Die Anwendung künstlicher Intelligenz auf die Kühlung von Rechenzentren stellt eine der wichtigsten Innovationen im Bereich der industriellen Energieoptimierung dar.

‍

Das von Google DeepMind entwickelte autonome System, das seit 2018 in Betrieb ist, hat gezeigt, wie KI das Wärmemanagement kritischer Infrastrukturen verändern und konkrete Ergebnisse in Bezug auf die betriebliche Effizienz erzielen kann.

‍

Innovation transformiert Rechenzentren

‍

Das Thema Energieeffizienz

Moderne Rechenzentren sind riesige Energieverbraucher, wobei die Kühlung rund 10 Prozent des gesamten Stromverbrauchs ausmacht, so Jonathan Koomey, ein globaler Experte für Energieeffizienz. Das Cloud-basierte KI-System von Google erfasst alle fünf Minuten eine Momentaufnahme des Kühlsystems mit Tausenden von Sensoren. Die erste KI für die autonome Kühlung von Rechenzentren und die industrielle Steuerung - Google DeepMind- analysiert die betriebliche Komplexität, die sich herkömmlichen Kontrollmethoden entzieht.

‍

Das KI-Kühlsystem von Google nutzt tiefe neuronale Netze, um die Auswirkungen verschiedener Maßnahmenkombinationen auf den künftigen Energieverbrauch vorherzusagen und zu ermitteln, welche Maßnahmen den Verbrauch minimieren und gleichzeitig robuste Sicherheitsanforderungen erfüllen DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind

‍

Konkrete und messbare Ergebnisse

Die bei der Optimierung der Kühlung erzielten Ergebnisse sind beachtlich: Das System war in der Lage, den Energieverbrauch für die Kühlung durchgängig um 40 % zu senken DeepMind AI reduziert die Kühlkosten im Google-Rechenzentrum um 40 % - Google DeepMind. Wenn man jedoch bedenkt, dass die Kühlung etwa 10 Prozent des Gesamtverbrauchs ausmacht, entspricht dies einer Gesamtenergieeinsparung von etwa 4 Prozent im Rechenzentrum.

‍

Laut der technischen Originalarbeit von Jim Gao erreicht das neuronale Netzwerk einen durchschnittlichen absoluten Fehler von 0,004 und eine Standardabweichung von 0,005, was einem Fehler von 0,4 % bei einem PUE-Wert von 1,1 entspricht. DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind.

‍

Wo es funktioniert: Bestätigte Datenzentren

Geprüfte Implementierungen

Die Einführung des KI-Systems wurde in drei bestimmten Rechenzentren offiziell bestätigt:

Singapur: Der erste bedeutende Einsatz im Jahr 2016, bei dem das Rechenzentrum aufbereitetes Wasser zur Kühlung verwendet Homepage - Google Data Centers und demonstrierte eine 40 %ige Reduzierung der Kühlenergie.

‍

Eemshaven, Niederlande: Das Rechenzentrum nutzt Brauchwasser und verbrauchte im Jahr 2023 232 Millionen Gallonen Wasser Homepage - Google Data Centers. Marco Ynema, Standortleiter der Anlage, überwacht den Betrieb dieser modernen Einrichtung.

‍

Council Bluffs, Iowa: In der MIT Technology Review wurde das Rechenzentrum in Council Bluffs im Rahmen einer Diskussion über die Standorte der Google Cloud-Rechenzentren: Regionen und Availability Zones - Dgtl Infra- besonders hervorgehoben. Google investierte 5 Milliarden Dollar in die beiden Standorte in Council Bluffs, die im Jahr 2023 980,1 Millionen Gallonen Wasser verbrauchten China treibt den KI-Boom mit Unterwasser-Rechenzentren voran | Scientific American.

‍

Ein cloudbasiertes KI-Kontrollsystem ist jetzt in Betrieb und sorgt für Energieeinsparungen in mehreren Rechenzentren Google Smart Liquid Cooling: Beating Google on Efficiency | ProphetStor, aber das Unternehmen hat nicht die vollständige Liste der Einrichtungen veröffentlicht, die die Technologie nutzen.

