Artificial Intelligence

Wir versorgen KI mit Strom – vom Stromnetz zum zum Prozessor

Die raschen Fortschritte bei Anwendungen der künstlichen Intelligenz (KI) haben den Energiebedarf in Rechenzentren drastisch erhöht. Dies stellt eine große Herausforderung dar: die Skalierbarkeit von KI-Technologien zu verbessern und gleichzeitig die Umweltverträglichkeit zu wahren. Dieser Artikel bietet einen Überblick über Lösungen für diese Herausforderung.

Internet of Things
Edge AI
Energie
Rechenzentren
Artikel

Juli 07, 2025

Treibstoff für die Zukunft: Warum Daten das Lebenselixier der Künstlichen Intelligenz sind

Die Rolle der KI in der modernen Technologie ist transformativ und beruht im Wesentlichen auf den von Halbleitern bereitgestellten Fähigkeiten. Halbleiter sind das Herzstück der KI; sie helfen dabei, die riesigen Datenmengen, die KI-Systeme zum Funktionieren benötigen, zu betreiben, zu sammeln, zu verarbeiten und zu verwalten. Dies reicht von einfachen Berechnungen bis hin zu komplexen maschinellen Lernaufgaben, die es der KI ermöglichen, aus Daten zu „lernen“.

Die Datenmenge wird voraussichtlich auf 175 Zettabyte ansteigen - eine mehr als 145-fache Steigerung in nur 15 Jahren.

Die Bedeutung von Daten für die künstliche Intelligenz kann gar nicht hoch genug eingeschätzt werden. Tatsächlich ist die künstliche Intelligenz, insbesondere das maschinelle Lernen, in hohem Maße auf riesige Datenmengen angewiesen, um ihre Modelle zu trainieren, die ein breites Spektrum an Formaten umfassen können, darunter Textdokumente, Bilder und Sensormesswerte wie Temperatur und Luftfeuchtigkeit. Durch die Analyse dieser Daten können KI-Systeme Muster und Beziehungen erkennen, die sie dann nutzen, um Vorhersagen zu treffen, Entscheidungen zu treffen und Ergebnisse zu generieren. Die Art der Daten, die zum Trainieren eines KI-Systems verwendet werden, hängt eng mit der spezifischen Aufgabe zusammen, für die das KI-System entwickelt wird. So benötigt ein KI-System zur Texterzeugung, z. B. ein umfangreiches Sprachmodell, große Mengen an Textdaten, um effektiv arbeiten zu können, während prädiktive Analysen im Bereich des Straßenverkehrs auf Sensordaten angewiesen sein könnten, um genaue Vorhersagen zu treffen. Letztlich wirken sich Qualität und Quantität der von einem KI-System verwendeten Daten direkt auf seine Genauigkeit, Zuverlässigkeit und Leistung aus.

Am Puls der Zeit: Rechenzentren sind das Rückgrat der KI

Rechenzentren spielen eine entscheidende Rolle als Rückgrat der künstlichen Intelligenz. Sie müssen diese immensen Datenströme rund um die Uhr verarbeiten. Wir sehen, dass KI und insbesondere generative KI dieses Datenwachstum beschleunigen werden, und diese ständig steigende Datennachfrage erfordert nahtlose Konnektivität, höhere Bandbreite, großflächige Abdeckung und viel Rechenleistung.

Die rasanten Fortschritte bei Anwendungen der künstlichen Intelligenz (KI) haben den Leistungsbedarf in Rechenzentren drastisch erhöht. Der Grund, warum das Trainieren und Ausführen von KI-Modellen Energie benötigt, liegt in der Rechenleistung, die für die komplexen Berechnungen der Algorithmen für maschinelles Lernen erforderlich ist. Die für das Training moderner KI-Modelle erforderliche Rechenleistung hat sich seit 2012 etwa alle 3,4 Monate verdoppelt. Dieses exponentielle Wachstum der Rechenanforderungen schlägt sich direkt in einem höheren Energiebedarf nieder und erhöht die Gesamtbelastung des Netzwerks. Je komplexer die Berechnungen sind, desto mehr Energie wird benötigt. Dabei geht es nicht nur um die von den Prozessoren selbst verbrauchte Energie, sondern auch um die zu ihrer Unterstützung erforderliche Infrastruktur, einschließlich Kühlsysteme und Stromversorgungsnetze.

Data centers
Data centers
Data centers

Laut dem jüngsten Bericht über Energie und KI, der im April 2025 veröffentlicht wurde, wird die weltweite Stromnachfrage von Rechenzentren und ihrer notwendigen Infrastruktur im Jahr 2035 die Marke von 1700 TWh überschreiten. Verglichen mit ~460 TWh im Jahr 2022, was etwa 2 % des weltweiten Strombedarfs entspricht, bedeutet dies einen Anstieg um 370 % innerhalb von 13 Jahren.

Einfach ausgedrückt: Es gibt keine KI ohne Strom.

×
modalImg

Jenseits des Rummels: Der CO2-Fußabdruck von AI

Hinter der Brillanz der KI verbirgt sich also ein rechen- und stromintensiver Prozess - mit einem schwindelerregenden CO2-Fußabdruck. Bei der Erweiterung der KI-Fähigkeiten müssen wir uns des massiven Energieverbrauchs von KI-Rechenzentren bewusst sein, der oft aus nicht erneuerbarer Energie stammt. Darüber hinaus benötigen KI-Rechenzentren umfangreiche Kühlmechanismen, um eine Überhitzung zu vermeiden, was häufig zu einem erheblichen Wasserverbrauch führt. Der Wasserverbrauch für die Kühlung dieser riesigen Rechenzentren kann mit dem von Kleinstädten konkurrieren, wodurch die lokalen Wasserressourcen zusätzlich belastet werden.

Data centers
Data centers
Data centers

 Angesichts dieser Dynamik müssen wir uns auf die Verbesserung der Energieeffizienz konzentrieren. Dies bedeutet zum Beispiel die Entwicklung effizienterer KI-Algorithmen oder die Optimierung der Infrastruktur von Rechenzentren durch die Einführung innovativer und energieeffizienter Lösungen für das Energiemanagement, die die Verluste im Stromversorgungsnetz erheblich reduzieren. Die Bewältigung dieser Herausforderungen ist von entscheidender Bedeutung für die ökologische Nachhaltigkeit und die Gewährleistung der wirtschaftlichen Tragfähigkeit der Ausweitung von KI-Technologien.

Die Notwendigkeit der Energieeffizienz bei der Stromversorgung von KI - vom Netz bis zum Kern

Data centers
Data centers
Data centers

Es gibt viele mögliche Lösungen für diese neue Herausforderung. Das Entscheidende ist: Die Lösungen müssen die Energieumwandlung von der Netzeinspeisung in das Rechenzentrum bis hin zum Kernstück, dem KI-Prozessor, abdecken.

Unser innovatives Portfolio an Leistungshalbleitern umfasst Lösungen, die von der Einspeisung in das Rechenzentrum bis zum Kern, dem KI-Prozessor, reichen und die Vorteile von Si, SiC und GaN nutzen, um höchste Effizienz, Dichte und Robustheit zu erreichen.  Beispiele für solche Anwendungen sind Top-of-the-Rack-Switches, Stromversorgungseinheiten, Batterie-Backup-Einheiten, DC-DC-Netzwerke und Computing (wie 48-V-Zwischenbuskonverter, Leistungsmodule und diskrete Lösungen) sowie Schutz. Darüber hinaus können Rechenzentren mit unserer neuartigen Lösung zur Modellierung der Zuverlässigkeit von Stromversorgungssystemen die Zuverlässigkeit und Betriebszeit von Stromversorgungen maximieren, indem sie die Überwachung des Zustands von Stromversorgungen in Echtzeit auf der Grundlage der dynamischen Aufzeichnung von Systemparametern ermöglichen.

Data centers
Data centers
Data centers

Weltweit könnten mit verschiedenen Typen dieser fortschrittlichen Leistungshalbleiter Energieeinsparungen von rund 48 TWh erzielt werden. Das entspricht laut Infineon-Analyse mehr als 22 Millionen Tonnen CO₂-Emissionen.

Energie für eine nachhaltige Zukunft: Die Herausforderung des Strombedarfs von Rechenzentren meistern

Mit Blick auf die Zukunft gibt es viele technologische Herausforderungen, die wir angehen müssen, während wir gleichzeitig die Energieeffizienz und Leistung kontinuierlich verbessern. Wir müssen die Versorgung der KI-Rechenzentren mit sauberer und zuverlässiger Energie fördern. Es geht darum, das nachhaltige Wachstum von KI-Technologien auf eine Weise zu ermöglichen, die mit unserer ökologischen Verantwortung vereinbar ist. Schließlich gibt es keine KI ohne Energie. Diese Tatsache treibt uns an, unsere Technologien weiterzuentwickeln und sicherzustellen, dass sich mit der Weiterentwicklung der KI auch unsere Lösungen für eine effiziente und effektive Energieversorgung weiterentwickeln.