Geen tijd om het volledige artikel te lezen? Gebruik dan de vijf onderstaande bullets voor de belangrijkste punten.

■ De elektriciteitsvraag van datacenters groeit veel sneller dan het totale stroomverbruik. De IEA rekent op ongeveer 485 TWh in 2025 en circa 950 TWh in 2030, terwijl Gartner de benodigde datacentercapaciteit ziet stijgen van ongeveer 104 GW in 2025 naar 132 GW in 2026 en circa 290 GW in 2030. Daarmee wordt beschikbare elektriciteit steeds nadrukkelijker een beperkende factor voor verdere AI-groei.
■ SpaceX/xAI laat zien wat daarvan de praktische consequentie kan zijn. Rond Colossus worden tijdelijke turbines vervangen door een permanente gasgestookte installatie van circa 1,2 GW met 41 turbines, terwijl SpaceX voor ongeveer $2,8 miljard extra gasturbines heeft gecommitteerd en APR Energy heeft overgenomen. Aardgas wordt daarbij vooral gekozen omdat time-to-power belangrijker wordt dan alleen de laagste stroomprijs.
■ Onze Investment view op Shell (SHEL) is positief. Er is geen reden om aan te nemen dat SpaceX specifiek gas bij Shell afneemt en daar baseren we onze visie ook niet op. De veel belangrijkere ontwikkeling is dat datacenters een nieuwe structurele bron van gasvraag kunnen worden, terwijl Shell zelf verwacht dat de mondiale LNG-vraag van ongeveer 422 miljoen ton in 2025 richting bijna 700 miljoen ton in 2050 stijgt.
■ Caterpillar (CAT) profiteert vooral van de bouwfase via distributed generation, generator sets en Solar Turbines, terwijl Siemens Energy (ENR) zowel gasturbines als de later noodzakelijke netinfrastructuur levert. Caterpillar sloot Q2 2026 af met een recordbacklog van ongeveer $72 miljard, terwijl Siemens Energy een structurele wereldmarkt voor gasturbines van ongeveer 110–120 GW per jaar ziet.
■ Dit is geen exclusieve gasbullcase. Nuclear, renewables, batterijen en fuel cells krijgen eveneens grote kansen. Het onderscheid zit vooral in snelheid: een AI-campus die jaren op een netaansluiting moet wachten, verdient niets op zijn geïnstalleerde compute. Daardoor kan duurdere eigen stroom economisch aantrekkelijker zijn wanneer die maanden of jaren eerder beschikbaar komt.

Elon Musk heeft met SpaceX en xAI opnieuw een ontwikkeling zichtbaar gemaakt die veel groter is dan zijn eigen ondernemingen. De AI-race draait allang niet meer uitsluitend om wie de meeste GPU's kan kopen, het beste model kan bouwen of de grootste datacentercampus kan neerzetten. De volgende beperking wordt steeds fysieker: hoe krijg je honderden megawatts of zelfs meerdere gigawatts elektriciteit op één locatie wanneer het openbare elektriciteitsnet jaren nodig kan hebben om dezelfde capaciteit beschikbaar te maken?

Dat probleem groeit met een snelheid waarop bestaande elektriciteitssystemen niet zijn ontworpen. De IEA verwacht dat het wereldwijde stroomverbruik van datacenters stijgt van ongeveer 485 TWh in 2025 naar circa 950 TWh in 2030. Gartner komt vanuit een andere methodologie tot dezelfde fundamentele conclusie en ziet de mondiale datacenter-powervraag oplopen van ongeveer 104 GW in 2025 naar 132 GW in 2026 en uiteindelijk circa 290 GW in 2030. Datacenters groeien daarmee veel sneller dan de totale elektriciteitsvraag, die normaal gesproken slechts enkele procenten per jaar stijgt.

In de Verenigde Staten kan het effect nog extremer worden doordat een groot gedeelte van de nieuwe AI-capaciteit daar wordt gebouwd. Schattingen wijzen erop dat datacenters in 2030 ongeveer 9,5% tot 15,3% van alle Amerikaanse elektriciteit kunnen gebruiken. Daarmee verandert een sector die enkele jaren geleden voor utilities nog relatief overzichtelijk was in een van de grootste nieuwe bronnen van structurele stroomvraag.

Voor beleggers ontstaat hierdoor een nieuwe AI-waardeketen. Eerst stonden NVIDIA, HBM en semiconductor-equipment centraal, vervolgens kwamen networking, cooling, datacenterbouw en electrical equipment nadrukkelijker in beeld. De volgende kapitaalstroom beweegt steeds verder richting het energiesysteem zelf: gas, turbines, generators, transformers, substations, transmission en batterijopslag.

Investment view

Onze Investment view op Shell (SHEL) is positief en de explosief stijgende behoefte aan betrouwbare AI-stroom versterkt die visie. De investment case is nadrukkelijk niet dat SpaceX, xAI of een andere hyperscaler rechtstreeks een bepalende klant van Shell moet worden. De veel belangrijkere ontwikkeling is dat duizenden nieuwe megawatts aan continue elektriciteitsvraag de mondiale gasbalans structureel kunnen veranderen.

Shell beschikt al over gasproductie, LNG, shipping, portfolio-optimalisatie en een omvangrijke tradingorganisatie. Wanneer aardgas in meer regio's strategische waarde krijgt als snel beschikbare en regelbare elektriciteitsbron, kan de onderneming profiteren van grotere volumes, meer handelsstromen en mogelijk een langere economische levensduur van bestaande gas- en LNG-assets. AI wordt daarmee geen aparte divisie binnen Shell, maar een nieuwe structurele vraagfactor binnen een business die al tot de belangrijkste winstpijlers van het concern behoort.

Caterpillar (CAT) heeft een totaal andere hefboom. Het bedrijf verdient vooral aan de apparatuur waarmee een datacenter zijn eigen vermogen kan produceren en krijgt daardoor directe exposure naar de eerste investeringsfase. Siemens Energy (ENR) zit nog breder, omdat gasturbines de acute generationbehoefte kunnen oplossen terwijl Grid Technologies vervolgens profiteert van de uitbreiding van transformatoren, substations en transmissie.

Wij zien deze aandelen daarom niet als drie versies van dezelfde trade. Shell is vooral een langdurige fuel- en LNG-read-through, Caterpillar is een distributed-generation- en equipmentcase en Siemens Energy combineert generation met grid. Juist doordat de economische hefboom op verschillende momenten in dezelfde AI-investeringscyclus ligt, vinden wij het thema aantrekkelijk.

De omvang van de stroomvraag verandert alles

De cijfers maken duidelijk waarom dit niet langer een nicheprobleem is. Mondiaal kan datacenterstroom tussen 2025 en 2030 bijna verdubbelen, terwijl de benodigde vermogenscapaciteit volgens Gartner in dezelfde periode richting 290 GW gaat. In de Verenigde Staten kan het aandeel van datacenters in het totale elektriciteitsverbruik richting 2030 oplopen tot grofweg 10–15%, waardoor AI een van de grootste nieuwe loadcategorieën wordt waarmee utilities rekening moeten houden.

Een gigawatt klinkt abstract, maar de schaal wordt duidelijker wanneer we het vergelijken met huishoudelijk verbruik. Een continue load van 1 GW staat grofweg gelijk aan het elektriciteitsgebruik van circa 750.000 tot 1 miljoen huishoudens, afhankelijk van de gehanteerde load factor en regionale consumptie. Wanneer een individuele AI-campus richting 2, 5 of zelfs 10 GW beweegt, spreken we feitelijk over een nieuw industrieel cluster met een energievraag die vergelijkbaar wordt met complete steden.

Dat is precies waarom bestaande netplanningen onder druk komen. Utilities waren gewend nieuwe vraag stapsgewijs te verwerken, maar AI-projecten kunnen in één ontwikkelfase honderden megawatts tegelijk vragen. Hoogspanningsleidingen, substations en generation capacity kunnen niet in hetzelfde tempo worden gebouwd als serverhallen en acceleratorclusters.

De bottleneck verschuift daardoor van compute naar energie. Wie voldoende chips bezit maar geen stroom heeft, kan die compute niet monetiseren.

SpaceX en xAI bouwen feitelijk hun eigen energiesysteem

SpaceX/xAI is het opvallendste actuele voorbeeld omdat Musk het time-to-powerprobleem uitzonderlijk agressief probeert te omzeilen. Rond Colossus zijn tientallen mobiele gasturbines ingezet om capaciteit sneller online te krijgen dan via een volledig traditionele utility-aansluiting mogelijk zou zijn geweest. Die tijdelijke infrastructuur wordt geleidelijk vervangen door een permanente installatie met 41 turbines en ongeveer 1,2 GW vermogen.

De strategie gaat veel verder dan één locatie. SpaceX heeft aangegeven over meerdere jaren circa $2,8 miljard aan extra gasturbines te willen aanschaffen en heeft daarnaast APR Energy overgenomen, een onderneming die gespecialiseerd is in snel inzetbare mobiele elektriciteitsproductie. Daarmee koopt Musk niet alleen machines, maar ook de operationele kennis om power generation sneller te integreren in de eigen infrastructuurplanning.

Bij Terafab in Texas wordt dezelfde filosofie zichtbaar. De eerste fase van de geplande chipfabriek vertegenwoordigt ongeveer $16,8 miljard en moet eigen gasgestookte elektriciteitsproductie combineren met grote batterijopslag. Voor een semiconductor-fab of AI-campus met miljarden dollars aan apparatuur kan wachten op publieke infrastructuur duurder zijn dan zelf een energievoorziening bouwen.

De traditionele relatie tussen technologiebedrijven en utilities verandert daardoor. Waar een hyperscaler vroeger vrijwel uitsluitend afnemer van elektriciteit was, beginnen de grootste AI-operators generation assets, batteries en energy-managementsystemen zelf te organiseren. Energie wordt daarmee steeds meer onderdeel van verticale integratie.

Time-to-power wordt een economische asset

De belangrijkste reden daarvoor is niet dat eigen gasstroom noodzakelijk goedkoper is dan een bestaande netaansluiting. In veel situaties kan behind-the-meter generation juist duurder zijn per geproduceerde megawattuur. Die vergelijking mist echter het belangrijkste punt wanneer voldoende netcapaciteit simpelweg niet beschikbaar is.

De werkelijke keuze is dan niet goedkope netstroom tegenover dure gasstroom, maar eigen elektriciteit vandaag tegenover mogelijk jaren wachten op het openbare netwerk. Voor een AI-campus met miljarden dollars aan accelerators kan twee jaar eerder operationeel zijn enorme economische waarde vertegenwoordigen. Die hardware kan twee extra jaren training, inference en cloudservices produceren.

