Modulare KI-Rechenzentren: Was Nvidias DSX POD verspricht

Der Chipkonzern Nvidia hat am 21. Oktober auf seiner Hauskonferenz GTC Berlin den DSX POD vorgestellt. Dahinter steht ein Referenzdesign für modulare KI-Rechenzentren, die Partner in Containern vormontieren und testen. Nach Nvidias Angaben verkürzt sich der Aufbau so von rund sechs Monaten auf bis zu 14 Tage. Diese Zahl gilt allerdings nur dort, wo Strom, Kühlung und Netzanbindung bereits vorhanden sind.

Modulare KI-Rechenzentren als Bauplan für Partner

Der DSX POD ist kein fertiges Rechenzentrum, das Nvidia selbst errichtet oder verkauft. Ein Referenzdesign ist ein Bauplan, nach dem andere Hersteller ein komplettes System zusammensetzen. Nvidia nennt das Ergebnis AI Factory und meint damit ein Rechenzentrum, das allein auf Training und Betrieb von KI-Modellen ausgelegt ist. Technische Grundlage ist Vera Rubin, die neue Generation von Nvidias KI-Chips.

Die Container enthalten Rechentechnik, Netzwerk und Verkabelung sowie Stromversorgung und Flüssigkühlung für die Server-Racks. Ein Rack ist ein genormter Schrank, in dem Server übereinander eingebaut sind. Verkabelung, Verrohrung und Funktionstests erledigen die Partner, bevor der Container das Werk verlässt. Laut dem Fachportal Data Center Knowledge umfasst ein Pod sieben Racks vom Typ Vera Rubin NVL72. Ein solches Rack fasst 72 Grafikprozessoren und wird vollständig mit Flüssigkeit gekühlt.

Das Magazin The Next Platform beziffert die Kabellänge für Nvidias Netzwerktechnik Spectrum-X auf rund 17 Kilometer pro Pod. Den Strom verteilt das System mit 800 Volt Gleichspannung und die Abwärme führen Trockenkühler ab, die ohne Verdunstung von Wasser auskommen. Leistungswerte, Preise und den Strombedarf eines einzelnen Pods nennt Nvidia in seiner Pressemitteilung nicht.

Insgesamt 17 Partnerunternehmen sollen die Pods bauen. Den Kern bilden laut Techzine Bull, Dell, HPE, Schneider Electric und Vertiv. Auch Lenovo, Foxconn, Gigabyte, Eaton und Anduril stehen auf der Liste. Die ersten Pods sollen Anfang 2027 weltweit ausgeliefert werden, heute ist noch keiner lieferbar.

Wie schnell lassen sich modulare KI-Rechenzentren aufbauen?

Nvidias zentrales Versprechen ist Tempo. An einem vorbereiteten Standort soll ein Pod nach höchstens 14 Tagen laufen. Die Frist beginnt laut Pressemitteilung erst, wenn Strom, Kühlung und Netzanbindung vor Ort bereitstehen. Das deutschsprachige Portal mind-verse weist darauf hin, dass die 14 Tage nur die Installation betreffen und nicht das Gesamtprojekt.

Hinzu kommt, dass Nvidias eigene Zeitangaben nicht zusammenpassen. Konzernchef Jensen Huang sprach laut mind-verse an anderer Stelle von Wochen oder etwa einem Monat. Laut The Next Platform rechnet Nvidia mit einer Verkürzung von vier bis fünf Monaten auf rund einen Monat. Alle drei Angaben stammen von Nvidia selbst, unabhängig überprüft ist keine davon.

Huang begründete das Tempo mit dem Zeitpunkt, ab dem eine Anlage Geld verdient. Eine AI Factory schaffe nicht mit dem Ende der Bauarbeiten Wert, sondern sobald sie die ersten Tokens erzeuge, sagte er sinngemäß. In einer Beispielrechnung veranschlagte Huang ein Rechenzentrum mit einem Gigawatt Leistung auf rund 50 Milliarden Dollar. Eine Verzögerung um drei Monate koste demnach rund 10 Milliarden Dollar Umsatz, berichtet The Next Platform.

Weniger Strom und kaum Wasser: Nvidias Effizienzversprechen

Neben dem Pod stellte Nvidia Werkzeuge für den laufenden Betrieb vor. Mit der Funktion DSX MaxLPS soll ein Rechenzentrum dieselbe Menge an Tokens mit bis zu 30 Prozent weniger Strom erzeugen. DSX Flex macht ein Rechenzentrum zur steuerbaren Last und drosselt den Verbrauch, wenn das Stromnetz stark belastet ist. Getestet hat Nvidia das gemeinsam mit Emerald AI, EPRI, Nebius und dem britischen Netzbetreiber National Grid. Im Test senkte ein Cluster mit Blackwell-Ultra-Chips seine Leistungsaufnahme um bis zu 40 Prozent, während kritische Anwendungen weiterliefen. Techzine weist darauf hin, dass es sich um eine Simulation von Nvidia selbst handelte.

Bei der Kühlung setzt Nvidia auf geschlossene Flüssigkeitskreisläufe und Trockenkühler. Die Vera-Rubin-Systeme arbeiten mit Kühlmitteltemperaturen von bis zu 45 Grad. Der Bedarf an Kühlwasser sinke dadurch fast auf null, erklärt der Konzern. Für eine Anlage mit zwei Gigawatt rechnet er gegenüber Kühltürmen mit einer Ersparnis von bis zu 54 Millionen Litern pro Tag. Techzine sieht den wasserfreien Betrieb allerdings als Zielbild und nicht als heutigen Stand. Mind-verse kritisiert, dass sich Nvidias Wasserangaben auf unterschiedliche Systeme beziehen.

