Die rasante Entwicklung künstlicher Intelligenz (KI) stellt erhebliche Herausforderungen für die Stromversorgung dar, da KI-Systeme hauptsächlich in Rechenzentren laufen, die erhebliche Energiemengen verbrauchen. Diese steigende Nachfrage belastet die Netze und erschwert eine stabile, kostengünstige Energieversorgung. Bisherige Lösungsansätze wie neue Infrastruktur oder Energiespeicher sind oft teuer und langwierig zu realisieren. Forscher von Emerald AI, in Kooperation mit NVIDIA, Oracle, dem Energieversorger Salt River Project (SRP) und dem Electric Power Research Institute (EPRI), haben nun eine softwarebasierte Strategie vorgestellt, die Rechenzentren als flexible, netzinteraktive Ressourcen nutzt, um die Stabilität des Stromnetzes zu stärken. Ihre Studie, veröffentlicht in Nature Energy, zeigt, wie KI-Rechenzentren ihre Leistungsaufnahme anhand von Netzsingalen dynamisch anpassen können, ohne die Leistung von Anwendungen zu beeinträchtigen. Das zentrale Instrument ist Emerald Conductor, eine Software-Steuerung, die intelligente Energiemanagement-Entscheidungen trifft, basierend auf Leistungs- und Energie-Trade-offs verschiedener KI-Aufgaben. Dabei werden nur solche Aufgaben reduziert, die geringe Verzögerungen vertragen – etwa Trainingsschleifen, die nicht in Echtzeit ablaufen müssen. In einer realen Testumgebung mit 256 GPU-Servern in Phoenix gelang es, innerhalb von drei Stunden bei hoher Netzauslastung die Energieaufnahme um 25 % zu senken, ohne dass die Service-Level-Agreements (SLAs) beeinträchtigt wurden. Die KI-Systeme liefen weiterhin korrekt und termingerecht. Dieser Ansatz verlagert die Perspektive: Statt auf teure Netzausbau- und Speicherprojekte zu setzen, wird der bestehende Rechenzentrumsbestand als aktive Ressource für die Netzdynamik genutzt. Die Forscher betonen, dass dies die Zeitspanne für die Netzanbindung von KI-Infrastruktur erheblich verkürzen und die Effizienz bestehender Kapazitäten steigern kann. Die Technologie ist bereits aus der Simulation in die Praxis übergegangen – ein entscheidener Schritt für die breite Anwendung. Industrieexperten sehen in der Methode ein vielversprechendes Modell für eine nachhaltigere KI-Entwicklung. Die enge Zusammenarbeit mit Hardwareherstellern wie NVIDIA und Cloud-Playern wie Oracle sowie mit Netzbetreibern und Regulierungsbehörden (z. B. EPRI’s DCFlex-Programm) soll die Skalierbarkeit sichern. Langfristig soll die koordinierte, netzintelligente Steuerung mehrerer Rechenzentren in verschiedenen Regionen ermöglicht werden, was die Resilienz des gesamten Energiesystems stärken könnte. Die Technologie könnte somit nicht nur die Energiekosten senken, sondern auch die Integration erneuerbarer Energien fördern, da flexible Lasten die Schwankungen von Wind- und Solarenergie ausgleichen helfen. Emerald AI, ein auf KI-Optimierung spezialisierter Start-up, positioniert sich als Treiber dieser Transformation. Mit Unterstützung von Branchenführern und Forschungsinstituten ist die Technologie auf dem Weg, nicht nur eine Nische, sondern einen zentralen Bestandteil zukünftiger Energie- und KI-Infrastrukturen zu werden. Die Studie zeigt, dass KI-Entwicklung und Energiewende nicht gegensätzlich sind – sondern gemeinsam gestärkt werden können.