Ein Blick auf die NVIDIA GTC Berlin 2026 von Ales Alajbegovic, Global Program Manager für Industrial Metaverse und AI Factory bei Siemens Digital Industries Software

KI-Fabriken verändern den Umfang der Infrastruktur von Rechenzentren. Angesichts eines Stromverbrauchs im Gigawattbereich, höherer Rack-Dichten und steigender Wärmebelastungen stellen sie neue Anforderungen an die Planung, den Aufbau und den Betrieb der Infrastruktur. Gleichzeitig entwickelt sich die GPU-Technologie ständig weiter, weshalb Flexibilität unverzichtbar ist.

Auf der NVIDIA GTC Berlin 2026 haben wir unsere Zusammenarbeit mit NVIDIA vorgestellt, mit der wir diese Herausforderungen angehen: einen digitalen Zwilling für KI-Fabriken. Die DSX-Referenzarchitektur von NVIDIA bildet die Grundlage für die KI-Fabrik. Durch die Kombination von NVIDIAs Fachwissen über GPU-Anforderungen mit den Kompetenzen von Siemens in den Bereichen Engineering, Simulation, Energieversorgung und Automatisierung können wir die KI-Fabrik als integriertes System modellieren – vom Chip bis zum Stromnetz.

Stellen Sie sich die KI-Fabrik als ein integriertes System vor

KI-Rechenzentren weisen einige wesentliche Unterschiede zu herkömmlichen Rechenzentren auf. Ihr Strombedarf kann im Gigawattbereich liegen, während hohe Rack-Dichten erhebliche thermische Belastungen verursachen. Flüssigkeitskühlung wird immer wichtiger, und die Infrastruktur muss angesichts der Weiterentwicklung der Computertechnologie flexibel bleiben.

Dies stellt eine komplexe technische Herausforderung dar. Stromversorgung, Kühlung, Automatisierung und Steuerung wirken alle zusammen. Die isolierte Optimierung eines Transformators oder einer Kühlverteilungseinheit (CDU) gibt keinen Aufschluss darüber, ob die gesamte KI-Fabrik die geforderte Leistung erbringen wird.

Die Bediener müssen verstehen, wie alles zusammenwirkt. Zwei wichtige Leistungsindikatoren verdeutlichen, warum das so ist: „Time-to-First-Token“ und „Watt pro Token“.

Die „Time-to-First-Token“ misst die Zeit vom Beschluss zum Aufbau einer KI-Fabrik bis zu deren Inbetriebnahme. Nach einer umfangreichen Investition zählt jede Verzögerung. Je früher die KI-Fabrik den Betrieb aufnimmt, desto eher kann sie Rechenkapazität bereitstellen.

„Watt pro Token“ gibt an, wie viel Energie die KI-Fabrik benötigt, um einen Token zu generieren. Sobald die Anlage in Betrieb ist, wird die Energieeffizienz zu einem entscheidenden Faktor für ihre Wirtschaftlichkeit. Selbst eine noch so geringe Effizienzsteigerung in einer 1-GW-KI-Anlage kann jedes Jahr zu erheblichen Einsparungen führen.

Ein digitaler Zwilling unterstützt beide Ziele, indem er den Entwicklungsteams dabei hilft, Entwürfe zu validieren, Systemwechselwirkungen zu verstehen und die Leistung über den gesamten Lebenszyklus hinweg zu optimieren.

Entwurf: Die KI-Fabrik verstehen, bevor man sie aufbaut

Der erste Schritt besteht darin, zu verstehen, was entwickelt werden muss.

Welche Rechenleistung streben wir an?
Wie hoch sind die Anforderungen an die Stromversorgung und die Kühlung?
Wo wird die KI-Fabrik entstehen?
Wie sollte die Infrastruktur konfiguriert werden?

Diese Fragen müssen von Anfang an gemeinsam berücksichtigt werden. Modellbasiertes System-Engineering trägt dazu bei, die anfänglichen Projektanforderungen in einen strukturierten Entwicklungsprozess umzusetzen. Teams können diese Anforderungen im Verlauf des Projekts nachverfolgen und so sicherstellen, dass die ursprünglichen Ziele stets mit den technischen Arbeiten verknüpft bleiben.

