Rechenzentren: Ein idealer Anwendungsfall für industrielle KI

Das Wachstum des Rechenzentrums

Ein oft wiederholter Grundsatz des Managements lautet: „Was messbar ist, kann verbessert werden.“ Von Finanzen bis Produktivität – zahlreiche bekannte Kennzahlen und Leistungsindikatoren, wie beispielsweise der Umsatz pro Mitarbeiter, steuern Geschäftsprozesse und Managementsysteme.

In operativen Systemen gewinnen Messungen und Kennzahlen noch mehr an Bedeutung; von Qualität bis Effizienz definieren diese Kennzahlen oft die Prozesse selbst.

Kaum ein Betriebsumfeld profitiert so sehr von Prozessoptimierung wie Rechenzentren. Diese Einrichtungen verursachen enorme Investitionskosten (siehe z. B. …). Facebooks 750 Millionen Dollar und Googles 600 Millionen Dollar neue Rechenzentren) und ebenso erhebliche Betriebskosten (sie verbrauchen 3 % des weltweiten Stroms und haben einen CO2-Fußabdruck, der dem weltweiten CO2-Ausstoß entspricht). Luftfahrtindustrie).

Diese Einrichtungen bilden das Rückgrat unseres Alltags – von Videostreaming über Handel bis hin zum Bankwesen – und ihre Bedeutung wird mit der fortschreitenden Digitalisierung und dem ständigen Aufkommen neuer Dienstleistungen weiter zunehmen. Uber ist ein gutes Beispiel dafür.

Wechsel zu alternativen Rechenzentrumslösungen für geringere Kosten und mehr Flexibilität

Dennoch stehen Rechenzentren vor großen Herausforderungen. Der zunehmende Fokus auf Kosten- und Risikoreduzierung bei gleichzeitig erhöhter Flexibilität rückt diese Einrichtungen in den Mittelpunkt. Ein wichtiger Vorteil von Rechenzentren besteht in ihrer Wahlfreiheit, die in wenigen anderen Branchen zu finden ist. Es gibt zahlreiche Alternativen zum traditionellen Rechenzentrum, von Cloud-Software (wie Microsoft 365) bis hin zur gemeinsamen Nutzung von Rechenzentren. Colocation-Anbieter Markt mit vielen großen Anbietern wie Digital Realty und CyrusOne).

Es überrascht nicht, dass es viele etablierte Kennzahlen gibt für Messung und Betrieb von RechenzentrenDazu gehören Energieeffizienz, Verfügbarkeit und Flächennutzung. Doch angesichts der Veränderungen im Rechenzentrumsmarkt stellt sich die Frage: Konzentrieren wir uns überhaupt noch auf die richtigen Kennzahlen? Erfassen wir mit den bestehenden Kennzahlen die relevanten Datenpunkte? Gibt es verborgene Kennzahlen und Muster, die darauf warten, genutzt zu werden, um den Nutzen dieser Einrichtungen zu maximieren?

Die richtigen Kennzahlen finden, um den Nutzen von Rechenzentren zu maximieren

Um diese Punkte zu beleuchten, betrachten wir zunächst die Rechenzentrumsanlagen selbst. Vereinfacht gesagt, erfordern deren Umfang, Komplexität und die notwendige Optimierung ein „Management durch KI“, da sie zunehmend nicht mehr mit traditionellen Regeln und Heuristiken geplant und gesteuert werden können. Mehrere Faktoren treiben diesen Trend an:

• Effizienz und UmweltauswirkungenWie bereits eingangs erwähnt, verbrauchen Rechenzentren eine beträchtliche Menge Energie, weshalb die Branche aufgrund ihres Energieverbrauchs unbestreitbar unter Beobachtung steht. Hinzu kommen die Verbrauchskosten. Die Betreiber befassen sich mit der Effizienz. auf immer kreativere und komplexere Weise.
• Konsolidierung von Rechenzentren: Rechenzentren profitieren definitiv von Skaleneffekten, und egal ob Unternehmensrechenzentren konsolidiert oder in Colocation-Einrichtungen verlegt werden, das Ergebnis sind immer größere Einrichtungen mit erhöhter Dichte und entsprechendem Stromverbrauch.
• Wachstum der Colocation-AnbieterColocation-Anbieter wie Equinix und Digital Realty, für die Verfügbarkeit, Effizienz und Kostensenkung oberste Priorität haben, wachsen laut einem aktuellen Bericht der 451 Group fünfmal schneller als der Gesamtmarkt. Diese Anbieter verfügen über enorme Skaleneffekte, und ihre effizienzorientierten Geschäftsmodelle werden KI vorantreiben, um ihnen einen deutlichen Wettbewerbsvorteil zu verschaffen.
• Edge-ComputingDer Aufstieg von Edge-Rechenzentren, kleinen, oft geografisch verteilten Rechenzentren, ermöglicht die optimale Platzierung von Workloads. Anstatt als eigenständige Einheiten zu agieren, bilden diese Edge-Knoten in Kombination mit zentralen Rechenzentren oder Cloud-Computing ein größeres, kooperatives Rechennetzwerk. Diese komplexe Topologie bietet zahlreiche Eingabe- und Steuerungsmöglichkeiten zur Optimierung und Sicherstellung der Verfügbarkeit, die wiederum am besten durch KI gesteuert werden.

Ein oft übersehener Faktor: Workload-Asset-Management

Die oben genannten Faktoren haben im Zuge der Entwicklung des Rechenzentrumsmarktes zu Recht mehr Aufmerksamkeit erhalten, doch es gibt ein weiteres Element – ​​vielleicht das mit Abstand wichtigste –, das bis vor Kurzem übersehen wurde.

Um diesen Faktor zu verdeutlichen, betrachten wir eine anschauliche Analogie. Warum gibt es Häuser? Nicht wegen ihrer Struktur, sondern um den Bewohnern Schutz und Komfort zu bieten. Genauso verhält es sich mit Rechenzentren: Nicht wegen der vielen Server und der massiven Strom- und Klimaanlagen, sondern wegen der Anwendungen oder Workloads, die im Rechenzentrum laufen.

Alle Ressourcen im Rechenzentrum, von den Softwaresystemen bis hin zur Anlage selbst, sowie die zugehörigen Managementprozesse dienen ausschließlich der Unterstützung der Workloads, die auf diesen Ressourcen laufen. Dies führt zu folgender Disziplin: Workload-Asset-Management, was definiert wird als „Ermöglichung der Optimierung der Arbeitslast durch intelligente Erkenntnisse und umfassendes Management der zugrunde liegenden Assets“.

Die Bedeutung des Workload-Asset-Managements

Wie erweitert Workload Asset Management das Mantra „Management durch KI“? Auf vielfältige Weise:

• Verfügbarkeit optimieren Durch die Einbeziehung des prognostizierten Virtualisierungs-, Anlagen- oder IT-Gerätestatus in das Workload-Management können Workloads präventiv zwischen virtuellen Umgebungen, innerhalb oder zwischen Rechenzentren verschoben oder mit Cloud-Alternativen koordiniert werden, um die Anwendungsverfügbarkeit zu optimieren.
• Ganzheitliches Management der Arbeitslast durch Einbeziehung neuer Faktoren wie „Kosten pro Arbeitslast“, sowohl aktueller als auch erwarteter, in die Überlegungen zur Personalbesetzung und zum Management.
• Optimierung des Energieverbrauchs Indem die Anlage anhand des Arbeitslastverhaltens gesteuert wird. Warum sollte man ein Haus voll kühlen, wenn niemand da ist? Tun wir ja auch nicht. Sollten Rechenzentren nicht genauso funktionieren? Durch die Kenntnis der Arbeitslasten selbst können Kühlung und IT-Systeme je nach aktuellem und erwartetem Verhalten angepasst werden.
• Verbesserung der vorausschauenden Wartung und der Ausfallszenarien durch die Anwendung multivariater Analysen unter Einbeziehung aller verfügbaren Datenpunkte, einschließlich derer zur Arbeitsbelastung, um die Ergebnisse zu verbessern.
• Intelligente Verwaltung von Alarmen und Warnmeldungen Durch die Normalisierung und Rationalisierung signifikanter Ereignisse im gesamten Ökosystem, von den Anlagen bis zur Arbeitslast, wird die Ursachenforschung deutlich verbessert. Ein häufiges Problem in Rechenzentren ist die Verarbeitung verketteter Warnmeldungen, was die Behebung der eigentlichen Problemursache erschwert. Das Wachstum von Edge-Rechenzentren, die oft abgelegen und unbemannt sind, verschärft dieses Problem erheblich. Künstliche Intelligenz (KI) bietet in Kombination mit Algorithmen zur Änderungsrate, Abweichungsmessung oder ähnlichen Verfahren einen idealen Mechanismus, um kritische Warnmeldungen zu identifizieren und darauf zu reagieren.

