com!-Academy-Banner

Management per KI erobert das Rechenzentrum

Von DCIM zu DMaaS

Wenn es darum geht, ein Rechenzentrum am Laufen zu halten, dann setzen sehr viele Unternehmen mittlerweile auf ein sogenanntes DCIM-System. Dieses Data Center Infrastructure Management überwacht
Datacenter Clarity LC
Beispiel Datacenter Clarity LC: Die Lösung kombiniert Sensordaten einzelner Subsysteme einschließlich des Energie- und Gebäudemanagements, um granulare Optimierungen des Energiehaushalts vorzunehmen.
(Quelle: com! professional / Screenshot )
sämtliche Gebäudekomponenten eines Rechenzentrums samt der IT - von Stromverteilern und Kühlgeräten, Gebäudeautomations- und Steuerungssystemen über Server, Storage, Vernetzung bis hin zu Lifecycle-Services und Schutz des Geländes. Ungefähr jedes zweite Rechenzentrum hat heute ein solches DCIM-System im Einsatz, fand das Uptime Institute in seiner globalen Rechenzen­trumsumfrage 2018 heraus. Jedes zehnte Unternehmen hat der Studie zufolge sein DCIM-System sogar in Eigenregie entwickelt.
Insgesamt werten zwar drei von vier Nutzern einer DCIM-Lösung die Implementierung in ihrem Unternehmen als Erfolg, umgekehrt bedeutet das aber auch, dass in jedem vierten Rechenzentren das eingesetzte DCIM-System nicht zur vollen Zufriedenheit gearbeitet hat. Kein Wunder, dass nahezu jeder zweite Rechenzentrumsbetreiber seine DCIM-Lösung kontinuierlich um neue Tools ergänzt - so wie das Unternehmen Root Data Center zusätzlich die KI-Lösung von Litbit verwendet.
Doch ganz so einfach ist es mit den Erweiterungen einer DCIM-Lösung nicht: Die befragten Rechenzentren haben ihre größten Effizienzsteigerungen im Hinblick auf das Management der Infrastruktur bereits vor fünf Jahren realisiert, wie das Uptime Institute in seiner Studie feststellt. Weitere Verbesserungen würden demnach „erhebliche Investitionen und Anstrengungen mit zunehmend sinkenden Renditen“ erforderlich machen. Und dennoch sind Rechenzentrumsbetreiber laut Uptime Institute auch künftig bestrebt, die betriebliche Effizienz ihrer Rechenzentren zu steigern, sei es, um die Betriebskosten zu senken, sei es, um die Energiedichte zu steigern.
René Pronovost, Betriebsdirektor bei Maya Heat Transfer Technologies, einem Siemens-Partner, bringt deshalb Künstliche Intelligenz für die Verbesserung der DCIM-Leistung ins Spiel, betont aber zugleich: Dafür müssen die Daten etwas taugen.
Siemens selbst bietet das DCIM-System Datacenter Clarity LC von Maya Heat Transfer Technologies als Teil seiner Integrated Data Center Management Suite (IDCMS) an. Die Lösung kombiniert Metriken der Sensorik einzelner Subsysteme einschließlich des Energie- und Gebäudemanagements - zum Beispiel Brandschutzanlagen und Kühlsysteme - mit Messwerten aus den IT-Räumen, von Server-Schränken über Datenspeichersysteme bis hin zur Netzwerk-Hardware. Dank dieser Echtzeit-Messwerte kann das DCIM-System die Künstliche Intelligenz nutzen, um granulare Optimierungen des Energiehaushalts vorzunehmen.
Steven Carlini, dem Vize-Präsidenten für Innovation und Data-Center bei Schneider Electric, sind die Herausforderungen der Anknüpfung eines Rechenzentrums an ein KI-Back­end nur zu gut bekannt. In Rechenzentren gebe es „tonnenweise“ Anbindungspunkte der Stromversorgungs- und Kühlsysteme, bei denen zeitnahe Mitteilungen über kritische Ereignisse bisher immer noch nicht der Regelfall sind. Viel zu oft müssten sich Rechenzentrumsbetreiber auf althergebrachte Gebäudeverwaltungssysteme verlassen, die keine Daten bereitstellen oder keine Fernwartung unterstützen.
Ein Mix aus Altlasten-Kommunikationsprotokollen gilt als Hauptursache dafür, dass Künstliche Intelligenz aufseiten der Gebäudetechnik den IT-Systemen um Längen hinterherhinkt.
Verwandte Themen