Tosk - stock.adobe.com
Leistungsstarke KI-Rechenzentren, aber richtig!
KI treibt den Energiebedarf von Rechenzentren massiv nach oben. Effiziente Kühlung, Monitoring und Right Sizing senken Kosten, Emissionen und Ressourcenverbrauch.
Die Nachfrage nach IT-Kapazitäten wächst rasant, nicht zuletzt durch die schnell steigende Nutzung von künstlicher Intelligenz (KI). Doch der Aufbau und Betrieb von Rechenzenten ist teuer und ressourcenintensiv. Beides effizient zu gestalten, ist zu einer geschäftlichen Notwendigkeit geworden.
Künstliche Intelligenz verändert derzeit nahezu jede Branche und jedes Unternehmen – sie ist längst keine Zukunftstechnologie mehr, sondern im Geschäftsalltag angekommen. Allerdings verlangt der KI-Einsatz nach leistungsfähigen IT-Infrastrukturen und stellt Unternehmen damit vor Herausforderungen. Sie müssen ihre Rechenzentren kontinuierlich modernisieren und erweitern, was mit hohen Kosten verbunden ist, denn die Anschaffung und der Betrieb der Systeme ist teuer – letzteres vor allem wegen des hohen Stromverbrauchs und der benötigten Kühlung.
Welche Energiemengen aktuelle KI-Modelle verschlingen, geht unter anderem aus dem Artificial Intelligence Index Report 2026 der Stanford University hervor. Demnach haben rechenintensive Modelle wie Grok 3 und Llama 4 Behemoth während des Trainings eine Leistungsaufnahme von mehr als 100 Millionen Watt (W) – und das über mehrwöchige Trainingsphasen hinweg. Doch nicht nur das Training verlangt nach gewaltigen Energiemengen, sondern auch die anschließende Nutzung der Modelle. So verbrauchen etwa DeepSeek V3.2 Exp und GPT-5 (high) laut dem Stanford-Report bei mittellangen Prompts mit 1.000 Input- und 1.000 Output-Tokens deutlich über 20 Wattstunden (Wh). Selbst kurze Anfragen bei einem genügsamen, etwas älteren Modell wie GPT-4o verbrauchen mit 0,42 Wh mehr als eine Google-Suche (0,3 Wh), was sich bei mehreren hundert Millionen Anfragen pro Tag schnell aufsummiert.
Hinzu kommt, dass die KI auch viel Wasser verbraucht – unter anderem für die Kühlung. Der Stanford-Report geht von 1.300 bis 1.600 Millionen Litern pro Jahr allein für das Inferencing mit GPT-4o aus. Das übertrifft den jährlichen Trinkwasserbedarf von 1,2 Millionen Menschen und stellt die Regionen, in denen KI-Rechenzentren stehen oder künftig errichtet werden sollen, vor zusätzliche Herausforderungen über die Stromversorgung hinaus – zumal auch der Bau der Anlagen wasser- und energieintensiv ist.
Die Industrie steuert gegen
Viele Anbieter haben das Problem erkannt und sich zu Maßnahmen verpflichtet, die die Auswirkungen ihrer Rechenzentren auf die Umwelt und die umliegenden Gemeinden verringern oder ausgleichen sollen. Microsoft beispielsweise verspricht, die Energiepreise in der Region nicht zu erhöhen und mehr Wasser zurückzuleiten, als für die Rechenzentren entnommen wird. Der Cloud-Spezialist Nscale und der Energiekonzern Aker wiederum errichten im norwegischen Narvik ein modernes KI-Rechenzentrum, das komplett mit erneuerbaren Energien betrieben wird und seine Abwärme lokalen Unternehmen zur Verfügung stellt. Ursprünglich war OpenAI als Mieter vorgesehen, doch nach dessen Rückzug ist Microsoft eingesprungen.
Ähnliches wie Nscale in Norwegen plant Schwarz Digits beim Bau eines neuen Rechenzentrums in Lübbenau: Dieses soll nicht nur vollständig mit grünem Strom laufen, sondern mit Photovoltaik ausgestattet werden, um umweltfreundlichen Strom selbst zu erzeugen. Die Abwärme soll neben dem eigenen Verwaltungsgebäude auch bis zu 75.000 Haushalte in der Umgebung mit Fernwärme versorgen. Zudem wurden für den Bau der Anlage bereits 20.000 Kubikmeter Beton und Steine der vorher auf dem Areal befindlichen Gebäude recycelt und als Baumaterial wiederverwendet.
