Die Diskussion rund um künstliche Intelligenz hat sich verändert. Jahrelang standen die enormen rechentechnischen Herausforderungen beim Training von Basismodellen im Mittelpunkt. Heute sieht die betriebliche Realität für IT-Entscheider und Infrastrukturarchitekten grundlegend anders aus: Die größte Herausforderung hat sich vom Training hin zur Bereitstellung verlagert – insbesondere zur effizienten KI-Inferenz mit hohem Durchsatz im großen Maßstab.
Dieser Wandel hat einen kritischen Engpass in der Infrastruktur offengelegt. Wenn Unternehmen produktionsreife Modelle in ihre Arbeitsabläufe integrieren, werden die Grenzen herkömmlicher, GPU-zentrierter Architekturen deutlich. Stromverbrauch, Kühlkapazität und die baulichen Gegebenheiten von Rechenzentren haben die reine Prozessorgeschwindigkeit als wichtigste begrenzende Wachstumsfaktoren abgelöst. Darüber hinaus haben die Anforderungen an digitale Souveränität und Transparenz in der Lieferkette neue, komplexe Anforderungen an moderne Rechenzentren geschaffen.
KI-Inferenz skalieren: Warum CPU-Architekturen GPUs den Rang ablaufen
Der traditionelle Ansatz zur Deckung des KI-Bedarfs bestand darin, immer mehr energieintensive Beschleuniger einzusetzen. Dies erforderte häufig kostspielige und komplexe Nachrüstungen von Flüssigkeitskühlsystemen. Eine neue Generation Arm-basierter Serverarchitekturen zeigt jedoch, dass hochentwickelte CPU-basierte Architekturen für viele Inferenzaufgaben eine überzeugende Alternative darstellen können.
Eine effiziente Inferenz hängt davon ab, die Datenbewegungen zu optimieren und den Durchsatz pro Watt zu maximieren. Moderne Architekturen erreichen dies durch fortschrittliche Fertigungsverfahren und architektonische Innovationen. Durch den Einsatz einer dreidimensional gestapelten Chiplet-Architektur, bei der ein 2-nm-Fertigungsprozess für die Rechenkerne und 5-nm-Prozesse für Cache und Ein-/Ausgabe zum Einsatz kommen, können Entwickler die physischen Datenwege verkürzen. Dies ist entscheidend, um die Latenz und den Energiebedarf für die Datenübertragung innerhalb des Chips zu reduzieren.
Die Einführung der Armv9-Befehlssatzarchitektur (Instruction Set Architecture, ISA) schafft die Grundlage für moderne Workloads. Funktionen wie die Scalable Vector Extensions (SVE2) ermöglichen eine effiziente parallele Verarbeitung, während spezielle hardwareunterstützte Befehle für Matrixoperationen eine KI-Inferenz mit hohem Durchsatz allein auf der CPU unterstützen. Dadurch lässt sich die Abhängigkeit von GPU-Beschaffungszyklen und den damit verbundenen Einschränkungen in der Lieferkette verringern.
Performance ohne Umbau: Wie Sie KI in bestehende Rechenzentren integrieren
Für viele Unternehmen ist es entscheidend, KI-Funktionen in bestehende Einrichtungen integrieren zu können. Häufig fehlt Rechenzentren die erforderliche Kühlungsinfrastruktur, um die hohe thermische Leistungsdichte beschleunigter KI-Cluster zu bewältigen.
Fortschritte bei der Energieeffizienz können hier grundlegende Veränderungen ermöglichen. Die Entwicklung einer CPU, die auch bei extrem niedrigen Spannungen effizient arbeitet, kann die Leistung pro Watt erheblich steigern. In Verbindung mit Optimierungen auf Serverebene, beispielsweise der Unterstützung von Umgebungstemperaturen bis zu 40 °C in luftgekühlten Umgebungen, können Unternehmen KI-Inferenzplattformen bereitstellen, ohne umfangreiche Modernisierungen ihrer Rechenzentrumsinfrastruktur vornehmen zu müssen. Diese Flexibilität hilft Infrastrukturarchitekten dabei, KI-Anwendungen zu skalieren und gleichzeitig Kosten sowie Nachhaltigkeitsziele im Blick zu behalten.