Daar komt bij dat AI-hardware uitzonderlijk snel technologisch veroudert. Een accelerator die vandaag niet draait omdat er geen stroom beschikbaar is, mist niet alleen directe omzet maar wordt bovendien ingehaald door de volgende generatie chips. De economische afweging verschuift daardoor van cost-of-power naar value-of-availability.

Gas verkoopt in die context niet alleen energie. Het verkoopt vooral snelheid.

Waarom aardgas nu zo aantrekkelijk is

Aardgas combineert verschillende eigenschappen die in de huidige AI-build-out moeilijk tegelijk door één alternatief kunnen worden geleverd. Het is dispatchable, kan 24 uur per dag produceren en kan modulair worden toegevoegd wanneer een campus groeit. Daarnaast bestaat in grote delen van de Verenigde Staten al omvangrijke gasinfrastructuur, waardoor niet iedere locatie vanaf nul een complete brandstofketen hoeft te bouwen.

De bouwtijd vormt een belangrijk verschil. Mobiele of kleinere industriële turbines en generator sets kunnen relatief snel worden ingezet, terwijl grote netuitbreidingen vaak meerdere jaren kosten. Nieuwe nuclear capacity vraagt doorgaans nog veel meer tijd en toekomstige SMR's zijn nog niet op voldoende schaal beschikbaar om de huidige vraaggolf onmiddellijk op te vangen.

Gas hoeft daarom niet de goedkoopste of dominante energiebron in 2040 te zijn om in 2026–2029 een sterke ordercyclus te krijgen. Het hoeft vooral eerder beschikbaar te zijn dan alternatieven die technologisch of klimaatmatig op lange termijn aantrekkelijker kunnen zijn.

De markt laat inmiddels zien dat klanten die keuze daadwerkelijk maken. Wereldwijde nieuwe gasturbineorders kwamen in Q2 2026 uit rond 38 GW, ongeveer 71% meer dan een jaar eerder. Siemens Energy nam circa 12,5 GW daarvan voor zijn rekening, GE Vernova ongeveer 11,3 GW, Solar Turbines van Caterpillar ongeveer 2,8 GW en Baker Hughes circa 2,3 GW.

De gasvraag kan materieel worden

Wanneer AI-campussen richting meerdere gigawatts aan continue load bewegen, wordt ook de benodigde hoeveelheid aardgas relevant voor commoditymarkten. Een efficiënt gasgestookt systeem dat continu 1 GW produceert, kan grofweg 140–150 miljoen kubieke voet gas per dag gebruiken. Bij minder efficiënte simple-cycle- of tijdelijke mobiele turbines kan dat verbruik hoger liggen.

Daarmee kan een cluster van enkele gigawatts al snel honderden miljoenen cubic feet per dag vragen. Wanneer verschillende dergelijke locaties tegelijkertijd worden ontwikkeld, kan de impact regionaal substantieel worden, vooral wanneer bestaande pijpleidingen niet voor zulke geconcentreerde nieuwe loads zijn ontworpen.

RBC heeft voor 2030 een scenario genoemd waarin Amerikaanse datacenters ongeveer 6,1 Bcf per dag aan natural gas vragen. Andere scenario's lopen uiteen van ongeveer 2 Bcf/d tot ruim boven 10 Bcf/d. Zelfs aan de onderkant van die bandbreedte ontstaat een nieuwe structurele vraagbron naast traditionele power generation, industrie en LNG-export.

Behind-the-meter gasgeneration is bovendien geen marginale niche meer. Meer dan 7,5 GW bevindt zich al in aanbouw en tientallen gigawatts zitten in eerdere ontwikkelingsfases. Sommige bredere inventarisaties van aangekondigde projecten komen richting 100 GW, al zal vanzelfsprekend niet ieder plan uiteindelijk worden gerealiseerd.

Project Kilby bewijst dat Musk niet alleen staat

De investment case wordt veel sterker wanneer we buiten SpaceX kijken. Chevron en Microsoft werken in West-Texas aan Project Kilby, een co-located gasgestookt energieproject dat uiteindelijk ongeveer 2,67 GW dedicated power voor een Microsoft-datacentercampus moet leveren. De overeenkomst loopt twintig jaar en de eerste elektriciteit wordt richting 2028 verwacht.

Dit is geen tijdelijke noodoplossing, maar primaire energie-infrastructuur die specifiek rondom een datacenter wordt gebouwd. GE Vernova levert het grootste gedeelte van de generation equipment, terwijl Solar Turbines van Caterpillar aanvullende capaciteit levert. Daarmee zitten twee belangrijke beursbedrijven uit onze analyse letterlijk in hetzelfde project.

Caterpillar heeft daarnaast ongeveer 2 GW aan fast-response natural-gas generation voor het Monarch Compute Campus-project verkocht, met leveringen die in 2026 beginnen en volledige capaciteit die in 2027 beschikbaar moet zijn. Andere overeenkomsten lopen eveneens richting honderden megawatts tot circa 1 GW.

Oracle/Stargate, Meta, Crusoe en andere grote ontwikkelaars kijken eveneens naar manieren om sneller stroom beschikbaar te krijgen dan via traditionele interconnection queues. Niet iedere locatie kiest gas, maar bijna iedere grote AI-operator zoekt naar dezelfde oplossing voor hetzelfde probleem: power access.

Powered land wordt een nieuwe schaarse asset

Die ontwikkeling verandert zelfs de vastgoedmarkt rond datacenters. Een goedkope lap grond zonder stroomaansluiting, gasinfrastructuur of transmission heeft steeds minder waarde wanneer een operator miljarden dollars aan compute snel operationeel wil krijgen.

Locaties waar fiber, gas, hoogspanningsinfrastructuur, water en vergunningen tegelijkertijd beschikbaar zijn, krijgen daardoor een strategische premie. De term powered land wordt steeds relevanter, omdat de fysieke mogelijkheid om vermogen te leveren minstens zo belangrijk wordt als de grond zelf.

Dat verklaart ook waarom regionale verschillen groter worden. Texas profiteert van grote gasproductie, ERCOT en relatief snelle projectontwikkeling, maar ziet tegelijkertijd enorme nieuwe loads ontstaan. In PJM, waaronder het grote datacentercluster van Virginia valt, spelen andere problemen rond interconnection queues, generation en transmission.

AI-power wordt daarmee steeds minder een nationale vraaganalyse en steeds meer een lokale infrastructuuranalyse. Een regio kan op papier voldoende energie hebben en toch ongeschikt zijn voor een specifiek project omdat een pijpleiding, transformer of hoogspanningsverbinding ontbreekt.

Shell: de minst voor de hand liggende maar misschien interessantste read-through

Shell (SHEL) staat voor ons centraal omdat beleggers het aandeel vrijwel nooit als AI-infrastructuurplay benaderen. De onderneming wordt primair gewaardeerd op olie, LNG, raffinage, trading, kapitaalallocatie en aandeelhoudersuitkeringen.

Juist daarom is de ontwikkeling interessant. AI kan de langetermijnwaarde versterken van precies het onderdeel waar Shell strategisch zwaar op inzet: Integrated Gas. Wanneer de wereld structureel meer flexibele en betrouwbare gasvoorziening nodig heeft, profiteert Shell niet alleen van productie maar ook van LNG, shipping en trading.

Shell verwacht dat de mondiale LNG-vraag stijgt van ongeveer 422 miljoen ton in 2025 naar bijna 700 miljoen ton per jaar in 2050. Dat komt neer op ongeveer 65% groei. Data centers worden daarbij expliciet als nieuwe elektriciteitsvraagfactor genoemd, onder meer in volwassen Aziatische markten zoals Japan.

Dat betekent niet dat AI de dominante oorzaak van die 65% groei wordt. Energy security, economische ontwikkeling, coal-to-gas-switching en balancing van renewables blijven eveneens belangrijk. AI voegt echter een nieuwe structurele demand driver toe die enkele jaren geleden veel kleiner of vrijwel afwezig was in de langetermijnramingen.

Voor Shell draait het vooral om duration

Het sterkste Shell-argument is daarom niet dat AI plotseling honderden miljoenen tonnen extra LNG nodig heeft. De veel interessantere verandering zit in de verwachte levensduur van de mondiale gasmarkt.

Wanneer elektriciteitsvraag langer en harder groeit door datacenters, elektrificatie en economische ontwikkeling, wordt het waarschijnlijker dat gas gedurende de jaren 2030 en 2040 een grote rol houdt. Dat geldt zelfs wanneer wind, solar, nuclear en batteries tegelijkertijd sterk groeien.

Gas kan in zo'n systeem twee functies vervullen. Het kan rechtstreeks grote continue loads bedienen waar snel firm power nodig is en daarnaast flexibele generation leveren wanneer renewables onvoldoende produceren. Daardoor kan de commodity minder baseloaduren draaien en toch strategisch belangrijk blijven.

Voor Shell kan dat de economische duration van LNG- en gasassets verlengen. Kapitaal dat vandaag in liquefaction, shipping en productie wordt geïnvesteerd, krijgt een aantrekkelijker rendement wanneer de verwachte gebruiksduur van die infrastructuur langer wordt.

Amerikaanse gasvraag is niet hetzelfde als LNG-vraag

Een belangrijk onderscheid is dat een extra turbine in Texas niet automatisch één-op-één extra LNG-verkoop voor Shell betekent. De Verenigde Staten beschikken over enorme binnenlandse gasreserves en behind-the-metercentrales worden in eerste instantie gevoed vanuit de Amerikaanse markt.

Het effect op Shell loopt daar indirecter. Hogere powerburn betekent meer concurrentie om dezelfde gasmoleculen die ook naar LNG-exportterminals, industrie en bestaande utilities kunnen gaan. Dat kan Henry Hub, pipelineflows en de economics van LNG-export beïnvloeden.

In importerende regio's is de link directer. Een land zonder grote eigen gasproductie dat nieuwe firm power nodig heeft voor datacenters, kan extra LNG importeren. Shell kan die volumes sourcen, verschepen en geografisch optimaliseren binnen zijn wereldwijde portfolio.

Dat onderscheid maakt de investment case professioneler. Shell profiteert niet van een fictieve directe Musk-deal, maar van een bredere markt waarin marginale vraag op verschillende plaatsen kan toenemen.

