Der Maschinenraum der KI: Ein Blick in die Hochleistungsrechenzentren, in denen die Zukunft entsteht

Betriebsleiter arbeiten daran, KI-Strategien umzusetzen, die ihren Unternehmen zu intelligenteren und effizienteren Betriebsabläufen verhelfen. Allerdings verstehen selbst diejenigen, die mit der Nutzbarmachung des geschäftlichen Potenzials von KI betraut sind, nicht unbedingt die technischen Elemente, die diese Wertschöpfung ermöglichen.

So beeindruckend die heutigen Algorithmen für maschinelles Lernen auch sind, sie können keine Wunder vollbringen. Sie basieren auf echter Hardware, die in realen Rechenzentren betrieben wird. Tatsächlich stehen viele Unternehmen vor einer Infrastruktur-Diskrepanz: Die Rechenzentren aus der Vergangenheit können mit den Anforderungen der neuen KI-Workloads nicht mehr Schritt halten.

Unternehmen benötigen Hochleistungsrechenzentren, die speziell für den Einsatz von KI konzipiert sind. Schauen wir uns die Faktoren an, die KI-fähige Rechenzentren von herkömmlichen Rechenzentren unterscheiden.

Rechenzentren entwickeln sich hin zu einer höheren Leistungsdichte

Die zunehmende Verbreitung von KI sorgt für eine höhere Leistungsdichte in Rechenzentren. Die Leistungsdichte ist eine Messgröße dafür, wie viel Leistung in einem bestimmten Raum verbraucht wird. GPUs verbrauchen nicht nur mehr Energie pro Einheit als herkömmliche Hardware, sondern müssen auch enger beieinander angeordnet werden, um die Latenz zu minimieren. Daher verbrauchen Betreiber von Rechenzentren innerhalb derselben physischen Rack-Fläche deutlich mehr Strom, um GPUs zu unterstützen.

Es ist bemerkenswert, wie schnell die Leistungsdichte pro Rack im Rechenzentrum gestiegen ist. Bis vor einigen Jahren waren 5–10 kW/Rack Standard. Mittlerweile ist eine Dichte von bis zu 100 kW/Rack keine Seltenheit mehr. Dieser rasante Wandel hat sich auf viele Elemente der Infrastruktur in Rechenzentren ausgewirkt, angefangen bei den Kühlsystemen.

Flüssigkeitskühlung

Dieser neue Trend zu 100 kW/Rack wird durch die Entwicklung immer leistungsstärkerer GPU-Generationen vorangetrieben. Derzeit werden GPUs mit einer Leistung von bis zu 1,2 kW pro Stück eingesetzt, was bedeutet, dass ein einzelner Prozessor etwa ein Viertel der Dichte eines gesamten herkömmlichen Racks ausmacht. Darüber hinaus werden größere Anzahlen von GPUs in einem einzigen Rack eingebaut, um ihre Fähigkeit zur Herstellung von Verbindungen und zur Ausführung komplexerer Modelle zu beschleunigen. Eine derartige Dichte in einem einzigen Rack erzeugt viel mehr Wärme als herkömmliche Racks. Deshalb benötigen diese Racks eine leistungsstärkere Kühlungslösung. Hier kommt die Flüssigkeitskühlung ins Spiel.

Da Flüssigkeiten Wärme wesentlich effizienter transportieren als Luft, ermöglichen neue Kühlverfahren, die wasserbasierte Lösungen oder Kältemittel verwenden, eine deutlich höhere Leistungsdichte als herkömmliche Luftkühlungsverfahren. Die Einführung der Flüssigkeitskühlung in Rechenzentren wird ein wesentlicher Bestandteil der Unterstützung modernster GPU-Workloads und der Realisierung neuer KI-basierter Anwendungen sein.

Allerdings ist die Flüssigkeitskühlung kein Allheilmittel für die Herausforderungen einer höheren Dichte, mit denen Unternehmen konfrontiert sind, und sie wird die Luftkühlung nicht vollständig ersetzen. Selbst sehr dichte Racks enthalten heute noch eine luftgekühlte Komponente. Das liegt daran, dass Unternehmen verschiedene Komponenten innerhalb ihres KI-Stacks betreiben müssen und jede dieser Komponenten unterschiedliche Anforderungen an die Kühlung stellt.

Beispielsweise sind die heutigen GPU-Racks größtenteils flüssigkeitsgekühlt, verwenden aber immer noch einen kleinen Prozentsatz an Luftkühlung. Die bereits erwähnten Rack-Systeme mit 100 kW können zu 80 % mit Flüssigkeit und zu 20 % mit Luft gekühlt werden. In diesem Fall würde allein die luftgekühlte Komponente 20 kW Leistung verbrauchen – ein Vielfaches dessen, was das gesamte Rack noch vor wenigen Jahren verbraucht hätte. Andererseits werden Speicher- und Netzwerk-Racks, die das GPU-Rechenaufkommen ergänzen, derzeit noch zu 100 % luftgekühlt. Unternehmen müssen sich mit der Frage befassen, wie sie Flüssigkeitskühlung integrieren können, ohne dabei die hochdichten luftgekühlten Lasten zu vernachlässigen.

