Mit zunehmender Reife und Skalierung von KI müssen Unternehmen entscheiden: Wo sollen diese rechenintensiven Workloads ausgeführt werden?
Für viele begann KI in der Cloud, aber sie bleibt nicht immer dort. Die Teams in den Bereichen Rechenzentren und Infrastruktur erkennen die Kompromisse hinsichtlich Latenz, Kosten und Kontrolle, die sich ergeben, wenn die gesamte KI-Verarbeitung in Hyperscale-Rechenzentren verlagert wird.
Dementsprechend verlagern sich immer mehr KI-Workloads zurück in Unternehmens- und Colocation-Umgebungen. Doch diese Umstellung hat einen Haken: Diese Umgebungen wurden lange vor dem Einsatz von KI geschaffen, und ihre Leistungs- und Kühlungsprofile sind nicht für diese Dichte ausgelegt.
Nicht alle Organisationen verfügen über das Kapital (oder den Wunsch), jedes Mal neue Rechenzentrumsflächen zu bauen, wenn die Nachfrage nach KI-Systemen sprunghaft ansteigt. Und insbesondere in Unternehmen fehlt es den Teams an Fachwissen und Zeit, um für jedes neue Projekt neue Lösungen mit hoher Dichte zu entwickeln.
Faktoren, die bei der Entscheidung über den Wohnort von KI zu berücksichtigen sind
Als Unternehmen begannen, KI einzusetzen, erschien es zunächst sinnvoll, sich stark auf Cloud- und Hyperscale-Anbieter zu stützen. Die Kapazitäten waren vorhanden, die Ressourcen konnten schnell erweitert werden und das Experimentieren mit Pilotprojekten war schnell und risikoarm.
Da sich KI von kleinen, abgeschlossenen Machbarkeitsstudien hin zu groß angelegten, permanent verfügbaren Diensten entwickelt, ist die Auslagerung von Arbeitslasten nicht immer der beste Weg, um einen schnellen und zuverlässigen Zugriff zu gewährleisten.’ Deshalb suchen immer mehr Teams nach Möglichkeiten, die Anforderungen an KI innerhalb der bereits von ihnen betriebenen Rechenzentren zu erfüllen.’
Bei der Entscheidung, welche KI-Workloads wo ausgeführt werden sollen, müssen Rechenzentrums- und IT-Leiter drei Faktoren berücksichtigen: die Reaktionsgeschwindigkeit der KI-Dienste, die Art der Daten, mit denen sie interagieren, und die Vorhersagbarkeit ihrer langfristigen Kosten- und Kapazitätsanforderungen.
1. Wie schnell muss die KI reagieren?
Viele KI-Anwendungen sind latenzempfindlich, das heißt, sie sind auf schnelle und konsistente Reaktionszeiten angewiesen, um effektiv zu sein. Dies umfasst Anwendungen wie:
- Betrugserkennung bei Finanztransaktionen
- Intelligente Gebäudesteuerungssysteme, die Heizung, Kühlung und Beleuchtung je nach Belegung und Umgebungsbedingungen anpassen.
- Echtzeit-Personalisierung in kundenorientierten digitalen Erlebnissen
- Intelligente Campus-Betriebsabläufe, die Energieverbrauch, Raumnutzung und Dienstleistungen in allen Gebäuden koordinieren
In solchen Fällen kann das Senden von Daten an ein entferntes Rechenzentrum und das Warten auf eine Antwort zu Verzögerungen führen, die der Betrieb nicht tolerieren kann.
Indem ein Teil des KI-Stacks näher an den Ort verlagert wird, an dem kritische Daten generiert und genutzt werden, werden Latenzzeiten reduziert, sodass Leistung und Benutzerfreundlichkeit erhalten bleiben können.
2. Wo ist der Einsatz von KI aus finanzieller Sicht am sinnvollsten?
Ein weiterer Faktor, der KI wieder in Unternehmen und Colocation-Einrichtungen bringt, sind die Kosten . Der Betrieb von GPU-Clustern mit hoher Dichte, die rund um die Uhr laufen, kann in der Cloud teuer sein.
