Nexus Europa

NVIDIA DSX: Europas Netzengpässe und Wasserlimits beim Ausbau von KI-Rechenzentren

Elise Aranda
Veröffentlicht 21. Oktober 2026 · 7 Aufrufe
Folgen
Teilen
NVIDIA DSX: Europas Netzengpässe und Wasserlimits beim Ausbau von KI-Rechenzentren
Editorial Collage

NVIDIAs DSX-Plattform soll KI-Rechenzentren flexibler an Netzanforderungen anpassen, den Stromverbrauch senken und den Wasserverbrauch bei der Kühlung reduzieren.

Ein herkömmliches Rechenzentrum wird in der Regel für einen relativ vorhersehbaren Strombedarf ausgelegt. Im Betrieb bezieht es Strom für seine installierte Ausrüstung, und die Versorger müssen diese Nachfrage abdecken.

KI-Anlagen erschweren diese Konstellation. Ihre konzentrierten Rechenlasten können lokale Netze erheblich belasten, insbesondere dort, wo die Netzkapazität bereits stark ausgelastet ist.

NVIDIAs Software DSX Flex soll diese Anlagen reaktionsfähiger gegenüber dem sie umgebenden Stromsystem machen. Statt die Stromverfügbarkeit als feste Betriebsbedingung zu behandeln, kann die Plattform Rechenlasten an die Anforderungen der Versorger, an Strompreise und an Demand-Response-Ereignisse anpassen.

Sie koordiniert zudem den aus dem Netz bezogenen Strom mit lokaler erneuerbarer Erzeugung und Energiespeichern.

Die praktischen Auswirkungen wurden in einem frühen Test mit NVIDIA, Emerald AI, EPRI, Nebius und dem britischen National Grid deutlicher. Ein Blackwell-Ultra-GPU-Cluster reduzierte seine Stromaufnahme während simulierter Netzereignisse um bis zu 40 Prozent und unterstützte dabei weiterhin kritische Arbeitslasten.

NVIDIA DSX Platform: Tackling Europe’s Grid Constraints and Water Limits in AI Data Center Buildouts
Nvidianews

Dieses Ergebnis belegt nicht, wie sich jede kommerzielle KI-Installation bei einem echten Netznotfall verhalten würde. Es liefert jedoch Hinweise darauf, dass ein Teil der Rechennachfrage angepasst werden kann, ohne wesentliche Abläufe zum Erliegen zu bringen.

Für europäische Versorger könnte solche Flexibilität einen spürbaren Unterschied machen. Eine Anlage, die ihre Nachfrage in Phasen von Netzbelastung senken kann, stellt eine andere Planungsherausforderung dar als eine, die durchgehend ihre maximale Zuteilung benötigt.

Sie könnte auch das Verhältnis zwischen Rechenzentrumsentwicklern und lokalen Behörden verändern. Projekte hätten ein zusätzliches Mittel, um nachzuweisen, dass ihr Strombedarf nicht zwangsläufig eine unflexible Belastung der umliegenden Infrastruktur bedeutet.

Es gibt Grenzen. Flexibler Verbrauch kann keine Netzkapazität schaffen, wo keine vorhanden ist, und Betreiber benötigen weiterhin zuverlässige Versorgung für Arbeitslasten, die nicht unterbrochen werden können. Der Wert von DSX Flex wird teilweise davon abhängen, wie viel Rechenaktivität unter realen Betriebsbedingungen verlagert oder gedrosselt werden kann.

Mehr KI-Leistung aus derselben Stromversorgung

Ein weiterer Teil von NVIDIAs Strategie betrifft den Strom, der einer Anlage bereits zugeteilt ist.

DSX MaxLPS verwaltet die Leistung dynamisch über die Rechenausrüstung hinweg, statt davon auszugehen, dass jede Komponente auf einem festen Höchstniveau laufen muss. NVIDIA zufolge kann dieser Ansatz dieselbe Anzahl an KI-Tokens erzeugen und dabei bis zu 30 Prozent weniger Strom verbrauchen.

Die Alternative besteht darin, die Effizienzsteigerung zu nutzen, um mehr GPUs unterzubringen und zusätzliche Leistung zu erzeugen, ohne die bestehende Stromzuteilung der Anlage zu erhöhen.

Frühe Tests deuten auf die Größenordnung dieses Zielkonflikts hin.

Lambda verzeichnete einen Anstieg der Token-Generierung im Cluster um 24 Prozent und unterstützte 19 Prozent mehr GPU-Kapazität auf HGX-B200-Systemen. In Island meldete Nscale einen um 49 Prozent höheren Inferenzdurchsatz und 37 Prozent mehr verwaltete GPU-Kapazität über vier GB300-NVL72-Racks, die innerhalb eines Strombudgets von 264 Kilowatt betrieben wurden.