Shell heeft meer dan alleen volume-exposure

De kracht van Shell ligt bovendien niet uitsluitend in hoeveel gas het zelf produceert. De onderneming kan volumes tussen regio's verschuiven, liquefaction capacity combineren met langetermijncontracten en cargoes inzetten waar de marginale waarde het hoogst is.

Die portfoliofunctie wordt belangrijker naarmate regionale elektriciteitsproblemen meer uiteenlopen. Een warme Aziatische zomer, lage hydro-output, sterke datacentergroei en hogere Europese vraag kunnen tegelijkertijd verschillende prijsverschillen creëren.

Voor een pure producent is volatiliteit vooral een prijsfactor. Voor Shell kan volatiliteit daarnaast trading- en optimizationmogelijkheden creëren.

AI hoeft daarom geen contractuele relatie met Shell te hebben om financieel relevant te worden. Commoditymarkten reageren uiteindelijk op de totale marginale vraag.

Caterpillar: een van de duidelijkste time-to-power-aandelen

Caterpillar (CAT) profiteert veel eerder in de economische cyclus. Nog voordat een gascentrale jarenlang brandstof verbruikt, moeten engines, generators en turbines worden besteld.

De cijfers laten zien hoe snel Power & Energy binnen Caterpillar groeit. De onderneming rapporteerde over Q2 2026 ongeveer $20,5 miljard omzet, circa 24% meer dan een jaar eerder, terwijl de totale backlog richting een recordniveau van ongeveer $72 miljard steeg. Power generation is een van de belangrijkste groeimotoren en de onderneming verwacht dat deze activiteit richting 2030 ongeveer kan verdrievoudigen ten opzichte van 2024.

Dat verandert de earnings mix. Caterpillar blijft een wereldleider in construction en mining, maar power generation krijgt binnen het concern veel meer strategisch gewicht.

Voor beleggers is dat relevant omdat AI daardoor niet alleen indirect via extra bouwmachines binnenkomt. Datacenters kunnen rechtstreeks equipmentorders genereren die qua omvang vergelijkbaar worden met grote traditionele energie- en infrastructuurprojecten.

Datacenters kopen primaire generation

De belangrijkste verandering is dat Caterpillar niet alleen traditionele backupdiesels verkoopt. Hyperscalers kopen steeds grotere natural-gas generation packages waarmee datacenters een substantieel gedeelte van hun primaire elektriciteitsbehoefte kunnen invullen.

Het Monarch Compute Campus-project illustreert die schaal met ongeveer 2 GW fast-response gasgeneration. Power delivery begint in 2026 en de volledige capaciteit moet in 2027 beschikbaar zijn.

Dit is fundamenteel anders dan een noodgenerator die slechts enkele uren per jaar draait. Het gaat om generation die direct onderdeel wordt van de operationele energiearchitectuur van een AI-campus.

Caterpillar verdient daardoor aan precies het probleem dat hyperscalers nu proberen op te lossen: vermogen vandaag in plaats van mogelijk pas jaren later.

Solar Turbines maakt Caterpillar veel interessanter

Solar Turbines wordt in traditionele Caterpillar-analyses gemakkelijk overschaduwd door bulldozers, graafmachines en mijnbouwtrucks. Binnen de AI-powercyclus is deze dochter echter bijzonder relevant.

Industriële gasturbines zitten qua vermogensklasse tussen kleinere generator sets en de grootste utility-scale centrales. Daardoor passen ze goed bij modulaire datacentercampussen waarin capacity in verschillende fases wordt toegevoegd.

Project Kilby is daarvan een concreet voorbeeld. GE Vernova levert daar het grootste gedeelte van de generation capacity, maar Solar Turbines levert aanvullende power. In Q2 ontving Solar ongeveer 2,8 GW aan nieuwe turbineorders.

Caterpillar heeft daarmee exposure over meerdere vermogensklassen en kan klanten bedienen die niet drie jaar op één enorme turbine willen wachten.

Aftermarket verlengt de winstpool

De sterke equipmentcyclus heeft daarnaast een belangrijk tweede effect. Iedere geïnstalleerde engine of turbine wordt onderdeel van een installed base die jarenlang onderhoud, spare parts en service nodig heeft.

Daardoor eindigt de economische waarde van een order niet bij levering. De eerste capexgolf kan later een veel langere aftermarketomzet genereren, doorgaans met aantrekkelijke marges en hoge voorspelbaarheid.

Dit onderscheidt Caterpillar van bedrijven die uitsluitend projectmatig omzet realiseren. Hoe groter de installed base van distributed generation wordt, hoe groter het toekomstige servicepotentieel.

AI kan daarmee niet alleen de cyclische equipmentomzet verhogen, maar ook de terugkerende inkomstenbasis van het concern verdiepen.

Caterpillar wil een groter deel van de energy stack

De onderneming probeert bovendien steeds meer te leveren dan alleen een losse generator. Caterpillar werkt met partners aan systemen waarin generators, controls, switchgear, inverters, battery storage en andere ondersteunende infrastructuur worden gecombineerd.

Daarmee stijgt de addressable market per campus. Een klant koopt niet alleen een engine, maar mogelijk een groter gedeelte van een geïntegreerde behind-the-meter energy solution.

De onderneming wordt hierdoor ook technologisch flexibeler. Reciprocating engines, turbines, batterijen en mogelijk alternatieve brandstoffen kunnen binnen dezelfde architectuur worden gecombineerd.

Dat maakt CAT minder afhankelijk van één specifieke generatieoplossing en vergroot de strategische waarde van Power & Energy binnen de groep.

Siemens Energy: de breedste exposure binnen het thema

Siemens Energy (ENR) vinden wij binnen de hardwaregroep misschien wel het interessantst omdat het bedrijf niet afhankelijk is van één exacte oplossing voor het stroomprobleem.

Aan de generationkant is de markt uitzonderlijk sterk. Siemens Energy ziet een structurele mondiale gasturbinemarkt van ongeveer 110–120 GW per jaar voor de komende jaren, duidelijk hoger dan oudere verwachtingen van ongeveer 90–100 GW. De onderneming had eerder ongeveer 80 GW aan totale turbinecommitments, waarvan circa 22 GW direct aan datacenters was gerelateerd.

Richting Q3 FY2026 lag de firm gas-turbinebacklog rond 69 GW. Daarmee is een groot gedeelte van de beschikbare manufacturing capacity voor meerdere jaren vooruit verkocht.

Het bedrijf profiteert dus direct van de acute behoefte aan nieuwe generation, maar de tweede pijler van de thesis is misschien nog belangrijker.

Grid Technologies maakt Siemens Energy breder

Behind-the-meter generation lost namelijk de eerste bottleneck op, maar maakt het openbare elektriciteitsnet niet overbodig. Een datacenter kan vandaag zelf 500 MW of 1 GW produceren en over enkele jaren alsnog een grote gridconnection krijgen.

Tegelijk moeten renewables, nuclear, batteries, industriële loads en nieuwe woongebieden allemaal via hetzelfde elektriciteitsnet worden verbonden. Dat vraagt power transformers, substations, switchgear, transmission systems en talloze andere gespecialiseerde componenten.

Grid Technologies behoort daardoor tot de sterkste onderdelen van Siemens Energy. De onderneming investeert miljarden euro's in extra productiecapaciteit omdat de markt structureel krap is.

Voor beleggers betekent dit dat Siemens Energy zowel aan de noodoplossing als aan de structurele oplossing kan verdienen.

Transformatoren worden zelf een bottleneck

Turbines krijgen veel aandacht omdat zij direct zichtbaar zijn bij nieuwe energieprojecten, maar transformatoren en andere gridcomponenten zijn minstens zo belangrijk. Een nieuwe centrale heeft weinig waarde wanneer elektriciteit niet veilig en efficiënt naar de gebruiker kan worden vervoerd.

Grote power transformers zijn gespecialiseerde producten met lange productietijden en beperkte manufacturing capacity. De vraag komt bovendien niet alleen van AI. Renewables, elektrische voertuigen, industriële elektrificatie en vervanging van oude infrastructuur concurreren allemaal om dezelfde apparatuur.

AI komt dus boven op een gridmarkt die al krap was. Daardoor kan de netwerkcyclus uiteindelijk langer duren dan de huidige turbineboom.

Voor Siemens Energy is dat aantrekkelijk omdat de onderneming niet hoeft te voorspellen welke generation technology uiteindelijk het grootste marktaandeel krijgt. Vrijwel iedere uitkomst vereist meer elektrische infrastructuur.

Siemens Energy kan meerdere keren aan dezelfde campus verdienen

Die combinatie geeft Siemens Energy een bijzonder economisch profiel. Wanneer een AI-campus eigen gasgeneration bouwt om snel online te komen, kan de onderneming turbines leveren. Wanneer jaren later de definitieve netaansluiting wordt verzwaard, kan Grid Technologies opnieuw equipment verkopen.

Daarna ontstaat service- en upgradeomzet op de geïnstalleerde turbines en elektrische systemen. Eén project kan daardoor meerdere investeringsmomenten creëren.

Dat is een duidelijk verschil met Shell en Caterpillar. Shell verdient vooral tijdens de operationele levensduur via brandstofstromen, Caterpillar hoofdzakelijk bij distributed-powercapex en aftermarket, terwijl Siemens Energy meerdere infrastructurele lagen kan bedienen.

Juist daardoor zien wij ENR als de breedste pure infrastructuurplay binnen het thema.

GE Vernova bevestigt hoe uitzonderlijk de markt is

GE Vernova (GEV) is niet een van onze drie hoofdnamen, maar de cijfers bevestigen dat de turbine- en gridcyclus breed gedragen wordt. In Q2 2026 stegen de orders organisch met ongeveer 88% naar $24,2 miljard en liep de totale backlog op richting $176 miljard.

Het gecombineerde gas-powerorderboek en slot reservations bereikten ongeveer 116 GW. GE Vernova wil dat richting het einde van 2026 verder verhogen naar minimaal 125 GW en breidt daarom de jaarlijkse productiecapaciteit stevig uit.

Ook binnen Electrification is de invloed van datacenters inmiddels groot. Orders vanuit datacenters in de eerste helft van 2026 lagen al boven het niveau van heel 2025.

Dit bevestigt dat niet één leverancier toevallig een uitzonderlijke ordercyclus heeft. De volledige markt beweegt.

De turbine-industrie kan het tempo zelf nauwelijks bijhouden

Het oorspronkelijke voordeel van gas was snelheid, maar het succes van de technologie creëert inmiddels een nieuwe beperking. Grote turbines zijn niet onbeperkt beschikbaar en productieslots worden jaren vooruit gereserveerd.