Compliance & Vertrauen: KI-Infrastruktur sicher und souverän gestalten
Neben Leistung und Energieverbrauch stellt der Einsatz von KI in regulierten Branchen wie dem Finanzwesen, dem Gesundheitswesen und dem öffentlichen Sektor strenge Anforderungen an den Datenschutz. Confidential-Computing-Technologien wie die Arm Confidential Compute Architecture (CCA) ermöglichen eine hardwarebasierte Isolierung von Daten und Anwendungen während ihrer Verarbeitung. Dies trägt dazu bei, sensible Informationen selbst vor privilegierten Softwareebenen wie Hypervisoren oder Betriebssystemen zu schützen.
Ergänzend zu dieser technischen Sicherheit besteht die Anforderung an Transparenz in der Lieferkette. In einem von geopolitischen Risiken geprägten Umfeld wird die Herkunft der Technologie – von der Konzeption und Entwicklung bis hin zur Fertigung – zu einem entscheidenden Faktor bei Infrastrukturentscheidungen. Ein transparenter, nachvollziehbarer Fertigungsprozess verschafft Unternehmen vollständige Transparenz und Kontrolle über ihre IT-Ressourcen. Dies ist eine Voraussetzung für echte digitale Souveränität.
Maximale Auslastung durch CDI & CXL: Ressourcen effizient entkoppeln
Moderne Rechenzentren müssen zudem flexibler werden und auf Architekturen mit gemeinsam nutzbaren Ressourcenpools setzen. Composable Disaggregated Infrastructure (CDI), unterstützt durch schnelle Verbindungsstandards mit geringer Latenz wie Compute Express Link (CXL), ermöglicht die dynamische Zuweisung von Arbeitsspeicher und Beschleunigern über die Grenzen einzelner physischer Server hinaus.
Durch die Entkopplung von Ressourcen können Infrastrukturarchitekten die Anforderungen an Rechenleistung und Arbeitsspeicher besser aufeinander abstimmen, Engpässe reduzieren und die Gesamtauslastung der Systeme maximieren. So entsteht eine Infrastruktur, die sich an veränderte Workload-Anforderungen und zukünftige KI-Entwicklungen anpassen kann.
Die Antwort auf die Energiewende im Rechenzentrum
Die Fujitsu MONAKA Server, die von Fsas Technologies auf den europäischen Markt gebracht werden, setzen diese Prinzipien um, um den Anforderungen an leistungsstarke KI-Inferenz und einen nachhaltigen Betrieb gleichermaßen gerecht zu werden. Mit einem dreidimensional gestapelten Prozessor auf Basis der 2-nm-Fertigungstechnologie schafft die Architektur ein ausgewogenes Verhältnis zwischen Leistung und Energieeffizienz.
Die MONAKA Serverreihe bietet Konfigurationen von luftgekühlten 1U- und 2U-Modellen bis hin zu flüssigkeitsgekühlten Varianten und ermöglicht damit einen flexiblen Einsatz in unterschiedlichen Umgebungen. Durch die Entwicklung und Fertigung in Japan legt die Plattform besonderen Wert auf die Rückverfolgbarkeit der Lieferkette und digitale Souveränität.
Während Unternehmen ihre Infrastrukturstrategien für 2027 und darüber hinaus planen, bietet die MONAKA Plattform einen praxisorientierten Ansatz, um KI in großem Maßstab einzusetzen und dabei Leistung, Sicherheit, Souveränität und Nachhaltigkeit in Einklang zu bringen.
Sie möchten wissen, wie sich Fujitsu MONAKA Server in die aktuelle RZ-Landschaft integrieren lassen? Laden Sie unser Whitepaper, Datenblatt und weitere Informationen herunter oder vereinbaren Sie ein unverbindliches Gespräch mit unseren Experten. Jetzt informieren und profitieren!
kommentar field