Aktuelle Rechenzentren (RZ) verbrauchen große Mengen Strom, wobei insbesondere Künstliche Intelligenz (KI) die Anforderungen an Leistung und Infrastruktur noch einmal deutlich erhöht. Generell variiert der Bedarf jedoch stark – innerhalb von Sekunden können Systeme von Leerlauf auf Volllast umschalten. Diese sprunghafte Beanspruchung der Infrastruktur führt zu Spannungsproblemen und ineffizientem Energieeinsatz. Um dem entgegenzuwirken, kommen bislang sogenannte Dummy-Loads zum Einsatz: künstlich erzeugte Lasten, die zwar Strom verbrauchen, aber keine Rechenleistung liefern. Die damit verbundenen Energieverluste sind erheblich.
GrapheneGPU basiert auf dem Prinzip, überschüssige Energie in Leerlaufzeiten zu speichern und bei Lastspitzen freizugeben. Hierfür werden sogenannte Curved-Graphene-Superkondensatoren eingesetzt. Diese weisen hohe Lade- und Entladegeschwindigkeiten auf und können aufgrund ihrer physikalischen Wirkweise häufigere Ladezyklen überstehen als chemische Speicher wie Lithium-Ionen-Batterien. In Kombination mit einer softwaregestützten Steuerung wird die gespeicherte Energie bedarfsgerecht eingesetzt. Auch im Zusammenspiel mit netzseitigen Energiemanagementsystemen lassen sich potenzielle Synergien nutzen, beispielsweise im Kontext von Microgrids oder campusweiten Lastmanagementstrategien.
Energiepuffer und Steuerung: Technische Integration von GrapheneGPU in Rechenzentren
Die Integration von GrapheneGPU soll kurzfristige Lastspitzen durch lokale Energiepufferung abfangen. Laut Angaben von Skeleton Technologies lässt sich der Spitzenstromverbrauch so um bis zu 44 % senken. Gleichzeitig wird die verfügbare Rechenleistung durch die konstantere Energiezufuhr verbessert. Durch den verminderten Bedarf an Kühlung und Netzaufrüstung ergeben sich potenziell Einsparungen bei Investitions- und Betriebskosten.
Die verwendete Superkondensator-Technologie ist für den schnellen Lastwechsel ausgelegt. Anders als bei chemischen Speicherlösungen erfolgt die Energiebereitstellung nahezu verzögerungsfrei. Die KI-Komponente in der Steuerungssoftware analysiert historische Lastverläufe und prognostiziert kurzfristige Bedarfsschwankungen. Auf dieser Grundlage wird die Energiebereitstellung in Echtzeit angepasst.
Eine weitere Besonderheit ist die Kompatibilität zu bestehenden RZ-Infrastrukturen. Skeleton Technologies gibt an, dass GrapheneGPU ohne größere bauliche Veränderungen integriert werden kann. Darüber hinaus ist die Lösung für sogenannte Peak-Shaving-Anwendungen zertifiziert. Hierbei wird der kurzfristige Leistungsbedarf durch lokale Energiespeicher abgedeckt, um Netzbelastungen zu minimieren.
Lesen Sie auch: Atomstrom für Künstliche Intelligenz zu teuer
Im praktischen Einsatz könnte die Technologie auch in modularen Rechenzentren sowie Edge-Computing-Umgebungen Anwendung finden. Insbesondere dort, wo eine stabile Netzversorgung nicht jederzeit garantiert ist, etwa in entlegenen Industrieanlagen oder bei mobilen Rechenzentren im Verteidigungs- oder Katastrophenschutzbereich, könnte die Kombination aus kurzfristiger Speicherfähigkeit und kompakter Bauform von Vorteil sein. Auch der Einsatz als Teil hybrider Energiesysteme mit Photovoltaik oder Brennstoffzellen erscheint technisch denkbar.
Effizienzgewinne und thermische Entlastung im RZ-Betrieb
Ein zusätzlicher Vorteil ergibt sich aus der thermischen Entlastung der Systeme. Da Dummy-Loads entfallen und Energie effizienter genutzt wird, reduziert sich auch der Kühlbedarf. Dies wiederum beeinflusst die Gesamtbilanz der Anlagen positiv, insbesondere im Hinblick auf Betriebskosten und CO2-Emissionen. Skeleton Technologies gibt eine mögliche Senkung des Energieverbrauchs um bis zu 45 % an.
Auf regulatorischer Ebene ist der Effizienzgewinn ebenfalls von Bedeutung. Im Rahmen der europäischen Nachhaltigkeitsberichterstattung und Taxonomie-Verordnung wird zunehmend Wert auf Energieeffizienz und CO2-Reduktion gelegt. Die dokumentierten Einsparpotenziale könnten hier als Nachweis für die Einhaltung entsprechender Vorgaben dienen.
Lesen Sie ebenfalls: Weniger Energie für die Kühlung von Rechenzentren
Neben der ökologischen Dimension steht auch die technische Resilienz im Fokus. Rechenzentren, die durch Pufferspeicher kurzfristige Stromschwankungen ausgleichen können, sind weniger abhängig von Netzstabilität und externen Energiequellen. Das kann unter Umständen zu einer höheren Verfügbarkeit und einer geringeren Ausfallwahrscheinlichkeit führen.
Ein Beitrag von:
