![\"ATS_Blog_banner\"](\"https:\/\/www.ats-global.com\/wp-content\/uploads\/2021\/01\/ATS_Blog_banner_3-1.png\" "\\"ATS_Blog_banner_3\\"")
<\/span><\/div><\/div><\/div><\/div><\/div>Die unvermeidliche Ankunft der KI im Infrastruktur-Management von Rechenzentren<\/strong><\/h1>\n<\/div><\/div><\/div><\/div>Das sorgsame Betreiben eines Rechenzentrums ist eine komplexe Aufgabe. Wer schon einmal damit zu tun hatte, die Infrastruktur am Laufen zu halten und gleichzeitig die Betriebskosten zu senken, wei\u00df, wovon wir sprechen.<\/p>\n
Mit unbegrenzten Ressourcen l\u00e4sst sich die Betriebszeit sicherlich leicht garantieren. Das w\u00e4re so als w\u00fcrde man 3n+1 folgen und die Chancen auf einen Ausfall gegen Null gehen.<\/p>\n
Allerdings kann sich sicherlich niemand einen solchen Kostenaufwand leisten. Weder die Investition selbst, noch die Kosten f\u00fcr den ununterbrochenen Betrieb.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/div>
<\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div>Die Suche nach dem Optimum<\/h2>\n
Der Betriebsleiter eines Rechenzentrums steht vor der komplexen Aufgabe, den idealen Punkt zu finden, an dem die Summe von CapEx und OpEx mit der Betriebszeit \u00fcbereinstimmt. Wie l\u00e4sst sich mit minimaler Investition und niedrigsten Betriebskosten eine maximale Betriebszeit erreichen? Eine Methodik ist es, als Betriebszeit einen bestimmten Grenzwert festzulegen, z. B. 99,995 %, wovon sich anschlie\u00dfend die Kosten ableiten lassen. Alternativ l\u00e4sst sich die maximale Betriebszeit f\u00fcr vorgegebene Kosten bestimmen. So oder so: Der Betriebsleiter steht vor einer hohen Komplexit\u00e4t an M\u00f6glichkeiten, bei denen sich jede Entscheidung auf andere Variablen auswirkt. Es ist ein bisschen wie beim Schach, wo immer schon der n\u00e4chste Zug bedacht werden muss.<\/p>\n<\/div><\/div><\/div>
KI schl\u00e4gt den Menschen immer wieder<\/h2>\n
1996 trat der IBM-Computer \u201eDeep Blue\u201c gegen den Schachweltmeister Garri Kasparow an und besiegte ihn in einem Schachturnier 3,5 zu 2,5. 2017 besiegte das KI-Computerprogramm \u201eAlphaGo\u201c den amtierenden Weltmeister Ke Jie, indem es 3 von 3 Go-Spielen gewann \u2013 und Go ist noch viel komplexer als Schach. K\u00fcnstliche Intelligenzen (KI) haben immer wieder bewiesen, dass sie in der strategischen Entscheidungsfindung besser sind als Menschen. So wird verst\u00e4ndlich, dass die KI auch bei der \u00e4u\u00dferst komplexen Entscheidungsfindung in einem Rechenzentrum hilfreich ist.<\/p>\n<\/div><\/div><\/div>
Der Betrieb eines Rechenzentrums \u2013 wie komplex kann das sein?<\/h2>\n
In einem Rechenzentrum gibt es eine ganze Reihe von Variablen, die miteinander verkn\u00fcpft sind. Denken Sie nur an die Lufttemperatur auf Serverebene, die Temperatur am CRAC-Einlass und -Auslass, die Luftgeschwindigkeit und den Effizienzgrad der verschiedenen Infrastrukturelemente. Zudem gibt es noch den zeitabh\u00e4ngigen Energiebedarf der Server. Bei manchen Clustern liegt der Spitzenwert in der Nacht, andere sind w\u00e4hrend der B\u00fcroarbeitszeiten aktiver.<\/p>\n
