Künstliche Intelligenz ist längst im Unternehmensalltag angekommen – doch die dafür notwendige Hardware stellt viele Rechenzentren vor völlig neue Herausforderungen. Wer KI nicht als reine Cloud-Service bezieht, sondern eigene GPU-intensive Workloads betreibt, muss sich mit der physischen Betriebsumgebung auseinandersetzen. GPU-Racks mit 30 kW Leistungsaufnahme oder mehr sprengen die Grenzen klassischer Infrastrukturen und erzwingen ein Umdenken bei Energieversorgung, Kühlung und Platzierung.
Warum hohe Leistungsdichten die Grenzen klassischer Infrastruktur aufzeigen
Klassische Enterprise-Racks wurden für moderate Strom- und Wärmelasten konzipiert. Moderne GPU-Systeme für KI und HPC treiben diese Werte massiv nach oben. Das Uptime Institute verzeichnet in seiner aktuellen globalen Umfrage einen deutlichen Anstieg der Nachfrage nach High-Density-Racks. Spitzen von 30 kW pro Rack sind keine Seltenheit mehr, und viele Betreiber berichten, dass ihre Anlagen für solche Lasten nicht ausgelegt sind. Die konzentrierte Wärmeabfuhr wird zum kritischen Faktor: Luftgekühlte Systeme können mit angepasster Luftführung und gezielter Platzierung in bestimmten Fällen noch betrieben werden, doch bei dauerhaften 30 kW reichen diese Maßnahmen nicht aus. Wasserbasierte Kühlkonzepte – von Chilled Water bis Direct Expansion – werden dann zur Voraussetzung für einen stabilen Betrieb.
KI-Infrastruktur braucht die passende Umgebung
Nicht jede Organisation kann oder will ihre KI-Workloads vollständig in die Public Cloud auslagern. Vor allem bei sensiblen Daten, regulatorischen Auflagen oder strategischen Anwendungen ist die Kontrolle über die Infrastruktur unverzichtbar. Eigene oder dedizierte GPU-Systeme rücken dann in den Mittelpunkt. Die entscheidende Frage lautet: Wo lassen sich diese Systeme zuverlässig und wirtschaftlich betreiben? Colocation gewinnt hier eine neue Bedeutung – nicht mehr nur als Stellfläche für Server, sondern als spezialisierte Umgebung, die hohe Leistungsdichten, flexible Kühlung, robuste Netzanbindung und Betriebserfahrung integriert. Für Unternehmen, die ihr eigenes Rechenzentrum nicht kurzfristig für solche Workloads umbauen können oder wollen, bietet Colocation einen pragmatischen Kompromiss zwischen Kontrolle und Skalierbarkeit.
Colocation für leistungsstarke KI-Workloads
noris network adressiert mit seinem Colocation-Angebot genau diese Anforderung. Der Anbieter richtet sich an Unternehmen, die eigene GPU-Systeme oder Hersteller-Reference-Designs betreiben wollen, deren Rechenzentrum aber nicht für die erforderlichen Leistungsdichten und Kühlkonzepte ausgelegt ist. Udo Kürzdörfer, Head of Products & Marketing bei noris network, stellt klar: „Bei KI-Infrastrukturen entscheidet nicht nur die GPU-Leistung – entscheidend ist, ob Kühlung, Energieversorgung und Betrieb der Leistungsdichte entsprechen. Viele Unternehmen wollen ihre Hardware und sensible Daten kontrollieren, stoßen aber im eigenen Rechenzentrum an physische Grenzen.“ Die Lösung sind vorbereitete Module mit Anschlüssen für Energieversorgung und Netzwerk. Je nach Leistungsbedarf kommen direkte Luftkühlung, Chilled-Water-Konzepte oder Direct-Expansion-Kühlung zum Einsatz. Das Leistungsspektrum reicht bis zu 200 kVA pro Rack. Zielgruppe sind vor allem Organisationen mit hohen Sicherheits- und Compliance-Anforderungen – Behörden, Finanzinstitute oder Forschungsabteilungen, die KI mit vertraulichen Daten betreiben müssen.
Antwort auf die zentrale Frage: Warum reicht klassische Rack-Fläche nicht aus?
Der Grund liegt in der physikalischen Dichte: Ein GPU-Rack mit 30 kW erzeugt eine Wärmelast, die in einem Standard-Rack mit Luftkühlung nicht beherrschbar ist. Die Kühlluft wird strömungstechnisch umgeleitet, und die Temperatur steigt lokal an. Zudem benötigen die Hochleistungsnetzteile entsprechend dimensionierte Stromkreise und redundante USV-Anlagen. Wer diese Anforderungen ignoriert, riskiert Ausfälle oder eine drastische Verkürzung der Lebensdauer der Hardware. Colocation-Anbieter wie noris network haben ihre Infrastruktur gezielt auf solche Dichten ausgelegt – mit entsprechenden Kühlkreisläufen, Monitoring-Systemen und personellem Fachwissen.
Ausblick: Colocation als Brücke zur KI-Infrastruktur
GPU-intensive KI-Workloads machen Colocation nicht grundsätzlich neu, aber deutlich anspruchsvoller. Wenn hohe Leistungsdichten, angepasste Kühlung und sensible Daten zusammenkommen, reicht klassische Rack-Fläche nicht mehr aus. Unternehmen brauchen Rechenzentrumsumgebungen, die solche Systeme nicht nur aufnehmen, sondern zuverlässig betreiben können. noris network bietet hierfür die nötigen Voraussetzungen – von der Energieversorgung über flexible Kühlkonzepte bis hin zur Betriebserfahrung. Colocation wird damit zur pragmatischen Option für Organisationen, die leistungsstarke KI-Infrastruktur kontrolliert betreiben wollen, ohne ihr eigenes Rechenzentrum kurzfristig für High-Density-Workloads umbauen zu müssen.
