Deutschland legt Kabel, die niemand nutzt – während gleichzeitig jene, die sie dringend bräuchten, auf Kapazitäten warten.
Das Paradox verschärft sich, weil KI-Anwendungen die Anforderungen an die Netzinfrastruktur gerade neu kalibrieren. Google verzeichnet nach eigenen Angaben monatlich 3,2 Billiarden verarbeitete KI-Token und peilt eine tausendfache Steigerung der KI-Leistung innerhalb der nächsten vier bis fünf Jahre an. Was das für die Netze bedeutet, belegen die Zahlen der Unternehmen: 76 Prozent sehen eine leistungsfähige Internetverbindung als entscheidend für den Erfolg ihrer KI-Anwendungen, mehr als 40 Prozent melden bereits heute Schwierigkeiten, die benötigte Bandbreite bereitzustellen. Glasfaser ist kein Nice-to-have mehr, sondern Betriebsmittel.
KI als Werkzeug und Treiber zugleich
Die interessanteste Wendung in dieser Infrastrukturdebatte: Dieselbe Technologie, die neue Kapazitätsforderungen stellt, kann auch helfen, diese zu erfüllen.
Die Telekom setzt KI-gestützte Messfahrzeuge, sogenannte T-Cars, ein, die während der Fahrt Umgebungsdaten erfassen – Bodenbeschaffenheit, Baumwurzeln, Bebauungspläne – und daraus Trassenvorschläge berechnen. Parallel analysiert ein Computer-Vision-System namens AI@Construction Monitoring 3D-Scans von frisch verlegten Glasfaserkabeln und erkennt fehlerhafte Spleißungen mit einer Genauigkeit von bis zu 90 Prozent. Ohne solche automatisierten Abläufe ist das erklärte Ziel der Telekom – künftig jährlich bis zu 15-mal mehr Fiber-to-the-Home-Anschlüsse in Betrieb zu nehmen als bisher – rechnerisch nicht erreichbar.
Darüber hinaus verspricht agentenbasierte KI eine weitere Beschleunigungsstufe. KI-Agenten können die Planung und Genehmigungsvorbereitung teilweise autonom durchführen: Sie prüfen automatisch Kollisionen mit bestehender Infrastruktur, analysieren OTDR-Messungen auf Dämpfungsprobleme und überprüfen Abnahmeprotokolle auf Vollständigkeit. Laut einer Untersuchung von BearingPoint kann der Einsatz solcher Systeme die Entwicklung von Ausbaulösungen um bis zu vier Monate verkürzen, Planungszeiten sollen um bis zu 20 Prozent sinken.
Der Haken ist strukturell, nicht technisch. KI ist so gut wie die Daten, auf denen sie trainiert wird. Geodaten, Baupläne und Messdaten aus dem deutschen Tiefbau liegen oft in inkompatiblen Formaten vor, sind inkonsistent digitalisiert oder schlicht nicht zugänglich. Die Lösung eines Startups wie Fluctus aus Österreich – eine zentrale Verwaltungsplattform für offene Netze mit „Zero-Touch“-Betrieb – setzt voraus, dass überhaupt standardisierte Datenschnittstellen existieren. Diese existieren noch nicht flächendeckend.
Das Energieproblem wächst schneller als das Netz
Während der Glasfaserausbau immerhin vorankommt, entwickelt sich der Strombedarf für KI-Rechenzentren zu einer eigenständigen Planungskrise.
Weltweit lag der Stromverbrauch von KI-Rechenzentren 2023 bei rund 50 Milliarden Kilowattstunden. Bis 2030 soll er laut Prognosen des Öko-Instituts auf etwa 550 Milliarden Kilowattstunden steigen – ein Elffaches in sieben Jahren. In Deutschland verbrauchten alle Rechenzentren zusammen 2024 rund 20 Milliarden Kilowattstunden; bis 2037 könnten es zwischen 78 und 116 Terawattstunden sein, was bis zu zehn Prozent des gesamten deutschen Stromverbrauchs entspräche.
Das Netz kommt damit nicht mit. Wartezeiten für neue Netzanschlüsse betragen in wichtigen Märkten bereits mehrere Jahre. Ein einzelnes Rechenzentrum mit mehr als 200 Megawatt Kapazität verbraucht so viel Strom wie rund 200.000 Haushalte – eine Größenordnung, die in der Netzplanung eine eigene Kategorie darstellt. In den USA, wo die Rechenzentrumskonzentration höher ist, könnten die Strompreise in betroffenen Regionen bis Ende des Jahrzehnts um 25 bis 75 Prozent steigen.
Das stärkste Argument dafür, diese Entwicklung zunächst hinzunehmen, lautet: KI ist nicht trotz, sondern wegen seines Stromhungers ein Produktivitätswerkzeug. Wenn KI-Anwendungen die Wirtschaftsleistung um mehr steigern als ihr Strombedarf kostet, rechnet sich der Tausch. Das Problem ist, dass diese Rechnung implizit voraussetzt, dass der Strom aus erneuerbaren Quellen kommt. KI-Training verursacht allein schätzungsweise fast zwei Drittel des gesamten Energiebedarfs der KI-Rechenleistung – und jede Kilowattstunde aus dem Gasnetz macht den Effizienzgewinn auf der anderen Seite teilweise zunichte.
Die Ökologie-Achse zeigt hier eine ungelöste Spannung: Glasfasernetze selbst sind energieeffizienter als Kupfer – FTTH-Netze verbrauchen bis zu 85 Prozent weniger Energie als Kupfernetze, bis zu sechsmal weniger als TV-Kabelnetze. Die Digitalisierung durch Glasfaser könnte bis 2030 potenziell bis zu 73 Millionen Tonnen CO2 in Deutschland einsparen. Doch der Ausbau der KI-Infrastruktur, den Glasfaser trägt, frisst diese Einsparung Schritt für Schritt auf.
