Künstliche Intelligenz in der Rechenzentrumsindustrie Wie Siemens KI in Forschung, Produkten und im eigenen Betrieb einsetzt

Anbieter zum Thema

Siemens Industry Software GmbH

Siemens AG Sector Industry

Siemens AG Industry Sector Building Technologies Division

Schneider Electric GmbH

DAXTEN GmbH

mehr weniger

Fsas Technologies GmbH

weniger

Auf seinem „Data Center Solution Summit“ hat Siemens seine Ideen, Projekte und Produkte präsentiert, bei denen es um den Einsatz Künstlicher Intelligenz (KI) entlang der gesamten Wertschöpfungskette geht: von der Grundlagenforschung bis hin zur eigenen Fertigung , etwa in der Energie, Sicherheit und Antriebstechnik.

Doch zunächst hat die Besucher ein Rückblick und die Verortung erwartet. Olympia Brikis, die Direktorin des AI Innovation Lab in Princeton (USA), hat den Ursprung des KI-Engagements bei Siemens aufgezeigt: 2017 wurde das AI Innovation Lab in Princeton (USA) gegründet, das europäische Pendant befindet sich im Münchner Werksviertel. Ziel sei es immer gewesen, eine Brücke zwischen industrieller Praxis und moderner KI-Forschung zu schlagen. Während im Consumer-Bereich generative KI-Systeme wie ChatGPT mit allgemeinen Sprach- und Bildmodellen arbeiten, konzentriere sich Siemens auf industrielle KI, die auf reale Prozesse, Maschinen und Sensorik zugeschnitten ist.

Bildergalerie

Bildergalerie mit 5 Bildern

Im Labor wird der Einsatz neuer KI-Verfahren direkt an industriellen Anlagen erprobt, und zwar vom Aufbau kleiner Assistenzsysteme („Copiloten“) bis hin zu agentischen Modellen, die mehrere Aufgaben koordinieren können. Vollständig autonome Systeme seien noch nicht Realität, doch Siemens nutze die iterative Entwicklung, also ständige Verbesserung bis zum optimalen Endprodukt. Laut der Direktorin Brikis bestehe der Vorteil hierin, dass Schwächen in realen Produktionsbedingungen unmittelbar erkannt werden können.

KI für Energie-Effizienz und Rechenzentrumsbetrieb

Laut Paul Baumann, globaler Leiter für Daten- und KI-Produkt-Management bei Siemens Buildings, dass Gebäude rund 36 Prozent der weltweiten CO₂-Emissionen verursachen. Bis zu 80 Prozent ihrer Lebenszykluskosten entfallen auf den Betrieb. Gleichzeitig steigen die Anforderungen an Effizienz und Nachhaltigkeit, während Fachkräfte knapp sind und Systeme komplexer werden.

KI könne hier ansetzen, und zwar durch datengestützte Optimierung, vorausschauende Wartung und automatisierte Betriebssteuerung. Baumann zeigt, wie sich durch KI der Energieverbrauch und die Betriebskosten von Gebäuden spürbar senken lassen.

Datacenter Strategy Summit 2025

Künstliche Intelligenz steigert Effizienz im Rechenzentrum

DataCenter Strategy Summit 2025 in Bad Homburg

Panel-Diskussion – Rechenzentren als Energiequelle und KI-Monster

Ein zentraler Anwendungsbereich ist die Energie-Optimierung von Rechenzentren, zum Beispiel kann eine KI die Kälte-Erzeugung und der Wasserfluss so steuern, dass die Verteilung der Luftkühlung in Serverräumen optimiert wird. Über Sensoren in Racks und Umluftkühlgeräten erfassen Machine-Learning-Modelle Temperaturverläufe, analysieren Luftströme und passen in Echtzeit die Kühlleistung an.

An einer präsentierten Referenz lässt sich zeigen, dass insgesamt zwischen 35 und 40 Prozent Energie eingespart werden kann. Laut Siemens sei die Technologie weltweit bereits in über 600 Rechenzentren installiert.

Datacenter-Security mit Künstlicher Intelligenz

Auch im Bereich Security kann KI im Gebäude-Management die Video- und Zutrittskontrolle transformieren. Video-Analysen erkennen nicht mehr nur Pixeländerungen, sondern erfassen Objekte, Personen und Anomalien. Algorithmen laufen zunehmend direkt auf der Kamera (Edge Computing), was Datenvolumen und Datenschutzrisiken reduziert.

Typische Einsatzszenarien sind die Anomalie-Erkennung auf Parkflächen, die Vermeidung von Fehlalarmen oder die Erkennung unzulässiger Mehrfachzutritte (Piggybacking). KI-gestützte Systeme lernen, was normal ist, und schlagen nur bei Abweichungen an.

