Infrastruktur · Fünf Minuten
Was ist ein Rechenzentrum?
Ein Gebäude voller Rechner, Strom und Kühlung. Für KI ist die interessante Einheit nicht der Quadratmeter, sondern das Megawatt, und daran hängt die ganze Branche.
- GrößeneinheitMegawatt, nicht Quadratmeter
- Je Beschleuniger700 bis 1.400 Watt, plus etwa 400 für den Server
- EnergieeffizienzGesamtstrom geteilt durch Rechnerstrom
- Standort naheVerfügbarer Netzkapazität
Ein Rechenzentrum ist ein Gebäude, das Rechnern drei Dinge liefert: Strom, Kühlung und Netz. Die Rechner stehen in Schränken in Reihen, mit einem kalten Gang auf der einen und einem warmen auf der anderen Seite, und alles am Gebäude existiert, um sie am Laufen zu halten.
Klassische Anlagen misst man in Fläche. KI-Anlagen misst man in Megawatt, denn der Strom geht zuerst aus.
Wohin der Strom geht
Ein KI-Beschleuniger zieht 700 bis 1.400 Watt. Sein Server, Netz und Speicher kommen mit grob weiteren 400 Watt je Chip dazu. Hunderttausend Beschleuniger sind also etwa 140 Megawatt Rechenlast.
Darauf kommt der Zuschlag für Kühlung und Stromumwandlung, ausgedrückt als Energieeffizienz. Ein Wert von 1,2 heißt, dass das Gebäude 20 Prozent mehr zieht, als die Rechner verbrauchen. Moderne Standorte erreichen 1,1; ältere laufen bei 1,5 oder schlechter.
Dieses Cluster mit hunderttausend Chips zieht also dauerhaft rund 170 Megawatt, etwa den Verbrauch einer Stadt mit mehreren hunderttausend Menschen. Unser Stromrechner macht diese Rechnung mit Ihren Zahlen.
Warum sich die Kühlung geändert hat
Luftkühlung trägt bis etwa 30 bis 50 Kilowatt je Schrank. Moderne Beschleunigerschränke übersteigen 100 Kilowatt, was Luft aus diesem Volumen physikalisch nicht abführen kann. Also ist die Branche auf Flüssigkeit umgestiegen: Kühlplatten auf den Chips oder in manchen Bauformen vollständige Tauchkühlung.
Flüssigkeit ist effizienter und braucht Rohrleitungen im Rechnerraum, eine Gewohnheit, die die Branche nicht hatte. Sie ändert auch die Wasserfrage vollständig: geschlossene Flüssigkeitskühlung verbraucht sehr wenig Wasser, Verdunstungskühlung sehr viel. Eine Wasserzahl ohne Angabe der Kühlart sagt Ihnen nichts.
Warum sie dort stehen, wo sie stehen
Nicht bei den Nutzern. Beim Strom. Ein Netzanschluss für einen großen Standort braucht Jahre, Transformatoren haben lange Lieferzeiten, und Anschlusswarteschlangen in reifen Märkten laufen über Jahre. Also entstehen Standorte dort, wo elektrische Kapazität schon liegt: stillgelegte Kraftwerke, ehemalige Industrieflächen, Orte mit Wasserkraft oder billigem Gas.
Für Trainingslasten spielt die Verzögerung zum Kunden überhaupt keine Rolle, weshalb die Landkarte der KI-Rechenzentren eine Landkarte des verfügbaren Stroms ist.
Training und Anwendung
Training ist ein großer, begrenzter, sichtbarer Aufwand, der einmal je Modell anfällt. Anwendung ist kleiner je Anfrage und läuft für immer und wächst mit der Zahl der Nutzer. Die Anwendung verbraucht inzwischen insgesamt mehr Rechenleistung als das Training, und sie ist die Last, die nicht verschwindet.
Begriffe, die hier vorkommen
Weiterlesen
Langtexte, die das benutzen
KI & Rechenleistung
Strom
KI ist heute ein Stromgeschäft
Ein Trainingscluster der Spitzenklasse zieht so viel Strom wie eine Kleinstadt, und die Warteschlange für den Netzanschluss ist inzwischen länger als die für die Chips. Das ist die Beschränkung, die die nächsten fünf Jahre prägt.
Deep Tech
SMR
Kernkraft in Einheiten, die sich finanzieren lassen
Das Argument für kleine Reaktoren ist keine Physik. Es ist, dass ein großes Kernkraftwerk ein Bauprojekt ist, das seinen Errichter in die Insolvenz treibt, und ein kleines vielleicht ein Produkt.
Rechner
Rechner dazu
Von GPUs zu Megawatt
Rechenzentrumsstrom
Wie viel Strom ein Verbund aus Beschleunigern zieht, was er im Jahr kostet, wie viel Wärme er abführt und was ein großer Standort vom Netz braucht, aus Chipzahl, Chipleistung, Zuschlag und Strompreis..
ÖffnenVon Token im Monat zu Geld
KI-Kostenrechner
Was eine KI-Funktion im Monat kostet, wenn sie läuft: Anfragen, Token hinein und hinaus, Modellklasse, Zwischenspeicherquote, und der Vergleich mit einer gemieteten GPU für ein selbst betriebenes Modell..
Öffnen