Dies sind Machbarkeitsergebnisse und keine Garantien für gleichwertige Leistung in allen Installationen. Ihre Bedeutung liegt darin, dass sie zeigen, wie softwarebasierte Leistungszuweisung die Wirtschaftlichkeit von Recheninfrastruktur beeinflussen kann.

Ein Entwickler, der keinen größeren Netzanschluss erhalten kann, könnte seine kommerzielle Rechenkapazität dennoch erweitern. Das wäre besonders attraktiv auf europäischen Märkten, wo neue Stromanschlüsse schwer zu sichern sind.

Doch es gibt einen wichtigen Unterschied zwischen der Verbesserung der Energieeffizienz und der Senkung des Gesamtenergieverbrauchs.

Wenn Betreiber die verfügbaren Einsparungen nutzen, um mehr Prozessoren zu installieren, könnte die Anlage weiterhin nahezu dieselbe Strommenge beziehen und dabei mehr KI-Leistung erzeugen. Ein solches Ergebnis würde die Produktivität steigern, ohne zwangsläufig den Druck auf das lokale Netz zu verringern.

Für politische Entscheidungsträger wird dieser Unterschied bei der Bewertung von Aussagen über die Umweltvorteile von KI-Infrastruktur von Bedeutung sein.

Kühlung ohne Verbrauch von Millionen Litern Wasser

Strom ist nur eine Ressourcenbeschränkung. Die Abfuhr von Wärme aus immer dichter gepackter Rechenausrüstung ist zu einem weiteren großen technischen Problem geworden.

Herkömmliche Kühltürme setzen auf Verdunstung, um Wärme abzugeben, und verbrauchen dabei erhebliche Wassermengen. Luftkühlung wiederum wird schwieriger einsetzbar, je leistungsstärkere KI-Prozessoren in einzelnen Racks konzentriert werden.

NVIDIAs DSX-Referenzarchitektur nutzt geschlossene Flüssigkeitskühlung in Kombination mit Trockenkühlern im Freien. Die Flüssigkeit führt Wärme von der Rechenausrüstung ab, während die Trockenkühler sie ohne Verdunstung von Wasser an die Umgebungsluft abgeben.

Unter geeigneten Bedingungen kann diese Anordnung den Kühlwasserverbrauch einer Anlage nahe null bringen.

NVIDIA schätzt, dass ein 2-Gigawatt-Deployment mit DSX im Vergleich zu herkömmlichen Kühltürmen täglich 54 Millionen Liter Wasser einsparen könnte. Das Unternehmen setzt dieses Volumen dem Tagesverbrauch von etwa 180.000 Haushalten gleich.

Die Zahl veranschaulicht die mögliche Größenordnung der Wassereinsparungen, beruht jedoch auf NVIDIAs Schätzungen und nicht auf gemessenen Werten aus einem abgeschlossenen Deployment dieser Größe.

Auch das Klima spielt eine Rolle. Bei hohen Außentemperaturen kann Trockenkühlung zusätzliche mechanische Kühlung erfordern, um die notwendigen Betriebsbedingungen aufrechtzuerhalten. Das kann den Strombedarf erhöhen, selbst wenn der Verdunstungswasserverbrauch minimal bleibt.

Europäische Entwickler müssen daher die kombinierte Energie- und Wasserbilanz einzelner Standorte bewerten, statt anzunehmen, dass ein Kühldesign überall identische Vorteile bringt.

Der breitere kommerzielle Anreiz ist klar. Wo die Wasserentnahme streng reguliert ist, kann ein geringerer Verbrauch ein erhebliches Hindernis im Planungs- und Genehmigungsverfahren beseitigen.

Von der Baustelle zur fabrikgefertigten Infrastruktur

NVIDIA versucht zudem, die Zeit zwischen der Sicherung eines Standorts und der Inbetriebnahme von KI-Rechenkapazität zu verkürzen.

Das Konzept DSX POD bündelt Infrastruktur in standardisierten, im Werk getesteten modularen Einheiten auf Basis der kommenden Vera-Rubin-Plattform; die Auslieferungen sollen Anfang 2027 beginnen.

In Zusammenarbeit mit Unternehmen wie Schneider Electric, Vertiv, Bull, Dell, HPE und Lenovo will NVIDIA die Montagezeiten vor Ort von rund sechs Monaten auf bis zu 14 Tage verkürzen.

Dieser kürzere Zeitplan gilt für vorab vorbereitete Standorte. Er beseitigt nicht die Notwendigkeit von Netzanschlüssen, Baugenehmigungen oder der sonstigen vor der Installation erforderlichen Infrastruktur.

Die Veränderung betrifft den Ort, an dem ein Großteil der technischen Arbeit stattfindet.

Statt zahlreiche Systeme einzeln auf einer Baustelle zusammenzubauen und zu testen, können Hersteller sie vor der Auslieferung in standardisierte Einheiten integrieren. Das bietet die Chance, die Komplexität vor Ort zu verringern und die Konsistenz zwischen Installationen zu verbessern.

