Was versteht man unter Rechenzentrumsmodernisierung?

Für die meisten Unternehmen ist die Rechenzentrumsmodernisierung kein einmaliges Projekt, sondern ein fortlaufender Prozess. Im Fokus steht die Abkehr von hardwareabhängigen Systemen hin zu einer softwaredefinierten Infrastruktur, die sich über On-Premises-, Private-Cloud- und Public-Cloud-Infrastrukturen sowie Edge-Umgebungen erstreckt und allesamt als eine einzige Umgebung verwaltet wird.

Die Notwendigkeit, aus künstlicher Intelligenz (KI), verteilten Anwendungen und Echtzeitverarbeitung am Edge Nutzen zu ziehen, hat die Anforderungen von Unternehmen an Rechenzentren verändert. Laut einer Studie von Goldman Sachs Forschung wird der Energiebedarf von Rechenzentren bis 2027 um 50 % steigen und bis 2030 165 % des Niveaus von 2023 erreichen, was hauptsächlich auf Trainings- und Inferenz-Workloads zurückzuführen ist.¹ Die meisten Legacy-Rechenzentren wurden nicht für diese Anforderungen ausgelegt.

Rechenzentren dienten einer anderen Ära der Computertechnik, in der die traditionelle Infrastruktur auf CPU-basierter Rechenleistung, vorhersehbaren Workloads und zentralisiertem Speicher basierte.

Im Gegensatz zum Modelltraining, das in großen, zentralisierten Einrichtungen stattfindet, werden KI-Inferenzen zunehmend am Edge ausgeführt (zum Beispiel in Fabriken, Filialen des Einzelhandels oder an abgelegenen Standorten). Die Modernisierung erstreckt sich nun über das Kernrechenzentrum hinaus und auf verteilte Standorte.

Auch die Datensouveränität prägt, wo Workloads laufen. Viele Branchen und geografische Regionen erfordern, dass bestimmte Daten innerhalb bestimmter Gerichtsbarkeiten bleiben, was bedeutet, dass bei Entscheidungen über die Platzierung der Workloads berücksichtigt werden muss, wo sich die Daten befinden und wo die Vorschriften gelten.

Traditionelle Rechenzentren folgten einem zentralisierten Modell. Auf physischen Servern wurden einzelne Anwendungen ausgeführt, Teams schlossen Speichersysteme an bestimmte Hosts an und Netzwerkkonfigurationen erforderten eine manuelle Bedienung. Dieses Modell funktionierte gut, wenn Workloads den Betrieb von Anwendungen wie Ressourcenplanung (ERP) und Datenbanken beinhalteten.

Der Wandel zu modernen Rechenzentren begann mit der Servervirtualisierung, die Workloads von physischer Hardware trennte und es mehreren Anwendungen ermöglichte, Ressourcen auf einem einzigen Server zu teilen. Die softwaredefinierte Infrastruktur erweiterte dies auf Speicher und Netzwerke.

Die Einführung von Containern und Kubernetes erhöhte die Portabilität und ermöglichte es Anwendungen, konsistent über On-Premises-Server, Private Clouds und Public-Cloud-Plattformen zu laufen. Dieser softwaregetriebene Ansatz zur Verwaltung des gesamten Rechenzentrums wird als softwaredefiniertes Rechenzentrum (SDDC) bezeichnet.

Heute ist das moderne Rechenzentrum kein fester Standort mehr. Es umfasst zentrale Einrichtungen, cloudbasierte Plattformen und Edge-Standorte, wobei sich die Workloads eher auf der Grundlage von Leistung, Kosten, Latenz und Compliance als aufgrund der physischen Nähe zur Hardware bewegen. Dieses verteilte Hybrid-Cloud-Modell bietet Unternehmen die Flexibilität, Workloads dort auszuführen, wo sie am besten performen, während Software und Automatisierung die Ressourcenbereitstellung und -verwaltung steuern.

KI-Rechenzentren gehen noch einen Schritt weiter – sie sind für die Anforderungen an Umfang und Leistung von KI-Trainings- und Inferenz-Workloads ausgelegt, für die herkömmliche Rechenzentren nicht konzipiert wurden.

Traditionelle Unternehmens-Workloads werden in den meisten Einrichtungen immer noch auf einer virtualisierten, lokalen Infrastruktur ausgeführt. Im Gegensatz dazu sind cloudnative Anwendungen so konzipiert, dass sie gleichzeitig über On-Premises- und Public-Cloud-Systeme laufen, anstatt an eine einzige Umgebung gebunden zu sein.

Heute stellen KI-gestützte Workloads die größten Anforderungen an die Infrastruktur und erfordern GPU-dichte Rechenleistungen, schnellen Speicher und geringe Latenz-Netzwerke. Workloads im Bereich High-Performance Computing (HPC) teilen viele dieser Anforderungen auf.

