Der US-Chipkonzern NVIDIA will mit einem neuen Referenzdesign die Bereitstellung von KI-Rechenzentren radikal beschleunigen. Das System mit der Bezeichnung DSX POD wird als transportabler Container mit komplett verdrahteten und getesteten Servern gefertigt und soll auf einem vorbereiteten Gelände innerhalb von 14 Tagen betriebsbereit sein. Die Ankündigung fiel im Rahmen der GTC Berlin, wo NVIDIA nicht nur die Technik, sondern auch die veränderte Ökonomie der KI-Infrastruktur in den Mittelpunkt stellte.
Das „DSX POD“ genannte System ist kein herkömmlicher Servercontainer, sondern eine industriell vorgefertigte Recheneinheit. In einem einzelnen Modul sind sieben Racks des Typs NVL72 mit der nächsten KI-Plattform Vera Rubin untergebracht. Insgesamt kommen so 504 GPUs und 252 CPUs in einem einzigen transportablen Gehäuse zusammen, das rund 28 Tonnen wiegt. Damit das Modul per LKW über öffentliche Straßen bewegt werden kann, wurde die Konstruktion gezielt auf die gängigen Transportmaße ausgelegt.
Der entscheidende Unterschied zu bisherigen Aufbauten liegt in der Verlagerung der Arbeit. Während bei klassischen Projekten die Technik in Einzelteilen auf der Baustelle ankommt und dort – teils über Monate – verdrahtet, vernetzt und in Betrieb genommen werden muss, verlagert NVIDIA diese Schritte in die Fabrikhallen seiner Partner. Unternehmen wie Dell Technologies, HPE, Lenovo, Foxconn, Quanta Cloud Technology (QCT), Schneider Electric und Vertiv fertigen die Module nach NVIDIAs Spezifikation als komplett geprüfte Einheit. Die Arbeiten, die früher auf dem Rechenzentrumsboden stattfanden – etwa das Verbinden von Glasfaserkabeln zwischen den Racks, das Anschließen der Kühlkreisläufe und die Überprüfung des Zusammenspiels aller Komponenten – werden damit zu standardisierten Fabrikprozessen.
Effizienzgewinn durch Verlagerung der Integration
Diese Form der Vorfertigung zielt darauf ab, einen der größten Engpässe im KI-Zeitalter zu beseitigen: die Zeit bis zur ersten nutzbaren Rechenleistung. NVIDIA nennt als Zielmarke eine Verkürzung der Installationszeit auf dem Gelände von ehemals rund sechs Monaten auf minimal 14 Tage. Ian Buck, bei NVIDIA für Hyperscale-Computing zuständig, beschrieb die verbleibenden Arbeiten vor Ort als überschaubar: Der Container müsse lediglich abgestellt, an benachbarte Module angeschlossen und durch einen finalen Testlauf validiert werden.
Der entscheidende Effekt ist jedoch nicht nur die Beschleunigung, sondern auch die Parallelisierung. Während auf dem Baugelände die massiven Versorgungseinrichtungen für Strom und Kühlung entstehen, läuft die Produktion der Rechenmodule unabhängig davon in der Fabrik. Dies verkürzt die kritische Pfadlänge eines Projekts erheblich, da Bauarbeiten und Technikfertigung nicht mehr strikt nacheinander erfolgen müssen. Überdies bietet die Werksfertigung den Vorteil, dass Fehler in der Verkabelung oder defekte Komponenten bereits vor dem Transport erkannt und behoben werden können, nicht erst in der staubigen Halle auf der Zielgeraden.
Die Umstellung auf einen einheitlichen Baukasten erleichtert zudem die Skalierung. Betreiber, die mehrere Module benötigen, können von identischen Fertigungslinien und standardisierten Ersatzteilprozessen profitieren. Die Wartung wird planbarer, die Qualitätssicherung unterliegt kontrollierten Bedingungen.
