{"id":8834,"date":"2025-12-21T23:36:16","date_gmt":"2025-12-21T15:36:16","guid":{"rendered":"https:\/\/www.lxbchip.com\/?p=8834"},"modified":"2025-12-21T23:36:16","modified_gmt":"2025-12-21T15:36:16","slug":"powering-sustainable-data-centers","status":"publish","type":"post","link":"https:\/\/www.lxbchip.com\/de\/powering-sustainable-data-centers\/","title":{"rendered":"Energie f\u00fcr nachhaltige Rechenzentren"},"content":{"rendered":"

K\u00fcnstliche Intelligenz (KI) breitet sich rasant aus und durchdringt so viele Aspekte unseres t\u00e4glichen Lebens, von der Erstellung von Inhalten bis hin zu Online-Chatbots im Kundenservice. Dahinter verbirgt sich eine enorme Zunahme der Datenverarbeitung, die zu einem gro\u00dfen Teil eine leistungsstarke Recheninfrastruktur erfordert. Bevor sie einsatzbereit sind, m\u00fcssen KI-Modelle trainiert und abgeleitet werden, was normalerweise in modernen Rechenzentren geschieht.<\/p>\n

In einem modernen Rechenzentrum befinden sich in der Regel viele Tausende von Hochleistungsservern. Jeder von ihnen ben\u00f6tigt erhebliche Energie, sowohl f\u00fcr den Betrieb als auch f\u00fcr die K\u00fchlung. Mit dem weit verbreiteten schnellen Wachstum steigt der Energieverbrauch im Bereich der KI-Rechenzentren sprunghaft an, was zu Bedenken hinsichtlich der Nachhaltigkeit und der Umweltauswirkungen dieser technologischen Revolution f\u00fchrt.<\/p>\n

Die Internationale Energieagentur (IEA) sch\u00e4tzt, dass auf Rechenzentren 1,5% des gesamten Strombedarfs entfallen - etwa 415 Terawattstunden (TWh) im Jahr 2024. Es wird erwartet, dass sich der Verbrauch bis 2030 auf rund 945 TWh mehr als verdoppeln und auf etwa 3% ansteigen wird. Da Rechenzentren h\u00e4ufig in Clustern untergebracht sind, kann es zu einer erheblichen Belastung von Teilen des Stromnetzes kommen.<\/p>\n

Die Zukunft gestalten: Anpassung der Stromversorgungsarchitektur von Rechenzentren f\u00fcr KI<\/strong><\/p>\n

Im Vergleich zur typischen Webnutzung, wie z. B. der Suche, ist der Energiebedarf f\u00fcr KI viel h\u00f6her, oft um das Zehnfache. Dies ist in erster Linie auf die leistungsstarken Grafikprozessoren (GPUs) zur\u00fcckzuf\u00fchren, die jeweils Hunderte von Watt verbrauchen k\u00f6nnen. Trainingsmodelle verbrauchen besonders viel Strom - so werden beispielsweise f\u00fcr das Training von GPT-4 drei Monate lang 25.000 NVIDIA A100-GPUs ben\u00f6tigt, die 50 Gigawattstunden (GWh) Energie verbrauchen und $100 Millionen kosten, so OpenAI.<\/p>\n

Die KI ist weit davon entfernt, sich zu verlangsamen, und verdoppelt ihren Stromverbrauch alle sechs Monate, wobei die Branche so viel Energie wie eine kleine Nation verbraucht. Bei dieser Gr\u00f6\u00dfenordnung sind die Verluste ein echtes Problem. Bei der \u00dcbertragung und Verteilung von Strom gehen bis zu 6% Energie durch den Widerstand in den Kabeln verloren. Der Strom vom Netz zur GPU wird mehr als viermal umgewandelt, was zu einem durchschnittlichen Energieverlust von 12% f\u00fchrt.<\/p>\n

Jeder der Tausenden von Servern kann 40 Kilowatt (kW) verbrauchen, daher wird ein Hochleistungsbus verwendet, um den Strom zu den Racks zu transportieren. Die standardm\u00e4\u00dfigen 12 Volt Gleichstrom (VDC<\/sub>) hat sich zu einem 48-V-Bus entwickelt.DC<\/sub>\u00a0um die Str\u00f6me zu reduzieren. Um jedoch den Energiebedarf f\u00fcr KI zu decken, ist eine h\u00f6here +\/-400 VDC<\/sub>\u00a0Busarchitektur erforderlich sein.<\/p>\n

\"\"<\/p>\n

Abbildung 1: Rechenzentren ben\u00f6tigen mehrere Energieumwandlungsstufen<\/p>\n

Leistungshalbleiter sind f\u00fcr die effiziente Umwandlung von Energie zur Erf\u00fcllung der Anforderungen von KI-Prozessoren und GPUs unerl\u00e4sslich. Siliziumkarbid (SiC) und Galliumnitrid (GaN) ersetzen Silizium, da sie sehr kompakte und energieeffiziente Leistungswandler erm\u00f6glichen und die Gesamtbetriebskosten von Rechenzentren erheblich verbessern.<\/p>\n

