Rechenzentren: Die Last, die schneller kam als die Leitungen

Warum die Last ein Jahrzehnt lang flach blieb

Zwischen 2010 und 2020 wuchs die weltweite Rechenlast in Rechenzentren um etwa den Faktor zehn, während ihr Stromverbrauch nur um wenige Prozent stieg. Diese Entkopplung gehört zu den bemerkenswerteren Effizienzleistungen der Zeit, und sie hatte drei Ursachen.

Die erste war die Wanderung von kleinen Serverräumen in Hyperscale-Anlagen. Ein Schrank mit vier Servern in einem Büro läuft bei geringer Auslastung und schlechter Kühlung; eine eigens gebaute Anlage betreibt ihre Technik bei hoher Auslastung mit geplanter Luftführung. Allein die Bündelung brachte große Einsparungen, und sie geschah aus kaufmännischen und nicht aus ökologischen Gründen.

Die zweite war die Virtualisierung. Ein physischer Server mit einer Anwendung läuft typischerweise bei 10 bis 20 Prozent Auslastung und zieht dabei mehr als die Hälfte seiner Spitzenleistung, denn ein untätiger Prozessor ist kein kostenloser Prozessor. Viele virtuelle Maschinen auf einem physischen Wirt zu betreiben hebt die Auslastung und beseitigt den größten Teil dieser Verschwendung.

Die dritte war das Mooresche Gesetz bei seiner Arbeit: Die Leistung je Watt verbesserte sich stetig, sodass jede neue Hardwaregeneration mehr Rechenleistung für denselben Strom lieferte. Zusammen fingen diese drei eine Verzehnfachung der Last auf, weshalb die Energie von Rechenzentren ein Jahrzehnt lang von der politischen Tagesordnung fernblieb.

Alle drei sind heute weitgehend ausgeschöpft. Die Bündelung ist geschehen, Virtualisierung ist allgegenwärtig, und die Gewinne bei Leistung je Watt haben sich verlangsamt, während die Transistorskalierung an physikalische Grenzen stößt. Der Effizienzpuffer, der das Wachstum aufnahm, ist weg, und Wachstum zeigt sich nun unmittelbar als Strombedarf.

PUE und was er nicht mehr misst

Die Power Usage Effectiveness ist die übliche Kennzahl: der gesamte Anlagenstrom geteilt durch den Strom, der die Rechentechnik erreicht. Ein PUE von 2,0 heißt, dass jedes Watt Rechenleistung ein weiteres Watt für Kühlung, Beleuchtung und Stromwandlung kostet. Ein PUE von 1,1 heißt, der Mehraufwand beträgt 10 Prozent.

Die Branchendurchschnitte fielen von rund 2,5 im Jahr 2007 auf heute etwa 1,5, und die besten Hyperscale-Anlagen arbeiten bei 1,1 oder darunter. Das ist eine echte Leistung und liegt zugleich nahe an einem Boden: Bei 1,1 ist der Mehraufwand bereits klein, sodass selbst seine Vervollkommnung 10 Prozent einer Zahl spart, die selbst schnell wächst.

Deshalb hat sich die Aufmerksamkeit vom PUE auf die Rechenlast selbst verschoben. Freie Kühlung - Außenluft unmittelbar nutzen, wo das Klima es erlaubt - trug den größten Teil der Verbesserung, weshalb sich Anlagen in Irland, Skandinavien und im Norden der USA ballen. Warmgangeinhausung, höhere Betriebstemperaturen und Flüssigkeitskühlung lieferten den Rest.

Der PUE sagt zudem nichts darüber, ob das Rechnen nützlich war. Eine Anlage mit PUE 1,1, die verschwenderischen Code ausführt, ist nach der Kennzahl effizient und in Wirklichkeit verschwenderisch, und es gibt keine verbreitete Kennzahl für nützliche Arbeit je Joule - auch deshalb, weil niemand sich einig ist, was nützliche Arbeit ist.

Was KI verändert hat

Ein herkömmliches Serverrack zieht 5 bis 10 Kilowatt. Ein Rack mit KI-Beschleunigern zieht 40 bis 130. Das ist keine schrittweise Änderung, sondern ein anderes Gebäude.

Luft kann so viel Wärme aus so kleinem Volumen nicht abführen, weshalb Flüssigkeitskühlung verpflichtend statt optional wird - entweder Kühlplatten auf den Chips oder das Eintauchen der ganzen Platine in dielektrische Flüssigkeit. Stromverteilung, Deckenlast und die räumliche Anordnung ändern sich mit. Anlagen, die vor 2022 entworfen wurden, können KI-Technik häufig ohne erheblichen Umbau gar nicht aufnehmen.

Auch das Lastprofil ändert sich. Das Training eines großen Modells läuft wochenlang unter Volllast, was für ein Netz wie eine stetige Industrielast aussieht. Der Betrieb - das Beantworten von Anfragen - schwankt mit der Nachfrage und lässt sich geografisch dorthin verschieben, wo Strom in dieser Stunde günstig oder sauber ist. Diese Beweglichkeit macht einen Teil der KI-Last zu einem Kandidaten für Lastverschiebung, und mehrere Betreiber bieten das inzwischen an.

Veröffentlichte Prognosen zum KI-Strombedarf unterscheiden sich um mehr als den Faktor fünf, was ein brauchbares Signal dafür ist, wie unsicher sie sind. Sie hängen an Annahmen über Modelleffizienz, Hardwarefortschritt und darüber, wie viel Betrieb tatsächlich nachgefragt wird - und die Effizienz je Rechenoperation hat sich historisch schneller verbessert, als die meisten Prognosen unterstellten, dasselbe Muster, das die Prognosen der 2010er Jahre zu hoch ausfallen ließ.

Der Engpass ist örtlich

Ein moderner Hyperscale-Standort kann mehrere hundert Megawatt ziehen, vergleichbar mit einer Kleinstadt, und zwar an einem einzigen Punkt. Die nationale Erzeugung kann das liefern. Die Umspannstation nicht.

Die Diskrepanz liegt in den Zeitmaßstäben. Ein Rechenzentrum lässt sich in 18 bis 24 Monaten planen, genehmigen und bauen. Ein neuer Übertragungsanschluss in dieser Größe braucht 5 bis 10 Jahre, davon den größten Teil für Genehmigungen und nicht für den Bau. Die Folge sind Warteschlangen: Dublin sowie Teile von Nordvirginia und Amsterdam haben zeitweise neue Anschlüsse rundweg abgelehnt, nicht aus Strommangel, sondern aus Leitungsmangel.

Das hat Rechenzentrumsbetreiber zu ungewöhnlichen Energiekunden gemacht. Sie schließen langfristige Stromabnahmeverträge, die neue Wind- und Solarparks finanzieren, gehören zu den größten Unternehmenskäufern sauberer Energie weltweit, und mehrere haben unmittelbar Kernkraftleistung kontrahiert, einschließlich der Wiederinbetriebnahme stillgelegter Reaktoren - denn was sie brauchen, ist große, gesicherte Versorgung rund um die Uhr an einem einzigen Ort, eine ungewöhnliche Anforderung, die nur wenige Quellen erfüllen.

Die ehrliche Einordnung lautet, dass Rechenzentren eine große und schnell wachsende Last sind, deren absolute Größe neben Industrie, Wärme oder Verkehr noch bescheiden ist, und deren örtliche Ballung reale Probleme erzeugt, die nationale Statistiken verbergen. Die Debatte wäre klarer, wenn diese beiden Tatsachen häufiger gemeinsam genannt würden.