Über das zentrale Rechenzentrum hinaus nehmen Edge-Workloads zu, da maschinelles Lernen (ML) und KI an verteilte Standorte näher an der Quelle verschieben werden und auf entfernten Servern und IoT-Geräten (Internet der Dinge) laufen.

Moderne Rechenzentrumsinfrastruktur umfasst Systeme, die Rechenleistung, Speicher und Datenschutz bieten. Hier ein Überblick über die einzelnen Komponenten:

• Rechenleistung und KI-fähige Hardware: Die Modernisierung der Rechenleistung bedeutet, über reine CPU-Server hinauszugehen und GPU-beschleunigte Workloads für KI und HPC zu unterstützen. Neuronale Verarbeitungseinheiten (NPUs) übernehmen die Inferenz am Edge, wo die Energieeffizienz genauso wichtig ist wie die rohe Leistung. Enterprise-Hardware (zum Beispiel IBM Z) kombiniert KI-Beschleuniger mit Funktionen, die von regulierten Branchen wie Finanzen und Gesundheitswesen benötigt werden.

• High-Performance-Speicher: NVMe-SSDs und All Flash Arrays reduzieren die Latenz und erhöhen den Durchsatz, während Software-definierter Speicher (SDS) das Management von physischer Hardware entkoppelt. Diese Funktionen unterstützen einen konsistenten Betrieb in On-Premises- und Cloud-Computing-Umgebungen. Darüber hinaus verarbeitet Object Storage große Mengen unstrukturierter Daten, die KI-Training und Edge-Workloads generieren.

• Softwaredefiniertes Networking (SDN) und SDDC: Softwaredefiniertes Networking (SDN) wendet softwaregesteuertes Management auf Netzwerk, Speicher und Rechenleistung an und ersetzt die manuelle Hardwarekonfiguration im gesamten Rechenzentrum.

• Virtualisierung und HCI: Servervirtualisierung bleibt die Grundlage der meisten modernisierten Rechenzentren und ermöglicht es mehreren Workloads, sich physische Hardware zu teilen. Hyperkonvergierte Infrastruktur (HCI) geht noch weiter und kombiniert Rechenleistung, Speicher und Netzwerk in einer einzigen, softwareverwalteten Plattform.

• Container und Kubernetes: Container verpacken Anwendungen in tragbaren Einheiten, die konsistent über verschiedene Einstellungen hinweg laufen. Kubernetes verwaltet ihre Bereitstellung und Skalierung in Hybridumgebungen von einer einzigen Plattform aus.

• Automatisierung und AIOps: Mit zunehmender Dezentralisierung von Rechenzentren wird die manuelle Durchführung von Operationen in großem Maßstab immer schwieriger. Automatisierung und AIOps übernehmen Überwachung, Einsatzreaktion und Kapazitätsplanung auf Basis von Echtzeitdaten.

• Energie und Flüssigkeitskühlung: Hochdichte KI-Racks haben einen deutlichen höheren Energiebedarf als herkömmliche Konfigurationen, weshalb viele Rechenzentren ihre Powerversorgungssysteme aufrüsten müssen. Flüssigkeitskühlung bewältigt Wärme, die mit Luftkühlung in großem Maßstab nicht zu bewältigen ist.

• Sicherheit und Zero-Trust-Architektur: Angesichts dessen, dass sich die Workloads auf mehr Umgebungen und Edge-Computing-Standorte verteilen, gibt es auch mehr Einstiegspunkte, die sichergestellt werden müssen. Die Modernisierung der Cybersicherheit bedeutet, sich von perimeterbasierten Modellen hin zu Zero-Trust-Frameworks zu bewegen, bei denen kein Nutzer, Gerät oder Workload standardmäßig Zugriff erhält, unabhängig vom Netzwerkstandort.

Die Modernisierung von Rechenzentren bietet eine Reihe von Vorteilen, die die geschäftlichen Anforderungen moderner Unternehmen unterstützen:

• Unterstützung für KI und moderne Workloads: Die Modernisierung von Rechenzentren bietet Unternehmen die notwendige Infrastruktur, um KI-Training, Inferenz oder Echtzeitanalysen durchzuführen und so Engpässe zu beseitigen, die mit Legacy-Systemen einhergehen.

• Größere Agilität: Softwaredefinierte Infrastruktur und Automatisierung verkürzen die Zeit, die benötigt wird, um Ressourcen bereitzustellen, Anwendungen bereitzustellen und auf sich ändernde Workload-Anforderungen zu reagieren. Unternehmen können Ressourcen auf Workloads verteilen, ohne Änderungen an der physischen Hardware vornehmen zu müssen.

• Niedrigere Betriebskosten: Das Modernisieren des Rechenzentrums optimiert die IT-Infrastruktur, sodass sie effizienter läuft. Durch die Verlagerung von Workloads in die kostengünstigste Umgebung, sei es On-Premises, in der Cloud oder am Edge, wird auch der Aufwand für die Wartung einer nicht ausgelasteten Infrastruktur reduziert.