‍

Technische Architektur: Wie sie funktioniert

Tiefe neuronale Netze und maschinelles Lernen

‍

Laut dem Patent US20180204116A1 verwendet das System eineDeep-Learning-Architektur mit präzisen technischen Merkmalen:

• 5 versteckte Schichten mit 50 Knoten pro Schicht
• 19 normalisierte Eingangsvariablen einschließlich Wärmelasten, Wetterbedingungen, Gerätezustand
• 184.435 Trainingsproben mit einer Auflösung von 5 Minuten (ca. 2 Jahre Betriebsdaten)
• Regularisierungsparameter: 0,001 zur Vermeidung von Overfitting

Die Architektur verwendet eine modellprädiktive Steuerung mit linearen ARX-Modellen, die mit tiefen neuronalen Netzen integriert sind. Bei neuronalen Netzen ist es nicht erforderlich, dass der Benutzer die Interaktionen zwischen den Variablen im Modell vordefiniert. Stattdessen sucht das neuronale Netz nach Mustern und Wechselwirkungen zwischen Merkmalen, um automatisch ein optimales Modell zu generieren . DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind.

‍

Stromverbrauchseffektivität (PUE): Die Schlüsselmetrik

PUE steht für die grundlegende Energieeffizienz von Rechenzentren:

PUE = Gesamtenergie des Rechenzentrums / Energie der IT-Ausrüstung

• PUE Google flottenweit: 1,09 im Jahr 2024 (laut Umweltberichten von Google)
• Durchschnitt in der Industrie: 1,56-1,58
• Idealer PUE-Wert: 1,0 (theoretisch unmöglich)

Google verfügt über die ISO 50001-Zertifizierung für das Energiemanagement, die zwar strenge Betriebsstandards garantiert, aber nicht speziell die Leistung des KI-Systems validiert.

‍

Modellprädiktive Steuerung (MPC)

Das Herzstück der Innovation ist eine prädiktive Steuerung, die die Temperatur und den Druck im Rechenzentrum in der nächsten Stunde vorhersagt und empfohlene Maßnahmen simuliert, um sicherzustellen, dass keine betrieblichen Beschränkungen überschritten werden. DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind

‍

‍

Betriebliche Vorteile von AI in der Kühlung

Überlegene Vorhersagegenauigkeit

Nach vielen Versuchen und Fehlern sind die Modelle nun zu 99,6 Prozent genau bei der Vorhersage des PUE-Wertes für maschinelle Lernanwendungen zur Optimierung von Rechenzentren. Diese Genauigkeit ermöglicht Optimierungen, die mit herkömmlichen Methoden nicht möglich sind, da gleichzeitig die komplexen nichtlinearen Wechselwirkungen zwischen mechanischen, elektrischen und umwelttechnischen Systemen berücksichtigt werden.

‍

Kontinuierliches Lernen und Anpassung

Ein wichtiger Aspekt ist die evolutionäre Lernfähigkeit. Im Laufe von neun Monaten stieg die Leistung des Systems von einer 12-prozentigen Verbesserung bei der anfänglichen Einführung auf eine etwa 30-prozentige Verbesserung Data Centre Optimisation Jim Gao, Google - DocsLib.

Dan Fuenffinger, Betreiber von Google, bemerkte: "Es war erstaunlich zu sehen, wie die KI lernte, die winterlichen Bedingungen auszunutzen und kälteres Wasser als normal zu produzieren. Regeln werden mit der Zeit nicht besser, aber KI schon." Kühlung von Rechenzentren mit modellprädiktiver Steuerung.

‍

Multivariable Optimierung

Das System verwaltet 19 kritische Betriebsparameter gleichzeitig:

• Gesamte IT-Belastung durch Server und Netzwerke
• Wetterbedingungen (Temperatur, Feuchtigkeit, Enthalpie)
• Zustand der Anlagen (Kältemaschinen, Kühltürme, Pumpen)
• Sollwerte und Betriebskontrollen
• Gebläsedrehzahl und VFD-Systeme

Sicherheit und Kontrolle: Fail-Safe-Garantie

Mehrstufige Verifizierung

Die betriebliche Sicherheit wird durch redundante Mechanismen gewährleistet. Die von der KI berechneten optimalen Aktionen werden anhand einer internen Liste mit vom Betreiber definierten Sicherheitseinschränkungen überprüft. Nach der Übermittlung an das physische Rechenzentrum prüft das lokale Kontrollsystem die Anweisungen erneut. Die DeepMind-KI reduziert den Energieverbrauch für die Kühlung der Google-Rechenzentren um 40 Prozent.

‍

Die Betreiber behalten jederzeit die Kontrolle und können den KI-Modus jederzeit verlassen und nahtlos zu herkömmlichen Regeln übergehen . DeepMind AI reduziert den Energieverbrauch für die Kühlung der Google-Rechenzentren um 40 %.

