KI-Technologie im Rechenzentrum

Wir haben mit unseren Geschäftsführern darüber gesprochen, welche Auswirkungen das auf die IT-Infrastruktur hat und worauf es bei der Planung zukunftsfähiger RZs ankommt. Beide Gesprächspartner verfügen über jahrzehntelange Erfahrung mit IT-Infrastrukturen: Stephan Sequens ist Spezialist für die Planung und Konzeption der physikalischen Seite – von Raum-in-Raum-Lösungen über Single-Rack-Systeme bis hin zu IT-Containern samt zugehöriger TGA. Christoph hingegen ist Experte für Hardware und bringt tiefgehendes Know-how in der Konzeption und Implementierung leistungsfähiger IT-Strukturen mit. Los geht´s.

Wie hat der Einsatz von Künstlicher Intelligenz Rechenzentren bereits transformiert? Wie wird es in 5 Jahren aussehen?

Christoph Machner: Grundsätzlich muss man unterscheiden, ob man ein Rechenzentrum für sich betrachtet oder ob man auch über die Transformation der Workloads spricht. Bei isolierter Betrachtung sind die Themen Energieverbrauchsoptimierung, Predictive Maintenance (KI-gestützte Echtzeitanalyse von Betriebsparametern), sowie Automatisierung der Ressourcenzuordnung (dynamische KI-gestützte Zuordnung von CPU, GPU, Bandbreiten etc.) und die Erkennung von Anomalien im Security Umfeld wesentliche Treiber einer Transformation.

In 5 Jahren kann innerhalb von definierten Anforderungen von einer Vollautomatisierung der Rechenzentren ausgegangen werden, bei denen hard- und softwareseitig dann Wartung, Verwaltung und Fehlerbehebung weitgehend autonom ablaufen.

Insgesamt wird auch eine ganzheitliche Betrachtung inklusive der Applikationen und Dienste zum Standard werden, sodass beispielsweise je nach Nutzung Systemressourcen (Server, CPU, GPU) dynamisch zugewiesen und auch abgeschaltet werden. Diese Abläufe werden dann dank KI ohne menschliche Interaktion erfolgen.

Bezüglich der Workloads müssen Rechenzentren mit erhöhtem Energiebedarf und Kühlungsbedarf umgehen können, sowie mit einer hohen Flexibilität, um einerseits mit dynamischen Lastverhalten und andererseits mit der raschen Weiterentwicklung bei Modellen und Verfahren für KI-Anwendungen mithalten zu können.

Welche konkreten Anwendungen von KI seht Ihr aktuell in der IT-Infrastruktur?

Christoph Machner: Beispielhafte Anwendungen finden sich aktuell in den Bereichen Gesundheitswesen, Kundensupport, Betrugserkennung, Bildverarbeitung. Allen sind hohe erwartete Einsparungen an menschlicher Arbeit gemein, wobei mit KI insbesondere im medizinischen Bereich dem Mangel an qualifiziertem Personal effektiv begegnet werden kann.

Welche Herausforderungen ergeben sich durch den Einsatz von Künstlicher Intelligenz für die physikalische IT-Infrastruktur?

Christoph Machner: Das Hauptproblem aus Sicht der IT-Infrastruktur ist die erforderliche Leistungsdichte für die effiziente Unterstützung von KI-Anwendungen. In weiterer Folge dauern Genehmigungen für die erforderlichen Anpassungen von Versorgung, Bauten und Umsetzungen in Deutschland meistens länger als der aktuelle Technologiezyklus bei KI-IT-Komponenten.

Spielt KI bei der Optimierung der Energieeffizienz in Rechenzentren eine Rolle?

Christoph Machner: Definitiv. Smarte Steuerungssysteme und KI-gestützte Analysen helfen, den Betrieb von Rechenzentren effizienter zu gestalten und sehr kleinteilig an die aktuelle Workload anzupassen. Beispiel: Google konnte durch den Einsatz von DeepMind KI den Energieverbrauch zur Kühlung seiner Rechenzentren um bis zu 40 % senken.

Welche Aspekte sind bei der Integration von KI in die RZ-Infrastruktur besonders relevant?

Stephan Sequens: Bei der Integration von KI in die physikalische Rechenzentrumsinfrastruktur sind vor allem drei Aspekte entscheidend:
Erstens die Kühlung – da KI-Server mit hoher Rechenleistung deutlich mehr Wärme erzeugen, sind effiziente und leistungsstarke Kühlsysteme unerlässlich.

Zweitens die Stromversorgung – sie muss auf hohe Lastspitzen ausgelegt, skalierbar und gleichzeitig ausfallsicher sein, idealerweise unter Einbindung nachhaltiger Energiekonzepte. Drittens die RZ-Flächen- und Rack-Planung – KI-Workloads erfordern oft andere Formfaktoren, Dichtekonzepte und eine optimierte Luftführung.

Ergänzend spielt auch die strukturelle Netzwerkanbindung eine wichtige Rolle, um Datenströme mit möglichst geringer Latenz und hoher Bandbreite zu ermöglichen. Die Integration von KI bedeutet also eine Anpassung der gesamten Infrastruktur an neue thermische, elektrische und logistische Anforderungen. Dabei sind die gesetzliche Vorgaben des Energieeffizienzgesetzes (EnEfG) zu berücksichtigen.

Welche neuen Kompetenzen und Ressourcen werden benötigt, um KI erfolgreich in die bestehende IT-Infrastruktur zu integrieren?

Christoph Machner : Diese Frage ist sehr tiefgründig und nur individuell zwischen Unternehmen und Branchen zu beantworten. Die Entwicklung von KI-Applikationen erfordert definitiv ein komplettes Redesign der Aufgaben und Prozesse im Unternehmen, daher sind neue Strukturen und Teams zu schaffen, die diese Transformation bewerkstelligen. Alleine die KI-Security ist eine extrem umfassende Aufgabe, die in den meisten Unternehmen komplett neu definiert und implementiert werden muss, was weit über die bisherigen Aufgaben einer IT-Abteilung hinausgeht. Aber auch die Qualität und Sensibilität der bestehenden Daten ist meistens eine große Herausforderung.

Wie schätzt Ihr die langfristigen Auswirkungen von KI auf die Architektur und das Design zukünftiger Rechenzentren ein?

Stephan Sequens: Mittel- und langfristig wird Künstliche Intelligenz das Design und die Infrastruktur von Rechenzentren maßgeblich beeinflussen.
Der Einsatz von Hochleistungs-Hardware wie GPUs führt zu deutlich höheren Leistungsdichten, wodurch fortschrittliche Kühltechnologien wie Flüssig- oder Immersionskühlung notwendig werden. Auch die Stromversorgung muss leistungsfähiger und ausfallsicherer geplant werden.

Gleichzeitig steigen die Anforderungen an die Netzwerkarchitektur, da KI-Workloads hohe Datenraten und geringe Latenzen erfordern. Insgesamt werden sich Rechenzentren, in denen KI-Technologien Einzug halten, verhältnismäßig geringere Rackflächen aber dafür mehr Fläche für die Technische Gebäudeausstattung (TGA) und hohe Anforderungen an die Energieversorgung haben. RZs für KI-Applikationen entwickeln sich daher zu modularen, hochskalierbaren Anlagen, die speziell auf die Bedürfnisse rechenintensiver KI-Anwendungen ausgerichtet sind.