Die Auswirkungen von KI auf Rechenzentren und Energieplaner

Die Entwicklung von KI

Allgemein gesprochen geht es bei KI darum, intelligentes Verhalten in Maschinen zu simulieren. Umgangssprachlich wird der Begriff künstliche Intelligenz verwendet, wenn eine Maschine kognitive Funktionen nachahmt, die Menschen mit anderen menschlichen Gehirnen verbinden, wie Lernen und Problemlösen.

Künstliche Intelligenz (KI) als Konzept existiert seit der Entwicklung des elektronischen Computers. Der Begriff wurde erstmals in den 1950er-Jahren geprägt und führte zur Entwicklung von Computerprogrammen, die gezielt die Problemlösungsfähigkeiten des Menschen nachahmen sollten. Trotz intensiver Forschungstätigkeit in den 1960er- und 1970er-Jahren konnten diese frühen Computerprogramme aufgrund von Hardware- und Softwarebeschränkungen jedoch nur ein begrenztes Aufgabenspektrum bewältigen und benötigten oft noch menschliches Eingreifen.

In jüngster Zeit haben jedoch Fortschritte bei der Rechenleistung das Interesse an KI neu entfacht, und die meisten der weltweit größten Unternehmen verfügen mittlerweile über eigene Forschungsabteilungen, die sich der Weiterentwicklung des Konzepts widmen – von fahrerlosen Autos über Echtzeit-Sprachübersetzungsdienste bis hin zu sprachgesteuerten intelligenten Assistenten wie Siri und Alexa.

Viele dieser neuen KI-basierten Produkte und Dienstleistungen sind stark von der Cloud abhängig. KI kann extrem rechenintensiv sein, und lokale Geräte oder Edge-Geräte verfügen selten über genügend Leistung, um alles allein zu bewältigen. Beispielsweise kann Ihr Smart Speaker das Aktivierungswort wie “Alexa” wahrscheinlich lokal erkennen. Komplexere Sätze und Anfragen müssen jedoch zur Verarbeitung in der Cloud auf Serverebene über das Internet übertragen werden, um eine analytische Antwort zu formulieren.

Auch in B2B-Anwendungen müssen lokal erfasste Daten in der Regel an Server gesendet werden, entweder zentral für ein einzelnes Unternehmen oder in einem Cloud-Rechenzentrum. Beispielsweise kann eine Fabrik Hunderte von Sensoren einsetzen, die Daten zur Effizienzmessung und für die vorausschauende Wartung erfassen – die gesamte KI-Verarbeitung erfolgt dabei beispielsweise remote in der AWS-Cloud von Amazon. KI trägt auch zur Entwicklung intelligenter Städte bei – etwa durch die Steuerung von Ampeln für einen reibungslosen Verkehrsfluss – und ermöglicht intelligente Gebäude mit KI-gesteuerter Heizung, Beleuchtung und Klimaanlage.

Energiebedarf für KI in Daten Zentren

Rechenzentren verbrauchen enorme Mengen an Strom – sowohl für die IT-Ausrüstung selbst als auch für Kühl- und Klimaanlagen. Die Schätzungen zum Anteil des Stromverbrauchs von Rechenzentren am weltweiten Strombedarf variieren, aber ein aktueller Bericht von Yale Environment 360 beziffert ihn auf 21.340 Tonnen. Der durch COVID-19 bedingte Anstieg des Internetverkehrs und der Videokonferenzen hat diese Zahl weiter in die Höhe getrieben.^[1]. Der Bericht prognostiziert außerdem, dass sich der Internetverkehr von 2020 bis 2022 verdoppeln wird, mit einem ähnlichen Anstieg bei den IoT-Verbindungen – all dies treibt die Nachfrage nach Rechenzentrumsdienstleistungen exponentiell an.

