Zusammenfassung

  • FlexSysAI und ResetData testen gemeinsam mit CSIRO und der University of Queensland flexible KI-Arbeitslasten auf einem laufenden Cluster mit Nvidia H200
  • Das Pilotprojekt untersucht, ob sich weniger dringliche Rechenaufgaben in Zeiten hoher Stromnetzbelastung verschieben lassen, ohne wichtige Arbeitslasten zu beeinträchtigen

Die Fakten

FlexSysAI hat gemeinsam mit ResetData, CSIRO und der University of Queensland ein Pilotprojekt in Australien gestartet, um zu testen, ob die Nachfrage nach KI-Rechenleistung auf veränderte Bedingungen im Stromnetz reagieren kann.

Die Plattform läuft auf einem Cluster mit Nvidia H200 in der AI-F1-Anlage von ResetData. Sie ordnet Arbeitslasten nach ihrem Flexibilitätsgrad, schützt kritische Aufgaben und ermöglicht zugleich, weniger dringliche Trainingsläufe zu drosseln oder zu verschieben, wenn das Stromnetz unter Druck steht. CSIRO und die University of Queensland werden die Daten aus dem Versuch unabhängig analysieren.

Frühe Modellierungen von FlexSysAI legen nahe, dass sich die Arbeitslasten auf den GPUs von ResetData innerhalb weniger Sekunden nach einem Netzsignal um 20–50 % anpassen ließen. Diese Angabe beschreibt Veränderungen der Rechenlasten, nicht eine gemessene Verringerung des gesamten Stromverbrauchs der Anlage in derselben Größenordnung.

Nach Angaben der Partner fehlen den Stromnetzen weiterhin reale Betriebsdaten, die zeigen, wie zuverlässig KI-Rechenanlagen diese Art von Flexibilität bereitstellen können. Das Pilotprojekt soll dazu beitragen, diese Lücke zu schließen.

Die Einschätzung

Die Idee hinter dem Versuch ist einfach: Nicht jede KI-Aufgabe muss genau zum selben Zeitpunkt ausgeführt werden. Wenn weniger dringliche Aufgaben bei hoher Netzbelastung verzögert oder verschoben werden können, könnte ein Rechenzentrum einen Teil seiner Stromnachfrage reduzieren und wichtige Aufgaben zugleich weiterlaufen lassen.

Schwieriger ist, was danach geschieht. Unterbrochene Aufgaben müssen dennoch abgeschlossen werden. Der Versuch muss deshalb zeigen, dass ihre Verlagerung weder Verzögerungen für Kunden verursacht noch einen großen Block der Stromnachfrage lediglich auf einen anderen Zeitpunkt verschiebt. Deshalb untersuchen die Forschenden reale Betriebsdaten, statt sich allein auf Modellierungen zu stützen.

Für Leser von BTW werden vor allem Belege dazu nützlich sein, wie viel Stromnachfrage sich tatsächlich verlagern lässt, wie schnell die Anlage reagieren kann und ob verzögerte Arbeitslasten dennoch wie erwartet abgeschlossen werden. Erst dann können Netzbetreiber beurteilen, ob ein flexibler KI-Rechenbetrieb für die Planung des Stromnetzes nützlich ist.

Worauf zu achten ist

Zu beobachten ist, ob CSIRO und die University of Queensland Ergebnisse veröffentlichen, die zeigen, wie viel Arbeitslast bei Reaktionen auf Netzsignale verlagert wurde und was danach geschah. Der Nachweis, dass verzögerte Aufgaben ohne Beeinträchtigung des Dienstes abgeschlossen wurden, wäre ein aussagekräftigerer Test als die derzeitige Modellierung allein.