Partnerschaften
RAVEL plant Studie zur strombewussten Planung verteilter KI
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
RAVEL kündigte am 12. November 2026 eine Forschungskooperation mit den Sandia National Laboratories zu Project Quicksilver an, einer mehrphasigen Untersuchung zur strombewussten Planung von KI-Arbeitslasten in geografisch verteilten Rechenumgebungen. In Phase eins werden drei Standorte von Sandia einbezogen und luftgekühlte mit immersionsgekühlten Systemen verglichen.
Die Studie untersucht, ob sich Verfügbarkeit von Strom, Betriebsbedingungen und Anforderungen der Arbeitslasten als Grundlage für Planungs- und Platzierungsentscheidungen nutzen lassen, um Einschränkungen bei Energie, Kapazität und Kosten zu bewältigen. Sie soll Erkenntnisse für die Planung und den Betrieb von Rechenzentren liefern. Dazu wird untersucht, wie Strom und Rechenkapazität produktiver genutzt werden können, statt davon auszugehen, dass zusätzliche Kapazität automatisch zu einer leistungsfähigeren Infrastruktur führt. Die Ankündigung beschreibt geplante Messungen, keine abgeschlossenen Ergebnisse oder nachgewiesenen Einsparungen.
Die CEO und Mitgründerin von RAVEL, Denise Muyco, sagte, das Projekt werde untersuchen, wie Orchestrierung Investitionen in KI-Infrastruktur produktiver machen und zugleich einen verantwortungsvolleren Energieeinsatz unterstützen kann.
Versuchsaufbau an drei Standorten
In Phase eins werden die beiden Kühlungsumgebungen an drei Sandia-Standorten untersucht, die über ein Weitverkehrsnetz miteinander verbunden sind. Für die luftgekühlten Umgebungen kommt ein Box-Behnken-Versuchsplan zum Einsatz, für die immersionsgekühlten Umgebungen ein Plackett-Burman-Versuchsplan. Neben anderen Versuchsparametern werden auch Netzwerkbandbreite und -geschwindigkeit variiert.
Bei der Analyse der Energieeffizienz werden identische Arbeitslasten in verschiedenen Kühlungsumgebungen verglichen; dabei werden Rechenleistung, IT-Infrastruktur und der Betrieb des Rechenzentrums berücksichtigt. Zu den Messgrößen zählen der Energieverbrauch, TUE und die PUE-bereinigte Effizienz sowie mögliche Vorteile durch die Wärmenutzung. Der Untersuchungsumfang verknüpft die Platzierung von Arbeitslasten mit dem Aufwand für Gebäudebetrieb und Kühlung, statt die Rechentechnik isoliert zu betrachten.
Eine separate Gesamtbetriebskostenanalyse soll bewerten, wie sich Planung und Platzierung auf die Rechenkosten in verteilten Umgebungen auswirken. Sie umfasst Investitions- und Betriebskosten für Infrastruktur, Stromversorgung, Kühlung, Vernetzung und Betrieb. In einem dritten Arbeitsbereich wird die Zeit bis zum Abschluss von KI-Arbeitslasten gemessen. So werden Ausführungszeit, Energieverbrauch und Kosten gemeinsam betrachtet, damit die Forschenden die Zielkonflikte zwischen diesen Größen untersuchen können.
Föderierte Orchestrierung über mehrere Standorte hinweg
RAVEL beschreibt Orchestrate AI als eine föderierte Orchestrierungsebene zur Verwaltung von KI-Arbeitslasten über heterogene, geografisch verteilte Ressourcen hinweg. Das vorgesehene Modell koordiniert die Standorte als ein Gesamtsystem, statt jede Umgebung unabhängig zu optimieren. Die strombewusste Planung und die richtliniengesteuerte Verwaltung berücksichtigen die verfügbare Stromversorgung, Kosten, Leistungsanforderungen, Infrastrukturbedingungen, Anforderungen der Arbeitslasten und betriebliche Prioritäten.
Dave Martinez, Leiter für Engineering-Programme und -Projekte bei Infrastructure Computing Services von Sandia, beschrieb den Umfang der Kooperation: „Im Rahmen einer Vereinbarung über kooperative Forschung und Entwicklung mit RAVEL werden wir untersuchen, ob eine dynamische Platzierung von Arbeitslasten die verfügbare Stromversorgung und die Rechenressourcen besser nutzen kann, während Leistung und Kosten gegeneinander abgewogen werden.“
Dieser experimentelle Ansatz ist wichtig, denn die Verlagerung oder Neuplanung einer Arbeitslast kann mehr als nur ihren Energieverbrauch verändern. Im Versuchsaufbau werden auch Vernetzung und Betriebskosten, Kühlungsumgebungen und Ausführungszeit erfasst. So können die Forschenden Platzierungsentscheidungen anhand mehrerer Infrastrukturbedingungen bewerten.
Ausweitung auf weitere Labore und SC26
Sandia übernimmt zunächst die Forschungsleitung. Die Kooperationspartner planen, Project Quicksilver auf weitere nationale Labore des US-Energieministeriums auszuweiten und zusätzliche Anwendungsfälle zur Umwelt- und Leistungsoptimierung zu untersuchen.
RAVEL und Sandia sollen am 17. November 2026 am Stand des Energieministeriums während der SC26 über den Versuchsansatz, die geplanten Testphasen und die erwarteten Forschungsergebnisse sprechen.
Im Mittelpunkt von Project Quicksilver steht die Frage, ob sich Energieverbrauch und Wirtschaftlichkeit der Datenverarbeitung verbessern lassen, wenn separate Rechenzentren als koordiniertes System behandelt werden, ohne die Leistung der Arbeitslasten zu beeinträchtigen. Der Messplan fasst dies als umfassende Infrastrukturfrage: Planungsentscheidungen beeinflussen den Stromverbrauch, doch auch Kühlung, Vernetzung, Investitionskosten und Abschlusszeit bestimmen, ob diese Entscheidungen die Produktivität verteilter Datenverarbeitung steigern.
