KI’s wachsender Appetit auf Energie: Sind Rechenzentren bereit, um mitzuhalten?

Da künstliche Intelligenz (KI) voranschreitet, belasten ihre Energieanforderungen Rechenzentren bis zum Äußersten. Next-Gen-KI-Technologien wie generative KI (GenKI) verändern nicht nur Branchen – ihr Energieverbrauch betrifft fast jedes Rechenzentrumskomponente, von CPUs und Speicher über Beschleuniger und Netzwerke.

GenKI-Anwendungen, einschließlich Microsofts Copilot und OpenAIs ChatGPT, verbrauchen mehr Energie als je zuvor. Bis 2027 könnten allein das Training und die Wartung dieser KI-Systeme genug Strom verbrauchen, um ein kleines Land für ein ganzes Jahr zu versorgen. Und der Trend verlangsamt sich nicht: Im letzten Jahrzehnt sollen die Stromnachfragen für Komponenten wie CPUs, Speicher und Netzwerke um 160 % bis 2030 ansteigen, laut einem Goldman-Sachs-Bericht.

Die Nutzung großer Sprachmodelle verbraucht auch Energie. Zum Beispiel verbraucht eine ChatGPT-Anfrage etwa zehnmal so viel Energie wie eine traditionelle Google -Suche. Angesichts der enormen Energieanforderungen von KI, kann die Branche ihre raschen Fortschritte nachhaltig gestalten, oder werden sie weiter zur globalen Energieverbrauch beitragen? Eine aktuelle Studie von McKinsey zeigt, dass etwa 70 % der steigenden Nachfrage im Rechenzentrums-Markt auf Einrichtungen abzielen, die in der Lage sind, fortschrittliche KI-Arbeitslasten zu bewältigen. Diese Veränderung verändert grundlegend, wie Rechenzentren gebaut und betrieben werden, da sie sich an die einzigartigen Anforderungen dieser leistungsstarken GenKI-Aufgaben anpassen.

„Traditionelle Rechenzentren arbeiten oft mit veralteten, energieintensiven Geräten und festen Kapazitäten, die Schwierigkeiten haben, sich an schwankende Arbeitslasten anzupassen, was zu erheblichem Energieverschwendung führt“, sagte Mark Rydon, Chief Strategy Officer und Mitbegründer der verteilten Cloud-Computing-Plattform Aethir, mir. „Zentrale Betriebe schaffen oft eine Ungleichheit zwischen Ressourcenverfügbarkeit und Bedarf, was die Branche an einen kritischen Punkt bringt, an dem Fortschritte die Umweltziele gefährden könnten, wenn KI-getriebene Anforderungen wachsen.“

Branchenführer gehen nun direkt auf diese Herausforderung ein und investieren in umweltfreundlichere Designs und energieeffiziente Architekturen für Rechenzentren. Die Bemühungen reichen von der Nutzung erneuerbarer Energiequellen bis hin zur Schaffung effizienterer Kühlsysteme, die die enormen Mengen an Wärme ausgleichen können, die durch GenKI-Arbeitslasten erzeugt werden.

Rechenzentren revolutionieren, um eine grünere Zukunft zu schaffen

Lenovo hat kürzlich den ThinkSystem N1380 Neptune vorgestellt, einen großen Schritt in der Flüssigkeitskühltechnologie für Rechenzentren. Das Unternehmen behauptet, dass diese Innovation es bereits ermöglicht, hochleistungsfähige Rechenzentren für GenKI-Arbeitslasten mit deutlich geringerem Energieverbrauch – bis zu 40 % weniger Strom in Rechenzentren – zu betreiben. N1380 Neptune nutzt Nvidias neueste Hardware, einschließlich der Blackwell- und GB200-GPUs, um trillionenfache KI-Modelle in einer kompakten Einheit zu verarbeiten. Lenovo sagte, dass es den Weg für Rechenzentren ebnen will, die ohne die Notwendigkeit von dedizierten Klimaanlagen 100 kW+ Server-Racks betreiben können.

„Wir haben eine erhebliche Anforderung von unseren aktuellen Kunden identifiziert: Rechenzentren verbrauchen mehr Energie, wenn sie KI-Arbeitslasten aufgrund veralteter Kühlsysteme und traditioneller Strukturen verarbeiten“, sagte Robert Daigle, Globaler Leiter von KI bei Lenovo, mir. „Um dies besser zu verstehen, haben wir mit einem Kunden für Hochleistungsrechnen (HPC) zusammengearbeitet, um seinen Energieverbrauch zu analysieren, was uns zu dem Schluss führte, dass wir den Energieverbrauch um 40 % reduzieren könnten.“ Er fügte hinzu, dass das Unternehmen Faktoren wie Ventilatorleistung und den Energieverbrauch von Kühleinheiten berücksichtigt hat, um die neue Rechenzentrumsarchitektur in Zusammenarbeit mit Nvidia zu entwickeln.

Das in Großbritannien ansässige IT-Beratungsunternehmen AVEVA gibt an, dass es Predictive-Analytics verwendet, um Probleme mit Rechenzentrumskompressoren, Motoren, HVAC-Geräten, Luftbehandlungsanlagen und mehr zu identifizieren.

