Hyperscale-Prinzipien für Multi-Tenant-Umgebungen Hyperscale ist Vorbild, aber keine Blaupause für Colocation

Anbieter zum Thema

AtlasEdge Data Centres

Portus Data Centers

Vertiv GmbH

DAXTEN GmbH

Standardisierung, modulare Infrastruktur und Liquid Cooling prägen Hyperscale-Rechenzentren. Für Colocation-Anbieter werden diese Konzepte jedoch erst dann relevant, wenn sie sich technisch und wirtschaftlich auf Multi-Tenant-Umgebungen übertragen lassen.

Hyperscale-Technologien wie Liquid Cooling, hohe Leistungsdichten und standardisierte Betriebsmodelle geben Colocation-Anbietern wichtige Impulse für eine skalierbare, effiziente und resiliente Infrastruktur. Eine fertige Blaupause sind sie jedoch nicht. Entscheidend ist, wie sich diese Konzepte technisch, wirtschaftlich und regulatorisch tragfähig auf Multi-Tenant-Umgebungen übertragen lassen.

Modular gedacht, industriell gebaut

Das Rechenzentrum als Baukasten

Hyperscale-Prinzipien brauchen ein eigenes Colocation-Betriebsmodell

Der entscheidende Unterschied zwischen Hyperscale und Colocation liegt weniger in Kühltechnik oder Rack-Design als in Eigentumsverhältnissen und operativer Kontrolle. Hyperscale-Rechenzentren sind meist für einen einzelnen Betreiber konzipiert, der Hardware, Rack-Formate und Betriebsprozesse vereinheitlichen kann. Colocation-Rechenzentren müssen dagegen unterschiedliche Kunden, Technologien, Leistungsdichten, Service-Level-Agreements und Compliance-Anforderungen parallel unterstützen.

Die zentrale Frage lautet daher, welche Prinzipien sich sinnvoll auf Multi-Tenant-Umgebungen übertragen lassen. So können Colocation-Anbieter höhere technische Anforderungen erfüllen und zugleich die Flexibilität bewahren, die Unternehmen, Cloud-Anbieter und regulierte Branchen erwarten.

Ein Busbar-System, ein Open-Rack-Konzept oder Liquid Cooling kann in einer standardisierten Hyperscale-Umgebung sehr gut funktionieren. Im Colocation-Rechenzentrum muss die Technologie jedoch mit Stromverteilung, Brandschutz, Wartung, Sicherheit und Verbrauchsmessung kompatibel sein. Andernfalls entsteht mehr Komplexität statt höherer Effizienz.

Was sich übertragen lässt – und was nicht

Standardisierung, wiederholbare Designs, besseres Monitoring, vorausschauende Kapazitätsplanung und eine engere Abstimmung zwischen Stromversorgung, Kühlung und Betrieb können nahezu jedes Rechenzentrum verbessern. Sie schaffen außerdem eine bessere Grundlage für spätere Erweiterungen.

Technologien wie Liquid Cooling, modulare Busbar-Systeme, OCP-Racks und sehr hohe Leistungsdichten bieten dagegen nur dann einen Mehrwert, wenn Infrastruktur und Betriebsprozesse darauf vorbereitet sind.

Einen kühlen Kopf bewahren

Das Cooling-Konzept für Rechenzentren von Dell Technolgies

Eine Colocation-Umgebung kann nicht voraussetzen, dass alle Kunden dieselbe Hardware, dasselbe Dichteprofil oder denselben Technologiezyklus nutzen. Standardisiert werden sollten deshalb vor allem Schnittstellen und Betriebsabläufe – nicht sämtliche Kundenumgebungen.

Besonders gut übertragbar ist das Prinzip der Modularität. Wiederholbare Stromversorgungs- und Kühlmodule beschleunigen die Bereitstellung, vereinfachen den Betrieb und ermöglichen einen schrittweisen Kapazitätsausbau. Die Bausteine bleiben standardisiert, die Umgebung dennoch anpassbar. Betreiber können so schneller auf neue Kundenanforderungen reagieren, ohne die gesamte Infrastruktur neu auszurichten.

Davon profitieren auch Enterprise-Kunden. Besseres Monitoring, modulare Erweiterungen und klar strukturierte Stromversorgungs- und Kühlkonzepte verbessern Resilienz, Transparenz und Effizienz auch bei klassischer Unternehmens-IT, hybriden Cloud-Umgebungen und regulierten Workloads.

Liquid Cooling ist mehr als eine neue Kühltechnologie

Für dichte GPU-, HPC- oder KI-Workloads kann Liquid Cooling sinnvoll oder notwendig sein. Im Colocation-Betrieb geht die Einführung jedoch weit über einen Austausch der Kühltechnik hinaus.

Betreiber müssen klären, welche Lösung geeignet ist, wo technische und vertragliche Übergabepunkte liegen und wer für Kühlkreisläufe, Flüssigkeitsqualität, Leckage-Erkennung, Messung und Wartung verantwortlich ist. Diese Zuständigkeiten müssen auch im laufenden Betrieb eindeutig geregelt bleiben.

Ebenso wichtig ist, ob das Rechenzentrum die benötigte Leistung dauerhaft, redundant und wirtschaftlich bereitstellen kann. Das Rack selbst ist selten der eigentliche Engpass. Häufiger liegen die Grenzen bei Stromversorgung, Kühlverteilung, hydraulischer Auslegung, Redundanz und Betriebsprozessen.

