KI-Lasten und die Stromversorgung im RZ
Wenn GPUs zur Belastungsprobe für die USV-Technik werden
Moderne GPU-Cluster verändern nicht nur die Rechenleistung im RZ, sondern auch dessen elektrisches Verhalten. Während klassische IT-Lasten vergleichsweise stabil arbeiten, erzeugen KI-Anwendungen Lastsprünge innerhalb von Millisekunden. Genau diese Dynamik wird zur Herausforderung für die USV.
Denn Batteriesysteme, Wechselrichter und DC-Busse geraten unter Belastungen, für die klassische Rechenzentrumsarchitekturen ursprünglich nicht ausgelegt wurden.
Vor allem generative KI-Anwendungen und High-Performance-Computing treiben die Entwicklung immer größerer GPU-Cluster voran. Die Leistungsaufnahme einzelner Racks steigt dabei auf Werte von mehreren hundert Kilowatt. Gleichzeitig nimmt die Dynamik der Lastwechsel massiv zu. Für Betreiber bedeutet das einen Paradigmenwechsel. Die USV dient nicht länger ausschließlich als Absicherung gegen Netzausfälle, sondern zunehmend als aktives Stabilisierungselement innerhalb der Energiearchitektur.
Xiaojie Liu ist Marketing-Manager in der Data Center Segment BU bei Delta EMEA.
KI-Workloads erzeugen neue elektrische Lastprofile
Die Ursache liegt im Verhalten moderner KI-Beschleuniger. GPUs arbeiten in hochparallelen Rechenprozessen, die innerhalb kürzester Zeit zwischen unterschiedlichen Leistungszuständen wechseln. Während Trainings- oder Inferenzprozessen entstehen dadurch starke Stromspitzen und abrupte Laständerungen. Im Gegensatz zu klassischen Servern verlaufen diese Übergänge nicht langsam, sondern innerhalb weniger Netzzyklen.
In einem aktuellen Technical Note beschreibt Delta Electronics Lastwechsel, die innerhalb weniger AC-Zyklen auftreten und deutlich dynamischer sind als bei traditionellen IT-Lasten. Besonders kritisch ist dabei die Kombination aus hohen Stromanstiegen, repetitiven Burst-Mustern und dynamischen Leistungsfaktoren. Die Lasten wirken nicht mehr statisch, sondern pulsartig. Damit verändern sich die elektrischen Anforderungen an die gesamte Niederspannungsinfrastruktur. Spannungseinbrüche, kurzzeitige Überlastungen und erhöhte Oberwellenbelastungen treten deutlich häufiger auf.
Für die USV-Technik ergibt sich daraus eine zentrale neue Anforderung: Systeme müssen deutlich schneller und dynamischer auf Laständerungen reagieren können als bisher. Während konventionelle Rechenzentren überwiegend mit vergleichsweise konstanten Lasten arbeiteten, müssen moderne USV-Anlagen heute innerhalb kürzester Zeit starke Leistungsänderungen stabil ausregeln. Gleichzeitig steigen die Anforderungen an Spannungsqualität, Kurzzeitüberlastfähigkeit und Regelgeschwindigkeit der Leistungselektronik.
Da sich die Lastsprünge über die Power-Supply-Units bis in die AC-Versorgung, also die Wechselstromversorgung des Rechenzentrums, zurückwirken, entstehen Belastungen entlang der gesamten Energiekette – von der USV über den DC-Bus bis hin zu Generatoren und Schaltanlagen.
Warum klassische USV-Konzepte an Grenzen stoßen
Konventionelle USV-Systeme wurden primär für stabile IT-Lasten entwickelt. Ihre Aufgabe bestand lange Zeit darin, bei einem Netzausfall für einige Minuten Energie bereitzustellen und so einen kontrollierten Weiterbetrieb oder Shutdown zu ermöglichen. KI-Lasten verschieben diese Rolle jedoch grundlegend.
Heute müssen USV-Systeme zusätzlich hochdynamische Lastwechsel kompensieren. Besonders Lithium-Ionen-Batterien geraten dadurch unter Stress. Moderne Systeme nutzen Batterien zunehmend aktiv zur Stabilisierung des DC-Busses, der zentralen Gleichstrom-Zwischenebene innerhalb der USV, und zur Abdeckung kurzfristiger Leistungsspitzen. Genau diese Mikrozyklen können jedoch die Lebensdauer der Speicher erheblich reduzieren.
Das Problem liegt in den extrem schnellen Lade- und Entladevorgängen. Hohe C-Raten, also schnelle Lade- und Entladevorgänge bezogen auf die Batteriekapazität, permanente kleine Ladehübe und wiederholte Stromspitzen führen zu thermischer und elektrochemischer Belastung innerhalb der Zellen. Selbst wenn die eigentliche Entladetiefe gering bleibt, beschleunigen die permanenten Mikrobewegungen der Lithium-Ionen die Alterung der Batterien.