Viele Organisationen erreichen einen Punkt, an dem es finanziell sinnvoll ist, bestimmte Arbeiten in Hyperscale-Umgebungen zu belassen, während geschäftskritische Workloads in die von ihnen kontrollierte Infrastruktur verlagert werden. Der Grund: besser planbare Kosten und Kapazitäten. Teams können die Ausgaben über den gesamten Hardware-Lebenszyklus hinweg besser prognostizieren, unerwartete Verbrauchsspitzen vermeiden und Budgets und Upgrades besser verwalten.
3. Welche Arten von Daten wird die KI benötigen?
Künstliche Intelligenz (KI) nutzt Training und Schlussfolgerungen, um aus Rohdaten Entscheidungen zu treffen, die für das Unternehmen relevant sind. Diese Aktivitäten beinhalten große, sensible Datensätze, die Unternehmen aufgrund von Vorschriften, internen Richtlinien oder auch Kundenerwartungen nicht immer in externe Umgebungen verlagern möchten.
Der Einsatz von KI in Unternehmens- oder Colocation-Rechenzentren hilft Organisationen, kritische Daten zu schützen, indem sie diese in der Nähe aufbewahren, die Einhaltung von Vorschriften vereinfachen und den mit dem Hin- und Herschieben von Daten verbundenen operativen Aufwand reduzieren.
Anpassung bestehender Rechenzentrumsflächen für KI
Die Integration von KI in das Unternehmen bedeutet, dass Räumlichkeiten mit festen Strom-, Kühlungs- und Platzbeschränkungen einer neuen Reihe von Anforderungen gerecht werden müssen.
Während einige Rechenzentren Obwohl möglicherweise Platz für weitere Racks vorhanden ist, sind diese Racks jetzt mit GPUs gefüllt, die ein Vielfaches an Strom pro Rack verbrauchen, als für den vorgesehenen Platz vorgesehen war. Eine Möglichkeit zu finden, weitere 20 kW bis 40 kW und mehr zu liefern – und die damit verbundene Wärme am Rack abzuführen – ist eine ganz andere Geschichte. Herkömmliche Kühlsysteme, die für ältere Systeme ausgelegt sind, haben oft Schwierigkeiten, KI-Cluster mit hoher Dichte in sicheren Betriebsbereichen zu halten, ohne den Rest des Raumes zu überkühlen oder Hotspots zu erzeugen.
Die Schlüssel, um mit den sich ändernden Anforderungen Schritt zu halten
Neben der Bewältigung der Dichte müssen die Teams, die zumindest einen Teil der KI intern einsetzen, auch Flexibilität einplanen. Die KI entwickelt sich rasant, und auch ihre Anforderungen an Energieversorgung und Kühlung verändern sich schnell.
Die Betreiber von Rechenzentren müssen in der Lage sein, bei steigender Nachfrage zusätzliche Rechenkapazitäten hinzuzufügen oder bestehende zu verändern, ohne jedes Mal die gesamte Fläche neu planen zu müssen.
Das bedeutet, Lösungen einzusetzen, die Folgendes können:
- Unterstützung höherer Rackdichte
- Koexistenz mit älteren Geräten
- Arbeiten Sie mit Server-, Speicher- und Netzwerkoptionen verschiedener Hersteller.
- Sie können ohne vollständige mechanische Überholung in bestimmten Gängen oder Modulen eingesetzt werden.
- Wo möglich, an die bestehende Strom- und Kühlinfrastruktur anknüpfen.
- Skalieren Sie in modularen, wiederholbaren "Blöcken", je nach Bedarf an zusätzlicher Kapazität.
Die Kühlung des Racks unterstützt KI
Mit zunehmender Dichte wird ein Rack-basierter Ansatz für Stromversorgung und Kühlung unerlässlich; KI-Cluster konzentrieren mehr Leistung auf weniger Racks. Anstatt den gesamten Raum mit der Wärmelast zu belasten, verlagert die Kühlung auf Rack-Ebene diesen Übergabepunkt auf das Rack selbst.