Bei der Planung helfen digitale Zwillinge. Ein digitaler Zwilling ist ein virtuelles Abbild einer Anlage, an dem sich Planung und Betrieb vorab durchspielen lassen. Siemens nutzt Nvidias Simulationsumgebung DSX Sim, um Stromversorgung, Kühlung und Akustik vorab zu berechnen. Schneider Electric steuert Referenzdesigns für Strom und Kühlung bei. Vertiv bildet seine Infrastruktur gemeinsam mit Dassault Systèmes digital ab. Der Cloud-Anbieter Nscale plant seine Standorte in Island und Portugal bereits mit DSX Sim.

Fachpresse sieht im Container-Prinzip wenig Neues

Unabhängige Fachmedien urteilen nüchterner. Techzine etwa verweist auf zahlreiche Vorläufer wie Rechenzentren im Containerformat. Neu sei vor allem das vorab getestete Gesamtpaket. Die eigentlichen Engpässe bleiben laut Techzine die verfügbare Strom- und Wasserkapazität sowie Genehmigungen. The Next Platform sieht im Pod vor allem eine neue Bündelung, weil die Komponenten schon zur bisherigen DSX-Referenzarchitektur gehören. Ohne Megawatt-Angaben pro Pod lasse sich der Energiebedarf nicht beurteilen, schreibt das Magazin. Mind-verse vermisst unabhängige Berechnungen zu Kosten, Auslastung und Amortisation.

Freundlicher fällt das Urteil beim Marktforscher IDC aus. Das Konzept bringe GPU-beschleunigte Rechenkapazität schlüsselfertig dorthin, wo Bedarf bestehe, sagte Analyst Ashish Nadkarni sinngemäß gegenüber Data Center Knowledge. Chancen sieht er für souveräne KI, für Edge-KI und für kleinere Anlagen mit festem Einsatzzweck. Souveräne KI bezeichnet Infrastruktur unter nationaler oder europäischer Kontrolle, Edge-KI läuft nahe am Entstehungsort der Daten.

Huang machte in Berlin der europäischen KI-Branche Mut, die beim Aufbau von Rechenkapazität hinterherhinkt. Nach Angaben der Nachrichtenagentur AP verfügt Europa über rund 5 Prozent der weltweiten KI-Rechenkapazität, die USA über mehr als 75 Prozent. Jeannette zu Fürstenberg, Präsidentin des Investors General Catalyst, nannte Rechenleistung laut AP den großen Engpass. Nvidia selbst spricht von einer Zusage über fast 10 Milliarden Dollar für das europäische Ökosystem. AP beschreibt die Summe dagegen als Investitionen des vergangenen Jahres. Ganz ohne Gegenwind blieb der Auftritt nicht, denn Demonstranten unterbrachen die Keynote mit einem Banner. Sie forderten, Nvidia solle seine Technologie umweltfreundlicher machen.

Was modulare KI-Rechenzentren für Unternehmen bedeuten

Der DSX POD beschleunigt die Montage, nicht die Standortsuche. Wer ein KI-Rechenzentrum plant, gewinnt mit vorgefertigten Containern Zeit bei Verkabelung, Kühlung und Tests. Um Strom, Netzanschluss und Genehmigungen muss er sich weiterhin selbst kümmern, weil der Pod erst danach ins Spiel kommt. Für Rechenzentrumsbetreiber und Konzerne mit eigenen KI-Plänen liegt der Engpass deshalb nicht mehr bei der Integration der Hardware. Knapp sind vor allem Standorte, an denen genügend Strom und Kühlung bereitstehen.

Wer einen Pod bestellt, kauft zudem ein komplett auf Nvidia abgestimmtes System. Weil die Partner nach Nvidias Vorgaben bauen, reicht die Abhängigkeit vom Konzern über die Chips hinaus. Eine belastbare Kalkulation ist derzeit kaum möglich, weil Nvidia weder Preise noch Strombedarf pro Pod oder erste Kunden genannt hat. Sämtliche Effizienzwerte sind Herstellerangaben.

Ab 2027 müssen die Pods ihre Zahlen belegen

Nvidia hat in Berlin kein Rechenzentrum gezeigt, sondern einen Bauplan für die Industrie. Partner sollen KI-Rechenzentren künftig als getestete Fertigmodule liefern. Das versprochene Tempo gilt erst ab dem Moment, in dem der Standort mit Strom und Kühlung versorgt ist. Die Zeitangaben schwanken je nach Quelle und die Effizienzwerte hat niemand unabhängig geprüft.

Die ersten Auslieferungen sind für Anfang 2027 geplant. Erst dann zeigt sich, wie lange eine Installation in der Praxis tatsächlich dauert. Bis dahin bleiben Preise, Strombedarf und erste Kunden offen. Ob Fertigmodule Europas Rückstand bei der Rechenkapazität verkleinern, hängt eher an Netzanschlüssen und Genehmigungen als an der Technik.

Wer eigene KI-Kapazität plant, gewinnt mit dem Pod-Konzept vor allem bei der Montage Zeit. Den größeren Vorsprung hat, wer früh einen Standort mit gesichertem Strom und Kühlung vorweisen kann. Bei Angeboten auf DSX-Basis lohnt sich der Blick darauf, welche Frist ein Partner verbindlich zusagt und ab wann sie gilt.