Megawatt Anschlussleistung und jährlicher Stromverbrauch sagen nur begrenzt aus, wie effizient ein Rechenzentrum tatsächlich arbeitet. Mit KI, High-Performance-Computing und immer leistungsfähigeren Beschleunigern wird deshalb eine andere Frage wichtiger: Wie viel nutzbare Rechenleistung entsteht aus jeder eingesetzten Kilowattstunde?

Verbrauch allein sagt wenig über Effizienz aus

Rechenzentren werden traditionell über große Zahlen beschrieben: Anschlussleistung in Megawatt, Stromverbrauch in Giga- oder Terawattstunden und immer größere IT-Flächen. Diese Werte zeigen, wie viel Energie eine Anlage benötigt, beantworten aber nicht die Frage, wie produktiv diese Energie eingesetzt wird. Gerade bei KI-Workloads kann ein leistungsstärkeres System trotz höherer momentaner Leistungsaufnahme effizienter sein. Wenn ein modernes GPU-Cluster ein KI-Training beispielsweise in zwei statt in zehn Stunden abschließt, kann der gesamte Energiebedarf für die Aufgabe geringer ausfallen. Entscheidend ist deshalb zunehmend nicht allein, wie viel Strom ein Rechenzentrum verbraucht, sondern wie viel Rechenleistung es daraus erzeugt.

PUE bleibt wichtig – reicht aber nicht mehr aus

Die Power Usage Effectiveness, kurz PUE, hat sich als zentrale Kennzahl für Rechenzentren etabliert. Sie beschreibt das Verhältnis zwischen dem gesamten Energieverbrauch einer Anlage und dem Anteil, der tatsächlich bei der IT-Hardware ankommt. Ein Wert nahe 1,0 zeigt, dass vergleichsweise wenig Energie für Kühlung, Stromumwandlung, Beleuchtung oder andere Infrastruktur benötigt wird. Was der PUE jedoch nicht erfasst, ist die Effizienz der eingesetzten Hardware selbst. Zwei Rechenzentren können einen nahezu identischen PUE aufweisen und mit derselben Energiemenge dennoch völlig unterschiedliche Rechenleistungen erzielen. Für KI- und HPC-Systeme wird es deshalb wichtiger, Infrastruktur- und Outputkennzahlen miteinander zu verbinden.

Rechenleistung pro Energieeinheit rückt in den Mittelpunkt

Im High-Performance-Computing ist diese Perspektive bereits etabliert. FLOPS pro Watt beschreibt, wie viele Gleitkommaoperationen ein System je Watt aufgenommener Leistung ausführen kann. Für KI-Anwendungen entstehen vergleichbare, stärker auf den jeweiligen Workload zugeschnittene Kennzahlen. Beim Training von Modellen kann beispielsweise betrachtet werden, wie viele Samples pro Joule verarbeitet werden, bei der Inferenz großer Sprachmodelle, wie viele Tokens pro Joule erzeugt werden. Ein System mit höherer Leistungsaufnahme kann unter diesem Blickwinkel effizienter sein, wenn es pro eingesetzter Energieeinheit deutlich mehr Ergebnisse liefert. Für Cloud-Anbieter bedeutet Effizienzsteigerung daher nicht zwangsläufig weniger Gesamtverbrauch, sondern vor allem mehr Rechenoutput bei gleichem oder nur moderat steigendem Energieeinsatz.

Auch Wasser und CO₂ gehören in die Effizienzrechnung

Neben dem PUE gewinnen deshalb weitere Kennzahlen an Bedeutung. Die Water Usage Effectiveness, WUE, betrachtet den Wasserverbrauch eines Rechenzentrums im Verhältnis zur eingesetzten Energie. Die Carbon Usage Effectiveness, CUE, ergänzt die Betrachtung um die CO₂-Intensität der Stromversorgung. Zusammengenommen geben diese Werte ein deutlich vollständigeres Bild darüber, wie ressourceneffizient eine Anlage arbeitet. Für eine belastbare Bewertung moderner KI- und Cloud-Infrastrukturen müsste künftig zusätzlich berücksichtigt werden, welcher digitale Output mit diesem Energie-, Wasser- und CO₂-Einsatz tatsächlich erreicht wird.

Wasserkühlung wird zum Effizienzhebel

Mit steigenden Leistungsdichten nimmt die Bedeutung der Kühlinfrastruktur zu. OVHcloud setzt nach eigenen Angaben seit rund zwei Jahrzehnten auf eine selbst entwickelte Wasserkühlung und verfügt mittlerweile über mehr als hundert zugehörige Patente. Statt Server primär über Luft zu kühlen, wird in einem geschlossenen Kreislauf Wasser direkt an CPU und GPU geführt. Direct-to-Chip-Wasserblöcke nehmen die Wärme unmittelbar an den Komponenten auf und transportieren sie zu Trockenkühlern. Das Unternehmen nennt für seine Rechenzentren einen durchschnittlichen PUE von rund 1,24, während neuere Standorte Werte von unter 1,15 erreichen sollen. Als Vergleich wird für deutsche Rechenzentren ein Branchendurchschnitt von etwa 1,52 genannt. Beim Wasserverbrauch gibt OVHcloud einen WUE-Wert von weniger als 0,3 Litern pro Kilowattstunde an, gegenüber einem genannten Branchendurchschnitt von 1,8 Litern.

