Gasturbinen sind jetzt der Engpass für KI-Rechenzentren, nicht Chips

In den letzten zwei Jahren war die bindende Einschränkung für KI-Infrastruktur GPUs. Diese Einschränkung hat sich weitgehend gelöst — Nvidia, AMD und ein wachsendes Feld von Anbietern für kundenspezifische Chips haben das Angebot ausgeweitet. Der neue Engpass liegt vollständig vor dem Chip: genug Strom ins Gebäude zu bekommen. Gasturbinenhersteller nennen jetzt Lieferzeiten von fünf bis sechs Jahren für ihre effizientesten Modelle, und die Turbinenpreise sind seit 2019 um etwa 195% gestiegen.

Das ist wichtig, weil Gasturbinen zur Standardantwort auf ein Problem geworden sind, das das öffentliche Netz zunehmend nicht im Zeitrahmen der KI lösen kann. In den gefragtesten US-Märkten dauern Netzanschluss-Warteschlangen jetzt vier bis sieben Jahre.

Warum das Netz nicht mithalten kann

Der Engpass betrifft nicht nur die Erzeugungskapazität — es ist die physische Hardware, die benötigt wird, um Strom nach der Erzeugung zu transportieren. Hochspannungstransformatoren und Schaltanlagen, beide von einer kleinen Anzahl von Herstellern mit mehrjährigen Auftragsbüchern gebaut, sind jetzt so knapp wie die Turbinen selbst.

2026 gab es eine Welle von Genehmigungen für große Erdgasprojekte, die speziell mit der Nachfrage von Rechenzentren verbunden sind, einschließlich großer Ausbauten in Texas und Pennsylvania.

Rechenzentren werden zu Netz-Stakeholdern, nicht nur Kunden

Die praktische Reaktion der Hyperscaler hat sich von "Strom kaufen" zu "bauen und in Strom mitinvestieren" verschoben. Unternehmen finanzieren jetzt direkt Übertragungs-Upgrades, setzen Vor-Ort-Batteriespeicher ein und bauen in manchen Fällen dedizierte Gaskraftwerke neben ihren Anlagen.

Was das für die Branche bedeutet

Der Turbinen- und Transformatorenstau begrenzt effektiv, wie schnell neue KI-Kapazität bis 2028 online gehen kann, unabhängig von Chip-Versorgung oder Kapitalverfügbarkeit. Für Unternehmen, die KI-Infrastrukturpartner bewerten, sind Stromlieferzeiten jetzt ein zuverlässigerer Prädiktor für tatsächliche Kapazitätsverfügbarkeit als die angekündigte GPU-Anzahl.