Der digitale Zwilling vereint verschiedene Simulationsmodelle, um zu untersuchen, wie sich die geplante Infrastruktur im Betrieb verhalten wird. Teams können Konfigurationen testen, Szenarien vergleichen und potenzielle Probleme identifizieren, bevor sie sich für physische Geräte entscheiden – dabei betrachten sie die KI-Fabrik als komplettes System und nicht als eine Ansammlung einzelner Komponenten.

NVIDIA definiert die DSX-Referenzarchitektur für die KI-Fabrik. Siemens stellt den digitalen Zwilling bereit, mit dem Kunden ihn entwerfen, bauen und betreiben können. Das Ergebnis ist ein gemeinsam mit NVIDIA entwickelter Ansatz, bei dem die KI-Fabrik zunächst in der digitalen Welt entworfen wird, bevor umfangreiche Investitionen in physische Anlagen getätigt werden.

Errichtung: Testen, Validieren und Vorbereitung auf die Inbetriebnahme

Sobald das Design feststeht, stellt sich als Nächstes die Frage, ob alle Systeme wie vorgesehen zusammenarbeiten werden.

Hier kommen Simulation und virtuelle Inbetriebnahme ins Spiel. Entwicklungsteams können dieselben Entwicklungsmodelle nutzen, um das Systemverhalten zu testen, die Interaktionen zwischen den Komponenten zu validieren und die Automatisierung vorzubereiten, bevor die physische Anlage in Betrieb genommen wird.

Betrachten wir drei Szenarien, um diesen Ansatz zu veranschaulichen.

Was passiert, wenn die Stromversorgung gestört ist?

In einer Simulation haben wir eine Spannungsstörung am Netzanschluss erzeugt. Da keine Backup-Reaktion erfolgte, stellte die KI-Fabrik ihren Betrieb ein. In einem zweiten Szenario reagierte die unterbrechungsfreie Stromversorgung (USV) auf die Störung, sodass der Betrieb der Anlage weiterlaufen konnte.

Wir nutzen die Simulationsfunktionen von Siemens, darunter Simcenter Amesim, um das Systemverhalten zu modellieren und zu untersuchen, wie die Infrastruktur auf unterschiedliche Betriebsbedingungen reagiert. Dadurch können Teams bereits vor der Bereitstellung nachvollziehen, wie Stromversorgungssysteme und Notstromlösungen reagieren.

Kann das Kühlsystem seine Leistung auch bei schwankendem Bedarf aufrechterhalten?

Eine weitere Simulation befasste sich mit der Flüssigkeitskühlung. Mithilfe von Simcenter Amesim haben wir den Kühlbedarf von 30 % auf 100 % erhöht und untersucht, wie sich die Massenströme im gesamten System verändert haben.

Wir haben außerdem getestet, was passiert, wenn eine von acht CDUs nicht verfügbar ist. Die übrigen Einheiten erhöhten ihre Massendurchflussraten. Die Temperatur schwankte leicht, blieb jedoch innerhalb der vorgeschriebenen Grenzwerte.

Dadurch haben Ingenieure die Möglichkeit zu untersuchen, wie das Kühlsystem auf wechselnde Lasten und Geräteausfälle reagiert.

Wie wirkt sich Lärm auf die Umgebung aus?

KI-Fabriken müssen sich auch mit dem Lärm von Geräten wie Lüftern und Trockenkühlern auseinandersetzen. Mithilfe der akustischen Simulation mit Simcenter STAR-CCM+ können wir modellieren, wie sich Schall innerhalb der Anlage ausbreitet und wie Faktoren wie Windrichtung und Lärmschutzwände den Lärmpegel beeinflussen. Die Teams können verschiedene Optionen prüfen, bevor sie entscheiden, wo sie die Ausrüstung aufstellen oder wie sie deren Auswirkungen auf die Umgebung minimieren können.

Diese Beispiele zeigen, warum es wichtig ist, die gesamte Anlage im Blick zu behalten. Stromversorgung, Kühlung und Akustik erfordern jeweils unterschiedliche technische Modelle, doch ihre Auswirkungen müssen im Zusammenhang betrachtet werden.

