Ob für die Optimierung von Energieverbrauch, das autonome Management von Workloads oder die vorausschauende Wartung – Künstliche Intelligenz hält Einzug in Rechenzentren. Im Interview spricht Artur Faust, Energy & Sustainability Expert bei EkkoSense und Speaker beim diesjährigen Data Center Expert Summit, über Chancen, aktuelle Entwicklungen und die Frage, ob autonome Datacenter bald zur Realität werden.
Die Einbindung von KI in den Rechenzentrumsbetrieb bringt wesentliche Veränderungen für die Branche mit sich – von der Lastverteilung bis Energieeffizienz. Welche Arten von Optimierungen können AI-Modelle für den Betrieb von Rechenzentren bieten?
Aktuelle KI-Modelle für den RZ-Betrieb basieren alle noch auf „Machine Learning“ und werden auf die Art der Infrastruktur voreingestellt. Sie werten im historischen Verlauf alle Daten bezüglich des Anlagenverhaltens, den Zuständen und Verbräuchen anhand einer „komplexen Sensordatenfusion“ aus. Die daraus generierten Informationen eröffnen allerlei Optimierungsansätze, wie beispielsweise die konsequente Verbesserung der energetischen Performance oder die unmittelbare Erkennung von Anomalien bevor Ausfälle überhaupt auftreten. Damit bekommen Site-Manager ein mächtiges Tool-Set an die Hand, das von Kosteneinsparungen über Prozessoptimierung und Entscheidungsfindung bis hin zur Steigerung der Verfügbarkeit alles anbieten kann.
Worin sehen Sie beim Einsatz von KI für Datacenter aktuell die größten Chancen?
Durch die tiefgreifende Analyse der Infrastrukturdaten und die Fähigkeit, der KI bestimmte Fragestellungen am digitalen Zwilling sehr nahe am realen Verhalten zu simulieren, werden neue Kompetenzen im Team geschaffen und der Fachkräftemangel dadurch ein gutes Stück kompensiert. Auch müssen keine externen Akteure beauftragt werden. Damit gewinnt die Organisation an Entscheidungsgeschwindigkeit, was in der heutigen Zeit ein großer Wettbewerbsvorteil ist, weil man schnell und qualifiziert auf den Markt reagieren kann.
Wie genau verbessert KI das dynamische Lastmanagement in Hyperscale- und Edge-Rechenzentren?
Das ist ein spannendes Thema, das an Komplexität kaum zu überbieten ist. Denn wenn „KI-Workloads“ in Rechenzentren zum Einsatz kommen, hat man es schnell mit einer Lastdynamik zutun, die für gängige Infrastrukturen zum fundamentalen Problem wird. Will man Verfügbarkeit und Effizienz weiter sicherstellen, müssen sehr wahrscheinlich Anpassungen bei Auslegung und Regelung durchgeführt werden, um den neuen Anforderungen gerecht werden – nur welche? KI-gestützte Simulationen am digitalen Zwilling können bedeutende Einblicke in das bestehende System gewähren, die vorher kaum bestanden haben. Damit wird eine erfolgreiche Anpassung der Auslegung und Regelung deutlich erleichtert, weil man quasi am Reisbrett das bestmögliche Szenario durchspielen kann bis alle Anforderungen und die Kosten tragfähig sind.
Wie können Rechenzentren mit Hilfe von KI ihre Kapazitäten flexibel an den Bedarf anpassen und skalieren?
Aus den generierten Daten komplexer Machine Learning Modelle können Site-Manager genaue Erkenntnisse zu den aktuellen elektrischen und thermischen Kapazitäten in Abhängigkeit der aktuellen und historischen Lastverläufe und -verteilung gewinnen. Das kann sogar die Betrachtung der thermischen Luftführung in den Serverräumen und der Volumenströme bei der Flüssigkeitskühlung beinhalten. Hier liefern KI-Tools, wie beispielsweise der „Cooling-Advisor“ von EkkoSense oder die Datacenter Simulation EkkoSim, das notwendige Informationsgerüst, um fundierte Entscheidungen über notwendige Optimierungen und Anpassungen an veränderte Lastbedingungen zu treffen.
In welche Richtung entwickelt sich die AI-gestützte Optimierung von Rechenzentren in den nächsten Jahren? Wie weit sind wir von einem völlig autonomen Datencenter entfernt, das sich selbst optimiert, repariert und vielleicht sogar seine eigene Architektur weiterentwickelt?
Bisher gibt es nur sehr wenige Hersteller, die sich überhaupt mit dem Thema KI-gestützte RZ-Betriebsführung befassen – das Thema ist komplex und von einer generativen KI in diesem Bereich sind wir noch sehr weit entfernt. Während sich einige Anbieter auf punktuelle KI-Lösungen konzentrieren – etwa zur Steuerung von Kälteanlagen, verfolgt EkkoSense als eines der ersten Unternehmen einen ganzheitlichen Ansatz Datacenter mit KI zu unterstützen. Bis die KI aber soweit ist, dass sie selbst lernt und die Betriebsführung eines RZs durchgängig übernimmt, vergeht sicher noch das eine oder andere Jahrzehnt. Wir stehen überhaupt bei dem Thema KI so ziemlich noch am Anfang.
Jetzt noch Tickets für den diesjährigen DCES sichern! Alle Informationen gibt es hier:
