Forschende der Penn State entwickeln KI-System zur Optimierung der Kühlung von Rechenzentren

Wissenschaftler der Penn State University haben ein bahnbrechendes System für künstliche Intelligenz (KI) entwickelt, das Wetterdaten und Strompreise in Echtzeit nutzt, um die Kühlung von Rechenzentren effizient zu steuern. Diese neue Technologie ermöglicht es, den Energieverbrauch um etwa 25 % zu reduzieren, ohne dass eine kostspielige Aufrüstung der vorhandenen Infrastruktur erforderlich ist. Dies stellt einen bedeutenden Fortschritt in Richtung einer Senkung der Energiekosten dar.

Wie das Fachmagazin Interesting Engineering berichtet, ist diese Entwicklung besonders wichtig angesichts der steigenden Nachfrage nach Cloud-Computing und künstlicher Intelligenz, was zu einer erhöhten Belastung der Rechenzentren und damit zu höheren Energiekosten führt. Eine der größten Ausgaben in diesem Zusammenhang ist die Kühlung, die einen erheblichen Teil des gesamten Energieverbrauchs ausmacht. Die Forscher schlagen vor, die traditionellen festen Kühlkonfigurationen durch adaptive Systeme zu ersetzen, die eine effizientere Nutzung der Energieressourcen ermöglichen.

Das von den Wissenschaftlern entwickelte System basiert auf einer Software, die auf einem KI-Modell beruht und physikalische Prinzipien berücksichtigt. Es analysiert die klimatischen Bedingungen sowie wirtschaftliche Daten in Echtzeit und gibt Empfehlungen zur Optimierung der Kühlung. Zum Beispiel kann das System die Kühlung des Rechenzentrums verstärken, wenn der Strompreis niedrig ist, und die Belastung reduzieren, wenn die Preise steigen, während es gleichzeitig innerhalb sicherer Betriebsparameter bleibt.

Professor Wangda Zhou, der im Bereich Architekturtechnik tätig ist, hebt hervor, dass die Kühlung derzeit etwa 40 % des gesamten Stromverbrauchs eines Rechenzentrums ausmacht und notwendig ist, um den Betrieb aufrechtzuerhalten. Traditionelle Kühlsysteme verwenden in der Regel feste Temperaturziele, was zu finanziellen Verlusten führen kann, wenn die Strompreise steigen.

Um die künstliche Intelligenz zu trainieren, verwendeten die Wissenschaftler einen digitalen Zwilling – eine virtuelle Kopie des Rechenzentrums, die Temperatur, Luftfeuchtigkeit und Geräteeinschränkungen nachbildet. Dieses Modell kombiniert ingenieurtechnische Regeln mit Methoden des maschinellen Lernens, was es ermöglicht, praktische und sichere Entscheidungen zu treffen. Die Systeme wurden in einer Simulation eines Rechenzentrums in Houston getestet, wo hohe Temperaturen und Luftfeuchtigkeit schwierige Betriebsbedingungen schaffen.

Der Doktorand Viswanathan Ganesh erklärt, dass jedes Element des Kühlsystems seine eigenen Betriebsgrenzen hat, die in das Modell einflossen. Dies ermöglicht eine Steigerung der Kühlleistung, ohne das Risiko einer Beschädigung der Geräte und reduziert gleichzeitig den Bedarf an großen Datensätzen für das Training.

Diese Entwicklung könnte auch im Bereich des Kryptowährungs-Mining Anwendung finden, das erhebliche Rechenressourcen erfordert und kontinuierlich betrieben wird. Eine Optimierung der Kühlung in Abhängigkeit von den Wetterbedingungen und den Strompreisen könnte die Rentabilität solcher Betriebe erheblich steigern.

Die Forscher betonen, dass ihre Softwarelösung eine kostengünstigere Alternative zur Modernisierung der Infrastruktur darstellen könnte, wie zum Beispiel der Umstieg auf Flüssigkeitskühlung. Die Ergebnisse dieser Arbeit werden auf der IEEE ITherm-Konferenz präsentiert, die im Mai dieses Jahres stattfindet.