Stellen Sie sich zwei Rechenzentren vor, die exakt gleich viel Strom aufnehmen. Auf dem Papier wirken beide gleich effizient. In der Praxis kann das eine deutlich mehr nutzbare Rechenleistung liefern als das andere, weil Prozessoren, Beschleuniger und Kühlung besser aufeinander abgestimmt sind. Die Verbrauchszahl verrät davon nichts.
Lange spielte es kaum eine Rolle, dass Verbrauchswerte so wenig über die tatsächliche Leistung aussagen. Mit dem Siegeszug der künstlichen Intelligenz wird genau das zur strategischen Frage für nachhaltige Rechenzentren. Denn wenn Rechenzentren in den kommenden Jahren ein Vielfaches an Energie benötigen, reicht es nicht mehr, den Verbrauch zu zählen. Entscheidend ist, was pro eingesetzter Kilowattstunde wirklich herauskommt.
Wer die Nachhaltigkeit von IT-Infrastruktur ernsthaft bewerten will, muss den Blick deshalb vom Input auf den Output richten. Nicht „Wie viel Energie fließt hinein?“ ist die wichtigste Frage, sondern „Wie viel Rechenleistung entsteht daraus, und wie wenig geht auf dem Weg dorthin verloren?“
Der KI-Boom verändert die Effizienzrechnung
Die Größenordnungen sind beträchtlich. Laut einer Studie von Allianz Trade verursachte die Rechenzentrumsbranche 2025 weltweit rund 286 Millionen Tonnen CO₂, etwa 57 % mehr als frühere Schätzungen angenommen hatten. Das Öko-Institut hält es für möglich, dass sich der globale Stromverbrauch von KI-Rechenzentren zwischen 2023 und 2030 auf das Elffache erhöht.
Parallel wächst der Druck, die Energie- und Klimabilanz der Branche präziser zu erfassen und regulatorisch zu verankern. Für Unternehmen heißt das: Die Frage, wo und wie ihre Workloads laufen, wird zunehmend auch eine Frage der eigenen Nachhaltigkeitsbilanz.
Das Problem: Für die Bewertung nachhaltiger Rechenzentren greifen die klassischen Kennzahlen zu kurz. Traditionell wird die Effizienz eines Rechenzentrums über den Gesamtenergieverbrauch und über Kapazitätswerte wie die Anschlussleistung in Megawatt beschrieben. Diese Werte sagen viel darüber aus, wie groß ein Standort ist, aber wenig darüber, wie produktiv er arbeitet. Das ist ungefähr so, als würde man die Effizienz eines Fahrzeugs an der Größe seines Tanks messen.
Neue Kennzahlen: Was pro Joule entsteht
In der Branche setzt sich deshalb ein Perspektivwechsel durch: weg von der reinen Verbrauchsgröße, hin zu Maßstäben, die den realen Nutzen pro Energieeinheit erfassen.
Im High-Performance-Computing ist dieser Ansatz längst etabliert. Die zentrale Größe dort lautet FLOPS pro Watt: Sie beschreibt, wie viele Gleitkommaoperationen ein System pro Sekunde und Watt aufgenommener Leistung liefert. Zwei Cluster mit identischem Stromverbrauch können nach diesem Maßstab völlig unterschiedlich abschneiden.
Für KI-Workloads gibt es vergleichbare, aber spezifischere Kennzahlen:
- Samples pro Joule beim Training von Modellen, also wie viele Datensätze pro Energieeinheit verarbeitet werden
- Tokens pro Joule bei der Inferenz großer Sprachmodelle, also wie viel Output ein Modell pro Energieeinheit generiert
Diese Kennzahlen führen zu einer Erkenntnis, die auf den ersten Blick kontraintuitiv wirkt: Ein System, das insgesamt mehr Strom aufnimmt, kann effizienter sein als sein Vorgänger. Liefert eine neue Hardwaregeneration deutlich mehr Tokens pro Joule, ist sie die nachhaltigere Wahl, auch wenn ihre absolute Leistungsaufnahme höher liegt.
