Wie verbessert Künstliche Intelligenz (KI) die Energieeffizienz in Rechenzentren und unterstützt darüber hinaus auch das kommende ESG Reporting? Darüber spricht im Rahmen des Data Center Expert Summits am 4. Juni Matthew Farnell, Global Sales and Marketing Director bei EkkoSense. Sein deutscher Kollege Artur Faust, Sales Manager DACH, beantwortet hier im Interview unsere Fragen:
ESG und Künstliche Intelligenz sind in der RZ-Brache aktuell zwei heißdiskutierte Themen. Wie lassen sich beide Begriffe zusammenbringen, obwohl sie unmittelbar nicht viel gemein haben?
Artur Faust: Tatsächlich haben die Domänen KI und ESG Reporting auf den ersten Blick nicht viel gemeinsam. Aber, um im Rahmen der Wesentlichkeitsanalyse die eigenen ESG-Ziele richtig auszurichten und letzten Endes auch zu erreichen, kann KI zum entscheidenden Werkzeug werden. Wenn Künstliche Intelligenz sinnvoll eingesetzt wird, schafft diese nicht den Menschen ab, sondern erzeugt volle Transparenz und Spielräume für schnellere und präzise Entscheidungen. KI kann darüber hinaus auch „Menschliche Kompetenz“ fördern und so zu zielgerichteteren Planungen führen. Deswegen bringen wir bei EkkoSense diese beiden Domänen gerne in Verbindung, was sich auch in unseren Lösungen widerspiegelt.
Über eine Cooling Anomaly Detection – also eine Funktion, die Anomalien im Betrieb der RZ-Kühlung erkennen kann, bevor es zu einem möglichen Geräteausfall kommt oder der Energiebedarf unnötig ansteigt – unterstützen wir die Betreiber darin, ihre Energieeffizienzkennwerte zu optimieren. Ein automatisiertes ESG-Reporting hilft den Controllern dabei, kosten- und ressourcensparend das notwendige Berichtswesen zur Unterstützung der Compliance-Anforderungen von EED- und CSRD-Richtlinien abzubilden.
Sie bringen aber auch das Thema KI High-Density Verbraucher und ESG in Verbindung, wie soll man das verstehen?
Artur Faust: Gerade Bestands-Rechenzentren stehen vor besonderen Herausforderungen, wenn Kunden in ihren KI-Racks HPC-Server einsetzen wollen und die Leistung damit punktuell hochschießt. Das kann erfahrungsgemäß zu Verunsicherung auf beiden Seiten führen. Zum einen möchte man sicherstellen, dass dies technisch ohne Probleme umsetzbar ist und zum anderen können sich diese Änderungen gegen laufende ESG-Ziele des Rechenzentrums richten. Wir setzen hier auf KI-gestützte Tools, um schon im Vorfeld anstehende Änderungen in der notwendigen Tiefe aufzuschlüsseln und in eine ESG-Betrachtung einfließen zu lassen. Dies erreichen wir mittels End-to-End Simulationen und Modellierungen der jeweiligen RZ-Umgebungen.
Viele Rechenzentren setzen bereits verschiedenste Software-Tools zur Optimierung ihrer Abläufe ein. Wo liegt die besondere Herausforderung, wenn ich als RZ-Betreiber KI-Workloads meistern will?
Artur Faust: Kaum jemand wird seine über Jahre hinweg gewachsenen Lösungen so einfach ersetzen wollen. Unser Ansatz ist es, für bestehende Systeme einen KI-Layer als „Vereinfachungswerkzeug“ anzubieten, welcher die bereits erfassten Daten auf einer gemeinsamen Plattform verarbeitet, visualisiert und das Reporting hierzu erleichtert. Oftmals kommen in Rechenzentren eine Vielzahl unterschiedlichster Tools zum Einsatz, die in verschiedenen Disziplinen zu Hause sind. Site-Manager klagen daher häufig über die Unübersichtlichkeit und den hohen administrativen Aufwand solcher fragmentierten Lösungsansätze. Wir haben uns zum Ziel gesetzt, diese Prozess- und Tool-Landschaften zu vereinfachen, indem wir unterschiedliche Systeme mit einem KI-Frontend verbinden, welches aber auch im Stand-Alone-Modus sehr gut einsetzbar ist und dadurch auch fehlende Bereiche in anderen Tools ergänzen kann.
Herr Faust, vielen Dank für das Interview!
