Der weltgrößte Ölservice-Konzern SLB steigt massiv in das Geschäft mit KI-Rechenzentren ein. Zusammen mit Liberty Energy hat das Unternehmen eine strategische Allianz für modulare Infrastruktur und Stromversorgung angekündigt. Der Schritt zeigt, wie sehr sich die Energiewirtschaft auf den KI-Boom ausrichtet.
Vom Ölbohrer zum Server-Rack
SLB, ehemals Schlumberger, blickt auf fast 100 Jahre Erdölgeschichte zurück. Gegründet 1926 von den Brüdern Conrad und Marcel Schlumberger in Frankreich, hat sich das Unternehmen zum größten Dienstleister für Öl- und Gasförderung weltweit entwickelt. Mit 109.000 Beschäftigten in über 120 Ländern ist SLB größer als ExxonMobil und Chevron zusammen. Doch die Zukunft liegt nicht mehr nur unter der Erde, sondern auch in Rechenzentren.
Bereits im März 2026 erweiterte SLB die Zusammenarbeit mit Nvidia, um modulare Rechenzentrums-Infrastruktur und KI-Modelle für die Energiebranche zu entwickeln. Jetzt geht der Konzern einen Schritt weiter. Die Allianz mit Liberty Energy kombiniert SLBs Expertise in modularen Infrastrukturprojekten mit Libertys Kenntnissen in dezentraler Stromerzeugung.
2 Gigawatt und ein ehrgeiziges Ziel
Die Zahlen sprechen für sich. Seit April 2024 hat SLB bereits mehr als 1,3 Gigawatt vorgefertigte modulare Infrastruktur für Rechenzentren ausgeliefert. Bis Ende 2026 sollen kumuliert über 2 Gigawatt erreicht werden. Liberty Energy plant, bis 2029 rund 3 Gigawatt an Stromprojekten zu deployen. Zum Vergleich: Ein durchschnittliches Kohlekraftwerk liefert etwa 1 Gigawatt.
Daher ist die Botschaft klar. Der Engpass bei KI-Infrastruktur liegt nicht mehr bei den Chips, sondern bei Strom und Gebäude. Gavin Rennick, Präsident von SLBs Geschäftsbereich New Energy and Industrial, formuliert es so: Der Flaschenhals bei KI-Infrastruktur ist nicht mehr nur Rechenleistung. Es geht darum, Infrastruktur und Strom in dem Tempo zu liefern, das der Markt jetzt fordert.
Hinter-der-Messung-Strom als Schlüsseltechnologie
Ein zentraler Baustein der Partnerschaft ist die sogenannte Behind-the-Meter-Stromversorgung. Anstatt auf langwierige Netzanbindungen zu warten, erzeugen Libertys Systeme den Strom direkt vor Ort. Das umgeht eines der größten Hindernisse für den Bau neuer Rechenzentren: mehrjährige Wartezeiten für Netzanschlüsse.
Liberty Energy bringt dabei seine Erfahrung als Fracking-Unternehmen ein. Die Firma weiß, wie man große Mengen Energie an abgelegenen Orten zuverlässig bereitstellt. Denn genau diese Fähigkeit wird jetzt für KI-Rechenzentren gebraucht. Ron Gusek, CEO von Liberty Energy, betont, dass die Skala und Komplexität von KI-Energie-Infrastruktur grundlegend verändere, wie Stromsysteme gebaut und deployt werden.
Öl-Multi wird zum KI-Enabler
Die Partnerschaft ist kein Zufall. SLB verkaufte bereits 2020 sein nordamerikanisches Fracking-Geschäft an Liberty Energy. Beide Unternehmen kennen einander also gut. Jetzt wenden sie ihr gemeinsames Know-how aus der Öl- und Gasindustrie auf den KI-Markt an. Das ist Teil eines breiteren Trends. Öl- und Gaskonzerne erkennen, dass ihre Kernkompetenzen wie große Projekte managen, Strom erzeugen und Infrastruktur skalieren genau das sind, was KI-Rechenzentren brauchen.
Allerdings gibt es auch Kritik. SLB profitiert gleichzeitig vom Öl-Boom nach der Sperrung der Straße von Hormuz. Das Unternehmen ist in Venezuela gemeinsam mit Chevron tätig und arbeitet eng mit Saudi Aramco und ADNOC zusammen. Die KI-Wende ist also weniger eine Abkehr von fossilen Energien als vielmehr ein zusätzliches Standbein.
Was bedeutet das für die KI-Branche?
Für KI-Unternehmen ist diese Entwicklung wichtig. Bisher galten Chip-Hersteller wie Nvidia als alleinige Flaschenhälse. Tatsächlich wird der Engpass aber immer mehr bei Strom und Infrastruktur. Wenn Ölservice-Unternehmen wie SLB modulare Rechenzentren schneller bauen können als traditionelle Rechenzentrumsbetreiber, verändert das die Wettbewerbssituation.
Zudem sinken die Einstiegshürden für neue Rechenzentren deutlich. Modulare Infrastruktur und On-Site-Stromversorgung bedeuten, dass Standorte schneller gefunden und erschlossen werden können. Das könnte die Kostendegression bei KI-Rechenleistung weiter beschleunigen und damit Token-Preise weiter senken.