Wanneer een klant meerdere jaren op een utility-scale turbine moet wachten, neemt een gedeelte van het time-to-powervoordeel af. Dat creëert vervolgens extra vraag naar kleinere turbines, reciprocating engines, mobiele equipment en tijdelijke oplossingen.

Voor Caterpillar kan dat juist gunstig zijn, omdat het bedrijf verschillende vermogensklassen bedient. Een datacenter kan capacity gefaseerd toevoegen met generator sets of industriële turbines en later een grotere centrale bouwen.

Voor Siemens Energy en GE Vernova verschuift het belangrijkste risico ondertussen van vraag naar execution. Een enorm orderboek is alleen waardevol wanneer de equipment op tijd, tegen goede marges en zonder grote kwaliteitsproblemen wordt geleverd.

Baker Hughes: een tweede-orde beneficiary

Baker Hughes (BKR) zit verder van het datacenter zelf, maar een grote groei van gasgeneration vraagt veel meer dan alleen turbines. Gas moet worden geproduceerd, behandeld, gecomprimeerd en via pipelines naar nieuwe afnemers worden vervoerd.

Wanneer datacenters zich concentreren in gebieden waar bestaande gasinfrastructuur niet voor zulke loads is ontworpen, kunnen nieuwe compression- en midstreamprojecten noodzakelijk worden. Baker Hughes heeft daarnaast een belangrijke positie in LNG-equipment.

De link met één specifieke AI-campus is daardoor minder direct dan bij Caterpillar of Siemens Energy. De onderneming kan echter profiteren wanneer de bredere gas- en LNG-infrastructuurmarkt structureel groter wordt.

Wij zien BKR daarom als aanvullende exposure en niet als onze primaire AI-powerplay.

Regionale infrastructuur wordt doorslaggevend

Een nationale gasbalans vertelt niet het hele verhaal. Zelfs wanneer de Verenigde Staten als geheel voldoende gas produceren, kan een specifieke regio onvoldoende pijpleidingcapaciteit hebben om een nieuwe centrale van meerdere gigawatts te voeden.

Bij ongeveer 140–150 MMcf/d gasverbruik per continue gigawatt kan een groot cluster snel substantieel worden voor een regionale pipeline. Dan zijn mogelijk extra compression, lateral pipelines of andere uitbreidingen nodig.

Daar ontstaat een interessante paradox. Gas wordt gekozen omdat het sneller beschikbaar is dan het elektriciteitsnet, maar wanneer de lokale gasinfrastructuur eveneens fors moet worden uitgebreid, kan een gedeelte van dat tijdsvoordeel verdwijnen.

De economisch aantrekkelijkste locaties worden daarom waarschijnlijk gebieden waar gas, fiber, water, transmission en vergunningen al relatief dicht bij elkaar aanwezig zijn.

Gas en batterijen zijn geen tegenpolen

De keuze van SpaceX om gascentrales te combineren met batterijopslag is technisch logisch. Een AI-datacenter heeft een hoge continue load, maar workloads kunnen op zeer korte tijdschalen fluctueren.

Batterijen reageren vrijwel onmiddellijk en kunnen korte load swings, frequency support en pieken opvangen. Gasgeneration kan vervolgens de langdurige energiestroom leveren waarvoor gigantische batterijcapaciteit nodig zou zijn wanneer storage alles zelfstandig moest oplossen.

Battery growth hoeft daardoor niet bearish te zijn voor gas. Een hybride systeem kan juist efficiënter werken doordat iedere technologie wordt ingezet voor het probleem waarin zij het sterkst is.

Datzelfde principe geldt ook voor renewables.

Renewables blijven een essentieel onderdeel van de mix

Solar en wind kunnen grote hoeveelheden goedkope elektriciteit leveren wanneer de omstandigheden gunstig zijn. Batterijen kunnen vervolgens een gedeelte van die energie verschuiven naar andere uren.

Het probleem ontstaat tijdens langere periodes waarin hernieuwbare productie onvoldoende is. Een AI-campus met miljarden dollars aan compute kan niet eenvoudig meerdere dagen worden stilgelegd.

Daarom kan gas economische waarde behouden als firm capacity, zelfs wanneer de centrale op jaarbasis minder draaiuren maakt. De waarde verschuift dan van pure energieproductie naar betrouwbaarheid en beschikbaar vermogen.

Dat maakt het mogelijk dat renewables, batteries en gas tegelijkertijd groeien zonder dat één van de drie de andere volledig verdringt.

Nuclear kan op lange termijn sterker zijn

Kernenergie past vanuit technisch perspectief uitzonderlijk goed bij grote datacenters. De capacity factor is hoog, de productie is stabiel en de operationele CO2-emissie is laag. Eén centrale kan bovendien enorme hoeveelheden vermogen leveren.

Technologiebedrijven kijken daarom naar bestaande nuclear assets, restarts, power purchase agreements en toekomstige small modular reactors. Voor de jaren 2030 kan nuclear een zeer belangrijke rol krijgen.

Het probleem voor de huidige build-out blijft tijd. Nieuwe grote kerncentrales kosten doorgaans vele jaren en SMR's zijn nog niet op voldoende schaal beschikbaar om de onmiddellijke bottleneck volledig op te lossen.

Gas hoeft nuclear daarom niet permanent te verslaan. Het kan al een grote winnaar zijn wanneer het in de komende jaren vermogen beschikbaar maakt dat anders pas veel later online zou komen.

Fuel cells vormen een serieuze concurrent

Fuel cells hebben eveneens eigenschappen die goed passen bij distributed power. Ze zijn modulair, kunnen achter de meter worden geplaatst en kunnen afhankelijk van de configuratie relatief snel worden geïnstalleerd.

Sommige systemen hebben bovendien voordelen rond lokale emissies en geluid. Daar staan hogere kosten, beperkte supply chains en verschillende brandstofvraagstukken tegenover.

Wij verwachten daarom geen winner-takes-allmarkt. Gas turbines, reciprocating engines, batteries, renewables, nuclear en fuel cells kunnen tegelijkertijd groeien.

De totale elektriciteitsvraag is waarschijnlijk groot genoeg om meerdere technologieën economisch aantrekkelijk te maken.

Efficiëntere AI-chips stoppen de vraag waarschijnlijk niet

Iedere nieuwe generatie accelerator wordt efficiënter per berekening. Dat lijkt op het eerste gezicht een risico voor de powerthesis, maar lagere kosten per token of inference kunnen juist veel meer toepassingen rendabel maken.

AI-agents kunnen continu werken, miljoenen aanvullende taken uitvoeren en workloads creëren die vandaag nog helemaal niet bestaan. Daardoor kan het totale aantal berekeningen sneller stijgen dan het elektriciteitsverbruik per afzonderlijke berekening daalt.

Dit reboundeffect verklaart waarom stroomprognoses ondanks sterke vooruitgang in chipefficiency toch blijven wijzen op een forse stijging van het totale datacenterverbruik.

Voor de energieketen is uiteindelijk niet de efficiency van één chip bepalend, maar het totale aantal chips en hoeveel uren zij draaien.

CO2 en lokale emissies zijn echte risico's

De snelheid van gas heeft vanzelfsprekend een keerzijde. Een centrale die continu een grote AI-campus voedt, veroorzaakt aanzienlijke CO2-emissies en methane leakage in de gaswaardeketen kan de totale klimaatimpact verder verhogen.

Dat creëert spanning voor hyperscalers die tegelijkertijd ambitieuze klimaatdoelen hebben. Een moderne efficiënte gascentrale kan weliswaar oudere fossiele generation verdringen, maar nieuwe absolute vraag blijft nieuwe emissies creëren.

Lokale luchtkwaliteit kan zelfs sneller beperkend worden dan mondiale klimaatdoelstellingen. De discussie rond Colossus heeft laten zien hoe vergunningen, NOx en andere lokale emissies juridische en politieke tegenstand kunnen veroorzaken.

Voor beleggers is dat geen theoretisch ESG-risico. Een turbine die technisch binnen maanden beschikbaar is, levert weinig voordeel wanneer de vergunningprocedure vervolgens jarenlang vertraagt.

Hogere gasprijzen kunnen het succes begrenzen

Als de datacentervraag werkelijk sterk stijgt, kan dat Amerikaanse gasprijzen ondersteunen. Voor Shell kan dat gunstig zijn via upstream, LNG en trading.

Voor de datacenteroperator werkt dezelfde prijsstijging echter de andere kant op. Hogere fuel costs maken nuclear, fuel cells en renewable-plus-storage relatief aantrekkelijker.

De relatie is dus niet lineair. Meer gasvraag is positief voor producenten, maar een te sterke prijsstijging kan toekomstige gasprojecten afremmen.

Voor Caterpillar en Siemens Energy is de commodityprijs minder direct bepalend, zolang klanten nieuwe generation blijven bouwen. Hun grootste risico ligt eerder bij veranderende technologiekeuzes en een mogelijke vertraging van AI-capex.

LNG-supply blijft een aparte variabele voor Shell

Shell verwacht tegelijkertijd een grote golf nieuwe LNG-capaciteit richting 2030. Ongeveer 180 miljoen ton nieuwe jaarlijkse liquefaction supply kan in die periode op de markt komen.

Wanneer supply tijdelijk sneller groeit dan demand, kan dat druk zetten op prijzen. AI ondersteunt de vraagzijde, maar zal niet automatisch iedere mogelijke LNG-oversupply absorberen.

Daarom blijft portfolioflexibiliteit belangrijker dan een simpele volumeclaim. Shells voordeel is juist dat de onderneming verschillende productiebronnen, contracten en regio's kan combineren.

AI versterkt de langetermijncase, maar bepaalt niet zelfstandig de volledige winstontwikkeling van Integrated Gas.

Hyperscaler-capex blijft de belangrijkste variabele

De volledige thesis steunt uiteindelijk op één belangrijke aanname: de enorme AI-investeringen worden daadwerkelijk voortgezet. De grootste hyperscalers investeren gezamenlijk honderden miljarden dollars in infrastructuur en de verwachtingen voor 2026 wijzen opnieuw op een zeer hoge capex-intensiteit.

Wanneer die investeringscyclus onverwacht sterk vertraagt, worden datacenterprojecten uitgesteld en neemt ook de urgentie voor nieuwe generation af. Caterpillar en turbineleveranciers zijn daar relatief direct aan blootgesteld omdat hun orders voorafgaand aan de daadwerkelijke ingebruikname worden geplaatst.