• Verbesserte Resilienz: Moderne Rechenzentren und verteilte Architekturen verringern die Abhängigkeit von einer einzelnen Einrichtung oder Verbindung. Workloads können über alle Einstellungen hinweg fortfahren werden, und Edge-Standorte können unabhängig voneinander weiterlaufen, wenn die zentrale Konnektivität unterbrochen wird.

• Bessere Sicherheit: Die Rechenzentrumsmodernisierung unterstützt eine einheitliche Durchsetzung von Richtlinien in verteilten Umgebungen, und moderne Verschlüsselung verringert die Exposition zwischen Rechenzentren, Cloud-Plattformen und Randstandorten.

• Einfachere Compliance: Unternehmen können sensible Workloads an bestimmte Einrichtungen oder Regionen verweisen und diese Richtlinien durch softwaredefiniertes Management statt durch manuelle Konfiguration durchsetzen.

• Nachhaltigkeit: Moderne Infrastruktur ist energieeffizienter als Legacy-Systeme. Flüssigkeitskühlung und energieeffiziente Hardware tragen dazu bei, den ökologischen Fußabdruck des Rechenzentrumbetriebs zu verringern.

• Anwendungsmodernisierung: Container, Kubernetes und hybride Multicloud-Plattformen geben Entwicklungsteams das nötige Werkzeug an die Hand, um von monolithischen Anwendungen zu Microservices-Architekturen zu wechseln. Diese Methode verbessert die Bereitstellungsgeschwindigkeit, Verfügbarkeit und Verfügbarkeit für bessere User Experiences.
  
  

Projekte zur Modernisierung von Rechenzentrum sind komplex und oft ein zentraler Bestandteil einer umfassenderen Digital-Transformation-Strategie. Mit einer klaren Strategie und einer Roadmap zu beginnen, die sich an sich ändernde Technologie- und Geschäftsanforderungen anpassen kann, ist wichtiger, als die meisten Unternehmen erwarten.

Viele Unternehmen integrieren Beratungsdienstleistungen von Anbietern von Geschäftstechnologie (z. B. IBM, HPE), um die aktuelle Infrastruktur zu bewerten und den Übergang in den Bereichen Architektur, Sicherheit und Betrieb zu steuern.

Bevor Unternehmen Infrastrukturentscheidungen treffen, müssen sie wissen, welche Workloads sie ausführen und welche Anforderungen sie an Leistung, Sicherheit und Compliance stellen. Dies deckt Legacy-Abhängigkeiten auf und informiert, wohin die einzelnen Workloads gehen sollen.

Laut einer Deloitte-Studie fließen mehr als 60…% der IT-Budgets weiterhin in die Wartung von Altsystemen, was oft die erste Einschränkung ist, auf die Modernisierungsprogramme stoßen. ²

Setzen Sie sich konkrete Ziele, wie z. B. die Senkung der Infrastrukturkosten, die Unterstützung eines bestimmten Anwendungsfall KI oder die Erfüllung einer Datenresidenz-Anforderung.

Konkrete Ziele geben Teams die Möglichkeit, Fortschritte zu messen und unterwegs Entscheidungen zu treffen.

Nicht jeder Workload gehört in die Cloud und nicht jeder Workload gehört On-Premises. Cloud-Lösungen bieten Skalierbarkeit und schnelleren Zugriff auf neue Dienste, während On-Premises-Infrastruktur Unternehmen mehr Kontrolle über Leistung und Compliance bietet.

Für Unternehmen, deren Einrichtungen keine KI-Infrastruktur mit hoher Dichte unterstützen können, ist Colocation als Teil dieser Entscheidung eine Überlegung wert.

Durch ein stufenweises Vorgehen werden die wertvollsten Workloads zuerst priorisiert, wodurch das Risiko von Ausfallzeit und Störungen wichtiger Betriebsabläufe im Verlauf der Initiative verringert wird.

Sicherheitskontrollen, Compliance-Überwachung und Kostenmanagement müssen von Anfang an Bestandteil der Modernisierung sein. Dieser Ansatz umfasst Backup und Notfallwiederherstellung sowie Geschäftskontinuitätsplanung, damit der Betrieb weiterlaufen kann, falls ein System ausfällt oder eine Migration schiefgeht. 

Die Rechenzentrumsmodernisierung endet nicht mit der Bereitstellung. Die Infrastruktur erfordert kontinuierliche Überwachung, Patches, Upgrades und Lebenszyklusmanagement.

Oftmals ist Fachwissen in Cloud-Service-Plattformen, Kubernetes und KI-Infrastruktur erforderlich. IT-Teams benötigen fortlaufend Schulungen, da sich Rechenzentrum und neue Technologien weiterentwickeln.