Effizienz entsteht also nicht zwangsläufig durch weniger Verbrauch, sondern vor allem durch mehr Ergebnis bei gleichbleibendem oder moderat steigendem Energieeinsatz. Und genau hier kommt die Infrastruktur ins Spiel.
Infrastruktur als Hebel: Kühlung neu gedacht
Outputbezogene Kennzahlen messen, wie effizient die IT selbst arbeitet. Ebenso wichtig ist, wie viel Energie und Wasser rund um die IT verloren gehen (für Kühlung, Umspannung oder Beleuchtung). Beide Ebenen gehören zusammen: Erst wenn die Server viel leisten und möglichst wenig Energie außerhalb der IT verloren geht, ist ein Rechenzentrum wirklich effizient.
Den größten Anteil am Zusatzverbrauch hat die Kühlung. Messen lässt sich dieser Zusatzverbrauch insgesamt mit der Power Usage Effectiveness (PUE). Sie setzt den Gesamtenergiebedarf eines Rechenzentrums ins Verhältnis zum Energiebedarf der IT. Ein Wert nahe 1,0 gilt als optimal, weil dann kaum Energie außerhalb der Server verbraucht wird.
OVHcloud setzt auf Wasserkühlung, denn Wasser kann deutlich mehr Wärme aufnehmen als Luft. Die selbst entwickelte Technologie arbeitet mit einem geschlossenen Kreislauf: Sogenannte Direct-to-Chip-Wasserblöcke sitzen direkt auf CPU und GPU, nehmen die Wärme unmittelbar an der Quelle auf und leiten sie über das gesamte Rechenzentrum zu Trockenkühlern ab.
Die Ergebnisse im Vergleich:
| Kennzahl | OVHcloud | Vergleichswert Branche |
|---|---|---|
| PUE | ca. 1,24 im Konzerndurchschnitt, 1,19 am Standort Limburg (Geschäftsjahr 2025) | ca. 1,46 (Durchschnitt deutscher Rechenzentren 2024) |
| WUE (Liter pro kWh) | 0,34 im Konzerndurchschnitt, 0,21 am Standort Limburg (Geschäftsjahr 2025) | ca. 1,8 (US-Durchschnitt) |
Quellen: OVHcloud, Kennzahlen Geschäftsjahr 2025; Deutschland: Bitkom/Borderstep Institut, „Rechenzentren in Deutschland: Aktuelle Marktentwicklungen“ (2025); USA: Lawrence Berkeley National Laboratory, „United States Data Center Energy Usage Report“ (2016).
Besonders deutlich wird der Unterschied beim Wasser. Die Water Usage Effectiveness (WUE) beschreibt, wie viel Wasser pro Kilowattstunde für die Kühlung nötig ist. Wo ein durchschnittliches US-Rechenzentrum pro Kilowattstunde rund 1,8 Liter benötigt (gut sieben Gläser Wasser), kommt OVHcloud am deutschen Standort Limburg sogar mit weniger als einem aus.
Mehr darüber, wie OVHcloud Nachhaltigkeit umsetzt, erfahren Sie auf unserer Seite zum Thema Nachhaltigkeit.
Vom gekühlten zum mitdenkenden Rechenzentrum
Effiziente Hardware ist nur eine Seite der Gleichung, die andere ist ein intelligenter Betrieb. Der nächste Schritt ist deshalb das Smart Datacenter: ein Rechenzentrum, das seine Kühlung selbst reguliert und vorausschauend plant.
Das funktioniert in drei Stufen:
- Messen: Sensoren an den Kühlmodulen erfassen in Echtzeit Parameter wie Durchflussgeschwindigkeit und Wassertemperatur.
- Steuern: Eine KI-gestützte Regelung wertet die Daten aus und stellt Pumpgeschwindigkeit, Lüfterdrehzahl und Ventilstellungen so ein, dass die Server genau den Durchfluss und Druck erhalten, den sie benötigen, bei möglichst geringem Wasserverbrauch.