Voor Siemens Energy ligt enige bescherming in de enorme niet-AI-gerelateerde vraag naar gridinfrastructuur en conventionele generation. Voor Shell is AI nog minder dominant omdat de onderneming profiteert van veel bredere mondiale gas- en LNG-trends.

Het thema is daarmee voor alle drie aanvullend, maar niet allesbepalend.

Capex tegenover opex: drie verschillende winstprofielen

Het verschil tussen onze hoofdaandelen kan uiteindelijk het eenvoudigst worden samengevat via capex en opex. Caterpillar verdient wanneer de klant generators, engines of turbines aanschaft en bouwt daarna mogelijk een langdurige aftermarketinkomstenstroom op.

Siemens Energy verdient eerst aan generation equipment en kan later opnieuw omzet realiseren via services, upgrades, transformers en gridinfrastructuur. Dezelfde campus kan daarmee meerdere keren in de omzet terugkomen.

Shell verdient vooral wanneer de assets eenmaal draaien. Iedere operationele gascentrale moet gedurende zijn levensduur voortdurend brandstof inkopen.

Het aantrekkelijke aan de combinatie is dat dezelfde AI-campus in verschillende fases economische waarde kan creëren voor alle drie zonder dat zij rechtstreeks met elkaar concurreren.

Waarom Shell voor ons de verrassendste naam blijft

Bij Caterpillar en Siemens Energy is de AI-link inmiddels zichtbaar in concrete equipmentorders. Bij Shell ontstaat de financiële read-through geleidelijker, omdat een turbine die vandaag wordt besteld pas later jarenlang structurele gasvraag veroorzaakt.

Juist dat tijdsverschil maakt Shell interessant. De markt verwerkt een miljardenorder voor equipment vrijwel direct in een backlog, terwijl een langere economische duration van mondiale gasvraag veel moeilijker in één kwartaal zichtbaar wordt.

AI hoeft daarbij niet de grootste gasvraagfactor ter wereld te worden. Het is voldoende wanneer datacenters structureel bijdragen aan hogere power demand en daarmee de noodzaak voor firm generation langer intact houden.

Daarom zien wij AI als een onverwachte maar fundamenteel positieve aanvulling op de bestaande Shell-case.

Waarom Caterpillar de snelste operationele hefboom heeft

Caterpillar krijgt waarschijnlijk eerder financiële zichtbaarheid wanneer behind-the-meter generation verder versnelt. Orders worden immers geplaatst voordat een datacenter operationeel wordt en verschijnen dus vroeg in de investeringscyclus.

De recordbacklog van ongeveer $72 miljard laat zien dat klanten nu al manufacturing capacity reserveren. Wanneer power generation richting 2030 inderdaad veel sneller groeit dan traditionele activiteiten, kan de earnings mix van Caterpillar structureel verbeteren.

Daar staat cycliciteit tegenover. Wanneer AI-capex later sterk terugvalt nadat Caterpillar zelf capaciteit heeft uitgebreid, kan de ordercyclus afkoelen.

Voorlopig geeft de grote backlog echter aanzienlijke zichtbaarheid en onderstreept zij hoe materieel Power & Energy binnen het concern wordt.

Waarom Siemens Energy de breedste structurele hefboom heeft

Siemens Energy heeft het voordeel dat vrijwel iedere toekomstige energiearchitectuur extra infrastructuur vraagt. Kiest een datacenter voor gas, dan kan het turbines leveren. Groeit nuclear, dan moeten centrales aan het netwerk worden gekoppeld. Stijgen renewables sneller, dan zijn transmission en transformers nodig. Worden batteries massaal toegevoegd, dan blijft electrical equipment essentieel.

Daardoor hoeft Siemens Energy niet exact te voorspellen welke generation technology in 2032 het grootste marktaandeel heeft. De sterke gasturbinemarkt levert de onmiddellijke groeikans, terwijl Grid Technologies een langere structurele investment cycle kan bieden.

Die combinatie maakt Siemens Energy voor ons de breedste pure infrastructuurplay binnen dit thema.

De uitdaging ligt vooral bij execution: een recordorderboek moet uiteindelijk tegen hoge marges worden omgezet in omzet en cashflow.

Onze voorkeursvolgorde

Shell (SHEL) blijft voor ons de belangrijkste onverwachte read-through. De onderneming heeft niet de meest directe AI-omzet, maar wel een enorme bestaande gas- en LNG-positie die kan profiteren wanneer de wereld structureel meer firm power nodig heeft. De verwachte groei van de mondiale LNG-markt richting bijna 700 miljoen ton in 2050 krijgt met datacenters een aanvullende vraagcomponent boven op energy security, economische groei en de behoefte aan flexibiliteit naast renewables.

Siemens Energy (ENR) is onze sterkste brede infrastructuurplay. De combinatie van een structureel krappe gasturbinemarkt, een firm backlog rond 69 GW en enorme investeringen in Grid Technologies geeft exposure aan zowel de acute als de structurele oplossing van het elektriciteitsprobleem.

Caterpillar (CAT) heeft de meest directe hefboom op distributed generation en snelle power deployment. De recordbacklog, grote datacenterorders en de positie van Solar Turbines laten zien dat AI-power inmiddels financieel materieel wordt voor het concern.

GE Vernova (GEV) blijft een zeer sterke vergelijkbare naam en bevestigt met zijn enorme turbine- en electrificationbacklog dat de markt structureel verandert. Baker Hughes (BKR) zien wij daarachter als indirectere exposure naar compression, pipelineinfrastructuur en LNG.

Belangrijkste risico's

De grootste onzekerheid blijft of alle aangekondigde AI-capaciteit daadwerkelijk wordt gebouwd. Projectpipelines kunnen vraag dubbel tellen, locaties kunnen worden verschoven en verdere efficiencyverbeteringen kunnen de benodigde infrastructuur anders verdelen dan vandaag wordt verwacht. Een forse vertraging van hyperscaler-capex zou daarom direct invloed hebben op nieuwe equipmentorders.

Regulering vormt een tweede belangrijk risico. De problemen rond tijdelijke turbines bij Colossus laten zien dat snelle on-site generation politiek en juridisch veel moeilijker kan worden wanneer lokale emissies toenemen. Supply vormt daarnaast een beperking wanneer grote turbines, transformers of pijpleidingcapaciteit pas jaren later beschikbaar zijn.

De technologiekeuze kan eveneens veranderen. Nuclear, fuel cells, renewables, storage en betere gridplanning kunnen een groter gedeelte van de markt pakken dan nu wordt aangenomen. Hoge gasprijzen kunnen die verschuiving versnellen.

Dat verandert onze centrale conclusie niet. De elektriciteitsvraag groeit zo sterk dat verschillende technologieën waarschijnlijk tegelijkertijd nodig zijn, maar het relatieve marktaandeel kan sterk verschuiven.

Conclusie

De keuze van SpaceX en xAI om steeds meer eigen gasgestookte elektriciteitsproductie te bouwen is geen curiositeit rond Elon Musk. Het is een zichtbaar symptoom van een structureel probleem binnen de AI-boom: de wereld kan compute momenteel sneller toevoegen dan het energiesysteem nieuwe betrouwbare capaciteit kan leveren.

Daardoor krijgt time-to-power economische waarde. Gas bevindt zich in de huidige fase in een sterke positie omdat het relatief snel, modulair en regelbaar vermogen kan leveren, terwijl batterijen korte fluctuaties kunnen opvangen en het openbare net later verder kan worden versterkt.

Voor Shell is deze ontwikkeling positief omdat een structurele uitbreiding van gasgestookte generation de potentiële omvang en economische levensduur van de mondiale gas- en LNG-markt ondersteunt. Caterpillar krijgt een directe capexhefboom doordat hyperscalers distributed power installeren, terwijl Siemens Energy zowel aan de eerste turbines als aan de veel langere gridinvestmentcyclus kan verdienen.

De AI-race verschuift daarmee opnieuw. Chips blijven essentieel, maar een GPU zonder elektriciteit heeft geen economische waarde. De volgende winnaars kunnen daarom juist de ondernemingen zijn die ervoor zorgen dat die elektriciteit op tijd beschikbaar komt.

English version

AI is forcing tech giants to build their own gas-fired power: why Shell, Caterpillar and Siemens Energy could benefit

No time to read the full article? Use the five bullets below for the key points.

■ Electricity demand from data centres is growing much faster than overall power consumption. The IEA expects roughly 485 TWh in 2025 and around 950 TWh in 2030, while Gartner sees required data-centre power capacity increasing from approximately 104 GW in 2025 to 132 GW in 2026 and roughly 290 GW in 2030. Available electricity is therefore becoming an increasingly important constraint on further AI growth.
■ SpaceX/xAI illustrates the practical consequence. Temporary turbines around Colossus are being replaced by a permanent gas-fired installation of approximately 1.2 GW containing 41 turbines, while SpaceX has committed around $2.8 billion to additional gas-turbine purchases and has acquired APR Energy. Natural gas is primarily being selected because time-to-power is becoming more important than simply achieving the lowest electricity price.
■ Our Investment view on Shell (SHEL) is positive. There is no reason to assume SpaceX specifically purchases gas from Shell and our thesis does not depend on such a relationship. The much more important development is that data centres can become a new structural source of gas demand while Shell itself expects global LNG demand to rise from approximately 422 million tonnes in 2025 to nearly 700 million tonnes by 2050.
■ Caterpillar (CAT) primarily benefits from the construction phase through distributed generation, generator sets and Solar Turbines, while Siemens Energy (ENR) supplies both gas turbines and the grid infrastructure eventually required. Caterpillar ended Q2 2026 with a record backlog of approximately $72 billion, while Siemens Energy sees a structural global gas-turbine market of roughly 110–120 GW per year.
■ This is not an exclusive natural-gas bull case. Nuclear, renewables, batteries and fuel cells all have substantial opportunities. The main distinction is speed: an AI campus waiting years for grid access generates no return on its installed compute. More expensive proprietary power can therefore be economically superior when it becomes available months or years earlier.

Elon Musk, through SpaceX and xAI, has once again exposed a development much larger than his own companies. The AI race is no longer only about who can buy the most GPUs, develop the best model or build the largest data-centre campus. The next limitation is increasingly physical: how can hundreds of megawatts or even several gigawatts of electricity be delivered to one location when the public grid may require years to provide the same capacity?

