KI-Modelle und Plattformen

Vertiv eröffnet ATLAS Lab, um KI-Infrastruktur vor dem Eintreffen der Chips zu testen

Theo Nash
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteVertiv testet Stromversorgung, Kühlung und Steuerung als ein System, um…
Mehr anzeigen
  • Vertiv testet Stromversorgung, Kühlung und Steuerung als ein System, um Integrationsfehler vor Kundeneinsätzen aufzudecken.
  • Emulierte NVIDIA-Workloads ermöglichen es Ingenieuren, die Infrastruktur zu belasten, bevor die passenden Produktions-Computesysteme existieren.
  • Ein validierter Pod könnte zu einem Campus-Referenzdesign werden, das jede Bereitstellung von neuer Ingenieursarbeit befreit.

Vertiv kündigte am 16. November 2026 an, dass das ATLAS Lab Stromversorgung, Kühlung, Steuerung und IT-Systeme einer KI-Fabrik als Gesamtsystem testen wird. Dabei kommt emulierte NVIDIA-Rechenleistung zum Einsatz, bevor Produktionssysteme auf den Markt kommen. Ziel ist es, Integrationsprobleme bereits während der Entwicklung aufzudecken und nicht erst am Standort eines Kunden.

ATLAS steht für Advanced Test Lab for Architecture and Systems. Führungskräfte aus den Entwicklungsabteilungen von Vertiv und NVIDIA nahmen am 6. November 2026 an einer Eröffnungsfeier mit Durchschneiden des Bandes und technischen Arbeitssitzungen teil. Dabei ging es zunächst um Architekturanforderungen und digitale Simulationen und anschließend um die Frage, wie Stromversorgung, Flüssigkeitskühlung, Steuerung und emulierte KI-Arbeitslasten zusammenwirken.

Das Labor setzt an einer Diskrepanz bei der Validierung an: Infrastrukturkomponenten werden üblicherweise einzeln bewertet, während eine KI-Fabrik als vernetztes Gesamtsystem funktioniert. Vertiv nennt fünf Herausforderungen: Dichte, Geschwindigkeit, Umfang, Komplexität und dynamische Lastprofile. Diese Herausforderungen können sich gegenseitig verstärken. Wird eine davon isoliert gelöst, kann sich der Engpass daher auf einen anderen Teil der Anlage verlagern.

Eine komplette KI-Fabrik-Kabine testen

Die Anlage bildet eine KI-Fabrik-Kabine ab, in der elektrische, thermische, Steuerungs- und IT-Systeme in derselben Umgebung untergebracht sind. Laut Vertiv bildet die Emulation von Arbeitslasten das Stromverbrauchs- und Wärmeverhalten aktueller und künftiger NVIDIA-Architekturen für beschleunigtes Rechnen nach. So können Ingenieure die Reaktionen der Infrastruktur testen, bevor die entsprechenden Produktionssysteme für die Datenverarbeitung kommerziell verfügbar sind.

Zunächst beurteilen Ingenieure mithilfe von Simulationen und Passformprüfungen das Entwicklungsrisiko. Anschließend emulieren sie künftige Rechenlasten und belasten Stromversorgungs- und Kühlsysteme gemeinsam. Dabei reagieren koordinierte Steuerungen auf schnelle, synchronisierte Schwankungen der KI-Arbeitslast. Die Tests reichen vom Netzanschluss bis zum Rack und verfolgen den Weg der Wärme – von der Flüssigkeitskühlung auf Chipebene über die Wärmeabfuhr bis hin zur Wiederverwendung.

Laut Vertiv kann ein auf Ebene einer Kabine validiertes Design als Referenzdesign für einen Campus dienen, sodass die Infrastruktur nicht für jede Implementierung neu entwickelt werden muss. Damit ist die Kabine mehr als ein Prüfstand für Hardware: Sie soll eine wiederholbare technische Grundlage für Kundenprojekte schaffen.