Dass europäische Unternehmen stärker als viele US-Anbieter auf eine soziökologische Verträglichkeit ihrer Rechenzentren achten, liegt auch an der Regulierung – vor allem durch die Energieeffizienz-Richtlinie (EED) der EU und den darauf basierenden Gesetzen der Mitgliedsstaaten wie dem deutschen Energieeffizienzgesetz (EnEfG). Diese schreiben für größere Anlagen verbindliche Effizienzwerte und die Nutzung der anfallenden Abwärme vor. Unabhängig davon ist ein nachhaltiger Betrieb für Unternehmen schon allein aus wirtschaftlichen Gründen sinnvoll, bedeutet ein niedrigerer Energieverbrauch doch auch niedrigere Kosten.
Unternehmen setzen auf lokale KI
Auch für Unternehmen, die nicht in der KI- oder Rechenzentrumsbranche zu Hause sind, ist Energieeffizienz ihrer Rechenzentren längst eine geschäftliche Notwendigkeit geworden. Immer mehr von ihnen passen KI-Modelle auf eigenen Infrastrukturen an oder betreiben sie lokal. Die Gründe dafür sind vielfältig und reichen von hohen Anforderungen an Datenschutz und Datensicherheit bei der Versorgung der KI mit firmenspezifischen Informationen bis hin zum Streben nach Unabhängigkeit von externen Anbietern oder Onlineverbindungen.
Daher werden auch abseits der großen KI-Spezialisten und Hyperscaler weltweit unzählige Rechenzentren auf- und ausgebaut. Die Internationale Energieagentur (IEA) schätzt in ihrem letztjährigen Energy and AI Report, dass sich der weltweite Energiebedarf von Rechenzentren von 2024 bis 2030 auf mehr als 945 TWh verdoppeln wird – das wäre mehr als der aktuelle Stromverbrauch von Japan. Bis 2035 könnte der Bedarf auf etwa 1.200 TWh ansteigen.
Während die Betreiber großer Anlagen häufig Power Purchase Agreements (PPA) abschließen, um langfristig günstigen Strom aus erneuerbaren Energiequellen zu beziehen, steht diese Option den meisten Unternehmen aufgrund der langen Vertragslaufzeiten und hohen Anforderungen seitens der Anbieter nicht offen, solange sie sich nicht zu Einkaufsgemeinschaften zusammenschließen. Doch es gibt verschiedene Bestrebungen, den Zugang zu PPAs zu erleichtern. Darüber hinaus existieren viele weitere Möglichkeiten, KI-und andere Rechenzentren effizient zu betreiben.
Kühlung mit Flüssigkeiten ist am effizientesten
Bauen Unternehmen ihre Rechenzentren modular, müssen sie Infrastruktur, Stromversorgung und Kühlung nicht gleich auf maximale Kapazität auslegen, sondern können alles bei Bedarf erweitern. Zudem erlaubt es ein Neubau, die Kühlkonzepte von Anfang an optimal zu gestalten, also beispielsweise kalte Luft über einen Kaltgang zu den IT-Systemen zu leiten und die warme Abluft über einen Warmgang möglichst komplett abzuführen, sodass sie sich nicht mit dem kühlenden Luftstrom vermischt. Das verbessert die Kühlung der Systeme und spart Energie – ebenso wie die Arbeit mit höheren Temperaturniveaus und großen, langsam drehenden Ventilatoren, die das gleiche Luftvolumen wie kleine, schnell drehende Lüfter transportieren können.
Darüber hinaus lassen sich schon in der Bauphase die Leitungen für eine Flüssigkeitskühlung verlegen, die effizienter als die Kühlung mit Luft ist, weil Flüssigkeiten über eine höhere Wärmekapazität verfügen. Für Hochleistungssysteme ist Direct Liquid Cooling (DLC) quasi Pflicht, weil die Chips extrem viel Wärme produzieren. Daher sitzen die Cold Plates, die von der Kühlflüssigkeit durchströmt werden, direkt auf den Zentral- und Grafikprozessoren, um die Wärme optimal abzuführen. Nahezu alle großen Neubauten setzen auf DLC – so auch Nscale in Norwegen und Schwarz Digits in Lübbenau.
Gibt es zudem die Möglichkeit, Kälte über ein Fernkältenetz zu beziehen, kann besonders effizient gekühlt werden, da der Betrieb von eigenen Kälteanlagen vor Ort, die Energie verbrauchen und Abwärme produzieren, entfällt. Bislang existieren Fernkältenetze nur in einigen Städten, doch es werden stetig mehr, weil neben Rechenzentren auch Industriebetriebe, öffentliche Einrichtungen und Bürogebäude einen Bedarf an Klimatisierung haben. All das – die Trennung von warmer und kalter Luft, Flüssigkeitskühlung und Fernkälteversorgung – ist deutlich näher an der betrieblichen Realität als Rechenzentren im All, bei denen schon die Ableitung der Abwärme ein nicht triviales physikalisches Problem darstellt.