The problem is growing at a pace for which existing electricity systems were never designed. The IEA expects global data-centre electricity consumption to rise from approximately 485 TWh in 2025 to around 950 TWh in 2030. Gartner reaches the same fundamental conclusion through a different methodology and sees global data-centre power demand increasing from roughly 104 GW in 2025 to 132 GW in 2026 and eventually around 290 GW in 2030. Data centres are therefore growing much faster than total electricity demand, which generally expands only a few percent annually.

The effect could become even more extreme in the United States because a large share of new AI capacity is being built there. Estimates suggest that data centres could account for roughly 9.5% to 15.3% of all US electricity consumption by 2030. A sector that was still relatively manageable for utilities only several years ago is therefore turning into one of the largest new sources of structural power demand.

This creates a new AI value chain for investors. NVIDIA, HBM and semiconductor equipment came first, followed by networking, cooling, data-centre construction and electrical equipment. The next capital wave is moving increasingly towards the energy system itself: natural gas, turbines, generators, transformers, substations, transmission and battery storage.

Investment view

Our Investment view on Shell (SHEL) is positive, and the rapidly increasing requirement for reliable AI power strengthens that view. The investment case is explicitly not that SpaceX, xAI or another hyperscaler must become a major direct Shell customer. The much more important development is that thousands of new megawatts of continuous electricity demand can structurally change global gas balances.

Shell already has gas production, LNG, shipping, portfolio optimisation and a large global trading organisation. If natural gas gains strategic importance in more regions as a rapidly available and dispatchable source of power, Shell can benefit through higher volumes, greater trading activity and potentially a longer economic life for existing gas and LNG assets. AI therefore does not become a separate Shell division, but rather another structural demand driver within one of the company's most important profit engines.

Caterpillar (CAT) has a completely different type of leverage. It primarily earns from equipment allowing data centres to generate their own electricity and therefore receives direct exposure to the initial investment phase. Siemens Energy (ENR) is broader still because gas turbines can address the immediate generation need while Grid Technologies subsequently benefits from investment in transformers, substations and transmission.

We therefore do not view these companies as three versions of the same trade. Shell is primarily a long-duration fuel and LNG read-through, Caterpillar is a distributed-generation and equipment case and Siemens Energy combines generation and grid exposure. Those different economic positions within the same AI investment cycle are precisely what make the theme compelling.

The scale of power demand changes everything

The numbers demonstrate why this is no longer a niche issue. Global data-centre electricity demand can almost double between 2025 and 2030, while required power capacity could approach 290 GW. In the United States, data centres may account for roughly 10–15% of total power consumption by 2030, making AI one of the largest new load categories utilities need to accommodate.

A gigawatt may sound abstract, but the scale becomes clearer when compared with residential demand. A continuous 1 GW load is roughly equivalent to the electricity consumption of approximately 750,000 to 1 million households, depending on load factor and regional usage. When an individual AI campus moves towards 2, 5 or even 10 GW, it effectively becomes a new industrial cluster consuming power on the scale of entire cities.

This is precisely why existing grid planning is coming under pressure. Utilities were accustomed to adding demand gradually, whereas AI projects can request hundreds of megawatts in one development phase. High-voltage lines, substations and generation capacity cannot be built at the same speed as server halls and accelerator clusters.

The bottleneck is therefore moving from compute towards energy. Whoever owns chips but lacks electricity cannot monetise those chips.

SpaceX and xAI are effectively building their own energy system

SpaceX/xAI is the most striking example because Musk is attempting to bypass the time-to-power challenge extremely aggressively. Dozens of mobile gas turbines have been deployed around Colossus to bring capacity online more rapidly than would have been possible through a completely conventional utility connection. That temporary infrastructure is gradually being replaced by a permanent installation containing 41 turbines with approximately 1.2 GW of capacity.

The strategy extends much further than one site. SpaceX has indicated plans to spend roughly $2.8 billion on additional gas turbines over several years and has also acquired APR Energy, a company specialising in rapidly deployable mobile power generation. Musk is therefore purchasing not only equipment but the operating expertise needed to integrate power generation more quickly into infrastructure planning.

The same philosophy is visible at Terafab in Texas. The first phase of the planned semiconductor facility represents approximately $16.8 billion and is expected to combine proprietary gas-fired power with large-scale battery storage. For a semiconductor fab or AI campus containing billions of dollars of equipment, waiting for public infrastructure can be more expensive than constructing a proprietary energy system.

The traditional relationship between technology companies and utilities is therefore changing. Hyperscalers were historically almost exclusively electricity consumers, but the largest AI operators are now organising generation assets, batteries and energy-management systems themselves. Energy is becoming another element of vertical integration.

Time-to-power becomes an economic asset

The main reason is not that proprietary gas-fired electricity is necessarily cheaper than an existing grid connection. Behind-the-meter generation can in many cases be more expensive per megawatt-hour. That comparison misses the central issue when sufficient grid capacity simply does not exist.

The real choice then becomes proprietary power today versus potentially waiting years for public-grid access. For an AI campus containing billions of dollars of accelerators, becoming operational two years earlier can represent enormous economic value because the hardware receives two additional years in which to generate training, inference and cloud-service revenue.

AI hardware also becomes technologically obsolete exceptionally quickly. An accelerator that cannot operate today because electricity is unavailable does not merely miss immediate revenue; it also risks being overtaken by the next chip generation. The economic calculation therefore shifts from cost-of-power towards value-of-availability.

In that context, natural gas is not selling only energy. It is selling speed.

Why natural gas is so attractive today

Natural gas combines several characteristics that are difficult for one competing technology to provide simultaneously during the current AI build-out. It is dispatchable, can operate around the clock and can be added modularly as a campus expands. Large parts of the United States also already possess substantial gas infrastructure, meaning not every site needs to construct an entirely new fuel system from scratch.

Development time is an important differentiator. Mobile or smaller industrial turbines and generator sets can be deployed relatively quickly, whereas major grid reinforcement often requires several years. New nuclear capacity generally takes much longer and future SMRs are not yet available at sufficient scale to address today's immediate demand wave.

Gas therefore does not need to be the cheapest or dominant source of energy in 2040 to receive substantial orders between 2026 and 2029. It mainly needs to become available earlier than alternatives that may ultimately be more attractive from a technology or climate perspective.

The market already demonstrates that customers are making that choice. Global new gas-turbine orders reached approximately 38 GW in Q2 2026, around 71% above the prior year. Siemens Energy accounted for roughly 12.5 GW, GE Vernova around 11.3 GW, Caterpillar's Solar Turbines approximately 2.8 GW and Baker Hughes around 2.3 GW.

Gas demand can become material

As AI campuses move towards multiple gigawatts of continuous load, the required natural-gas volumes become relevant to commodity markets. An efficient gas-fired system producing 1 GW continuously can consume roughly 140–150 million cubic feet of gas per day. Less efficient simple-cycle or temporary mobile turbines may consume more.

A cluster of only several gigawatts can therefore quickly require hundreds of millions of cubic feet per day. When several such locations are developed simultaneously, regional impact becomes substantial, particularly where existing pipelines were never designed for such concentrated new loads.

RBC has outlined a 2030 scenario in which US data centres require approximately 6.1 Bcf per day of natural gas. Other scenarios range from around 2 Bcf/d to above 10 Bcf/d. Even at the lower end, a new structural demand source develops alongside conventional electricity generation, industry and LNG exports.

Behind-the-meter gas generation is also no longer a marginal niche. More than 7.5 GW is already under construction and tens of gigawatts are in earlier development stages. Some broader inventories of announced projects approach 100 GW, although naturally not every plan will ultimately be built.

Project Kilby proves Musk is not alone

The investment case becomes much stronger once we look beyond SpaceX. Chevron and Microsoft are developing Project Kilby in West Texas, a co-located natural-gas power project expected ultimately to provide approximately 2.67 GW of dedicated electricity to a Microsoft data-centre campus. The agreement runs for twenty years and first power is expected towards 2028.

This is not temporary emergency generation but primary energy infrastructure specifically built around a data centre. GE Vernova supplies most of the generation equipment, while Caterpillar's Solar Turbines contributes additional capacity. Two of the major listed companies in our analysis therefore participate directly in the same project.

Caterpillar has separately sold approximately 2 GW of fast-response natural-gas generation for the Monarch Compute Campus, with deliveries beginning in 2026 and full capacity targeted for 2027. Other agreements also extend towards hundreds of megawatts and approximately 1 GW.

Oracle/Stargate, Meta, Crusoe and other large developers are also exploring ways to obtain power more quickly than conventional interconnection queues allow. Not every site chooses natural gas, but almost every major AI operator is solving the same problem: power access.

Powered land becomes a new scarce asset

This development is even changing data-centre real estate. Cheap land without power access, gas infrastructure or transmission becomes far less valuable when an operator wants to bring billions of dollars of compute online rapidly.

Sites where fibre, gas, high-voltage infrastructure, water and permits are available simultaneously can therefore command a strategic premium. Powered land is becoming a relevant concept because the ability to deliver electricity is at least as important as the land itself.

This also explains why regional differences become more important. Texas benefits from substantial gas production, ERCOT and relatively rapid project development but is simultaneously seeing enormous new loads. PJM, including the massive Virginia data-centre cluster, faces different issues involving interconnection queues, generation and transmission.

AI power therefore increasingly becomes a local infrastructure analysis rather than only a national demand forecast. A region can have sufficient energy on paper and still be unsuitable for one specific project because a pipeline, transformer or high-voltage line is missing.

Shell: the least obvious but perhaps most interesting read-through

Shell (SHEL) is central to our analysis because investors rarely approach the stock as an AI-infrastructure play. The company is primarily valued through oil, LNG, refining, trading, capital allocation and shareholder distributions.

That is precisely why this development is interesting. AI can strengthen the long-term value of exactly the business on which Shell remains strategically focused: Integrated Gas. If the world structurally requires more flexible and reliable gas supply, Shell benefits not only through production but also LNG, shipping and trading.

Shell expects global LNG demand to rise from roughly 422 million tonnes in 2025 to nearly 700 million tonnes annually by 2050, representing approximately 65% growth. Data centres are explicitly identified as a new source of electricity demand, including in mature Asian markets such as Japan.

This does not mean AI becomes the dominant reason for that 65% growth. Energy security, economic development, coal-to-gas switching and balancing of renewables remain important. AI simply adds another structural demand driver that was much smaller or virtually absent in long-term forecasts only several years ago.

For Shell, the story is mainly about duration

The strongest Shell argument is therefore not that AI suddenly requires hundreds of millions of tonnes of additional LNG. The more interesting change concerns the expected lifespan of the global gas market.