„Wir haben festgestellt, dass es das Pre-Training von generativer KI ist, das enorme Mengen an Energie verbraucht“, sagte Jim Chappell, Leiter von KI und Advanced Analytics bei AVEVA, mir. „Mit unseren KI-gesteuerten Systemen zielen wir darauf ab, Probleme zu finden, bevor sie zu großen Problemen werden, und ermöglichen es Rechenzentrumsbetreibern, Ausrüstungsprobleme zu beheben, bevor sie zu größeren Problemen werden. Darüber hinaus haben wir einen Vision-KI-Assistenten, der sich nahtlos in unsere Steuersysteme integriert, um andere Arten von Anomalien zu finden, einschließlich Temperatur-Hotspots, wenn er mit einer Wärmebildkamera verwendet wird.“

Währenddessen entsteht dezentrales Rechnen für KI-Training und -Entwicklung durch GPUs über die Cloud als Alternative. Aethirs Rydon erklärte, dass durch die Verteilung von Rechenaufgaben auf ein breiteres, anpassungsfähigeres Netzwerk der Energieverbrauch optimiert werden kann, indem die Ressourcennachfrage mit der Verfügbarkeit abgestimmt wird, was zu erheblichen Reduzierungen von Verschwendung von Anfang an führt.

„Anstatt auf große, zentrale Rechenzentren zu vertrauen, verteilt unsere Edge-Infrastruktur Rechenaufgaben auf Knoten, die näher an der Datenquelle liegen, was den Energiebedarf für Datenübertragung erheblich reduziert und die Latenz senkt“, sagte Rydon. „Das Aethir-Edge-Netzwerk minimiert die Notwendigkeit für konstante Hochleistungs-Kühlung, da Arbeitslasten auf verschiedene Umgebungen verteilt werden, anstatt in einer einzigen Lage konzentriert zu sein, was hilft, energieintensive Kühlungssysteme zu vermeiden, die typisch für zentrale Rechenzentren sind.“

Ebenso experimentieren Unternehmen wie Amazon und Google mit erneuerbaren Energiequellen, um die steigenden Energiebedürfnisse in ihren Rechenzentren zu bewältigen. Microsoft investiert beispielsweise stark in erneuerbare Energiequellen und Effizienz-Technologien, um den Energieverbrauch seiner Rechenzentren zu reduzieren. Google hat ebenfalls Schritte unternommen, um auf kohlenstofffreie Energie umzusteigen und Kühlungssysteme zu entwickeln, die den Energieverbrauch in Rechenzentren minimieren. „Kernenergie ist wahrscheinlich der schnellste Weg zu kohlenstofffreien Rechenzentren. Große Rechenzentrumsanbieter wie Microsoft, Amazon und Google investieren jetzt heavily in diese Art von Stromerzeugung für die Zukunft. Mit kleinen modularen Reaktoren (SMRs) bietet die Flexibilität und die Zeit bis zur Produktion eine noch viabilitätsgerechtere Option, um Netto-Null zu erreichen“, fügte AVEVAs Chappell hinzu.

Können KI und Rechenzentrums-Nachhaltigkeit koexistieren?

Ugur Tigli, CTO bei der KI-Infrastrukturplattform MinIO, sagt, dass wir uns, obwohl wir uns eine Zukunft wünschen, in der KI ohne einen enormen Anstieg des Energieverbrauchs vorankommen kann, in naher Zukunft nicht realistisch ist. „Langfristige Auswirkungen sind schwieriger vorherzusagen“, sagte er mir, „aber wir werden eine Veränderung in der Arbeitswelt sehen, und KI wird dazu beitragen, den Energieverbrauch überall zu verbessern.“ Tigli glaubt, dass, wenn Energieeffizienz zu einer Marktpriorität wird, wir ein Wachstum im Rechnen sehen werden, während der Energieverbrauch in anderen Bereichen, insbesondere in denen, die effizienter werden, sinkt.

Er wies auch darauf hin, dass es ein wachsendes Interesse unter Verbrauchern an umweltfreundlichen KI-Lösungen gibt. „Stellen Sie sich eine KI-Anwendung vor, die mit 90 % Effizienz arbeitet, aber nur die Hälfte der Energie verbraucht – das ist die Art von Innovation, die wirklich durchstarten könnte“, fügte er hinzu. Es ist klar, dass die Zukunft von KI nicht nur von Innovation geprägt ist, sondern auch von Rechenzentrums-Nachhaltigkeit. Ob durch die Entwicklung effizienterer Hardware oder intelligenterer Ressourcennutzung, die Art und Weise, wie wir den Energieverbrauch von KI bewältigen, wird die Gestaltung und den Betrieb von Rechenzentren erheblich beeinflussen.

Rydon betonte die Bedeutung von branchenweiten Initiativen, die sich auf nachhaltige Rechenzentrums-Designs, energieeffiziente KI-Arbeitslasten und offene Ressourcennutzung konzentrieren. „Diese sind entscheidende Schritte auf dem Weg zu umweltfreundlichen Betrieben“, sagte er. „Unternehmen, die KI nutzen, sollten mit Technologieunternehmen zusammenarbeiten, um Lösungen zu entwickeln, die den Umwelt-Einfluss reduzieren. Durch die Zusammenarbeit können wir KI in eine nachhaltigere Zukunft lenken.“