Die Transformation durch Künstliche Intelligenz (KI) ist nicht mehr aufzuhalten.

Branchenübergreifend nutzen Organisationen KI bereits, um geschäftliche Herausforderungen wie die Steigerung der Effizienz, die Durchführung gründlicher prädiktiver Analysen und die Verbesserung der Kundenerfahrung zu meistern. In der durch die digitale Transformation ohnehin große Veränderungen durchlaufenden Automobilbranche eröffnet KI neue Chancen. Wichtige Themen sind dabei das Software-Defined Vehicle, autonomes Fahren und vernetzte Mobilität. Nicht nur die Mobilität, sondern auch viele Geschäftsmodelle werden dadurch schnell und nachhaltig verändert. Da KI stark von der zur Verfügung stehenden IT-Infrastruktur abhängt, wird für Automotive-Anbieter die Wahl von IT- und Rechenzentrumspartnern – einschließlich ihrer Colocation-Lösung – entscheidend. Im Mittelpunkt stehen dabei die Skalierbarkeit, der Zugang zu den Clouds sowie die Fähigkeit, große Mengen an Daten zu managen.

Nicht jede Colocation-Einrichtung ist darauf vorbereitet, KI zu unterstützen. KI stellt nämlich andere Ansprüche an Rechenzentren als herkömmliche Workloads. Für neue KI-Anwendungen wird ein höheres Maß an Rechenleistung benötigt, dadurch steigen auch Stromverbrauch und Wärmeerzeugung. Entsprechend erfordern High-Density-Workloads besondere Kriterien bei Stromversorgung und Kühlung.

Weiterentwicklungen in der Technologie erhöhen den Standard dessen, was „High-Density“ bedeutet, dies dürfte mit der Zeit noch weiter anwachsen. Der deutsche Physiker Rolf Landauer formulierte bereits 1961 eine Hypothese, die heute als Landauer-Prinzip bekannt ist. Sie besagt, dass es eine Obergrenze dafür gibt, wie viele Berechnungen pro Kilowattstunde durchgeführt werden können. Grundlegend müssen Computer nach den Gesetzen der Physik arbeiten und zusätzliche Rechenleistung verursacht einen höheren Energieverbrauch, was wiederum mehr Wärme erzeugt. Was eine Colocation-Umgebung auch KI-fähig macht, ist also ihre Fähigkeit, High-Density-Workloads zu unterstützen und fortschrittliche Kühlkapazitäten bereitzustellen, um einen stabilen Betrieb zu gewährleisten. Gemessen an diesen Kriterien sind dieser Aufgabe nur modernste Colocation-Rechenzentren gewachsen.

Die richtige Unterstützung für KI

Ein Großteil dieser für Künstliche Intelligenz notwendigen Eigenschaften sind traditionell durch physikalische Beschränkungen hinsichtlich ihrer Leistungsstärke und Kühlmöglichkeiten limitiert. Allerdings sind auch die Benutzererfahrung und die garantierte Betriebszeit wesentliche Bestandteile erfolgreicher Rechenzentrumslösungen. Wenn sie einen Colocation-Service für KI-Anwendungen in Betracht ziehen, sollten Unternehmen der Automobilbranche ihre Erwartungen anhand der folgenden Kriterien bewerten, um einen erfolgreichen Einsatz zu gewährleisten.

Verarbeitungsleistung

KI erfordert eine enorme Rechenleistung. Ohne innovative technologische Ansätze für die Verarbeitung würden Unternehmen lange Rechenzeiten riskieren, die sich in einer schlechten Benutzererfahrung niederschlagen und Chancen verschenken. Vor allem in Bereichen, die mit Connected Mobility und autonomem Fahren zu tun haben, sind die Toleranzen sehr gering. Die Einführung von GPUs (Graphics Processing Units) ermöglicht bahnbrechende Leistungen beim Training komplexer KI-Modelle in einem Bruchteil der Zeit, die andere Plattformen benötigen. Moderne KI-fähige Einrichtungen nutzen daher GPUs, um Anwendungen zu beschleunigen und exponentielle Verarbeitungsmöglichkeiten für die Zukunft zu planen.

Der NVIDIA DGX-A1-Server demonstrierte bereits die beeindruckende Leistungsfähigkeit von GPU-beschleunigtem Deep Learning, indem er 140 Mal schneller lernte als reine CPU-Server. Ein Deep-Learning-Training, das auf einem reinen CPU-Server 711 Stunden benötigte, konnte mit dem DGX-1 in etwas mehr als fünf Stunden abgeschlossen werden, was einer Leistung von über 1 petaFLOPS (Floating Point Operations Per Second) entsprach. Die Entwicklung der DGX-Systeme hat seitdem rasante Fortschritte gemacht: Der Nachfolger NVIDIA DGX-2 erreichte bereits 2 petaFLOPS. Der NVIDIA DGX A100 bietet fünf petaFLOPS an KI-Leistung und übertrifft damit die Leistung früherer Generationen deutlich.

Das verändert die Anforderungen, die die IT eines modernen Automobilunternehmen erfüllen muss, dramatisch.

Lesen Sie jetzt in Teil zwei unserer Serie zur KI in der Automobilbranche: Diese Anforderungen sollte ein KI-fähiges Rechenzentrum erfüllen und Teil drei: So bleiben Unternehmen durch ein KI-fähiges Rechenzentrum zukunftsfähig.

PDx® Hybrid Cloud Use Case mit Oracle Lösungen – Private Cloud