If electricity demand remains stronger for longer because of data centres, broader electrification and economic development, natural gas is more likely to retain a large role throughout the 2030s and 2040s. This can occur even while wind, solar, nuclear and batteries grow rapidly at the same time.

Gas can fulfil two roles within such a system. It can directly supply large continuous loads where rapid firm power is needed and provide flexible generation when renewables are insufficient. The commodity can therefore run fewer baseload hours while remaining strategically important.

For Shell, this can extend the economic duration of LNG and gas assets. Capital invested today in liquefaction, shipping and production receives more attractive returns when the expected utilisation period of that infrastructure becomes longer.

US gas demand is not the same as LNG demand

One important distinction is that an additional turbine in Texas does not automatically create one-for-one additional LNG sales for Shell. The United States possesses enormous domestic gas resources and behind-the-meter plants are initially supplied from the US market.

Shell's exposure there is more indirect. Higher powerburn creates greater competition for the same gas molecules that can also flow towards LNG export terminals, industry and existing utilities. This can affect Henry Hub pricing, pipeline flows and LNG-export economics.

In importing regions, the link can be more direct. A country without substantial domestic gas production requiring additional firm power for data centres can increase LNG imports. Shell can source, ship and geographically optimise those volumes within its global portfolio.

This distinction makes the investment case stronger. Shell does not benefit from a fictional direct Musk contract, but from a broader market in which marginal demand can increase across multiple regions.

Shell has more than volume exposure

Shell's strength also extends beyond how much gas it produces. The company can move volumes between regions, combine liquefaction capacity with long-term contracts and deploy cargoes where marginal value is highest.

That portfolio function becomes more valuable as regional power conditions diverge. A hot Asian summer, weak hydro generation, strong data-centre expansion and higher European demand can all create different price spreads simultaneously.

For a pure producer, volatility is mainly a commodity-price variable. For Shell, volatility can additionally create trading and optimisation opportunities.

AI therefore does not need a contractual relationship with Shell to become financially relevant. Commodity markets ultimately respond to total marginal demand.

Caterpillar: one of the clearest time-to-power stocks

Caterpillar (CAT) benefits much earlier in the economic cycle. Before a gas plant consumes fuel for years, engines, generators and turbines need to be ordered.

The numbers demonstrate how rapidly Power & Energy is growing within Caterpillar. The company reported approximately $20.5 billion of Q2 2026 revenue, around 24% above the prior year, while total backlog moved towards a record level of roughly $72 billion. Power generation is one of the major growth drivers and management expects the activity to potentially triple by 2030 relative to 2024.

This changes the earnings mix. Caterpillar remains a global leader in construction and mining, but power generation is gaining much greater strategic importance inside the company.

For investors, this matters because AI therefore no longer enters the Caterpillar story only indirectly through additional construction equipment. Data centres can directly generate equipment orders comparable in size with major traditional energy and infrastructure projects.

Data centres are buying primary generation

The key change is that Caterpillar no longer sells only conventional backup diesel equipment. Hyperscalers are purchasing increasingly large natural-gas generation packages capable of meeting a significant portion of a data centre's primary electricity needs.

The Monarch Compute Campus illustrates the scale with approximately 2 GW of fast-response gas generation. Power deliveries begin in 2026 and full capacity is expected in 2027.

This is fundamentally different from an emergency generator operating only several hours annually. The generation becomes part of the core operating energy architecture of an AI campus.

Caterpillar therefore earns from exactly the challenge hyperscalers are attempting to solve: power today instead of potentially years later.

Solar Turbines makes Caterpillar far more interesting

Solar Turbines can easily be overshadowed in traditional Caterpillar analysis by bulldozers, excavators and mining trucks. Within the AI power cycle, however, this subsidiary is highly relevant.

Industrial gas turbines sit between smaller generator sets and the largest utility-scale plants in terms of power class. This makes them suitable for modular data-centre campuses adding capacity in phases.

Project Kilby provides a clear example. GE Vernova supplies most of the generation capacity while Solar Turbines provides additional power. Solar itself received roughly 2.8 GW of new turbine orders in Q2.

Caterpillar therefore has exposure across multiple power classes and can serve customers unwilling to wait three years for one enormous turbine.

Aftermarket extends the profit pool

The strong equipment cycle has another important effect. Every installed engine or turbine becomes part of an installed base requiring maintenance, spare parts and service for years.

Economic value therefore does not end when the initial machine is delivered. The first capex wave can subsequently generate a much longer aftermarket revenue stream, typically with attractive margins and greater predictability.

This differentiates Caterpillar from companies generating only project revenue. The larger the installed base of distributed generation becomes, the greater the future service opportunity.

AI can therefore increase both cyclical equipment revenue and the recurring income base of the company.

Caterpillar wants a larger share of the energy stack

The company is also increasingly attempting to supply more than a standalone generator. Caterpillar works with partners on systems combining generators, controls, switchgear, inverters, battery storage and other supporting infrastructure.

This increases addressable market per campus. A customer can purchase not simply an engine but a larger portion of an integrated behind-the-meter energy solution.

The strategy also creates greater technology flexibility. Reciprocating engines, turbines, batteries and potentially alternative fuels can be combined inside the same architecture.

CAT therefore becomes less dependent on one specific generation technology while Power & Energy becomes increasingly strategic within the group.

Siemens Energy: the broadest exposure in the theme

Siemens Energy (ENR) may be the most interesting hardware company in the group because it does not depend on one exact solution to the power challenge.

On the generation side, the market is exceptionally strong. Siemens Energy sees a structural global gas-turbine market of approximately 110–120 GW annually over the coming years, clearly above previous expectations of around 90–100 GW. The company earlier had approximately 80 GW of total turbine commitments, of which roughly 22 GW was directly data-centre related.

By Q3 FY2026, firm gas-turbine backlog was around 69 GW. A large portion of available manufacturing capacity is therefore effectively sold for several years.

The company benefits directly from the immediate requirement for new generation, but the second pillar of the thesis may ultimately be even more important.

Grid Technologies makes Siemens Energy broader

Behind-the-meter generation solves the first bottleneck but does not make the public electricity network unnecessary. A data centre may self-generate 500 MW or 1 GW today and still receive a major grid connection several years later.

Renewables, nuclear, batteries, industrial loads and residential growth also all need to connect through the same electricity system. This requires power transformers, substations, switchgear, transmission systems and many other specialised components.

Grid Technologies is therefore one of Siemens Energy's strongest businesses. The company is investing billions of euros in additional manufacturing because the market remains structurally tight.

For investors, this means Siemens Energy can participate in both the emergency solution and the structural solution.

Transformers become a bottleneck themselves

Turbines receive substantial attention because they are visible at new generation projects, but transformers and other grid components are at least as important. A new power station has limited value if electricity cannot be moved safely and efficiently to the customer.

Large power transformers are highly specialised products with long manufacturing lead times and constrained capacity. Demand also comes from much more than AI. Renewables, electric vehicles, industrial electrification and replacement of ageing infrastructure all compete for the same equipment.

AI therefore arrives on top of a grid market that was already tight. The network investment cycle may consequently last longer than the current turbine boom.

For Siemens Energy, this is attractive because the company does not need to predict which generation technology ultimately captures the largest share. Virtually every outcome requires more electrical infrastructure.

Siemens Energy can earn several times from the same campus

This combination gives Siemens Energy a distinctive economic profile. When an AI campus constructs proprietary gas generation to come online quickly, the company can supply turbines. When the permanent grid connection is reinforced several years later, Grid Technologies can sell additional equipment.

Services and upgrades then generate further revenue from installed turbines and electrical systems. One project can therefore create several investment moments.

This clearly differs from Shell and Caterpillar. Shell primarily earns throughout the operating life through fuel flows, Caterpillar mainly through distributed-power capex and aftermarket, while Siemens Energy can serve several layers of infrastructure.

That is why we view ENR as the broadest pure infrastructure play within the theme.

GE Vernova confirms how exceptional the market is

GE Vernova (GEV) is not one of our three main stocks, but the figures confirm that the turbine and grid cycle is broad-based. In Q2 2026, organic orders rose approximately 88% to $24.2 billion and total backlog increased towards $176 billion.

Combined gas-power equipment backlog and slot reservations reached around 116 GW. GE Vernova wants to increase this towards at least 125 GW by the end of 2026 and is therefore expanding annual manufacturing capacity significantly.

The influence of data centres is also already large within Electrification. Orders from data centres during the first half of 2026 were higher than for all of 2025.

This demonstrates that the current cycle is not the result of one supplier receiving an unusually large order. The whole market is moving.

The turbine industry can barely keep pace itself

The original advantage of natural gas was speed, but the success of the technology is now creating a new limitation. Large turbines are not available without limit and manufacturing slots are being reserved years ahead.

If a customer has to wait several years for a utility-scale turbine, part of the time-to-power advantage disappears. This can create additional demand for smaller turbines, reciprocating engines, mobile equipment and temporary solutions.

That can favour Caterpillar because the company serves multiple power classes. A data centre can add capacity gradually through generator sets or industrial turbines before constructing a larger power plant later.

For Siemens Energy and GE Vernova, the main risk meanwhile shifts from demand towards execution. A huge backlog has value only if equipment is delivered on time, at attractive margins and without significant quality issues.

Baker Hughes: a second-order beneficiary

Baker Hughes (BKR) sits further from the data centre itself, but large growth in gas generation requires more than turbines. Natural gas must be produced, treated, compressed and transported through pipelines towards new customers.

If data centres cluster in regions where existing gas infrastructure was never designed for such loads, new compression and midstream projects can become necessary. Baker Hughes also has important exposure to LNG equipment.

The link with one individual AI campus is therefore less direct than at Caterpillar or Siemens Energy. The company can nevertheless benefit if the broader gas and LNG infrastructure market becomes structurally larger.

We therefore see BKR as supplementary exposure rather than our primary AI-power play.

Regional infrastructure becomes decisive

A national gas balance does not tell the whole story. Even if the United States produces sufficient natural gas overall, one specific region can lack the pipeline capacity required to feed a new multi-gigawatt plant.

At roughly 140–150 MMcf/d of gas consumption per continuous gigawatt, a large cluster can quickly become material to a regional pipeline. Additional compression, lateral pipelines or other infrastructure may then be required.

This creates an interesting paradox. Natural gas is selected because it can become available faster than the electricity grid, but if local gas infrastructure also needs major expansion, part of that time advantage can disappear.

The most economically attractive locations will therefore likely be those where gas, fibre, water, transmission and permits are already located relatively close together.