Sie m\u00fcssen aber nicht nur mit all diesen Parametern jonglieren, sondern gleichzeitig auch die Redundanz Ihrer gesamten Anlagen ber\u00fccksichtigen, damit nicht eine einzelne St\u00f6rung zu einem Ausfall f\u00fchrt. Und jetzt denken Sie noch an die Instandhaltung all dieser Hardware und den Erhalt der Redundanz w\u00e4hrend der Wartung \u2013 ach, und zudem d\u00fcrfen Sie nat\u00fcrlich nur so wenig Energie wie m\u00f6glich verbrauchen.<\/p>\n
Sehen Sie? Das ist f\u00fcr Menschen eine geradezu unl\u00f6sbare Aufgabe. Maschinen k\u00f6nnen fast unendlich schneller rechnen als Menschen.<\/p>\n<\/div><\/div><\/div>
Aber geht es immer nur ums Rechnen?<\/h2>\n
Nein, denn wenn ein Computer etwas berechnet, f\u00fchrt er nur das aus, was ihm einprogrammiert wurde. Er kann nicht selbst denken. Mit Deep Learning kann ein Computer zwar enorme Datenmengen analysieren und daraus Schlussfolgerungen ziehen. Aber auch hier gibt es Grenzen: Was ist mit Situationen, die so noch nie eingetreten sind? Wie soll man etwas vorhersagen, was noch nicht getestet wurde? Hier kommt das Konzept \u201eDigital Twin\u201c ins Spiel. Perf-iT setzt diese Technologie in seiner neuesten Version von 4D Cool ein, einem radikal neuen Konzept f\u00fcr das Effizienzmanagement von Rechenzentren.<\/p>\n<\/div><\/div><\/div>
Digitale Zwillinge und \u201eWas w\u00e4re, wenn?\u201c<\/h2>\n
Das Managementsystem 4D Cool basiert auf realen, von einer begrenzten Anzahl Sensoren erzeugten Daten, numerischer Str\u00f6mungsmechanik (CFD) zur Vorhersage der Temperatur in jedem Winkel Ihres Datenraums und einer komplett digitalisierten Version Ihres Rechenzentrums. Durch die Analyse der CFD-Ausgabe mit den realen Daten der Sensoren verbessert das System st\u00e4ndig seine Vorhersagen. Der Grad der Vorhersagbarkeit wird dadurch hoch genug, um hypothetische Situationen zu analysieren, wie zum Beispiel: Was w\u00e4re, wenn ein Transformator kaputtgeht? Was w\u00e4re, wenn wir in dem Gang noch 500 Server aufstellen w\u00fcrden? Solche Was-w\u00e4re-wenn-Szenarien lassen sich nur mit solch einem Digital-Twin-Konzept berechnen, denn der digitale Zwilling ist eine exakte Kopie Ihres realen Rechenzentrums.<\/p>\n<\/div><\/div><\/div>
Die Zukunft der Rechenzentren ist digital<\/h2>\n
Rechenzentren werden immer gr\u00f6\u00dfer und immer komplexer. Kein Mensch ist in der Lage, so viele Variablen gleichzeitig im Griff zu haben und die Auswirkungen von Ver\u00e4nderungen bei mehreren Variablen vorherzusagen. Hier m\u00fcssen Computer \u00fcbernehmen. Aber mit blo\u00dfer Rechnerei ist es nicht getan. Der Computer muss seine eigenen Berechnungen durch Gegenkontrollen mit realen Daten \u00fcberpr\u00fcfen. Und genau das macht ein digitaler Zwilling. Damit hat der Leiter eines Rechenzentrums ein Tool, mit dem er die Auswirkungen von Ver\u00e4nderungen im Rechenzentrum analysieren und entsprechend entscheiden kann, welche Vorgehensweise am besten ist. Dieses Tool hei\u00dft 4D Cool und wir f\u00fchren es Ihnen sehr gern einmal vor.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div>
