Denkende Rechenzentren: Der Aufstieg der agentenbasierten KI im Management der Rechenzentrumsinfrastruktur

Jede KI-Welle hat ihren Preis, und dieser wird oft vom Rechenzentrum getragen. 

Steigende Arbeitslasten durch KI-Training und -Inferenz treiben die Rack-Dichte, die Leistungsaufnahme und die Kühllasten auf ein Niveau, das vor fünf Jahren noch als leichtsinnig gegolten hätte. Die Softwareebene, die dies unter Kontrolle halten soll, hat sich jedoch kaum weiterentwickelt. Die meisten Lösungen für das Infrastrukturmanagement von Rechenzentren überwachen nach wie vor lediglich Parameter, und wenn ein Grenzwert überschritten wird, lösen sie einen Alarm aus und warten darauf, dass ein Mensch reagiert.

Dieses Modell bröckelt still und leise. 

Wenn eine Anlage pro Minute Zehntausende von Telemetriewerten aus thermischen, stromtechnischen, kapazitätsbezogenen und mechanischen Systemen generiert, liegt der Engpass in der Infrastruktur zunehmend in der schnellen Entscheidungsfindung. Wenn beispielsweise ein thermischer Alarm ausgelöst wird, besteht das Luftstromproblem, das ihn verursacht hat, in der Regel bereits seit einer Stunde. Der Betreiber, der dies bemerkt, verhindert den Vorfall nicht, sondern beseitigt erst die Folgen in dessen Anfangsphase. Anders als früher stehen nun die Geschwindigkeit der Entscheidungsfindung und die Notwendigkeit zum Handeln im Mittelpunkt.

Agentic DCIM stellt die nächste Evolutionsstufe des Rechenzentrums-Infrastrukturmanagements dar. Es kombiniert KI-Agenten, Echtzeit-Telemetrie und automatisierte Entscheidungsfindung, um den Rechenzentrumsbetrieb in den Bereichen Stromversorgung, Kühlung, Kapazität und Wartung kontinuierlich zu überwachen, vorherzusagen und zu optimieren. Im Gegensatz zu herkömmlichen Überwachungsplattformen, die in erster Linie Warnmeldungen generieren, ermöglicht agentic DCIM intelligentes Handeln und eine kontinuierliche Optimierung des Rechenzentrums.

Von reaktiver DCIM-Überwachung zu selbstoptimierenden Rechenzentren

Die sinnvollere Frage lautet hier nicht „Wie können wir besser überwachen?“, sondern vielmehr: „Was wäre erforderlich, damit sich die Infrastruktur selbst verwaltet?“ Diese Umdeutung verwandelt das Data Center Infrastructure Management (DCIM) von einer reaktiven, alarmgesteuerten Funktion in ein sich selbst optimierendes technisches System – eines, das kontinuierlich erfasst, prognostiziert, entscheidet und handelt –, wobei Menschen die Randbereiche steuern, anstatt den Kern manuell zu lenken.

Das ist der Gedanke hinterDataMind, einer agentenbasierten DCIM-Plattform, die auf der Prämisse basiert, dass sich ein Rechenzentrum weniger wie eine Ansammlung von Messgeräten und mehr wie ein Ingenieurteam verhalten sollte, das niemals schläft. Anstelle eines einzigen monolithischen Modells betreibt sie ein Netzwerk aus spezialisierten Agenten, von denen jeder einen Bereich verantwortet, so wie ein gutes Betriebsteam die Verantwortung aufteilt. 

Der Thermal-Agent liest die Werte von CRAC-, CRAH- und Rack-Sensoren aus, um Hotspots etwa 45 Minuten vor dem Auslösen eines Alarms vorherzusagen, und passt dann die Sollwerte an, während der Power-Agent die PUE in Echtzeit verfolgt, die Lasten über die PDUs hinweg neu verteilt und den Zustand der USV überwacht. Parallel dazu prognostiziert der Kapazitätsagent Kapazitätsengpässe Monate im Voraus und empfiehlt die Verlagerung von Workloads, bevor der Platz knapp wird, während der Agent für vorausschauende Wartung die Ausfallwahrscheinlichkeit pro Gerät schätzt und einen Arbeitsauftrag erstellt, solange noch Zeit zum Handeln bleibt. Und schließlich verknüpft der Nachhaltigkeits-Agent all dies mit den CO₂-Emissionen, indem er erneuerbare Energien einbindet und nicht kritische Lasten in Zeitfenster mit geringeren Auswirkungen verlagert.

