Google drosselt KI-Workloads, um Stromnetz stabil zu halten – und beschleunigt damit den Datacenter-Ausbau.

„Indem wir Lastflexibilität in unsere gesamte Energieplanung einbeziehen, können wir KI-getriebenes Wachstum auch dort managen, wo Stromerzeugung und -übertragung begrenzt sind“, schreibt Google in einem offiziellen Blogpost.

Der Konzern erlaubt Stromversorgern wie Indiana Michigan Power (I&M) und der Tennessee Valley Authority (TVA) nun, bei Engpässen die Drosselung nicht-essentieller KI-Workloads zu verlangen. Google sieht darin nicht nur einen Beitrag zur Netzstabilität, sondern auch einen strategischen Vorteil: Neue Rechenzentren könnten schneller ans Netz gehen, da Versorger weniger Bedenken wegen Lastspitzen hätten – ein Perspektivwechsel von KI als Netzrisiko hin zu einem potenziellen Netzpuffer. Welche Workloads als nicht-essentiell gelten, ist bisher unklar. Services wie Search, Maps sowie Cloud-Kunden in wichtigen Branchen wie dem Gesundheitswesen sollen davon jedoch nicht betroffen sein. Google nennt die Videocodierung bei YouTube als Beispiel.

Laut Google-Produktmanager Logan Kilpatrick "brennt" Googles KI-Infrastruktur mit TPU-Chips. Grund sei die hohe Rechenlast durch "massives Wachstum" bei neuen Produkten wie Veo 3 und den breiteren "AI Mode"-Rollout in der Google-Suche.

Kilpatrick reagierte auf Kritik, dass das neue Gemini 2.5 Pro Deep Think-Modell trotz guter Benchmark-Ergebnisse als kaum nutzbar bezeichnete. Der Zugang sei extrem begrenzt. Selbst Ultra-Abonnenten könnten derzeit nur wenige Anfragen pro Tag stellen. Laut Kilpatrick sei die Veröffentlichung bewusst eingeschränkt, da das Modell sehr groß sei und viel Rechenleistung erfordere.