Innovative L\u00f6sungen f\u00fcr Effizienz und Nachhaltigkeit<\/strong><\/p>\n

Die Stromversorgung eines Rechenzentrums vom Netz bis zum GPU-Rack durchl\u00e4uft viele Energieumwandlungen. Intelligente SiC- und Silizium (Si)-Stromversorgungsl\u00f6sungen sind f\u00fcr jeden Zweig des Stromversorgungsbaums entscheidend. Der Strom durchl\u00e4uft zun\u00e4chst einen Solid-State-Transformator (SST) und einen automatischen Umschalter (ATS), der von einem Dieselgenerator unterst\u00fctzt wird. Die 20k VAC<\/sub>\u00a0Leitung auf eine dreiphasige 400-V-Leitung umgestellt wirdAC<\/sub>, und geht dann durch eine unterbrechungsfreie Stromversorgung (USV). Die diskreten EliteSiC- und Leistungsmodule k\u00f6nnen verwendet werden, um eine h\u00f6here Effizienz und Leistungsdichte an diesem Eingangspunkt des Rechenzentrums zu erreichen. Die Stromverteilungseinheit wandelt dann die dreiphasigen 400 VAC<\/sub>\u00a0an eine einphasige 230 VAC<\/sub>\u00a0Linie auf der Rack-Ebene.<\/p>\n

Im Rack, in dem sich die GPU-Server befinden, findet die restliche Stromumwandlung statt. In der Stromversorgungseinheit (PSU) und der Batterie-Backup-Einheit ist die Kombination aus SiC-Kaskoden-JFETs und PowerTrench T10 Si MOSFETs ideal f\u00fcr AC\/DC-L\u00f6sungen mit hoher Leistung. Die Hochstrom-SiC-Kaskaden-JFETs sind f\u00fcr den \u00dcbergang von 3 kW auf 5 kW erforderlich, der in der Hyperscale-Architektur der n\u00e4chsten Generation erforderlich ist.<\/p>\n

EliteSiC 650 V MOSFETs und T10 MOSFETs von onsemi werden bei der Umwandlung von 230 VAC<\/sub>\u00a0Netzspannung auf 48 VDC<\/sub>\u00a0zuerst und dann auf 12 VDC\u00a0<\/sub>entlang des Stromflusses. Die Umwandlungseffizienz ist hier der Schl\u00fcssel zur Einhaltung der Open Rack V3 (ORV3) Spezifikation von 97,5% Spitzeneffizienz. Dieser hohe Wirkungsgrad reduziert die Energieverschwendung und tr\u00e4gt zur Senkung der Betriebskosten und des K\u00fchlungsbedarfs bei. Die T10-Si-MOSFETs und Power-Management-ICs werden auch f\u00fcr die Umwandlung der 48 V in eine IBC-Spannung (Intermediate Bus Converter) von 12 V verwendet, um den Vcore-Zweig (CPU-Kernspannung) des Leistungsbaums zu versorgen. Dar\u00fcber hinaus bieten SiC-JFETs und SiC-Combo-JFETs f\u00fcr 400\/800-V-Bus-Architekturen einen zuverl\u00e4ssigen \u00dcberstromschutz f\u00fcr Hot Swap\/E-Fuse vor der IBC-Stufe.<\/p>\n

Die Zukunft des Energiemanagements in KI-Rechenzentren\u00a0<\/strong><\/p>\n

Effizienz ist der wichtigste Energieparameter in KI-Rechenzentren. Das bedeutet, dass Verluste so weit wie m\u00f6glich minimiert werden m\u00fcssen, nicht zuletzt, weil die K\u00fchlung bis zu 50% des in Rechenzentren verbrauchten Stroms verbrauchen kann, w\u00e4hrend die andere H\u00e4lfte von der IT-Ausr\u00fcstung wie Servern, Speichersystemen und der Strominfrastruktur verbraucht wird.<\/p>\n

onsemi ist f\u00fchrend bei L\u00f6sungen f\u00fcr KI-Rechenzentren und einer der wenigen Anbieter, die die Anforderungen des gesamten Energiebaums vom Netz bis zur GPU erf\u00fcllen k\u00f6nnen. Die Zukunft erfordert fortschrittliche Technologien mit breiter Bandl\u00fccke, wie EliteSiC und vertikales GaN von onsemi, f\u00fcr ihre robuste Leistungsumwandlung bei h\u00f6heren Frequenzen und h\u00f6heren Wirkungsgraden, die kompaktere Designs erm\u00f6glichen. Diese Ger\u00e4te k\u00f6nnen bei h\u00f6heren Temperaturen zuverl\u00e4ssig arbeiten, erfordern weniger K\u00fchlung und erm\u00f6glichen kompaktere L\u00f6sungen sowie eine Senkung der Betriebskosten.<\/p>","protected":false},"excerpt":{"rendered":"

K\u00fcnstliche Intelligenz (KI) breitet sich rasant aus und durchdringt so viele Aspekte unseres t\u00e4glichen Lebens, von der Erstellung von Inhalten bis zur Online<\/p>","protected":false},"author":2,"featured_media":8835,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":false,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[1],"tags":[],"class_list":["post-8834","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"acf":[],"aioseo_notices":[],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/posts\/8834","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/comments?post=8834"}],"version-history":[{"count":1,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/posts\/8834\/revisions"}],"predecessor-version":[{"id":8837,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/posts\/8834\/revisions\/8837"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/media\/8835"}],"wp:attachment":[{"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/media?parent=8834"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/categories?post=8834"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.lxbchip.com\/de\/wp-json\/wp\/v2\/tags?post=8834"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}