‍

Beschränkungen und methodische Überlegungen

‍

PUE-Metriken und Beschränkungen

Die Branche erkennt die Grenzen der Power Usage Effectiveness als Messgröße an. Eine Umfrage des Uptime Institute aus dem Jahr 2014 ergab, dass 75 Prozent der Befragten der Meinung waren, die Branche benötige eine neue Effizienzkennzahl. Zu den Problemen gehören klimatische Verzerrungen (es ist unmöglich, verschiedene Klimazonen zu vergleichen), zeitliche Manipulation (Messungen unter optimalen Bedingungen) und der Ausschluss von Komponenten.

‍

Komplexität der Umsetzung

Jedes Rechenzentrum hat eine einzigartige Architektur und Umgebung. Ein maßgeschneidertes Modell für ein System ist möglicherweise nicht auf ein anderes anwendbar, so dass ein allgemeiner intelligenter Rahmen erforderlich ist DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind.

‍

Datenqualität und -überprüfung

Die Genauigkeit des Modells hängt von der Qualität und Quantität der Eingabedaten ab. Der Modellfehler erhöht sich im Allgemeinen bei PUE-Werten über 1,14 aufgrund der Knappheit der entsprechenden Trainingsdaten DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind.

Es wurden keine unabhängigen Prüfungen durch große Wirtschaftsprüfungsgesellschaften oder nationale Labors gefunden, und Google hat über die Mindestanforderungen des Bundes hinaus keine Prüfungen durch Dritte durchgeführt.

‍

‍

Die Zukunft: Entwicklung zur Flüssigkeitskühlung

Technologischer Übergang

Im Zeitraum 2024-2025 verlagert Google den Schwerpunkt drastisch in Richtung:

• +/-400 VDC Stromversorgungssysteme für 1MW-Racks
• "Projekt Deschutes": Kühlungsverteilereinheiten
• Direkte Flüssigkeitskühlung für TPU v5p mit "99,999% Betriebszeit".

Diese Veränderung zeigt, dass die KI-Optimierung bei den thermischen Belastungen moderner KI-Anwendungen an praktische Grenzen stößt.

Aufkommende Trends

• Edge-Computing-Integration: Verteilte KI für geringere Latenzzeiten
• Digitale Zwillinge: Digitale Zwillinge für fortgeschrittene Simulation
• Schwerpunkt Nachhaltigkeit: Optimierung für erneuerbare Energien
• Hybride Kühlung: AI-optimierte Kombination aus Flüssigkeit und Luft

Anwendungen und Möglichkeiten für Unternehmen

Anwendungssektoren

DieKI-Optimierung für die Kühlung findet auch außerhalb von Rechenzentren Anwendung:

• Industrieanlagen: Optimierung von HLK-Systemen in der Produktion
• Einkaufszentren: Intelligentes Klimamanagement
• Krankenhäuser: Umweltkontrolle in Operationssälen und kritischen Bereichen
• Firmenbüros: Intelligentes Gebäude- und Facility Management

ROI und wirtschaftliche Vorteile

Energieeinsparungen bei Kühlsystemen führen zu:

• Senkung der Betriebskosten des Teilsystems Kühlung
• Verbesserung der ökologischen Nachhaltigkeit
• Verlängerung der Lebensdauer der Ausrüstung
• Erhöhte Betriebssicherheit

Strategische Umsetzung für Unternehmen

Fahrplan für die Einführung

Phase 1 - Bewertung: Energieaudit und Kartierung bestehender SystemePhase2 - Pilot: Tests in einer kontrollierten Umgebung auf einem begrenzten AbschnittPhase3 - Einführung: Schrittweise Einführung mit intensiver ÜberwachungPhase4 - Optimierung: Kontinuierliche Abstimmung und Kapazitätserweiterung

Technische Überlegungen

• Sensor-Infrastruktur: Vollständiges Überwachungsnetz
• Teamfähigkeit: Datenwissenschaft, Gebäudemanagement, Cybersicherheit
• Integration: Kompatibilität mit Altsystemen
• Einhaltung: Sicherheits- und Umweltvorschriften

FAQ - Häufig gestellte Fragen

‍

1. In welchen Google-Rechenzentren ist das KI-System tatsächlich in Betrieb?

Drei Rechenzentren sind offiziell bestätigt: Singapur (erste Inbetriebnahme 2016), Eemshaven in den Niederlanden und Council Bluffs in Iowa. Das System ist in mehreren Rechenzentren in Betrieb Google Smart Liquid Cooling: Beating Google on Efficiency | ProphetStor, aber die vollständige Liste wurde nie öffentlich bekannt gegeben.