Für die USV-Technik entstehen daraus neue Anforderungen an Batteriemanagement, thermische Stabilität und Zyklenfestigkeit. Energiespeicher müssen künftig deutlich häufiger kurze Lade- und Entladevorgänge bewältigen können, ohne dabei überproportional zu altern. Gleichzeitig steigen die Anforderungen an intelligente Regelstrategien, um kritische C-Raten und thermische Spitzen zu begrenzen.
In seinem Technical Note verweist Delta Electronics darauf, dass in bestimmten Szenarien sogar eine massive Überdimensionierung von Batteriesystemen erforderlich werden könnte, um die Belastungen hochdynamischer KI-Lasten auszugleichen. Ein reines Oversizing löst das Problem jedoch nur begrenzt, da die dynamischen Lastwechsel weiterhin bestehen bleiben.
KI stellt höhere Anforderungen an die Leistungselektronik
Die Auswirkungen beschränken sich nicht auf die Speichertechnik. Auch Wechselrichter, Gleichrichter und DC-Zwischenkreise werden deutlich stärker belastet als in klassischen Rechenzentren. Schnelle Lastsprünge erhöhen die Anforderungen an Spannungsstabilität und Regelverhalten der Leistungselektronik. Gleichzeitig steigen die Belastungen für Kondensatoren und andere passive Komponenten.
Hinzu kommen Wechselwirkungen mit der vorgelagerten Infrastruktur. Generatoren und Netzersatzanlagen reagieren empfindlich auf starke Lastgradienten. Spannungsschwankungen und instabile Betriebszustände können die Folge sein. Damit entwickelt sich die Dynamik der KI-Lasten zunehmend zu einer systemweiten Herausforderung.
Für moderne USV-Systeme bedeutet dies, dass nicht mehr allein die verfügbare Leistung entscheidend ist. Gefordert sind vielmehr robuste Regelkonzepte, stabile DC-Busse und eine höhere Dynamikfähigkeit der gesamten Leistungselektronik. Gleichzeitig gewinnen Netzqualität und die Beherrschung von Oberwellen zunehmend an Bedeutung.
Hybride Pufferarchitekturen gewinnen an Bedeutung
Vor diesem Hintergrund gewinnen hybride Ansätze zunehmend an Bedeutung. Ziel ist es, die hochdynamischen Lastanteile von den eigentlichen Batteriesystemen fernzuhalten und dafür schneller reagierende Puffersysteme einzusetzen.
Ein möglicher Ansatz besteht im Einsatz AC-basierender Superkondensator-Systeme, die direkt auf der Wechselstromseite der Energieversorgung wirken und kurzfristige Leistungsspitzen puffern können. Diese können sehr schnell Energie aufnehmen und wieder abgeben und eignen sich damit besonders für kurzfristige Leistungsspitzen im Millisekundenbereich. Im Unterschied zu Batterien sind Superkondensatoren für hohe Zyklenzahlen und schnelle Ladewechsel ausgelegt.
Delta Electronics beschreibt in der bereits genannten Technical Note den Einsatz solcher AC-basierender Superkondensator-Systeme als Möglichkeit, kurzfristige Lastspitzen innerhalb der Energiearchitektur lokal zu kompensieren. Dadurch lassen sich Belastungen für Lithium-Ionen-Batterien, Wechselrichter und DC-Busse reduzieren.
Für zukünftige KI-Rechenzentren könnte dies zu einer neuen Generation hybrider USV-Architekturen führen. Dabei übernehmen Batterien weiterhin die klassische Überbrückungsfunktion, während Superkondensatoren hochdynamische Laständerungen ausregeln. Die Anforderungen an USV-Systeme verschieben sich damit von reiner Energieverfügbarkeit hin zu intelligenter Dynamik- und Laststeuerung.
Die Rolle der USV verändert sich grundlegend
Mit dem Ausbau von KI-Rechenzentren verändert sich die Energieversorgung grundlegend. Entscheidend ist künftig nicht mehr allein die verfügbare Leistung, sondern die Fähigkeit, extreme Lastdynamiken stabil zu beherrschen. Für die USV-Technik bedeutet das einen tiefgreifenden Wandel.
Gefragt sind Systeme mit höherer Regelgeschwindigkeit, verbesserter Dynamikfähigkeit und intelligenter Lastkompensation. Gleichzeitig rücken hybride Speicherarchitekturen, Power-Conditioning und Echtzeitregelung stärker in den Fokus. Damit entwickelt sich die USV von einem klassischen Backup-System zu einem aktiven Bestandteil moderner Energiearchitekturen für KI-Rechenzentren – und genau darin dürfte eine der zentralen Herausforderungen zukünftiger AI-Datacenter liegen.