Effiziente Klimageräte bieten viel Potenzial
Bei bestehenden Rechenzentren, die erweitert oder modernisiert werden, stehen Unternehmen meist weniger Optionen zur Verfügung als beim Neubau, doch häufig lässt sich noch einiges verbessern. Das fängt an beim Check, ob Kaltgänge optimal abgedichtet sind, und reicht über den Einbau von Blenden in nicht belegte Einschübe, damit die warme Abluft nicht zurück an die Frontseite des Racks strömen kann, bis hin zu effizienteren Kühlgeräten. In-Row-Kühler etwa sitzen zwischen den Racks und nehmen warme Luft auf der Rückseite auf, also unmittelbar dort, wo sie ausgestoßen wird. Anschließend kühlen sie die Luft herunter und geben sie dort ab, wo sie benötigt wird – an der Vorderseite des Racks, wo die Systeme sie ansaugen. Gerade in niedrigen Räumlichkeiten, in denen kein Kaltgang eingerichtet werden kann, ist das deutlich effizienter als Raumkühlsysteme, weil sich warme und kalte Luft weniger stark vermischen.
„Bauen Unternehmen ihre Rechenzentren modular, müssen sie Infrastruktur, Stromversorgung und Kühlung nicht gleich auf maximale Kapazität auslegen, sondern können alles bei Bedarf erweitern. Zudem erlaubt es ein Neubau, die Kühlkonzepte von Anfang an optimal zu gestalten.“
Emanuel Lippmann, Dell Technologies
Ebenso können Rücktürkühlungen (Rear Door Cooling) die Kühleffizienz erheblich verbessern. Sie werden an der Rückseite des Racks montiert und kühlen die dort ausströmende Abluft herunter. In ihren Wärmetauschern zirkuliert eine Kühlflüssigkeit, sodass sie auf ein Leitungs- und Pumpsystem im Rechenzentrum angewiesen sind, das erst installiert werden muss. Setzen sie auf einen geschlossenen Luftkreislauf, können sie jedoch nahezu 100 Prozent der Abluft auffangen und die Energiekosten der Kühlung um bis zu 60 Prozent senken.
Konsolidierung und Monitoring verbessern die Auslastung
Auch auf Seiten der IT-Systeme gibt es üblicherweise einiges an Optimierungspotenzial. Zunächst sollten Unternehmen ihre Workloads konsolidieren, um Server und Storage-Arrays besser auszulasten und nicht benötigte Systeme abschalten zu können. Wenige gut ausgelastete Systeme haben einen geringeren Stromverbrauch und Kühlbedarf als viele schlecht ausgelastete Systeme.
Darüber hinaus sollten Unternehmen die Energiesparfunktionen ihrer Server nutzen, die einzelne Prozessorkerne abschalten oder deren Takt absenken, wenn die Systemlast niedrig ist. Oft verzichten sie darauf, die Funktionen zu aktivieren, weil sie Leistungseinbußen fürchten, doch diese Sorge ist unbegründet. Wird mehr Leistung benötigt, verlassen alle Komponenten die stromsparenden Modi und bringen maximale Performance – nur eben einen Sekundenbruchteil später. Allenfalls bei sehr kritischen Workloads, die jederzeit Höchstleistung erfordern, ist diese minimale Verzögerung nicht hinnehmbar.
Analog zu den Servern helfen auf Storage-Seite die Funktionen für Datenreduktion – also Kompression und Deduplizierung – dabei, den Speicherplatz der Arrays besser zu nutzen und Energie zu sparen. Ganz allgemein ist es jedenfalls sinnvoll, Leistungs- und Verbrauchsdaten sowie Temperaturen von Systemen und Komponenten mit Systemmanagement-Tools kontinuierlich zu erfassen und auszuwerten. Denn nur mit einer guten Datenbasis lassen sich Kennzahlen wie Performance pro Watt, IOPS pro Watt oder Power Usage Effectiveness (PUE) ermitteln und Optimierungspotenziale aufspüren.
Die meisten Anbieter von IT-Systemen liefern inzwischen sehr mächtige Monitoring-Tools, mit denen Unternehmen die Leistung ihrer Systeme sowie den Energieverbrauch, die Emissionen und die Kosten ihrer Workloads im Blick behalten und automatisiert optimieren können. Tools wie Dell AIOps, BMC Software Helix AIOps oder IBM watsonx AIOps nutzen dabei ebenfalls KI, um die Effizienz proaktiv zu verbessern und Probleme frühzeitig zu erkennen und zu beheben.