NVIDIA überträgt diese Philosophie auch auf den Designprozess.

Die Software DSX Sim und die SimReady Central Library, verfügbar über Hugging Face, unterstützen digitale Modelle von Anlagen, bevor der physische Bau beginnt. Ingenieure können diese digitalen Zwillinge nutzen, um zu untersuchen, wie elektrische Ausrüstung, Kühlsysteme und Recheninfrastruktur zusammenwirken.

Das wird besonders wertvoll, wenn Anlagen Ausrüstung mehrerer Hersteller kombinieren. Ein thermisches oder elektrisches Designproblem in einer Simulation zu erkennen, ist in der Regel weniger störend, als es nach der Installation zu entdecken.

Open-Source-Komponenten von DSX OS, darunter Config Manager, Rack Management Service und Cluster Readiness Engine, sollen Teile der Konfiguration, Überwachung und Infrastrukturbereitschaft automatisieren.

Zusammengenommen weisen diese Werkzeuge auf einen stärker wiederholbaren Fertigungsprozess für KI-Infrastruktur hin, wobei die vorgeschlagenen Einsparungen bei der Bereitstellung weiterhin von der Standortvorbereitung und einer erfolgreichen Integration abhängen.

Warum Europas Industrieunternehmen wichtig sind

Die DSX-Initiative zeigt auch, wie stark die KI-Branche inzwischen von Unternehmen abhängt, die traditionell mit Elektrotechnik, Industrieautomation und Gebäudetechnik verbunden sind.

Siemens, ABB, Schneider Electric, AVEVA, Dassault Systèmes, Eaton, Trane Technologies und Vertiv gehören zu den Unternehmen, die Ausrüstung oder Engineering-Software in das Ökosystem integrieren.

Ihre Beteiligung geht über eine herkömmliche Lieferantenbeziehung hinaus.

ABB integrierte 2026 digitale Modelle seiner Mittelspannungsschaltanlagen und unterbrechungsfreien Stromversorgungen in Omniverse DSX. Siemens entwickelte IEC- und UL-Blaupausen für die Vera-Rubin-Infrastruktur und unterstützte damit elektrische, thermische und akustische Simulationen vor dem Bau.

Solche Integration bringt industrielle Engineering-Entscheidungen näher an die frühesten Phasen der Entwicklung von Rechensystemen.

Sie verschafft etablierten europäischen Ausrüstungsherstellern zudem eine potenziell einflussreiche Position beim Ausbau der KI-Infrastruktur. Ihre Produkte werden Teil der Referenzarchitekturen, um die herum künftige Anlagen möglicherweise entworfen werden.

Für NVIDIA liegt der Vorteil in einem Ökosystem, das seine Rechenplattformen über den Prozessor hinaus unterstützen kann. Für Industriepartner entstehen Möglichkeiten, zunehmend spezialisierte Stromverteilungs-, Kühl- und Steuerungssysteme zu liefern.

Traditionelle Rechenzentrumsbetreiber könnten vor einer schwierigeren Anpassung stehen. Anlagen, die auf wasserintensiver Kühlung oder relativ inflexiblem Stromverbrauch basieren, könnten gegenüber Installationen weniger wettbewerbsfähig werden, die von Anfang an auf Ressourcenbeschränkungen ausgelegt sind.

Der Druck wird nicht allein von der Rechenleistung ausgehen. Er kann auch aus den Bedingungen entstehen, die Versorger, Umweltregulierer und lokale Planungsbehörden vorgeben.

Europas Ausbau der KI-Infrastruktur wird damit ebenso zu einer industriellen Engineering-Herausforderung wie zu einer Rechen-Herausforderung. Schnellere Prozessoren bleiben wertvoll, doch ihr kommerzieller Nutzen hängt zunehmend davon ab, ob Entwickler den Strom, die Kühlung und die physischen Anlagen bereitstellen können, die für ihren Betrieb erforderlich sind.

NVIDIAs vorgeschlagene Architektur gibt Betreibern mehr Möglichkeiten, innerhalb dieser Beschränkungen zu arbeiten. Doch die Entscheidung, ob Effizienzgewinne zur Senkung des Ressourcenbedarfs oder zum Ausbau der Rechenkapazität genutzt werden, bleibt offen.

Ein Rechenzentrum, das innerhalb seiner bestehenden Stromzuteilung deutlich mehr KI-Leistung erzeugt, mag ein kommerzieller Erfolg sein. Für ein europäisches Netz, das bereits Schwierigkeiten hat, neue Anschlüsse aufzunehmen, ist die folgenreichere Frage, ob dieselbe Anlage zuverlässig einen Teil ihrer Zuteilung abgeben kann, wenn das umgebende Stromsystem sie benötigt.

Quellen: Nvidia News, TNW, ABB, CNBC

Teilen