Sprechen wir \u00fcber die Anforderungen Ihres Rechenzentrums.<\/strong><\/span><\/p>\n<\/div><\/div><\/div><\/div>\n\t\t\t\t\t\t
Das sorgsame Betreiben eines Rechenzentrums ist eine komplexe Aufgabe. Wer schon einmal damit zu tun hatte, die Infrastruktur am Laufen zu halten und gleichzeitig die Betriebskosten zu senken, wei\u00df, wovon wir sprechen.<\/p>\n
Mit unbegrenzten Ressourcen l\u00e4sst sich die Betriebszeit sicherlich leicht garantieren. Das w\u00e4re so als w\u00fcrde man 3n+1 folgen und die Chancen auf einen Ausfall gegen Null gehen.<\/p>\n
Allerdings kann sich sicherlich niemand einen solchen Kostenaufwand leisten. Weder die Investition selbst, noch die Kosten f\u00fcr den ununterbrochenen Betrieb.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/div>
Die Suche nach dem Optimum<\/h2>\n
Der Betriebsleiter eines Rechenzentrums steht vor der komplexen Aufgabe, den idealen Punkt zu finden, an dem die Summe von CapEx und OpEx mit der Betriebszeit \u00fcbereinstimmt. Wie l\u00e4sst sich mit minimaler Investition und niedrigsten Betriebskosten eine maximale Betriebszeit erreichen? Eine Methodik ist es, als Betriebszeit einen bestimmten Grenzwert festzulegen, z. B. 99,995 %, wovon sich anschlie\u00dfend die Kosten ableiten lassen. Alternativ l\u00e4sst sich die maximale Betriebszeit f\u00fcr vorgegebene Kosten bestimmen. So oder so: Der Betriebsleiter steht vor einer hohen Komplexit\u00e4t an M\u00f6glichkeiten, bei denen sich jede Entscheidung auf andere Variablen auswirkt. Es ist ein bisschen wie beim Schach, wo immer schon der n\u00e4chste Zug bedacht werden muss.<\/p>\n<\/div><\/div><\/div>
KI schl\u00e4gt den Menschen immer wieder<\/h2>\n
1996 trat der IBM-Computer \u201eDeep Blue\u201c gegen den Schachweltmeister Garri Kasparow an und besiegte ihn in einem Schachturnier 3,5 zu 2,5. 2017 besiegte das KI-Computerprogramm \u201eAlphaGo\u201c den amtierenden Weltmeister Ke Jie, indem es 3 von 3 Go-Spielen gewann \u2013 und Go ist noch viel komplexer als Schach. K\u00fcnstliche Intelligenzen (KI) haben immer wieder bewiesen, dass sie in der strategischen Entscheidungsfindung besser sind als Menschen. So wird verst\u00e4ndlich, dass die KI auch bei der \u00e4u\u00dferst komplexen Entscheidungsfindung in einem Rechenzentrum hilfreich ist.<\/p>\n<\/div><\/div><\/div>
Der Betrieb eines Rechenzentrums \u2013 wie komplex kann das sein?<\/h2>\n
In einem Rechenzentrum gibt es eine ganze Reihe von Variablen, die miteinander verkn\u00fcpft sind. Denken Sie nur an die Lufttemperatur auf Serverebene, die Temperatur am CRAC-Einlass und -Auslass, die Luftgeschwindigkeit und den Effizienzgrad der verschiedenen Infrastrukturelemente. Zudem gibt es noch den zeitabh\u00e4ngigen Energiebedarf der Server. Bei manchen Clustern liegt der Spitzenwert in der Nacht, andere sind w\u00e4hrend der B\u00fcroarbeitszeiten aktiver.<\/p>\n