Der Entscheidungszyklus ist hier wichtiger als jede einzelne Funktion, wobei die Umwandlung von Signalen in Korrekturmaßnahmen in weniger als einer halben Sekunde erfolgt – und zwar kontinuierlich und nicht nach dem Zeitplan eines menschlichen Technikers.

Das Lock-in-Problem: Warum an einen Anbieter gebundene DCIM-Lösungen die Optimierung von Rechenzentren einschränken

Herkömmliche DCIM-Tools sind in der Regel in das Ökosystem eines einzigen Anbieters eingebunden. Die Qualität Ihrer Daten hängt vollständig von der Hardware-Marke ab, die Ihnen die Plattform verkauft hat, und ein Wechsel bedeutet teure Lizenzen, Integrationsprojekte oder beides.

Echte Rechenzentren sind jedoch niemals so übersichtlich. 

Sie sind ein Flickenteppich aus PDUs, USV-Anlagen, CRACs und Servern von einem Dutzend Herstellern, die im Laufe jahrelanger Beschaffungen zusammengetragen wurden. Die pragmatische Lösung für ein effektives DCIM besteht daher darin, direkt mit der Hardware zu kommunizieren. Durch die Abfrage von Geräten über offene Industrieprotokolle – Modbus, SNMP, BACnet/IP, Redfish, MQTT und andere – entsteht eine Intelligenzebene, die Daten fast jeder Marke auslesen kann, ohne auf die API eines Anbieters warten oder für dessen DCIM-Ebene bezahlen zu müssen. Erst dies ermöglicht eine echte, flottenweite Optimierung.

Kontrollierte Autonomie für einen vertrauenswürdigen Rechenzentrumsbetrieb

Der Instinkt, einen Menschen „im Bilde“ zu halten, ist richtig, wird jedoch in der Regel als Engpass umgesetzt. Infolgedessen wartet jede Entscheidung auf eine Genehmigung, und die Skalierung kommt zum Stillstand. 

Ein pragmatischeres Modell ist daher die gesteuerte Autonomie. Maßnahmen mit geringem Risiko und hoher Zuverlässigkeit werden eigenständig ausgeführt – mit einem kurzen Stornierungsfenster und einem klaren Prüfpfad –, während Entscheidungen mit weitreichenden Auswirkungen einer menschlichen Überprüfung und einer Zuverlässigkeitsschwelle unterliegen. Die Betreiber bewegen sich auf einem Spektrum, das von der Überprüfung aller Vorgänge über die Überwachung mit der Option zur Abbruchentscheidung bis hin dazu reicht, dass das System 80 % der Routineaufgaben übernimmt, während nur die wirklich komplexen oder physischen Eingriffe an den Bediener weitergeleitet werden.

Die stille Innovation, die DataMind ermöglicht, liegt dann in der Rückkopplungsschleife. Wenn ein Operator das System durch eine eigene Aktion außer Kraft setzt, wird diese Überschreibung nicht verworfen – sie wird zu einem Trainingssignal. Das Modell lernt, was Rechenzentrumsingenieure als die richtige Reaktion betrachten, und so wird Vertrauen durch Beweise verdient und nicht in einem Datenblatt behauptet.

Ergebnisse, die zählen

Das Ziel eines effizienten DCIM-Systems besteht niemals nur in einem intelligenteren Alarm, sondern vielmehr in einer Infrastruktur, die kontinuierlich denkt, entscheidet und handelt. Es ist herstellerunabhängig in dem, was es auswertet, diszipliniert in dem, was es autonom tut, und ehrlich in der Frage, wo noch ein Mensch gefragt ist. Und während KI unsere Anforderungen anRechenzentrenneu definiert, sind diejenigen Einrichtungen auf der Höhe der Zeit, die nicht mehr darauf warten, dass ihnen ein Problem gemeldet wird, sondern dieses bereits im Vorfeld beseitigen, bevor es auftritt.