Zusätzlich wird Maschinelles Lernen in der Wartung genutzt, etwa um unscharfe oder verschmutzte Kameraobjektive automatisch zu identifizieren oder fehlerhafte Türkontakte in Zutrittsanlagen zu erkennen. So sollen Fehlalarme drastisch reduziert und Wartungseinsätze gezielter ausgelöst werden.

Brandschutz mit Videosensorik

Doch nicht nur für die Facility-Security kommt Videosensorik zum Einsatz: Im Bereich Fire Safety führte Siemens vor, wie klassische Rauch- und Wärmemelder durch Videosensorik ergänzt werden. Während herkömmliche Brandmelder nur zwei Zustände kennen – Alarm oder Ruhe – liefern neue Sensoren kontinuierlich Temperatur- und Bilddaten, die sich per KI ausgewerten lassen. Dadurch können Flammen, Rauchentwicklung oder Temperaturanomalien in Sekunden erkannt werden, selbst unter schwierigen Bedingungen wie in warmen Serverräumen oder Hallen mit hoher Luftzirkulation.

Die Herausforderung liegt in der Datengrundlage: Da reale Brandverläufe selten dokumentiert sind, müssen Systeme zunächst mit synthetischen Daten trainiert werden. Siemens sieht hier einen noch jungen, aber hochrelevanten Forschungszweig. Parallel entwickeln Normungsgremien neue Richtlinien, um KI-basierte Brandmeldetechnik künftig zertifizieren zu können.

Industrielle KI als Infrastruktur

Alles Paletti? Zumindest in der Fabrikautomatisierung fehle es den Investoren und Betreibern noch an Skalierung. Genauer: Für den Einsatz industrieller KI mangelt es laut Siemens nicht an Ideen, aber nur rund 16 Prozent der Projekte erreichen ihre Ziele, weil der Transfer vom Prototyp in den produktiven Betrieb komplex bleibt.

Ein regionales Innovationszentrum in Indien

Siemens stärkt mit Datacenter-Kompetenzzentrum seine Präsenz im Raum APAC

Technologie-Angebote für boomenden iberischen Markt

Siemens bündelt Datacenter-Expertise in Madrid

Die „Industrial AI Suite“ soll dieses Problem lösen: Sie biete eine standardisierte Plattform, um KI-Modelle zu entwickeln, zu integrieren und über Industrial Edge-Geräte lokal auszuführen. Damit lassen sich Produktions- und Rechenzentrumsumgebungen verbinden, ohne dass Daten die gesicherte Infrastruktur verlassen. Zudem ermögliche der Plattformgedanke, einmal trainierte Modelle global auszurollen und standortübergreifend zu überwachen.

Intelligente Antriebsstränge und digitale Zwillinge

Im Bereich Motion Control nutzt Siemens KI, um Antriebsstränge effizienter und widerstandsfähiger zu bauen. Frequenzumrichter liefern dabei Sensordaten zu Drehzahl, Temperatur und Vibration, die von Algorithmen ausgewertet werden. Ziel sei es, mechanische Anomalien, Lagerdefekte oder Resonanzen frühzeitig zu erkennen und Wartungsintervalle zu optimieren.

Supervised-Learning-Modelle identifizieren bekannte Fehlerbilder, während unsupervised Verfahren neue Muster in Schwingungsdaten entdecken. Ergänzend simulieren digitale Zwillinge das Verhalten von Motoren und Pumpen, um Energie-Effizienzpotenziale zu berechnen.

Der zugehörige „Operations Copilot Drive Train Analyzer“ erstellt automatisch Zustandsberichte und unterstützt Techniker bei der Interpretation. Siemens spricht von bis zu 30 Prozent längerer Lebensdauer und spürbaren Energie-Einsparungen.

KI im Eigenbetrieb und die nächsten Schritte

In eigenen Werken testet Siemens viele dieser Techniken selbst. Copiloten assistieren Mitarbeitenden bei Störfällen, analysieren Fehlercodes und schlagen Handlungsoptionen vor. Laut internen Rückmeldungen führe dies zu höherer Sicherheit und geringerer Belastung im Betrieb.

Bildergalerie

Bildergalerie mit 5 Bildern

Für die kommenden Jahre sieht Siemens mehrere Entwicklungsschwerpunkte:

• die zunehmende Vernetzung agentischer Systeme, die eigenständig Aufgaben koordinieren

• die Integration von Digital Twins in Echtzeitsteuerungen sowie

• den verstärkten Fokus auf Datensouveränität; denn gerade im industriellen Umfeld müsse KI nachvollziehbar bleiben, damit keine Black-Box-Modelle entstünden.

(ID:50579759)