Sie m\u00fcssen aber nicht nur mit all diesen Parametern jonglieren, sondern gleichzeitig auch die Redundanz Ihrer gesamten Anlagen ber\u00fccksichtigen, damit nicht eine einzelne St\u00f6rung zu einem Ausfall f\u00fchrt. Und jetzt denken Sie noch an die Instandhaltung all dieser Hardware und den Erhalt der Redundanz w\u00e4hrend der Wartung \u2013 ach, und zudem d\u00fcrfen Sie nat\u00fcrlich nur so wenig Energie wie m\u00f6glich verbrauchen.<\/p>\n
Sehen Sie? Das ist f\u00fcr Menschen eine geradezu unl\u00f6sbare Aufgabe. Maschinen k\u00f6nnen fast unendlich schneller rechnen als Menschen.<\/p>\n<\/div><\/div><\/div>
Aber geht es immer nur ums Rechnen?<\/h2>\n
Nein, denn wenn ein Computer etwas berechnet, f\u00fchrt er nur das aus, was ihm einprogrammiert wurde. Er kann nicht selbst denken. Mit Deep Learning kann ein Computer zwar enorme Datenmengen analysieren und daraus Schlussfolgerungen ziehen. Aber auch hier gibt es Grenzen: Was ist mit Situationen, die so noch nie eingetreten sind? Wie soll man etwas vorhersagen, was noch nicht getestet wurde? Hier kommt das Konzept \u201eDigital Twin\u201c ins Spiel. Perf-iT setzt diese Technologie in seiner neuesten Version von 4D Cool ein, einem radikal neuen Konzept f\u00fcr das Effizienzmanagement von Rechenzentren.<\/p>\n<\/div><\/div><\/div>
Digitale Zwillinge und \u201eWas w\u00e4re, wenn?\u201c<\/h2>\n
Das Managementsystem 4D Cool basiert auf realen, von einer begrenzten Anzahl Sensoren erzeugten Daten, numerischer Str\u00f6mungsmechanik (CFD) zur Vorhersage der Temperatur in jedem Winkel Ihres Datenraums und einer komplett digitalisierten Version Ihres Rechenzentrums. Durch die Analyse der CFD-Ausgabe mit den realen Daten der Sensoren verbessert das System st\u00e4ndig seine Vorhersagen. Der Grad der Vorhersagbarkeit wird dadurch hoch genug, um hypothetische Situationen zu analysieren, wie zum Beispiel: Was w\u00e4re, wenn ein Transformator kaputtgeht? Was w\u00e4re, wenn wir in dem Gang noch 500 Server aufstellen w\u00fcrden? Solche Was-w\u00e4re-wenn-Szenarien lassen sich nur mit solch einem Digital-Twin-Konzept berechnen, denn der digitale Zwilling ist eine exakte Kopie Ihres realen Rechenzentrums.<\/p>\n<\/div><\/div><\/div>
Die Zukunft der Rechenzentren ist digital<\/h2>\n
Rechenzentren werden immer gr\u00f6\u00dfer und immer komplexer. Kein Mensch ist in der Lage, so viele Variablen gleichzeitig im Griff zu haben und die Auswirkungen von Ver\u00e4nderungen bei mehreren Variablen vorherzusagen. Hier m\u00fcssen Computer \u00fcbernehmen. Aber mit blo\u00dfer Rechnerei ist es nicht getan. Der Computer muss seine eigenen Berechnungen durch Gegenkontrollen mit realen Daten \u00fcberpr\u00fcfen. Und genau das macht ein digitaler Zwilling. Damit hat der Leiter eines Rechenzentrums ein Tool, mit dem er die Auswirkungen von Ver\u00e4nderungen im Rechenzentrum analysieren und entsprechend entscheiden kann, welche Vorgehensweise am besten ist. Dieses Tool hei\u00dft 4D Cool und wir f\u00fchren es Ihnen sehr gern einmal vor.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div>
Sprechen wir \u00fcber die Anforderungen Ihres Rechenzentrums.<\/strong><\/span><\/p>\n<\/div><\/div><\/div><\/div>