Regulierung: Schub und Bremse zugleich
Die jüngste Novelle des Telekommunikationsgesetzes (TKG) versucht, den regulatorischen Rahmen dem Tempo anzupassen. Der Glasfaserausbau bis Ende 2030 wird darin zum „überragenden öffentlichen Interesse“ erklärt – ein Status, der Genehmigungsfristen verkürzt, genehmigungsfreie Maßnahmen stärkt und ein optionales Anzeigeverfahren einführt. Die Kabinettsbeschlüsse sehen vor, Genehmigungsfristen von drei auf zwei Monate zu reduzieren, das Recht auf Vollausbau gebäudeinterner Glasfasernetze zu verankern und die Wirtschaft dabei um jährlich rund 4,8 Millionen Euro zu entlasten.
Branchenverbände wie BREKO und ANGA sehen in der Novelle jedoch eine Bremse neben dem Turbo. Kritisiert werden geplante Zugangserweiterungen und eine mögliche symmetrische Regulierung, die ihrer Meinung nach Investitionsanreize beschädigen und kleinere Netzbetreiber gegenüber der Telekom benachteiligen könnten. Die Bundesnetzagentur überwacht derweil die laufende Kupfer-Glas-Migration – eine Umstellung, die nicht nur technisch, sondern wirtschaftlich über Renditeerwartungen für heutige Glasfaserinvestitionen entscheidet.
Die Bundesregierung hat seit Beginn der Gigabitförderung rund 21 Milliarden Euro bereitgestellt; für 2026 sind 1,8 Milliarden Euro für mehr als 500 Projekte vorgesehen. Ergänzend plant die Telekommunikationsbranche allein für 2026 Investitionen von rund 8,5 Milliarden Euro. Der Staat füllt die Wirtschaftlichkeitslücken, der Markt macht den Rest.
Das Effizienz-Problem liegt woanders: Die Take-up-Rate von 27 Prozent bedeutet, dass ein erheblicher Teil der verlegten Infrastruktur mangels Nutzung noch keine Rendite erzielt. Tiefbaukosten sind in den letzten fünf Jahren um rund 40 Prozent gestiegen. Betriebswirtschaftlich läuft der Ausbau damit einem Nachfragebeweis hinterher, den er erst selbst erzeugen soll.
Der Fachkräftemangel sitzt quer zu allem
Weder KI noch Regulierung lösen das Problem, das am Tiefbau selbst klebt: Es fehlen Menschen, die graben, verlegen und spleißen. Gleichzeitig fehlen in einer zweiten Schicht Fachkräfte, die KI-Systeme für den Infrastrukturausbau entwickeln, einrichten und betreiben können. Wer KI als Lösung für den Fachkräftemangel im Tiefbau anbietet, muss KI-Fachkräfte haben – und die sind nicht weniger knapp.
Synergien mit der Energiewende könnten einen Teil dieser Engpässe mildern. Wenn Glasfaser und Stromkabel gemeinsam verlegt werden – das sogenannte Davoser Modell oder schlichte Mitverlegung bei Tiefbaumaßnahmen der Energieversorger – teilen sich beide Branchen die teuerste Position: den Aufbruch des Bodens. Energieversorger bauen bereits Glasfasernetze auf, weil Smart Grids und Smart Metering genau jene Echtzeitkommunikation brauchen, für die Glasfaser gebaut wird. Diese Kooperationsmodelle sind erprobt, aber noch nicht systematisch skaliert.
Wo die drei Engpässe zusammenlaufen
Die Verbindungslinie zwischen Glasfaserausbau, KI-Bedarf und Energieinfrastruktur ist keine Metapher, sondern eine Kausalität. KI braucht Glasfaser für niedrige Latenz und hohe Bandbreite. Glasfaser braucht KI, um schnell genug gebaut zu werden. Beides braucht mehr Strom als das heutige Netz liefern kann – und dieser Strom sollte aus erneuerbaren Quellen kommen, was wiederum eigene Genehmigungszeiten und Netzausbaubedarfe erzeugt.
Die Effizienz-Achse liefert den nüchternsten Befund: Deutschland baut Infrastruktur parallel, ohne sie ausreichend zu koordinieren. Glasfaser- und Stromnetzplanung laufen in getrennten Genehmigungsverfahren, bei verschiedenen Behörden, nach unterschiedlichen Zeitplänen. Jede dieser Leitungen ist für sich allein sinnvoll. Gemeinsam verlegt wären sie billiger, schneller und weniger störend für Anwohner.
Die technischen Mittel, diese Koordination zu verbessern, liegen auf dem Tisch: KI-gestützte Planungswerkzeuge, standardisierte Geodaten-Schnittstellen, gemeinsame Tiefbauprojekte von Energie- und Telekommunikationsversorgern. Was fehlt, ist kein Algorithmus. Es ist die Verwaltungsstruktur, die ihn mit den richtigen Daten füttert – und die ressortübergreifende Koordination, die solche Projekte überhaupt genehmigt.
Wäre es doch schön, wenn das Bundesministerium für Digitales und Verkehr und das Bundesministerium für Wirtschaft und Klimaschutz ihre Ausbaupläne für Glasfaser und Stromnetz einmal auf denselben Tisch legten – Trasse für Trasse, Gemeinde für Gemeinde. Die Algorithmen wären bereit.