‍

2. Wie hoch ist die Energieeinsparung beim Gesamtverbrauch wirklich?

Mit dem System wird eine 40-prozentige Senkung des Energieverbrauchs für die Kühlung erreicht DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind. Wenn man bedenkt, dass die Kühlung etwa 10 Prozent des Gesamtverbrauchs ausmacht, beträgt die Gesamtenergieeinsparung etwa 4 Prozent des Gesamtverbrauchs des Rechenzentrums.

‍

3. Wie genau ist die Vorhersagegenauigkeit des Systems?

Das System erreicht eine Genauigkeit von 99,6 Prozent bei der Vorhersage der PUE mit einem durchschnittlichen absoluten Fehler von 0,004 ± 0,005, was einem Fehler von 0,4 Prozent bei einer PUE von 1,1 entspricht Google DeepMindGoogleResearch. Wenn die tatsächliche PUE 1,1 beträgt, sagt die KI zwischen 1,096 und 1,104 voraus.

‍

4. Wie gewährleisten Sie die Betriebssicherheit?

Es verwendet eine zweistufige Überprüfung: Zunächst prüft die KI die von den Betreibern festgelegten Sicherheitsbedingungen, dann überprüft das lokale System die Anweisungen erneut. Die Betreiber können die KI-Prüfung jederzeit deaktivieren und zu herkömmlichen Systemen zurückkehren. DeepMind AI reduziert den Energieverbrauch für die Kühlung der Google-Rechenzentren um 40 %.

‍

5. Wie lange dauert es, ein solches System einzuführen?

Die Umsetzung dauert in der Regel 6-18 Monate: 3-6 Monate für die Datenerfassung und die Modellschulung, 2-4 Monate für die Piloterprobung, 3-8 Monate für die schrittweise Einführung. Die Komplexität variiert je nach der vorhandenen Infrastruktur erheblich.

‍

6. Welche technischen Fähigkeiten sind erforderlich?

Ein multidisziplinäres Team mit Fachwissen in den Bereichen Datenwissenschaft/AI, HLK-Technik, Gebäudemanagement, Cybersicherheit und Systemintegration ist erforderlich. Viele Unternehmen entscheiden sich für Partnerschaften mit spezialisierten Anbietern.

‍

7. Kann sich das System an saisonale Veränderungen anpassen?

Ja, die KI lernt automatisch, saisonale Bedingungen auszunutzen, z. B. im Winter kühleres Wasser zu produzieren, um die Kühlenergie zu reduzieren. Die Kühlung von Rechenzentren erfolgt über eine modellprädiktive Steuerung. Das System verbessert sich kontinuierlich, indem es Zeit- und Klimamuster erkennt.

‍

8. Warum vermarktet Google diese Technologie nicht?

Jedes Rechenzentrum hat eine einzigartige Architektur und Umgebung, die eine erhebliche Anpassung erfordert DeepMind AI reduziert die Kühlkosten für das Google-Rechenzentrum um 40 % - Google DeepMind. Die Komplexität der Implementierung, der Bedarf an spezifischen Daten und das erforderliche Fachwissen machen das Direktmarketing komplex. Nach 8 Jahren bleibt diese Technologie ausschließlich intern bei Google.

‍

9. Gibt es unabhängige Leistungsüberprüfungen?

Es wurden keine unabhängigen Prüfungen durch große Wirtschaftsprüfungsgesellschaften (Deloitte, PwC, KPMG) oder nationale Labors gefunden. Google ist zwar nach ISO 50001 zertifiziert, führt aber keine Prüfungen durch Dritte durch, die über die Mindestanforderungen des Bundes hinausgehen.

‍

10. Ist sie neben Rechenzentren auch auf andere Bereiche anwendbar?

Ganz genau. Die KI-Optimierung für die Kühlung kann in Industrieanlagen, Einkaufszentren, Krankenhäusern, Firmenbüros und allen Einrichtungen mit komplexen HLK-Systemen angewendet werden. Die Prinzipien der multivariablen Optimierung und der prädiktiven Regelung sind universell anwendbar.

‍

Das KI-Kühlsystem von Google DeepMind stellt eine technische Innovation dar, die schrittweise Verbesserungen in einem bestimmten Bereich erzielt. Für Unternehmen, die energieintensive Infrastrukturen betreiben, bietet diese Technologie konkrete Möglichkeiten zur Optimierung der Kühlung, wenn auch mit den hervorgehobenen Einschränkungen der Skalierung.

‍

Hauptquellen: Jim Gao Google Research paper, DeepMind Official Blog, MIT Technology Review, Patent US20180204116A1