Grenzen des Konzepts: Energie bleibt die harte Währung
Trotz der industriellen Vorfertigung ist DSX POD keine Komplettlösung für alle Herausforderungen des KI-Zeitalters. Der Container löst nicht das Grundproblem jeder modernen Recheninfrastruktur: die immense Nachfrage nach Strom und die Fähigkeit, die dabei entstehende Wärme abzuführen. NVIDIA betont in den offiziellen Unterlagen ausdrücklich, dass das Modul einen Anschluss an ein bereits vorbereitetes Gelände mit vorhandener Strom-, Kühl- und Netzwerkinfrastruktur voraussetzt. Land, Baugenehmigungen, der Ausbau von Umspannwerken oder die Anbindung an das öffentliche Stromnetz sind nicht Teil des Pakets.
Diese Einschränkung ist für die Planung fundamental. Ein DSX POD mag binnen zwei Wochen rechenbereit sein – doch nur, wenn das Kraftwerk nebenan bereits Strom liefert und die Kältemaschinen laufen. Der mit Abstand längste und teuerste Teil moderner KI-Rechenzentrumsprojekte bleibt damit der Bau der sekundären Infrastruktur, nicht die Installation der Hardware.
| Merkmal | Angabe |
|---|---|
| Systembezeichnung | DSX POD |
| Basiskonfiguration | 7 Racks (NVL72) mit Vera Rubin |
| Rechenleistung | 504 GPUs, 252 CPUs |
| Gewicht | ca. 28 Tonnen |
| Vorinstallierte Arbeiten | Kabel, Strom, Kühlung, Systemtest |
| Arbeiten am Standort | Aufstellen, Verbinden, Abnahme |
| Installationsziel | 14 Tage (Bereitstellung am Standort) |
| Nicht enthalten | Land, Bau, Stromnetz, Kälteerzeugung |
| Verfügbarkeit über Partner | ab Anfang 2027 geplant |
Vom Bauteil-Lieferanten zum Infrastruktur-Konzern
Hinter der DSX-POD-Initiative steckt eine strategische Neuausrichtung mit weitreichenden wirtschaftlichen Folgen. NVIDIA hat sich in wenigen Jahren vom reinen GPU-Lieferanten über den Serveranbieter zum Entwickler kompletter Rack-Systeme gewandelt. Der nächste Schritt ist nun das integrierte Rechenzentrumsmodul. Mit jeder Stufe dieser Wertschöpfungskette wächst der Umsatzanteil, den NVIDIA pro Gigawatt installierter KI-Rechenleistung realisieren kann. CEO Jensen Huang bezifferte die Wertschöpfung pro Gigawatt kürzlich auf über 40 Milliarden US-Dollar – ein Anstieg, der vor allem auf die Integration von Netzwerk-, Kühl- und Softwaresystemen zurückgeht. Branchenexperten taxieren den Preis für ein einzelnes Vera-Rubin-Rack auf über sieben Millionen US-Dollar, wobei die offizielle Preisliste für ein kompletten DSX-POD-Modul bislang nicht veröffentlicht wurde.
Das Konzept der modularen Rechenzentren ist nicht vollständig neu – das US-Unternehmen Crusoe betreibt bereits Containeranlagen und will seine Plattform nun an die NVIDIA-Referenz anpassen, um eine Auslieferung innerhalb von etwa drei Monaten zu ermöglichen. NVIDIAs eigentlicher Beitrag ist die Standardisierung hochdichter AI-Systeme. Wenn mehrere Hersteller unabhängig voneinander identische, qualitätsgeprüfte Module produzieren, entsteht ein Ökosystem, das schneller auf Nachfrageschwankungen reagieren kann als klassische Einzelprojekte.
Letztlich verschiebt NVIDIA mit DSX POD die Definition des Wettbewerbs in der KI-Branche. Der Kampf um die fortschrittlichsten Chips bleibt wichtig, doch entscheidend wird zunehmend die Fähigkeit, diese Technik schnell und im industriellen Maßstab in Betrieb zu nehmen. Ein KI-Rechenzentrum generiert erst dann Wert, wenn es tatsächlich Berechnungen ausführt und Modelle trainiert. Die Zeit zwischen Vertragsunterzeichnung und erstem Betrieb wird damit zum zentralen strategischen Faktor. Mit der Fabrikfertigung von Rechenmodulen adressiert NVIDIA genau diese Lücke – und setzt die Branche unter Zugzwang, in derselben Geschwindigkeit zu denken und zu liefern.