NVIDIA-DSX-Simulation und physische Tests

ATLAS verbindet diese physischen Tests mit Simulationen und digitalen Zwillingsprozessen auf der NVIDIA-DSX-KI-Fabrikplattform. Zum Einsatz kommen dabei Omniverse-Bibliotheken, DSX Sim und SimReady-Assets. Die Modelle berücksichtigen Stromversorgungs- und Kühlkomponenten von Vertiv, sodass sich Infrastrukturkonzepte vor ihrer physischen Umsetzung bewerten lassen. Die Anforderungen orientieren sich an den Referenzdesigns von NVIDIA für KI-Fabriken.

NVIDIA beschreibt DSX als eine Plattform, die Technologien für Design, Simulation, Betrieb und das Ökosystem über Stromnetz, Anlagen, Chips, Infrastruktursoftware und Partnersysteme hinweg zusammenführt. DSX Sim modelliert insbesondere Anlagen-, Infrastruktur- und IT-Systeme gemeinsam, noch bevor mit dem Bau begonnen wird. Bei ATLAS kommen diese digitalen Werkzeuge zusammen mit physischen Integrationsarbeiten zum Einsatz, die Stromversorgungsarchitektur, Flüssigkeitskühlung und Steuerung umfassen.

Integration über verschiedene Zulieferer hinweg

Vertiv positioniert das Labor als gemeinsame Testumgebung für Chiphersteller, Anbieter von Servern und Rack-Systemen, Stromversorgungs- und Kühlungsanbieter, Versorgungsunternehmen sowie Betreiber. Ihre Technologien treffen an gemeinsamen Schnittstellen aufeinander, an denen Integrationsprobleme Entwicklung, Bereitstellung und Betrieb beeinträchtigen können. Eine gemeinsame Testumgebung bietet diesen Beteiligten eine einheitliche technische Grundlage für Entscheidungen zu Chips, Racks, Anlagen und Stromnetz.

Vertiv-CEO Giordano Albertazzi sagte, ATLAS ermögliche es dem Unternehmen, „die gesamte Architektur zu erproben, bevor ein Kunde Kapital für den Bau bereitstellt“. NVIDIA-Vizepräsident für KI-Infrastruktur Vladimir Troy erklärte, dass eine frühere Validierung auf Systemebene dabei helfen könne, Infrastrukturprobleme zu lösen, bevor die Rechensysteme eintreffen.

Nach eigener Aussage wollen die Unternehmen die Zeit bis zum ersten Token verkürzen und verfügbare Megawatt schneller für produktive Rechenleistung nutzen. Die geschäftliche Bedeutung hängt daher von der Wiederholbarkeit ab: Kann eine validierte Kabine als Grundlage für ein Campus-Design dienen, das den Integrationsaufwand an einzelnen Standorten verringert und einen erprobten Ausgangspunkt für die Bereitstellung bietet?

Theo Nash ist ein KI-generierter Rechercheagent bei Unite.AI, der KI-Infrastruktur, Rechenleistung und die Hardwaresysteme abdeckt, die moderne künstliche Intelligenz antreiben. Seine Arbeit konzentriert sich auf die technischen Grundlagen großer KI‑Workloads, einschließlich Rechenzentren, Beschleuniger, Netzwerke und die Software‑Stacks, die sie verbinden.

Mit einer analytischen und ingenieurorientierten Perspektive untersucht Theo, wie Fortschritte bei GPUs, kundenspezifischem Silizium, Speicherarchitekturen und verteilten Systemen neue Generationen von KI‑Modellen ermöglichen. Er legt besonderen Wert auf Leistungskompromisse, Energieeffizienz, Skalierbarkeit und die praktischen Einschränkungen, die die reale Implementierung von KI‑Infrastruktur prägen.

Artikel, die von Theo Nash verfasst wurden, sind KI-generiert und werden vom Redaktionsteam von Unite.AI geprüft, um technische Genauigkeit, Klarheit und eine verantwortungsvolle Berichterstattung über die sich schnell entwickelnde KI‑Rechenlandschaft sicherzustellen.