Thought Leadership
Die Nachhaltigkeit von Rechenzentren steht zunehmend auf dem Prüfstand. Drei Praxisbeispiele zeigen, wie Künstliche Intelligenz zu mehr Effizienz führen kann.
Der Rechenzentrenausbau schreitet voran: In Deutschland steigt die IT-Anschlussleistung der Rechenzentren bis 2030 voraussichtlich auf über 6000 Megawatt. Das ist auch das erklärte Ziel der Bundesregierung.
Gleichzeitig wachsen die regulatorischen Anforderungen an Betreiber. Die Novelle des Bundeskabinetts vom 24. Juni 2026 bringt zwar einige Erleichterungen, so wie die Einführung einer Übergangsfrist zur Einhaltung der strengen Energieverbrauchseffektivität für neue Rechenzentren von zwei auf vier Jahre. Dazu kommt, dass die Pflicht zur Abwärmenutzung flexibler gestaltet wird. Diese greift dann nur noch, wenn auch ein Wärmenetz vor Ort vorhanden ist.
Dennoch müssen Rechenzentren künftig deutlich nachhaltiger werden als bisher. Wie lässt sich das in der Praxis umsetzen? Drei Beispiele zeigen, dass die Lösung ausgerechnet die Technologie liefern könnte, die dieses Wachstum antreibt – nämlich die Künstliche Intelligenz.
Huawei nutzt KI-gesteuerte adaptive Kühlung
Großes Potenzial liegt in der Kühlung der Server, die traditionell bis zu 40 Prozent des Energiebedarfs ausmacht. Anders als bei starren Kreisläufen passen moderne Machine-Learning-Modelle Temperatur und Luftstrom kontinuierlich und vollautomatisch an. Ein Vorreiter dieser Betriebs- und Energieüberwachung ist Huawei. Mit KI-gestützten Systemen wie dem iManager wird die Stromverteilung in Rechenzentren hocheffizient verwaltet. So wird die Ressourcennutzung um bis zu 20 Prozent optimiert.
Ein weiteres wegweisendes Beispiel liefert der globale Anbieter Equinix. In einem Pilotprojekt in Frankfurt wurde erprobt, wie sich der Kühlungsaufwand durch die dynamische Anpassung an Echtzeit‑Wetterdaten und Betriebsauslastung reduzieren lässt.
Von ersten Teilerfolgen berichtete das Unternehmen dieses Jahr. Im Frankfurter Rechenzentrum FR6 setzt Equinix auf eine adaptive KI-Steuerung auf Basis von Reinforcement Learning. Dabei nimmt das Modell kontinuierlich minimale Luftstromanpassungen vor und lernt selbstständig, wie die Kühleffizienz optimiert werden kann.
An diesem Standort konnte der jährliche Energieverbrauch um 900 MWh gesenkt und der PUE-Wert wesentlich verbessert werden. Der PUE-Wert (Power Usage Effectiveness) beschreibt das Verhältnis zwischen dem Gesamtenergieverbrauch eines Rechenzentrums und dem tatsächlichen Strombedarf der IT-Infrastruktur.
Diese Kennzahl sank im Rechenzentrum FR6 auf 1,2 PUE. Damit liegt es deutlich unter dem deutschen Branchenmittelwert von 1,46 (Bundesministerium für Wirtschaft und Klimaschutz, 2025) und erfüllt die strengen EnEfG-Anforderungen für deutsche Neubauten.
Ein weiterer Standort in Singapur verzeichnet ähnliche Erfolge. Bei dem dortigen Rechenzentrum SG5 konnte eine jährliche PUE-Verbesserung von zehn Prozent erzielt werden. Weltweit sank der durchschnittliche PUE-Wert des Anbieters 2025 auf 1,37, nachdem 36 Millionen US-Dollar in die Modernisierung der Infrastruktur von 79 Standorten investiert wurden.
Vorausschauende Wartung und digitale Zwillinge
Neben der Kühlung lassen sich durch digitale Zwillinge im Design- und Planungsprozess von Rechenzentren weitere Potenziale ausschöpfen. Digitale Zwillinge sind virtuelle 3D-Modelle von Rechenzentren und können komplette Betriebsabläufe simulieren. Sie helfen dabei, ineffiziente Prozesse zu identifizieren. 6Sigma, ein Produkt von Cadence, kombiniert KI, Software-Analytik und maschinelles Lernen, um Leistung vorherzusagen und Kapazitäten noch vor dem Bau eines Rechenzentrums zu bestimmen.
Im laufenden Betrieb sorgt anschließend die vorausschauende Wartung (Predictive Maintenance) für längere Lebenszyklen der Hardware. KI-gestützte Systeme überwachen kritische Komponenten wie Batterien, prognostizieren Ausfallrisiken und vermeiden ungeplante Stillstandszeiten. Dies verlängert die Lebensdauer der installierten Systeme, verringert thermische Risiken und spart wertvolle Ressourcen.
Die KI kann zudem die Integration von erneuerbaren Energien unterstützen. Wind- und Solarkraft unterliegen Schwankungen, die die KI steuern und einen optimalen Wechsel zwischen lokal erzeugtem Grünstrom, Batteriespeichern und dem Stromnetz anstoßen kann. Projekte wie das Stellium-Rechenzentrum in Newcastle zeigen bereits, wie KI das Energiemanagement angebots- und nachfrageorientiert optimiert.
Frühzeitige Planung entscheidend
Die Praxisbeispiele zeigen: Durch intelligente Kühlung, vorausschauende Wartung und smartes Energiemanagement kann KI Betreibern dabei helfen, gesetzliche Auflagen einzuhalten und gleichzeitig Betriebskosten zu senken.
Für eine erfolgreiche Umsetzung müssen diese Systeme im besten Fall von Anfang an in die bauliche und finanzielle Planung einfließen. Wer Kosten, Nachhaltigkeit und innovative Technologie von Tag eins an zusammendenkt, schafft zukunftssichere digitale Infrastrukturen.
