Microsofts KI-Ausbau stößt auf eine physische Einschränkung, die sich nicht allein durch mehr GPUs lösen lässt: Es fehlt an ausreichend mit Strom versorgter Rechenzentrumsfläche, um diese Chips einzusetzen. Der Druck ist in Azure bereits sichtbar. Microsoft zufolge übersteigt die Kundennachfrage weiterhin die verfügbare Kapazität.
Ein am 17. Aug. veröffentlichter Bericht des Guardian meldete, Microsoft habe Mitte 2026 etwa 2,2 Millionen KI-Beschleuniger installiert gehabt. Grundlage waren interne Unternehmensdokumente. Microsoft wies die Schätzungen der Publikation als unzutreffend zurück und erklärte, sie beruhten auf falschen Annahmen. Der Bericht griff außerdem frühere Äußerungen von CEO Satya Nadella auf, wonach die Stromversorgung und bezugsfertige Rechenzentrumsgebäude begrenzten, wie schnell Microsoft Chips einsetzen könne.
Stromversorgung und Gebäude prägen Microsofts KI-Ausbau
Die Guardian-Untersuchung verglich die gemeldete Zahl der Beschleuniger mit Schätzungen, die aus Microsofts öffentlich genannten Rechenzentrumskapazitäten abgeleitet wurden. Microsoft legt nicht offen, wie viele GPUs das Unternehmen besitzt oder betreibt, daher bleiben externe Schätzungen unsicher.
Microsoft erweitert seine Chipauswahl dennoch weiter, unter anderem mit Plänen, die KI-Plattform Helios von AMD im Rack-Maßstab neben Nvidia-Hardware und Microsofts eigenen Chips in Azure einzusetzen.
Auch die physische Kapazität wächst. Microsofts erste Fairwater-Anlage in Wisconsin ist im Juni vollständig in Betrieb gegangen, während eine zweite, angrenzende Anlage 2028 folgen soll. Der geplante Campus in Pecos, Texas, soll rund 2 Gigawatt Kapazität hinzufügen und zunächst auf ein vor Ort betriebenes Erdgas-Kraftwerk setzen, das hinter dem Zähler arbeitet, bevor die Verbindung zum regionalen Stromnetz hergestellt wird.
Die Internationale Energieagentur prognostiziert, dass der weltweite Stromverbrauch von Rechenzentren von rund 415 Terawattstunden im Jahr 2024 auf etwa 945 TWh im Jahr 2030 steigen wird, wobei KI der größte Treiber ist. Eine aktuelle Analyse des Strombedarfs von KI-Rechenzentren zeigt, wie Übertragungsengpässe die Zeitpläne für den Ausbau von Hyperscalern erschweren können.
RAND schätzt, dass die bis 2030 angekündigte Erzeugungskapazität in den USA von rund 300 GW nach Berücksichtigung von Projektfertigstellungen, Stilllegungen und der Versorgungssicherheit etwa 82 GW tatsächlich verfügbare Netto-Kapazität ergeben könnte. Diese zusätzlichen Kapazitäten entstehen möglicherweise nicht dort, wo die größten neuen Lasten von Rechenzentren auftreten.
Das Azure-Wachstum hängt von neuen Kapazitäten ab
Microsofts Ergebnispräsentation vom 29. Julizeigte, wie eng Kapazität und Cloud-Wachstum miteinander verknüpft sind. Der Umsatz mit Azure und anderen Cloud-Diensten stieg im Jahresvergleich um 43 %, während die Nachfrage weiterhin die verfügbare Kapazität überstieg. Microsoft nahm im Quartal 31 Rechenzentren und ein weiteres Gigawatt Kapazität in Betrieb und erklärte, die während des Quartals bereitgestellte zusätzliche Azure-Kapazität sei schnell monetarisiert worden.
Die Verfügbarkeit von Diensten und Modellen kann je nach Region variieren, während sich bereitgestellte Kapazitäten mit der Nachfrage ändern können, heißt es in Microsofts Foundry-Dokumentation. Das Unternehmen baut seine internationale Präsenz ebenfalls aus, unter anderem mit einer Investition von 25 Milliarden australischen Dollar in Australien – rund 18 Milliarden US-Dollar – bis Ende 2029 zur Unterstützung von digitaler Infrastruktur, Cybersicherheit und KI-Kompetenzen.
Organisationen, die große KI-Einsätze planen, sollten vor der Zuweisung von Workloads die Modellverfügbarkeit, die regionale Kapazität und die Anforderungen an die Datenresidenz prüfen. Microsofts Fähigkeit, Chips, Gebäude und Stromversorgung gemeinsam in Betrieb zu nehmen, wird bestimmen, wie viel KI-Nachfrage das Unternehmen in nutzbare Azure-Kapazität umwandeln kann.
Mehr dazu: Strom ist nur eine der physischen Grenzen des KI-Ausbaus: Hyperscaler konkurrieren um Elektriker, die für den Bau und Betrieb zunehmend stromintensiver Rechenzentren benötigt werden.