Dank Effizienzsteigerungen führt diese zusätzliche Aktivität nicht zu einem signifikanten Anstieg des Stromverbrauchs, der voraussichtlich zumindest in naher Zukunft konstant bleiben wird. Neben der verbesserten Effizienz der IT-Ausrüstung tragen auch der Übergang von kleineren Rechenzentren zu großen Cloud-Rechenzentren sowie Energieeinsparungen durch Servervirtualisierung dazu bei.^[2]. Die Effizienz von Rechenzentren wird üblicherweise anhand der Kennzahl „Power Usage Effectiveness“ (PUE) gemessen. Diese Kennzahl gibt das Verhältnis des gesamten Stromverbrauchs des Rechenzentrums zum Stromverbrauch für die Berechnungen an. Für große, moderne Standorte konnte dieser Wert von etwa 2,0 auf typischerweise 1,2 gesenkt werden.^[3].

Und wie sieht es mit KI aus? Wie zu erwarten, treibt sie den Stromverbrauch stetig in die Höhe. Der Branchenverband AFCOM schätzt, dass ein durchschnittliches Rack in einem Rechenzentrum rund 7 kW verbraucht, während KI-Anwendungen üblicherweise mehr als 30 kW benötigen.^[4]. Das ist ein gewaltiger Sprung, und es bleibt abzuwarten, ob die oben genannten Effizienzgewinne die Gesamtnachfrage auch weiterhin begrenzen können, wenn der Einsatz von KI zunimmt.

Der erhöhte Stromverbrauch von KI ist größtenteils auf ihren enormen Bedarf an Rechenleistung zurückzuführen, der durch schnelle CPUs und GPUs ermöglicht wird. Jedes Mal, wenn wir unsere Smart Speaker um eine Antwort bitten oder YouTube uns ein neues Video empfiehlt, müssen diese Prozessoren aktiv werden, um die KI hinter diesen Diensten bereitzustellen.

Wie die Stromversorgungssysteme mithalten

Jede Verbesserung der Effizienz der Netzteile bietet einen doppelten Vorteil: Sie reduziert sowohl den Stromverbrauch der IT-Geräte als auch den Kühlbedarf. Angesichts des zunehmenden Drucks auf Unternehmen, ihre CO₂-Emissionen zu senken, geht es nicht nur um Kosten – aus Umweltgründen ist es unerlässlich, den Stromverbrauch so weit wie möglich zu reduzieren.

Da der Leistungsbedarf von Racks für rechenintensive KI-Anwendungen von unter 10 kW auf über 30 kW steigt, geht die bevorzugte Gleichspannungsverteilung im Rack von 12 V auf 48 V über. Die verbesserte I²Die R-Verluste im Verteilungsnetz übersteigen typischerweise den zusätzlichen Umwandlungsverlust von 48 V auf 12 V auf Platinenebene, um einen Netto-Systemwirkungsgradgewinn zu erzielen. Allerdings erhöht eine 48-V-Verteilung den Bedarf an einer hocheffizienten 48-V-Umwandlung.

Für allgemeine Rechenzentrumslasten wie Speicher und CPUs in Servern wird eine geregelte 12-V-Schiene benötigt, die immer höhere Leistungsmengen liefern kann, um den steigenden Anforderungen leistungsstarker IT-Geräte gerecht zu werden. Das bedeutet, dass Stromversorgungssysteme eine maximale Leistungsdichte aufweisen müssen, damit alles auf möglichst kleinem Raum untergebracht werden kann und gleichzeitig die Effizienz erhalten bleibt – wodurch die Gesamtkosten gesenkt werden.

Um diese hohe Effizienz und Dichte ohne Kompromisse bei der thermischen Leistung zu erreichen, sind neue Ansätze erforderlich. So hat beispielsweise Flex Power Modules Hybrid Regulated Ratio (HRR)-Wandler entwickelt, die die Vorteile der DC/DC-Wandlung mit festem Übersetzungsverhältnis mit denen der vollständigen Regelung kombinieren – und damit digitale DC/DC-Wandler wie die von Flex Power Modules ermöglichen.’ BMR491 um Wirkungsgrade von 98% und höher zu erreichen und gleichzeitig eine Spitzenleistung von bis zu 2,4 kW in einem Viertel-Brick-Gehäuse zu liefern.