Das Right-Sizing der Systeme ist Pflicht
Der Austausch alter Systeme kann ebenfalls zu großen Energieeinsparungen beitragen, da neue Server mit effizienteren Komponenten ausgestattet sind und bessere Stromsparfunktionen mitbringen. Zudem sind sie leistungsstärker und können daher gleich mehrere ältere Server ersetzen. Auf diese Weise kompensieren sie auch den CO2-Fußabdruck, den ihre Herstellung verursacht, relativ schnell.
Allerdings sollten Unternehmen dem Drang widerstehen, Ressourcen überzuprovisionieren – sei es, weil sie ihren Bedarf überschätzen oder auf alle Eventualitäten vorbereitet sein wollen. Besser ist es, die Systeme passend zum Bedarf anzuschaffen und auf Erweiterungsmöglichkeiten zu achten. Die Hersteller der Systeme und ihre Partner können mit ihrer Erfahrung und smarten Tools beim Right Sizing unterstützen. Gewisse Reservekapazitäten lassen sich dabei einplanen, doch viele Lastspitzen können auch mit Ressourcen in der Cloud abgefangen werden.
Vor allem große Hersteller nehmen alte Systeme zudem zurück, um sie wiederaufzubereiten oder zu recyclen. Das Metall der Gehäuse beispielsweise lässt sich sehr gut für neue Chassis nutzen, und auch die Platinen und Komponenten werden so weit wie möglich wiederverwertet. Haben die Systeme noch einen gewissen Wert, lässt sich dieser auf die Neuanschaffung anrechnen. Gibt es die Option, mehrere Systeme gemeinsam zu verpacken und zu verschicken, kann überdies Verpackungsmaterial eingespart werden.
Software- und KI-Optimierungen gehört die Zukunft
Neben einem Hardware-Refresh kann auch eine Softwaremodernisierung den Stromverbrauch senken – einerseits, weil Legacy-Software oft nicht auf Energieeffizienz hin optimiert wurden, und andererseits, weil moderne Software die zur Verfügung stehende Hardware durch Konzepte wie Multithreading und GPU-Beschleunigung besser nutzt. Solche Modernisierungsprojekte sind allerdings recht aufwendig und konkurrieren üblicherweise mit strategischen KI- und anderen Projekten um die limitierten Entwicklungsressourcen.
Realistischer ist da schon der Einsatz von KI für Optimierungen, etwa für eine effiziente Steuerung der Kühlsysteme oder eine dynamische Verlagerung von Workloads. Einen Ausblick darauf, was in dieser Hinsicht möglich ist, gibt Dell Technologies mit Concept Astro. Mit Hilfe von Agentic AI, digitalen Zwillingen und Automatisierungsfunktionen werden hier Workloads simuliert, um Aussagen zur Ausführungsdauer und zum Energiebedarf zu treffen und sie zum optimalen Zeitpunkt auf den am besten dafür geeigneten Systemen auszuführen – wahlweise manuell angestoßen auf Basis der Empfehlungen oder vollständig automatisiert innerhalb vorgegebener Parameter. Die Lösung ist grid-aware, kennt also Netzauslastung, Strompreise und verursachte Emissionen, sodass Unternehmen eine möglichst schnelle, möglichst kostengünstige oder möglichst CO2-arme Workload-Ausführung priorisieren oder auch einen Mix aus diesen Optionen wählen können.
In einem Pilotprojekt konnten auf diese Weise die Betriebskosten um 20 Prozent gesenkt werden. Viele der dabei erprobten Funktionen und gewonnenen Erkenntnisse werden nun Schritt für Schritt in die bestehenden Tools für die Überwachung und Verwaltung von IT-Systemen einfließen oder in neue Automatisierungslösungen integriert.
Letztlich gibt es für Unternehmen also eine ganze Reihe von Stellschrauben, um den Ressourcenbedarf und die Kosten von Rechenzentren und insbesondere KI-Infrastrukturen zu reduzieren – man muss sie nur nutzen. Gelingt das, lässt sich Künstliche Intelligenz nicht nur einsetzen, um klassische Geschäftsprozesse zu automatisieren und zu optimieren, sondern um umfangreiche Effizienz-, Kosten- und Nachhaltigkeitsvorteile zu erzielen, etwa in modernen Industrieanlagen oder Energieinfrastrukturen.
Über den Autor:
Emanuel Lippmann ist Consultant bei Dell Technologies und arbeitet an der Schnittstelle von Technologie und Nachhaltigkeit. Sein Fokus liegt auf der Förderung nachhaltiger Innovationen und der Transformation von Geschäftsmodellen, indem er hilft, Nachhaltigkeitsziele in messbaren geschäftlichen Mehrwert zu übersetzen – sowohl innerhalb von Dell als auch in der Zusammenarbeit mit Kunden und Partnern.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