Retrofit und Greenfield: zwei unterschiedliche Logiken

Viele bestehende Rechenzentren wurden nicht für heutige KI-Leistungsdichten geplant. Grenzen setzen häufig Netzanschluss, Trassenführung, Technikflächen, Brandschutz, Bauvorschriften und der laufende Kundenbetrieb. Einzelne modernisierte Racks machen einen Standort daher noch nicht zu einem High-Density-Rechenzentrum.

PUE reicht nicht mehr

Rechenzentren müssen und können intelligenter mit Lasten umgehen

Bestehende Anlagen bleiben dennoch für viele Enterprise-Workloads geeignet. Bei Retrofit-Projekten ist deshalb abzuwägen, welche Modernisierung Effizienz, Betriebssicherheit und regulatorische Nachweisfähigkeit tatsächlich verbessert – und wann ein Neubau oder ein separater High-Density-Bereich sinnvoller ist.

Eine modulare Erweiterung oder ein physisch und betrieblich getrennter High-Density-Bereich ermöglicht neue Stromversorgungs- und Kühlkonzepte, ohne den übrigen Betrieb unnötig zu beeinträchtigen. Gleichzeitig lassen sich Investitionen schrittweise an die tatsächliche Nachfrage anpassen.

Greenfield-Projekte bieten andere Voraussetzungen. Bei einer Neuplanung können Stromverteilung, Kühlung und Technikflächen von Beginn an auf höhere Leistungsdichten ausgerichtet werden. Dafür braucht es ein klares Infrastrukturprofil: Welche Workloads sollen laufen, welche Dichten sind realistisch, welche Kühloptionen und regulatorischen Anforderungen müssen berücksichtigt werden?

KI braucht differenzierte Standortprofile

AI-Training und Inference werden häufig gemeinsam betrachtet, stellen jedoch unterschiedliche Anforderungen an die Infrastruktur.

AI-Training benötigt große GPU-Cluster, hohe Leistungsaufnahme, geeignete Kühlung und Standorte mit skalierbarer Energie- und Flächenverfügbarkeit. AI-Inference ist stärker dezentralisiert und muss häufig näher an Nutzern, Unternehmen, industriellen Datenquellen oder regulierten Umgebungen stattfinden. Dort sind Latenz, Verfügbarkeit und Datenkontrolle besonders wichtig.

Neben Strom und Kühlung benötigt ein KI-Standort ein passendes Netzwerkökosystem mit carrier-neutraler Konnektivität, redundanten Glasfaserverbindungen sowie Zugang zu Cloud- und Interconnection-Plattformen. Gerade bei dezentraler Inference kann die Standortnähe ebenso wichtig sein wie die maximale Rack-Dichte.

Nicht jeder Standort muss sämtliche KI-Anforderungen gleichermaßen erfüllen. Manche eignen sich für große, strom- und kühlungsintensive Cluster, andere für regionale, latenzsensitive oder regulierte Workloads. Wieder andere bleiben für stabile Enterprise-IT relevant. Die Architektur sollte diesen Unterschieden folgen, statt alle Flächen pauschal als „AI-ready“ zu vermarkten.

Welche Kühl- und Dichtekonzepte sinnvoll sind, hängt vom Workload, den Standortbedingungen, den Anforderungen an Verfügbarkeit und Resilienz sowie vom Betriebsmodell des Kunden ab.

Open Compute Summit - Future Technology

AI erzwingt neue Rechenzentrumskonzepte und OCP prämiert sie

EnEfG macht Effizienz zum Planungsparameter

Das Energie-Effizienzgesetz (EnEfG) und europäische Anforderungen verändern die Bewertung von Rechenzentrumsinfrastruktur. Leistungsfähige Technik allein reicht nicht aus. Betreiber müssen Energie-Einsatz, Messbarkeit, Kühlung, Abwärmepotenzial, erneuerbare Energien, Auslastung und Nachweisfähigkeit von Beginn an berücksichtigen.

Effizienz ist keine nachgelagerte Reporting-Frage, sondern ein Planungsparameter. Sie entsteht durch das Zusammenspiel von Standort, Energieversorgung, Stromverteilung, Kühlarchitektur, Betrieb, Auslastung und Transparenz.

Auch Abwärmenutzung setzt geeignete Temperaturen, vorhandene Wärmenetze, tragfähige Investitionen und verlässliche Abnehmer voraus. Fehlen diese Bedingungen, bleibt sie eine theoretische Möglichkeit. Deshalb sollte ihr Potenzial bereits bei Standortwahl und Planung realistisch bewertet werden.

Fünf Prüffragen für Betreiber und Kunden

Welcher Workload soll wo betrieben werden?

Training, Inference, Enterprise-IT und regulierte Anwendungen stellen unterschiedliche Anforderungen an Dichte, Latenz, Verfügbarkeit, Sicherheit und Compliance.

Welche Kapazitäten stehen tatsächlich zur Verfügung?

Netzanschluss, USV, Transformatoren, Kühlung und Konnektivität entscheiden darüber, ob hohe Leistungsdichten dauerhaft unterstützt werden können.

Ist die Technologie multi-tenant-fähig?

Unterschiedliche Kundenprofile, Messkonzepte, SLAs, Wartungsprozesse und Sicherheitsanforderungen müssen parallel abbildbar sein.

Reicht ein Retrofit aus?

Je nach Standort kann ein Greenfield-Projekt oder ein separater High-Density-Bereich die bessere Lösung sein.

Wie werden Leistung und Effizienz gemessen?

PUE, Energiebezug, Abwärmepotenzial, Auslastung, Messpunkte und regulatorische Anforderungen müssen früh in Planung und Betrieb einfließen.

Schummeln bei den Leerstandszahlen

Warum bauen wir noch mehr Rechenzentren?

(ID:50918673)