Ein weiterer Trend, der in den letzten Jahren zur Reduzierung von Stromnetzverlusten beigetragen hat, ist der Wegfall der Isolationspflicht für 48-V-Netzteile in Rechenzentrumsracks. Hocheffiziente Zwischenbusumrichter (IBCs) wie die Flex-Leistungsmodule…’ BMR310 Der geschaltete Kapazitätswandler (SCC) ist eine nicht-isolierte Topologie, die bei Bedarf eine 12-V-Versorgung aus der 48-V-Versorgung bereitstellt. Für KI-Anwendungen, insbesondere für Hochleistungs-GPUs, bietet der SCC eine ungeregelte und nicht-isolierte Versorgung und ermöglicht dadurch einen sehr hohen Wirkungsgrad, eine sehr geringe Bauhöhe und eine kompakte Gesamtgröße.

Die Umwandlung der 48-V-Spannung in die Zwischenkreisspannung erfordert anschließend eine abschließende Wandlungsstufe für die Last. Moderne IT-Boards sind komplexe und vielfältige Funktionsblöcke mit oft unterschiedlichen Leistungsanforderungen. Point-of-Load-Wandler (PoL), wie beispielsweise die Leistungsmodule Flex, kommen hier zum Einsatz.’ BMR474, Sie können die 12-V-Eingangsspannung aufnehmen und die Niederspannungsausgänge für einzelne Schienen bereitstellen und mithilfe der PMBus-Konfigurationsflexibilität für jede Schiene optimiert werden. Darüber hinaus besteht ein wachsender Bedarf an sehr hohen Strömen für die leistungsstarken Prozessoren, die nach wie vor am besten mit mehrphasigen Abwärtswandlern bedient werden. BMR510 Beispielsweise handelt es sich um eine zweiphasige integrierte Leistungsstufe, die mit einem Eingangsspannungsbereich von 4,5–16 V arbeitet und für anspruchsvolle Hochleistungsanwendungen wie CPUs und GPUs ausgelegt ist. Dieses Leistungsmodul enthält zwei Abwärtswandlerstufen, wobei jede Phase eine Spitzenleistung von bis zu 70 A liefern kann. Mehrere zweiphasige Module lassen sich zu einem Mehrphasensystem mit der für die thermischen und Spitzenstromanforderungen erforderlichen Phasenanzahl kombinieren. BMR510 Es handelt sich um eine gestapelte Konstruktion, bei der 2 integrierte Leistungsstufen auf der Induktivität montiert sind. Dadurch entsteht ein platzsparendes Modul auf der Leiterplatte, das für die Kühlung von oben optimiert ist.

Abschluss

Künstliche Intelligenz (KI) hat sich rasant von der Idee zur Realität entwickelt und ist heute eine gängige und weit verbreitete Technologie. Obwohl der Gesamtstromverbrauch von Rechenzentren aufgrund verbesserter Effizienz konstant bleibt, besteht das Potenzial, dass KI den Stromverbrauch rapide ansteigen lässt.

Die Entwickler von Stromversorgungssystemen müssen ständig bestrebt sein, die Verluste in ihren Teilsystemen zu reduzieren, die Kosten und die CO2-Emissionen unter Kontrolle zu halten – und sie müssen nach neuen Technologien und Komponenten Ausschau halten, die ihnen dabei helfen, dieses Ziel zu erreichen.

[1] https://e360.yale.edu/features…

[2] https://energyinnovation.org/wp-content/…

[3] https://www.nature.com/articles/d41586-018-06610-y

[4] https://www.networkworld.com/article/968130/8-ways-to-prepare-your-data-center-for-ai-s-power-draw.html