KI steuert inzwischen auch die Kühlung

Mit seinem Smart-Datacenter-Konzept erweitert OVHcloud die Kühlarchitektur um eine datenbasierte Steuerung. Die sogenannten Smart Racks arbeiten in einer hydraulischen Pull-Konfiguration, bei der jeder Server nur den tatsächlich benötigten Wasserdurchfluss und Druck erhalten soll. Mehr als 30 Sensoren pro Kühlmodul überwachen unter anderem Druck, Durchfluss und Wassertemperatur. Eine prädiktive KI analysiert diese Werte und passt Pumpengeschwindigkeit, Lüfterdrehzahl sowie Ventilstellungen fortlaufend an. Betriebsdaten aus Racks, Kühlmodulen und Dry Coolern werden zusätzlich in einem Data Lake zusammengeführt und mit lokalen Wetterdaten kombiniert, um den künftigen Kühlbedarf vorausschauend zu bestimmen.

Weniger Kühltechnik kann mehr Effizienz bedeuten

Auch die äußere Kühltechnik wurde nach Angaben des Unternehmens überarbeitet. Der neue Smart Dry Cooler benötigt ungefähr die Hälfte des Bauraums und der Lüfter der Vorgängergeneration. Dadurch sollen sowohl der Stromverbrauch als auch die Geräuschentwicklung sinken. Für die gesamte neue Kühlarchitektur nennt OVHcloud Einsparpotenziale von bis zu 30 Prozent beim Wasserverbrauch und bis zu 50 Prozent beim Stromverbrauch der Kühlinfrastruktur. Gerade bei leistungsstarken KI-Clustern ist diese Entwicklung relevant, weil höhere Rechendichten unmittelbar höhere Anforderungen an die Wärmeabfuhr stellen.

Nicht jeder Workload braucht dieselbe Infrastruktur

Wie effizient ein Rechenzentrum arbeitet, lässt sich zudem nur im Zusammenhang mit dem jeweiligen Workload bewerten. Ein Cluster für das Training großer Sprachmodelle stellt andere Anforderungen an Energieversorgung und Kühlung als eine klassische HPC-Simulation oder eine Plattform für KI-Inferenz mit vielen kurzen Anfragen. Eine Anlage mit niedriger absoluter Leistungsaufnahme kann ineffizient sein, wenn Aufgaben darauf deutlich länger laufen. Umgekehrt kann eine höhere Momentanleistung sinnvoll sein, wenn Berechnungen schneller abgeschlossen werden und dadurch der Energieverbrauch pro Ergebnis sinkt. Infrastrukturentscheidungen ausschließlich nach Anschlussleistung oder Jahresverbrauch zu treffen, kann deshalb zu einem verzerrten Bild führen.

Abwärme kann Teil der Effizienzstrategie werden

Auch die Nutzung der entstehenden Wärme beeinflusst die Gesamtbilanz eines Rechenzentrums. Wasserkreisläufe können unter anderem effizienter arbeiten, wenn die Temperaturdifferenz zwischen Ein- und Ausgang erhöht wird. Höhere Temperaturen der abgeführten Wärme verbessern gleichzeitig die Möglichkeiten ihrer Wiederverwendung. OVHcloud nutzt nach eigenen Angaben die Abwärme seines deutschen Rechenzentrums, um angeschlossene Büroflächen zu beheizen. In größerem Maßstab kann Rechenzentrumswärme über Fernwärmesysteme auch für industrielle Anwendungen oder zur Versorgung nahegelegener Haushalte genutzt werden. Effizienz endet damit nicht zwingend an der Grundstücksgrenze des Rechenzentrums.

Der entscheidende Wert ist der Output

Absolute Verbrauchswerte bleiben für Netzplanung, Kosten und Energieversorgung unverzichtbar. Für die Effizienzbewertung moderner Rechenzentren reichen sie jedoch nicht mehr aus. PUE, WUE und CUE zeigen, wie effizient Infrastruktur, Wasser und Energie eingesetzt werden. Kennzahlen wie FLOPS pro Watt, Samples pro Joule oder Tokens pro Joule ergänzen diese Perspektive um den tatsächlich erzeugten Rechenoutput. Gerade mit dem Wachstum von KI dürfte deshalb eine neue Leitfrage an Bedeutung gewinnen: nicht nur, wie viele Megawatt ein Rechenzentrum benötigt, sondern wie viel nutzbare digitale Leistung aus jeder eingesetzten Kilowattstunde entsteht.

Hinweis zur Einordnung: Ein Großteil der technischen Einschätzungen sowie der Angaben zu PUE, WUE, Wasserkühlung, Smart Racks, Smart Dry Coolern und den genannten Einsparpotenzialen geht auf Steve Richter, Data Center Manager Germany bei OVHcloud, zurück und basiert auf Technologien und Unternehmensdaten von ihm.

Redakteurin: Maria Lehmen