Braucht KI im Mittelstand wirklich ein neues Rechenzentrum?

Schwarz Digits, AWS und Infineon investieren gerade Milliarden in neue KI-Rechenzentren. Der IT-Dienstleister Bechtle hält dagegen: Für die meisten KI-Vorhaben im Mittelstand genügen vorhandene Fläche, ein Colocation-Stellplatz oder die Cloud. Ein eigener Neubau löst dann ein Problem, das viele Betriebe gar nicht haben.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

Ein KI-Rechenzentrum gilt 2026 als Statussymbol der Digitalisierung, und die Schlagzeilen über neue Milliardenbauten reißen nicht ab. Genau in diesen Boom platziert Bechtle einen nüchternen Einwand: Rechenleistung für KI lasse sich meist mieten, nicht mauern.

Das Wichtigste in Kürze

• Bechtle argumentiert in DataCenter-Insider, dass die meisten KI-Projekte im Mittelstand ohne neues Rechenzentrum auskommen.
• Modulare Container-Systeme kommen vorgefertigt und stehen in Wochen statt in Monaten bereit.
• Direkte Flüssigkühlung und eine geschickte GPU-Lastverteilung senken den Energiebedarf.
• Vor jedem Neubau zählt der Stromanschluss, danach die Wahl zwischen Bestandsfläche, Colocation und Cloud.

Was treibt den Rechenzentrums-Boom?

Milliarden für Rechenleistung bestimmen die Schlagzeilen. Schwarz Digits baut bei Rostock für 5,6 Milliarden Euro, und Infineon kauft eigens Zulieferer für den Strombedarf der KI-Rechenzentren. Solche Summen stammen aus der Welt der Hyperscaler und Chipkonzerne, deren Trainingscluster ganze Umspannwerke beanspruchen. Der Mittelstand rechnet in anderen Größen als die größten Rechenzentren des Landes.

Warum reicht oft die vorhandene Fläche?

Mieten statt mauern lautet die Gegenrechnung. Laut DataCenter-Insider braucht ein KI-Cluster nicht einmal ein eigenes Gebäude, sofern der Stromanschluss stark genug ist.^[1] Moderne Systeme kommen als Container, zu rund 90 Prozent im Werk vorgefertigt, und stehen in wenigen Wochen statt in den bis zu 24 Monaten eines klassischen Neubaus bereit.

Auslastung schlägt Fläche: Eine geschickte Verteilung der GPU-Last spart nach denselben Angaben mindestens 20 Prozent Energie, die direkte Flüssigkühlung noch einmal rund 10 Prozent.^[1] Die teurere Frage ist für die meisten Betriebe ohnehin nicht der Bau, sondern der Strompreis: In Deutschland kostet die Kilowattstunde ein Vielfaches der Preise in Nordeuropa, weshalb sich große Rechenlast zunehmend dorthin verlagert.

Was heißt das für Mittelstand-Entscheider?

Erst mieten, dann bauen ist der pragmatische Pfad. Ein vorhandener Serverraum mit ausreichend Strom nimmt kleinere KI-Cluster auf. Reicht das nicht, vermietet ein Colocation-Anbieter fertige Stellfläche im professionellen Rechenzentrum, und für schwankende Spitzenlast liefern Cloud- oder GPU-as-a-Service-Modelle Kapazität auf Abruf.

Der Datenschutz entscheidet oft mit. Sobald personenbezogene oder besonders sensible Daten ins Modell fließen, verlangen DSGVO und der EU AI Act einen dokumentierten Nachweis darüber, wo die Verarbeitung stattfindet. Eine Cloud-Region in der EU oder ein deutscher Colocation-Standort lösen diese Frage sauberer als ein schnell hochgezogener Serverraum ohne Zertifizierung.

Konkret heißt das: Prüfen Sie zuerst Stromanschluss und vorhandene Fläche. Holen Sie für jedes größere Vorhaben ein Colocation- und ein Cloud-Angebot ein. Einen Neubau rechtfertigen erst dauerhafte Last, harte Latenzgrenzen oder strenge Datenschutzauflagen. Ein gemieteter Stellplatz bindet weniger Kapital und lässt sich schneller wieder abstoßen als eine eigene Halle.

Quelle

[1] DataCenter-Insider: „Der Kunde braucht nicht einmal ein Gebäude“

Mehr Newshunger?

• Schwarz Digits baut für 5,6 Milliarden Euro ein KI-Rechenzentrum bei Rostock
• Ein eigenes Kraftwerk fürs Rechenzentrum: Schlüchtern plant 276 Megawatt
• Ein Gigawatt für fünf Rechenzentren: Hochtief erneuert Londons Stromnetz
• AWS bringt seine erste Cloud-Region nach Saudi-Arabien, mit KI-Zone und Nvidia-Chips
• Infineon kauft C2i Semiconductors für den Strombedarf der KI-Rechenzentren