniert Wetterdaten, Gebäudeverhalten und Nutzungsmuster. Laut Empa lassen sich damit je nach Gebäude 20 bis 40 Prozent Energie einsparen. Das ist keine Prognose für die gesamte Schweiz, sondern ein technisches Potenzial aus konkreten Anwendungen. Es zeigt jedoch, dass KI auch in bestehenden Gebäuden wirken kann, ohne dass zuerst Fassaden, Heizungen und Leitungen vollständig ersetzt werden müssen.
Auch die Rechenzentren selbst bieten grosse Reserven. Die BFE-Studie schätzt ihr verbleibendes Effizienzpotenzial auf rund 0,8 Terawattstunden oder knapp 38 Prozent des heutigen Verbrauchs. Ein grosser Teil liegt direkt in der IT: besser ausgelastete Server, Virtualisierung, effizientere Datenspeicherung und intelligenteres Management von Rechenaufgaben. Damit könnte ein beträchtlicher Teil des erwarteten Wachstums aufgefangen werden – vorausgesetzt, Effizienzgewinne werden nicht sofort durch noch mehr Anwendungen aufgezehrt.
Keine Panik, aber eine Infrastrukturstrategie
Die Schweiz muss sich deshalb weder in Technologiebegeisterung noch in Untergangsrhetorik flüchten. Die KI-Revolution wird Strom brauchen. Das war bei der Mechanisierung, der Elektrifizierung und dem Internet nicht anders. Entscheidend ist, welche Leistung mit dieser Energie erzeugt wird.
Neue Rechenzentren sollten dort entstehen, wo Stromnetze ausgebaut werden können, erneuerbare Energie verfügbar ist und Abwärme genutzt wird. Betreiber sollten tatsächlichen Verbrauch, Auslastung, Wasserbedarf und Effizienz transparenter offenlegen. Und bei KI-Projekten sollte neben Kosten und Geschwindigkeit auch der Nutzen pro Kilowattstunde gemessen werden. Eine Kilowattstunde für ein belangloses Wegwerfvideo ist volkswirtschaftlich nicht dasselbe wie eine Kilowattstunde, mit der ein Gebäude 30 Prozent weniger Heizenergie benötigt, ein Stromnetz stabilisiert oder der Ausfall einer Industrieanlage verhindert wird. Technisch bleibt es Strom. Wirtschaftlich und ökologisch ist die Bilanz eine andere.
Die eigentliche Frage lautet deshalb nicht, ob KI Energie verbraucht. Das tut sie. Die relevante Frage ist, ob wir sie so einsetzen, dass sie an anderer Stelle mehr Energie, Ressourcen und Arbeit einspart, als ihr Betrieb zusätzlich beansprucht. Genau dort entscheidet sich, ob Rechenleistung für die Schweiz zum Engpass wird – oder zu einem Werkzeug für eine produktivere und effizientere Wirtschaft.