Als globaler Colocation-Anbieter ist sich Equinix der steigenden Nachfrage nach Flüssigkeitskühlung bewusst und entwickelt seine Hochleistungs-Rechenzentren speziell mit Blick auf eine flüssigkeitsgekühlte Infrastruktur. So können unsere Kunden KI-Hardware problemlos einsetzen, was in ihren eigenen lokalen Rechenzentren bisher eine große Herausforderung darstellte.

Energie und Nachhaltigkeit

Angesichts des steigenden Energie- und Kühlungsbedarf der KI müssen viele Unternehmen überlegen, wie sie diese energieintensiven Workloads bewältigen können, ohne ihre Fortschritte bei der Umsetzung ihrer Nachhaltigkeitsziele zu gefährden.

Der erste Schritt besteht darin, sicherzustellen, dass die Energieversorgung der Einrichtung nach Möglichkeit durch erneuerbare Energiequellen gewährleistet wird. Dies hat für Equinix bei der Unterstützung der hochdichten Workloads unserer Kunden tatsächlich höchste Priorität. Im Jahr 2024 erreichten wir in unserem globalen Rechenzentrumsportfolio eine Abdeckung von 96 % mit erneuerbaren Energien. Wir arbeiten weiterhin auf unser Ziel einer 100-prozentigen Abdeckung bis zum Jahr 2030 hin. Um dies zu erreichen, nutzen wir eine umfassende Strategie für erneuerbare Energien, die unter anderem die Unterzeichnung von Stromabnahmeverträgen (Power Purchase Agreements, PPAs) zur Unterstützung neuer Wind- und Solarprojekte umfasst.

Wir haben uns außerdem zum Ziel gesetzt, unsere Treibhausgasemissionen der Bereiche Scope 1, 2 und 3 bis 2040 um 90 % zu reduzieren, und haben unsere Ziele durch die Science Based Targets Initiative (SBTi) verifizieren lassen. Dank dieser Bemühungen können Kunden, die das Equinix-Ökosystem und die Equinix-Infrastruktur nutzen, sicher sein, dass ihre KI-Workloads mit ihren Nachhaltigkeitsinitiativen im Einklang stehen und diese nicht behindern.

Die Fokussierung auf nachhaltige Praktiken geht jedoch noch weiter. KI-fähige Rechenzentren sollten auch der Verbesserung der betrieblichen Effizienz Priorität einräumen, denn dies kann langfristige Auswirkungen auf die Nachhaltigkeit haben. Bei Equinix verfolgen wir dieses Ziel, indem wir in unserem gesamten Rechenzentrumsportfolio schrittweise die ASHRAE A1-Standards einführen. Dank dieser Vorgehensweise können wir unsere Anlagen weiterhin innerhalb des empfohlenen A1-Bereichs betreiben, jedoch mit einer etwas höheren Betriebstemperatur als in diesem Bereich üblich. So könnten wir langfristig in unseren weltweiten Standorten erhebliche Mengen an Betriebsenergie einsparen.

Darüber hinaus können GPU-Workloads diese Effizienzsteigerungen sogar noch beschleunigen, indem sie die inhärenten Vorteile der Flüssigkeitskühlung nutzen. Aufgrund ihrer verbesserten Wärmeleitfähigkeit kann die Flüssigkeitskühlung zur Kühlung hochdichter Workloads mit höheren Temperaturen verwendet werden als luftgekühlte Systeme. Da die Gesamtzahl der flüssigkeitsgekühlten Workloads in den Rechenzentren zunimmt, könnten diese dadurch effizienter betrieben werden. Solange die Chip-Temperaturstandards hoch bleiben, könnte die KI-Technologie dazu beitragen, dass effizientere Betriebsabläufe zur Norm werden, einschließlich der Art und Weise, wie Wärme aus der Anlage abgeleitet wird.

Wasser

Ein weiterer wichtiger Aspekt der Nachhaltigkeit von Rechenzentren ist der Einfluss von KI auf den Wasserverbrauch. Obwohl für die KI-Workloads „Flüssigkeitskühlung“ zur Kühlung von Servern genutzt wird, führt diese Technologie nicht zu einem signifikanten Anstieg des Wasserverbrauchs. Dies liegt daran, dass es sich um einen geschlossenen Kühlkreislauf handelt, der mit einem Wärmetauscher oder einer Kühlmittelverteilungseinheit (Coolant Distribution Unit, CDU) verbunden ist.

Dennoch muss die Wärme irgendwohin abgeführt werden. Nachdem die Wärme durch die CDU geleitet wurde, wird sie an ein Gebäude-Kühlsystem übertragen, das die Wärme dann vollständig aus der Anlage abführt. Auf Gebäudeebene haben Betreiber von Rechenzentren die Wahl zwischen zwei Kühlungsoptionen:

• Durch Verdunstungskühlung wird Wärme aus dem Rechenzentrum in Form von Wasserdampf abgegeben.
• Die Luftkühlung, auch als Trockenkühlung bekannt, leitet heiße Luft aus dem Rechenzentrum ab.