- Vorhersagen: Betriebsdaten aus Racks, Kühlmodulen und Trockenkühlern fließen in einen Data Lake und werden mit lokalen Wetterdaten kombiniert. So lässt sich das künftig benötigte Kühlwasservolumen prognostizieren.
Auch außerhalb des Gebäudes hat OVHcloud die Technik weiterentwickelt. Der neue Smart Dry Cooler kommt im Vergleich zur Vorgängergeneration mit rund halb so viel Bauraum und halb so vielen Lüftern aus. Das senkt den Stromverbrauch der Kühlung und die Geräuschentwicklung spürbar.
In Summe senkt die neue Architektur den Stromverbrauch der Kühlinfrastruktur um bis zu 50 % und den Wasserverbrauch für die Kühlung um bis zu 30 % gegenüber dem ursprünglichen Design von OVHcloud. Wie Racks, Kühlmodule und Smart Dry Cooler im Detail zusammenspielen, zeigt unser Blick hinter die Kulissen (auf Englisch).
Was das für IT-Verantwortliche bedeutet
Der Perspektivwechsel betrifft nicht nur den Betrieb von Rechenzentren. Er verändert auch, wie Unternehmen Infrastruktur und Cloud-Angebote bewerten sollten. Wer auf nachhaltige Rechenzentren setzt und gleichzeitig wachsende KI-Workloads plant, kann bei der Auswahl gezielt nachfragen:
- Wie hoch sind PUE und WUE, und worauf beziehen sie sich? Lassen Sie sich sowohl den Durchschnitt über alle Standorte als auch die Werte der neuesten Anlagen nennen. Erst beide zusammen zeigen, wo ein Anbieter heute steht und wohin er sich entwickelt.
- Wie wird gekühlt? Luft, Wasser oder Direct-to-Chip: Die Kühltechnik bestimmt maßgeblich, wie viel Energie und Wasser außerhalb der Server anfällt.
- Wie wird die Kühlung gesteuert? Statische Systeme laufen oft mit Reserve. Sensorgestützte, vorausschauende Steuerung passt sich dem aktuellen Bedarf an.
- Welche Hardware passt zu Ihrem Workload? Für Training und Inferenz lohnt sich der Blick auf Samples oder Tokens pro Joule statt auf die reine Leistungsaufnahme.
- Welche Daten erhalten Sie für Ihr eigenes Reporting? Mit steigenden regulatorischen Anforderungen wird Transparenz über den Ressourcenverbrauch zum Auswahlkriterium.
Dahinter steht eine einfache Verschiebung der Leitfrage. Statt „Wie viel verbraucht dieses Rechenzentrum?“ lautet sie: „Wie viel Rechenleistung bekomme ich pro Kilowattstunde und pro Liter Wasser?“ Wer so fragt, trifft Infrastrukturentscheidungen, die ökologisch und wirtschaftlich zugleich tragen. Mehr Rechenleistung pro Kilowattstunde bedeutet in der Regel mehr Leistung pro investiertem Euro, und die Effizienz des Anbieters fließt über die Scope-3-Emissionen direkt in die eigene Nachhaltigkeitsbilanz ein.
Fazit: Effizienz misst sich am Ergebnis
Verbrauchszahlen bleiben eine wichtige Orientierung. Für die Bewertung nachhaltiger Rechenzentren reichen sie im KI-Zeitalter aber nicht mehr aus. Ein vollständiges Bild entsteht erst, wenn zwei Perspektiven zusammenkommen: wie viel nutzbare Rechenleistung pro Energieeinheit entsteht und wie wenig Energie und Wasser rund um die IT verloren gehen.
Wasserkühlung, Direct-to-Chip-Technologie und KI-gestützte Steuerung zeigen, dass sich beides verbinden lässt. Das Smart Datacenter spart Ressourcen genau dort, wo sie für den tatsächlichen Rechen-Output am meisten zählen. Wer Anbieter vergleicht, sollte deshalb nicht nur nach dem Verbrauch fragen, sondern nach der Rechenleistung pro Kilowattstunde und pro Liter Wasser. Was OVHcloud für KI-Projekte anbietet, sehen Sie auf unserer Seite zu AI und Machine Learning.