Gas and batteries are not opposites

SpaceX's decision to combine gas generation with battery storage is technically logical. An AI data centre has high continuous demand, but workloads can fluctuate sharply over short periods.

Batteries respond almost instantly and can manage short load swings, frequency support and peaks. Gas generation then provides the long-duration energy flow that would require enormous battery capacity if storage had to solve every problem alone.

Battery growth therefore does not need to be bearish for natural gas. A hybrid system can actually be more efficient because each technology addresses the problem it handles best.

The same principle applies to renewable generation.

Renewables remain an essential part of the mix

Solar and wind can produce large amounts of inexpensive electricity when conditions are favourable. Batteries can shift some of that energy across several hours.

The challenge arises during longer periods when renewable generation is insufficient. An AI campus containing billions of dollars of compute cannot simply shut down for multiple days.

Natural gas can therefore retain economic value as firm capacity even if annual operating hours eventually decline. The value then shifts from pure energy production towards reliability and available capacity.

Renewables, batteries and natural gas can consequently grow at the same time without one completely displacing the others.

Nuclear could be stronger over the long term

Nuclear power is technically exceptionally well suited to large data centres. Capacity factors are high, generation is stable and operating CO2 emissions are low. One power station can also supply enormous amounts of electricity.

Technology companies are therefore looking at existing nuclear assets, restarts, power purchase agreements and future small modular reactors. During the 2030s, nuclear could become a major part of the AI power mix.

The problem for the current build-out remains timing. New large nuclear facilities generally require many years and SMRs are not yet available at sufficient scale to solve the immediate bottleneck.

Natural gas therefore does not need to defeat nuclear permanently. It can already become a major winner by making electricity available in the next several years that would otherwise arrive much later.

Fuel cells are a serious competitor

Fuel cells also possess characteristics that fit distributed power. They are modular, can be installed behind the meter and can, depending on the configuration, be deployed relatively quickly.

Some systems also offer advantages in terms of local emissions and noise. These benefits are offset by higher costs, constrained supply chains and fuel-related challenges.

We therefore do not expect a winner-takes-all market. Gas turbines, reciprocating engines, batteries, renewables, nuclear and fuel cells can all expand simultaneously.

Total electricity demand is likely large enough to support several technologies economically.

More efficient AI chips are unlikely to stop demand growth

Each new accelerator generation becomes more efficient per calculation. At first glance this appears to threaten the power thesis, but lower cost per token or inference can instead make many more applications economically viable.

AI agents can operate continuously, perform millions of additional tasks and create workloads that do not even exist today. Total calculations can therefore grow faster than electricity consumption per individual calculation falls.

This rebound effect helps explain why power forecasts continue to show strong increases in total data-centre consumption despite rapid gains in chip efficiency.

For the energy chain, the ultimate question is not the efficiency of one chip, but how many chips operate and how many hours they run.

CO2 and local emissions are real risks

The speed advantage of gas naturally has a downside. A plant continuously powering a large AI campus creates significant CO2 emissions, while methane leakage across the natural-gas value chain can further increase total climate impact.

This creates tension for hyperscalers that simultaneously maintain ambitious climate targets. A modern efficient gas plant may replace older fossil generation, but new absolute load still creates additional emissions.

Local air quality may become restrictive even faster than global climate goals. The debate around Colossus has demonstrated how permits, NOx and other local pollutants can produce legal and political resistance.

For investors, this is not a theoretical ESG issue. A turbine technically available within months provides little advantage if the permitting process subsequently takes years.

Higher gas prices can eventually limit success

If data-centre demand genuinely grows strongly, US gas prices can receive support. For Shell, that may be beneficial through upstream, LNG and trading.

For data-centre operators, however, the same price increase raises fuel costs. Nuclear, fuel cells and renewable-plus-storage then become relatively more attractive.

The relationship is therefore not linear. Greater gas demand is positive for producers, but an excessive price increase can slow future gas projects.

For Caterpillar and Siemens Energy, commodity pricing is less directly important as long as customers continue constructing generation. Their larger risk lies in changes in technology choice and potential slowdown in AI capex.

LNG supply remains a separate variable for Shell

Shell simultaneously expects a major wave of additional LNG capacity towards 2030. Approximately 180 million tonnes of new annual liquefaction supply could enter the market during that period.

If supply temporarily grows faster than demand, pricing can come under pressure. AI supports the demand side but cannot automatically absorb every possible LNG oversupply.

Portfolio flexibility therefore remains more important than a simple volume claim. Shell's advantage lies precisely in its ability to combine multiple production sources, contracts and regions.

AI strengthens the long-term case but does not independently determine the entire earnings trajectory of Integrated Gas.

Hyperscaler capex remains the key variable

The overall thesis ultimately depends on one important assumption: enormous AI investment continues. The largest hyperscalers are collectively spending hundreds of billions of dollars on infrastructure and expectations for 2026 again point towards very high capex intensity.

If that investment cycle unexpectedly slows sharply, data-centre projects will be delayed and urgency for new generation will decline. Caterpillar and turbine providers are relatively directly exposed because their orders are placed before projects become operational.

Siemens Energy has some protection through enormous non-AI demand for grid infrastructure and conventional generation. Shell is even less dependent on AI because it benefits from much broader global gas and LNG trends.

The theme is therefore additive for all three companies rather than entirely defining their investment cases.

Capex versus opex: three different earnings profiles

The distinction between our three main stocks can ultimately be understood most simply through capex and opex. Caterpillar earns when a customer purchases generators, engines or turbines and can subsequently develop a long aftermarket revenue stream.

Siemens Energy first earns from generation equipment and can later generate additional revenue through services, upgrades, transformers and grid infrastructure. The same campus can therefore appear several times in revenue over its life.

Shell earns primarily once those assets are operational. Every functioning gas plant has to purchase fuel continuously throughout its operating life.

The attraction of the combination is that the same AI campus can create economic value for all three companies at different stages without them directly competing.

Why Shell remains the most surprising name

At Caterpillar and Siemens Energy, the AI connection is already visible in concrete equipment orders. At Shell, the financial read-through develops more gradually because a turbine ordered today can create years of structural fuel demand later.

That timing difference makes Shell interesting. Public markets can immediately reflect a multibillion-dollar equipment order in a backlog, while a longer economic duration for global gas demand is much harder to see in one quarter.

AI also does not need to become the largest source of natural-gas demand globally. It is enough for data centres to contribute structurally to higher power demand and therefore preserve the need for firm generation for longer.

We therefore see AI as an unexpected but fundamentally positive addition to the existing Shell investment case.

Why Caterpillar has the fastest operating leverage

Caterpillar will probably gain financial visibility sooner if behind-the-meter generation continues to accelerate. Orders are placed before a data centre becomes operational and therefore appear early in the investment cycle.

The record backlog of approximately $72 billion demonstrates that customers are already reserving manufacturing capacity. If power generation indeed grows much faster than several traditional Caterpillar businesses through 2030, the company's earnings mix can improve structurally.

Cyclicality remains a risk. If AI capex later falls sharply after Caterpillar has expanded its own capacity, the order cycle can cool.

For now, however, the large backlog provides significant visibility and demonstrates how financially material Power & Energy is becoming.

Why Siemens Energy has the broadest structural leverage

Siemens Energy benefits from the fact that virtually every future energy architecture requires additional infrastructure. If data centres choose natural gas, it can sell turbines. If nuclear grows, plants need grid connections. If renewables expand more rapidly, transmission and transformers are required. If battery deployment accelerates, electrical equipment remains essential.

Siemens Energy therefore does not need to predict exactly which generation technology will have the largest market share in 2032. The strong gas-turbine market provides the immediate growth opportunity, while Grid Technologies can offer a longer structural investment cycle.

That combination makes Siemens Energy our broadest pure infrastructure play within the theme.

The key challenge is execution: a record order book ultimately needs to be converted into revenue and cash flow at attractive margins.

Our preference ranking

Shell (SHEL) remains our most important unexpected read-through. The company does not have the most direct AI revenue, but already owns an enormous gas and LNG position that can benefit if the world structurally requires more firm power. Expected global LNG growth towards nearly 700 million tonnes by 2050 gains an additional demand component from data centres on top of energy security, economic growth and the need for flexibility alongside renewables.

Siemens Energy (ENR) is our strongest broad infrastructure play. The combination of a structurally constrained gas-turbine market, firm backlog of roughly 69 GW and massive investment in Grid Technologies provides exposure to both the immediate and structural solutions to the electricity challenge.

Caterpillar (CAT) has the most direct leverage to distributed generation and rapid power deployment. Its record backlog, major data-centre orders and Solar Turbines position demonstrate that AI power is already becoming financially material.

GE Vernova (GEV) remains a very strong comparable and confirms through its enormous turbine and electrification backlog that the market is changing structurally. Baker Hughes (BKR) offers more indirect exposure to compression, pipeline infrastructure and LNG.

Key risks

The largest uncertainty is whether all announced AI capacity will actually be built. Project pipelines can double-count demand, locations can change and further efficiency improvements may distribute infrastructure requirements differently from current expectations. A major slowdown in hyperscaler capex would therefore directly affect new equipment orders.

Regulation is a second important risk. Problems surrounding temporary turbines at Colossus demonstrate that rapid on-site generation can become politically and legally more difficult when local emissions increase. Supply also becomes a constraint when major turbines, transformers or pipeline capacity are unavailable for several years.

Technology choice can change as well. Nuclear, fuel cells, renewables, storage and better grid planning may capture a larger share of the market than currently assumed. High gas prices can accelerate that shift.

None of this changes our central conclusion. Electricity demand is growing strongly enough that several technologies will probably be required simultaneously, although their relative market shares can shift substantially.

Conclusion

SpaceX and xAI's decision to build increasing amounts of proprietary gas-fired electricity generation is not merely an Elon Musk curiosity. It is a visible symptom of a structural problem inside the AI boom: the world can currently add compute faster than the energy system can provide new reliable capacity.

Time-to-power therefore gains economic value. Natural gas is in a strong position during the current phase because it can provide relatively rapid, modular and dispatchable power, while batteries can manage short fluctuations and the public grid can be reinforced later.

For Shell, this development is positive because structural expansion of gas-fired generation can support the potential size and economic duration of the global gas and LNG market. Caterpillar gains direct capex leverage as hyperscalers install distributed generation, while Siemens Energy can benefit from both the initial turbines and the much longer grid-investment cycle.

The AI race is therefore shifting once again. Chips remain essential, but a GPU without electricity has no economic value. The next winners may therefore be the companies ensuring that electricity becomes available on time.