Wärmetauscher an der Rückseite bekämpfen das Problem an der Wurzel. Eine gekühlte Rückwandtür fängt die Wärme auf, die aus dem Rack austritt, und leitet sie ab, anstatt heiße Abluft in den Raum entweichen zu lassen.
Gerade bei Sanierungsprojekten ist das von großer Bedeutung. Rückseitige Türen und andere Lösungen auf Rack-Ebene können oft mit minimalen Beeinträchtigungen im laufenden Betrieb in bestehende Reihen integriert werden. Sie können die Dichte genau dort und dann erhöhen, wo und wann Sie sie benötigen, um kritische Arbeitslasten zu bewältigen.
Belden und OptiCool ermöglichen eine KI-fähige Infrastruktur
Um diese Herausforderungen zu bewältigen, arbeiten Belden und OptiCool zusammen, um integrierte Rack-Level-Lösungen zu entwickeln, die es Unternehmen und Colocation-Betreibern ermöglichen, KI-Workloads mit hoher Dichte in ihren bestehenden Einrichtungen – oder in neuen – zu unterstützen.
Durch die Integration der rückseitigen Wärmetauscher von OptiCool in die Racks und Schränke von Belden kann die fortschrittliche Kühlung nun direkt ins Rack gebracht werden, um einen zuverlässigen, skalierbaren und KI-fähigen Rechenzentrumsbetrieb zu gewährleisten. In Kombination mit Beldens Hochgeschwindigkeits-Netzwerkkabeln mit niedriger Latenz und Stromverteilung arbeitet das komplette Rack auch in gemischten IT/OT-Umgebungen zuverlässig.
OptiCool’ Die Wärmetauscher an der Rückseite der Türen führen die Wärme direkt an der Quelle ab. Das aktive RDHx-System nutzt eine Zweiphasen-Kältemitteltechnologie: Drehzahlvariable Ventilatoren saugen die heiße Abluft durch Verdampferschlangen in der Tür und erfassen so bis zu 120 kW Wärme pro Rack, bevor diese in den Innenraum gelangt. Ein separater Kältemittelkreislauf transportiert die Wärme zu einer externen Wärmeabfuhreinheit. Dadurch werden bestehende CRAC/CRAH-Anlagen oder Kältemaschinen deutlich weniger mit Wärme belastet. Reduzierung des Energieverbrauchs und die Ermöglichung eines sicheren, hochdichten Betriebs neben der bestehenden Infrastruktur.
Erfahren Sie, wie OptiCool die Kühlung von Rechenzentren mit hoher Dichte vereinfacht.
Mit dieser hochdichten Kühloption auf Rack-Ebene können Teams’ Sie müssen weder Zeit noch Fachwissen für die Entwicklung und Integration ihrer eigenen KI-fähigen Infrastruktur aufwenden.— oder Kapital für den Bau einer neuen Anlage bereitzustellen, um den hohen Arbeitsbelastungen gerecht zu werden. Da diese Lösungen als Komplettpaket (Racks, Stromversorgung, Konnektivität und Kühlung) geliefert werden, können sie schnell und ohne die Komplexität herkömmlicher Konstruktions- und Integrationsprozesse eingesetzt werden.
Gemeinsam können wir Ihnen dabei helfen, zu ermitteln, welche KI-Workloads näher an Daten und Nutzer herangeführt werden müssen.— und die besten Möglichkeiten, sie zu unterstützen. Besuchen Sie uns auf der Data Center World 2026 an Stand Nr. 437 und sehen Sie dort ein Belden-Rack mit einem OptiCool 60 kW Wärmetauscher an der Rückseite sowie weitere Rechenzentrumslösungen.
Erfahren Sie, wie wir Ihnen helfen können.
Verwandte Links
KI-gesteuerte Rechenzentren bilden das Rückgrat unserer digitalen Zukunft
Warum der Aufbau einer Datengrundlage für KI in der Fertigung wichtig ist