Zurück zu Bigger Picture

BIGGER PICTURE Energie & Klima

Warum mehr laufende Kühlgeräte manchmal weniger Energie brauchen

Die Kühlung eines Rechenzentrums verbindet Pumpen, Kühltürme und Temperaturen. Googles Versuch suchte effiziente Kombinationen, die feste Betriebsregeln übersehen können.

KI-generierte Illustration: Konzeptbild eines Rechenzentrums mit Servern, Kühlleitungen und gesteuerter Luftströmung.
Darstellung eines Rechenzentrums mit Servern, Kühlleitungen und gesteuerter Luftströmung.KI-generierte Illustration der Idee, keine Aufnahme der tatsächlichen Personen, Geräte oder Ereignisse.
Berichtetes Ergebnis 2016
Bis zu 40 % weniger Kühlenergie
Späterer Regelungsabstand
Alle 5 Minuten
Grenze der Aussage
Kühlung, nicht gesamter Rechnerstrom

So funktioniert die Idee

  1. Den Anlagenzustand erfassen

    Sensoren beschreiben Temperaturen, Drücke und Einstellungen.

  2. Mögliche Einstellungen vergleichen

    Modelle schätzen Energiebedarf und Betriebsfolgen.

  3. Geprüfte Änderungen anwenden

    Örtliche Steuerungen prüfen Vorschläge vor der Ausführung.

Schwierig ist das Zusammenspiel der Geräte

Server geben Wärme ab, die Pumpen, Kältemaschinen und Kühltürme abführen müssen. Eine veränderte Einstellung wirkt auf weitere Geräte; das Außenwetter verändert die Möglichkeiten zusätzlich. Googles frühere Entwicklungsarbeit modellierte die Anlageneffizienz aus historischen Sensordaten. So ließ sich das Anlagenverhalten aus Daten abschätzen, statt ausschließlich feste Betriebsregeln zu verwenden.

Belege: [3]

Ein reales Kühlergebnis mit klarer Bezugsgröße

2016 berichtete DeepMind von bis zu 40 % weniger Kühlenergie in einem laufenden Google-Rechenzentrum. Das Team prognostizierte Effizienz und prüfte Temperatur- sowie Druckgrenzen, bevor es Maßnahmen empfahl. Die 40 % betrafen die Kühlung, nicht den Serverstrom oder den gesamten Umweltfußabdruck digitaler Dienste. Diese Bezugsgröße bestimmt die Bedeutung des Ergebnisses.

Belege: [1]

Eine zunächst überraschende Betriebsentscheidung

Ein Folgebericht von 2018 beschrieb, wie Betreiber Kühlaufgaben auf mehr statt weniger Geräte verteilten. Das System bewertete Kombinationen, statt weniger laufende Maschinen grundsätzlich für sparsamer zu halten. Es entwickelte sich außerdem von Empfehlungen zur direkten Regelung. Interessant ist der technische Punkt: Effizienz hängt vom Betriebspunkt ab, nicht nur vom Ein- oder Ausschalten.

Belege: [2]

Automatisierung mit örtlichem Vetorecht

Der spätere Regler schlug alle fünf Minuten Maßnahmen vor und prüfte Grenzwerte; die örtliche Steuerung prüfte erneut, und Betreiber konnten den KI-Modus verlassen. Diese Begrenzungen gehören zum Verfahren. Beide Einsparungsberichte stammen von den Entwicklern. Sie dokumentieren einen Betriebsansatz; unabhängige Wiederholung und die Nachhaltigkeit der gesamten Anlage sind gesonderte Fragen.

Belege: [2][3]

Die Originalquellen

  1. Google DeepMindDeepMind AI Reduces Google Data Centre Cooling Bill by 40%
  2. Google DeepMindSafety-first AI for autonomous data centre cooling and industrial control
  3. Jim Gao; GoogleMachine Learning Applications for Data Center Optimization

Was Sie als Nächstes entdecken können

Den Windstrom von morgen besser zusagenEin Routine-EKG lieferte Hinweise auf bislang unerkannte Herzschwäche
Alle 99 Anwendungen entdecken