In diesem Segment des Marktes für industrielle KI zeichnen sich mehrere wichtige und gemeinsame Trends ab:

• Nutzung aller Einflussfaktoren zur Optimierung der ErgebnisseDer Betrieb von Rechenzentren generiert eine enorme Menge an nützlichen Managementinformationen – von kritischer Infrastruktur (Stromversorgung, Wärmemanagement) über Sicherheit (Sicherheitsvorfälle, Anomalien) bis hin zur IT (Server, Virtualisierung). Typischerweise wurde nur ein kleiner Teil dieser Informationen genutzt oder auf die jeweilige Kennzahl oder den KPI zugeschnitten. Ein wirklich kognitives System ermöglicht es jedoch, alle Eingangsdaten zu berücksichtigen, da sich möglicherweise bisher unbekannte, aber aussagekräftige Muster ergeben, die die Ergebnisse deutlich verbessern.
• Übergang von reaktiv zu proaktivRechenzentren arbeiten überwiegend reaktiv: Anwendungen werden erst nach einem Ausfall verschoben; thermische Systeme reagieren auf Temperaturänderungen; Sicherheitslücken werden erst nach einem Sicherheitsvorfall behoben. Ein gut implementiertes KI-System mit umfangreichen Dateneingaben, kognitiver Analytik und geeigneten Steuerungs- und Kontrollsystemen transformiert ein Rechenzentrum grundlegend vom reaktiven in den proaktiven Modus. Was wäre, wenn Workloads optimal auf Basis zukünftiger Nachfrage und des Infrastrukturzustands platziert würden? Was wäre, wenn Geräte präventiv repariert würden, basierend auf äußerst präzisen Ausfallprognosen? Was wäre, wenn Zugangspunkte präventiv aufgrund erwarteter Sicherheitsanomalien geschlossen würden? Dieser Wandel von reaktivem zu proaktivem Betrieb entspricht dem aktuellen Stand der Technik im Rechenzentrumsmarkt.
• Analyse der AlternativenWas-wäre-wenn-Szenarien sind ein fester Bestandteil von Managementsystemen, werden aber meist manuell und offline durchgeführt. Im Gegensatz dazu analysieren echte KI-Systeme alle erkennbaren Optionen in Echtzeit und nutzen umfangreiche Eingangsdaten, um Ergebnisse zu ermitteln. In einer Umgebung mit so vielen Variablen wie einem Rechenzentrum können Was-wäre-wenn-Szenarien schlichtweg nicht die erforderlichen Echtzeitinformationen und tiefgreifenden Einblicke in operative Alternativen liefern.

Der ideale Anwendungsfall für industrielle KI

Rechenzentren stellen einen idealen Anwendungsfall für industrielle KI dar: Sie sind komplex, energieintensiv und geschäftskritisch und verfügen über eine Vielzahl von Eingangs- und Kontrollpunkten, die nur durch ein automatisiertes System adäquat verwaltet werden können. Angesichts der ständigen Weiterentwicklung von Innovationen im Rechenzentrumsbereich – von Application Performance Management in Verbindung mit physischer Infrastruktur bis hin zu eng verknüpfter Virtualisierung und Multi-Rechenzentrum-Topologien – werden der Bedarf an und die Vorteile von KI weiter zunehmen.

Enzo Greco ist Präsident von Nlyte-Software Der führende Anbieter von DCIM-Lösungen (Data Center Infrastructure Management) unterstützt Unternehmen bei der Automatisierung und Optimierung der Verwaltung ihrer IT-Infrastruktur.