Abbildung 1: Kühlsystem auf Gebäudeebene

Die Verdunstungskühlung verursacht einen höheren Wasserverbrauch als die Luftkühlung, verbraucht jedoch deutlich weniger Energie. Ein globaler Rechenzentrumsbetreiber wie Equinix muss die Vor- und Nachteile des Energie- und Wasserverbrauchs von Fall zu Fall abwägen. Beispielsweise vermeiden wir den Einsatz von Verdunstungskühlung in Gebieten mit Wasserknappheit, um sicherzustellen, dass mehr Wasser für die Gemeinden zur Verfügung steht.

Wie bereits erwähnt, ermöglicht die vermehrte Nutzung von KI-Workloads aufgrund der höheren Effizienz der Flüssigkeitskühlung auf Serverebene den Betrieb bei höheren Temperaturen. Dies könnte den Wasserverbrauch in Verdunstungskühlsystemen reduzieren und den Weg für den Einsatz von Trockenkühlung in weiteren Märkten ebnen. Außerdem könnten sich uns dadurch mehr Möglichkeiten bieten, an Projekten zum Wärmeexport aus Rechenzentren teilzunehmen, bei denen wir die Restwärme aus unseren Anlagen auffangen und sie für die Beheizung von Wohnhäusern und Unternehmen in den Gemeinden zur Verfügung stellen.

KI-fähige Rechenzentren sind vernetzte Rechenzentren

Entscheidungsträger in Unternehmen erkennen zunehmend, dass KI mehr bedeutet als nur große Rechenzentren mit hoher GPU-Kapazität. Es gibt verschiedene Arten KI-fähiger Rechenzentren, die für unterschiedliche Zwecke genutzt werden. Verteilte KI ist mittlerweile die Norm. Unternehmen müssen Daten aus vielen verschiedenen Quellen erfassen und Inferenzen in der Nähe der Nutzer an der Edge unterstützen. Darüber hinaus müssen sie sich mit einem Netzwerk von Partnern verbinden, um die Daten, Modelle und Infrastruktur zu erhalten, die sie für den Erfolg der KI benötigen.

Aus all diesen Gründen ist Konnektivität ein wesentlicher Bestandteil der KI-Fähigkeit von Rechenzentren. Hochleistungsrechenzentren sind strategisch günstig in der Nähe von Ballungszentren angesiedelt, in denen sich mit einiger Wahrscheinlichkeit Endnutzer und Datenquellen befinden, und ermöglichen so die für Inferenz-Workloads erforderliche Vernetzung mit geringer Latenz. Zudem haben sich diese Rechenzentren zu digitalen Knotenpunkten entwickelt, an denen sich Ökosystempartner versammeln und miteinander vernetzen. Dies bedeutet, dass Unternehmen nicht mehr zwischen Rechenzentren an den richtigen Standorten zur Unterstützung ihrer verschiedenen KI-Workloads oder einem einfachen Zugang zu ihren KI-Ökosystempartnern wählen müssen. Der richtige Colocation-Anbieter kann ihnen dabei helfen, beide Anforderungen zu erfüllen.

Und schließlich muss ein KI-fähiges Rechenzentrum über fortschrittliche Netzwerkfunktionen verfügen, damit die KI-Hardware ihr volles Potenzial entfalten kann. GPUs reagieren beispielsweise sehr empfindlich auf Latenzzeiten und sind daher für eine Punkt-zu-Punkt-Verbindung ausgelegt. Die dafür erforderliche physische Verbindungsbandbreite ist astronomisch hoch. Nur Einrichtungen, die über einen speziellen Überkopf- oder Unterflurraum verfügen, können das enorme Glasfaservolumen bewältigen, das KI-Cluster erfordern.

Die IBX®-Colocation-Rechenzentren von Equinix sind in 76 Märkten weltweit vertreten, sodass Sie Ihre KI-Infrastruktur überall bedarfsgerecht aufbauen können. Darüber hinaus beherbergt Equinix mehr als 10.000 Kunden, darunter etablierte Cloud-Anbieter bis hin zu aufstrebenden KI-Spezialisten. Wenn Sie mit so vielen verschiedenen Dienstleistern unter einem Dach untergebracht sind, ist es einfach, die richtigen Partner für Ihre KI-Strategie zu finden und sich mit ihnen zu vernetzen, um Daten schnell und sicher auszutauschen.

Equinix ist davon überzeugt, dass GPUs und andere leistungsstarke Hardware die treibende Kraft hinter der Weiterentwicklung der KI sind. Hochleistungsrechenzentren sind die Maschinenräume, in denen diese Hardware ihr volles Potenzial entfalten kann. Ohne die richtige Hardware und die richtigen Rechenzentren zur Unterstützung dieser Hardware bleibt KI auf der Strecke.

Erfahren Sie, wie Hochleistungsrechenzentren die KI vorantreiben: Lesen Sie das Whitepaper „Der Motor der KI, der Innovationen in großem Maßstab vorantreibt“.