Mehr Freiheit bei der KI-Strategie: Gemietete Rechenzentrumsfläche senkt die Investitionskosten.
Künstliche Intelligenz (KI) bietet ein immenses Wertschöpfungspotenzial und wird einen maßgeblichen Einfluss auf die Wettbewerbsfähigkeit von Unternehmen haben. Laut einer aktuellen Marktstudie von Interxion sind die Technologie- sowie die Finanzbranche derzeit Vorreiter bei der Implementierung Künstlicher Intelligenz in Deutschland – in Verzug sind hingegen der Öffentliche Sektor sowie die Konsumgüterbranche. Dabei kann die Differenzierung durch den Einsatz Künstlicher Intelligenz in allen Branchen gelingen. Jedoch nur, wenn sich Unternehmen frühzeitig mit dem Thema KI und deren Implikation für die Rechenzentrumsinfrastruktur beschäftigen.
Hochintegrierte KI-Appliances bringen umfangreiche Rechenleistung auf geringer Fläche unter, haben dadurch aber auch einen enormen Strombedarf. Ein mit DGX 100-Equipment von Nvidia gefüllter Serverschrank kommt schnell auf 40 Kilowatt Leistungsaufnahme. Im Vergleich: In den meisten Unternehmensrechenzentren werden Racks noch mit 2,5 bis 5 Kilowatt versorgt. Die Bereitstellung einer geeigneten Stromversorgung – vom Hausanschluss über Transformatoren bis hin zur Unterverteilung – müssen Unternehmen bei der KI-Implementierung berücksichtigen.
Dazu kommt, dass hochintegrierte Siliziumschaltkreise umfangreichere Kühlung benötigen, um Hardware-Beschädigungen zu verhindern. Ältere Rechenzentren sind jedoch häufig baulich gar nicht in der Lage, hierfür ausreichend Kaltluft umzuwälzen. Auch setzt Künstliche Intelligenz voraus, dass Algorithmen kontinuierlich auf Basis großer Datenmengen lernen und Daten somit nutzbar gemacht werden. Für die Generierung, den Austausch und Speicherung dieser Datenmassen sollten Unternehmen über eine leistungsfähige Infrastruktur mit performanten Speichersystemen und 100 Gigabit/s-Netzen verfügen.
Diese Hürden bei der Implementierung von Künstlicher Intelligenz lassen sich auf zwei Arten überwinden. Unternehmen mit vorrangig digitalen Geschäftsmodellen, deren Unternehmens- und IT-Strategien auch zukünftig eigene Datacenter vorsehen, müssen analog zur strategischen Planung der KI-Implementierung die notwendigen Investitionen für den Aus- und Umbau ihres Rechenzentrums berücksichtigen: Deckenhöhen müssen so ausgelegt werden, dass sie ausreichend Platz für Doppelböden, Einhausungen und die darin zirkulierende Kaltluft bieten. Kabelschächte müssen so dimensioniert werden, dass der zukünftige Netzwerkbedarf bewältigt werden kann. Zudem muss eine leistungsstarke und energieeffiziente Stromversorgung vorgesehen werden.
Unternehmen, die sich diese Investitionsausgaben entweder nicht leisten wollen oder deren IT-Strategie vorrangig eine hybride oder Cloud-Infrastruktur vorsieht, können für ihr KI-Equipment Rechenzentrumsflächen anmieten. Führende Colocation-Provider bieten eine KI-konforme Infrastruktur mit Doppelböden von einem Meter Höhe, durchgängig 400 Volt-Stromanschlüsse, energieeffiziente Kaltgangeinhausungen und umfangreichen Glasfaserverkabelungen. Darüber hinaus sind die Doppelböden auf hohe Traglast ausgelegt – ein für Künstliche Intelligenz optimierter Serverschrank kann es auf eine Tonne Gewicht bringen.
Colocation-Rechenzentren bieten Unternehmen damit nicht nur eine ideale Infrastruktur für ihre KI-Hardware, sondern die Möglichkeit, mit überschaubaren Investitionskosten KI-Anwendungen zu implementieren. Bei steigender Durchdringung können Unternehmen dann, dank des Mietmodells, Flächen und Stromkontingente flexibel skalieren.
Dies ist ein Artikel aus unserer Print-Ausgabe 3/2021. Bestellen Sie ein kostenfreies Probe-Abo.
Um seine Kunden bei der Auswahl geeigneter Colocation-Provider zu unterstützen, auditiert und zertifiziert Nvidia, der führende Hersteller von KI-optimierter Hardware, Rechenzentren als „Nvidia DGX-ready Data Center“. Das hilft Unternehmen, geeignete Colocation-Provider zu identifizieren, KI-Anwendungen mit niedriger Eintrittsbarriere zu implementieren und sich so kurz- und langfristig Innovations- und Wettbewerbsvorteile zu sichern.
Bildquelle: Getty Images / iStock / Getty Images Plus