Um diese verschiedenen Modelle zusammenzuführen, nutzen wir den Digital Twin Composer. Es verknüpft und visualisiert die technischen Modelle und schafft so eine gemeinsame digitale Darstellung der KI-Fabrik. Auf diese Weise können die Teams untersuchen, wie die verschiedenen Systeme innerhalb der gesamten Anlage zusammenwirken.

Betrieb: Verbinden Sie den digitalen Zwilling mit der physischen KI-Fabrik

Die Rolle des digitalen Zwillings endet nicht mit der Fertigstellung des Bauvorhabens. Sobald AIfactory läuft, kann es Teams dabei helfen, die tatsächlichen Betriebsbedingungen zu verstehen und die Leistung zu verbessern.

Dazu müssen die technischen Modelle mit der physischen Infrastruktur verknüpft werden. Sensoren, Automatisierungssysteme und Gebäudemanagementsysteme liefern Betriebsdaten, die Aufschluss darüber geben, was in der KI-Fabrik vor sich geht.

Ein ausführbarer digitaler Zwilling kann diese Informationen nutzen, um das Systemverhalten in Echtzeit zu simulieren. Modelle reduzierter Ordnung und funktionale Modellbaugruppen (FMUs) tragen dazu bei, dass diese Simulationen schnell genug ablaufen, um parallel zum physikalischen System ausgeführt zu werden.

In einer Demonstration haben wir ein Systemengineering-Modell mit Desigo, unserer Gebäude-Management- und Automatisierungsumgebung, verbunden. Die von den Sensoren gelieferten Betriebsdaten wurden in die Simulation eingespeist. Das Modell könnte dann verschiedene Reaktionen bewerten und optimierte Reglereinstellungen ermitteln.

Außerdem haben wir gezeigt, wie eine Optimierung dazu beitragen kann, ein instabiles Betriebsverhalten zu stabilisieren. Die Ergebnisse könnten als Grundlage für Anpassungen im operativen Betrieb dienen.

Dadurch entsteht eine Verbindung zwischen Technik und dem Tagesgeschäft. Anstatt sich ausschließlich auf die Überwachung einzelner Systeme zu verlassen, können Betreiber mithilfe von Simulationen untersuchen, wie sich die KI-Fabrik verhält und wie sich verschiedene Steuerungsstrategien auf ihre Leistung auswirken.

Die Daten aus den Anforderungen mit dem Betrieb verknüpfen

All dies hängt davon ab, dass die richtigen Informationen zur Verfügung stehen. Ein digitaler Zwilling vereint zahlreiche technische Modelle und Werkzeuge; diese Werkzeuge sind jedoch nur dann gemeinsam von Nutzen, wenn sie auf die richtigen Informationen zugreifen können und verstehen, in welchem Zusammenhang diese stehen.

Teamcenter spielt hier als unsere Plattform für das Produktlebenszyklusmanagement eine wichtige Rolle. Es unterstützt die Verwaltung von Informationen wie Stücklisten, Geometriedaten, Spezifikationen und Simulationsergebnissen über den gesamten Lebenszyklus hinweg.

Dies spielt auch bei der Zusammenarbeit mit externen Ingenieurbüros und Lieferanten eine Rolle. Da verschiedene Partner unter Umständen unterschiedliche Umgebungen nutzen, ist es unerlässlich, ihre Informationen und simulationsfähigen Ressourcen miteinander verknüpfen zu können.

Wenn dieser Prozess frühzeitig eingeleitet wird, trägt dies dazu bei, die Konsistenz der Informationen zu gewährleisten, während das Projekt von den anfänglichen Anforderungen über die technische Planung bis hin zur Inbetriebnahme und zum Betrieb voranschreitet.

Vom Chip bis zum Netz – eine durchgängige Übersicht

Der Aufbau einer KI-Fabrik erfordert die Zusammenarbeit vieler verschiedener ingenieurwissenschaftlicher Disziplinen. Stromversorgung, Kühlung, Akustik, Automatisierung und Datenmanagement tragen alle zur Leistungsfähigkeit der gesamten Anlage bei.

Ein umfassender digitaler Zwilling verbindet diese Elemente über den gesamten Lebenszyklus hinweg. In der Planungsphase hilft dies dabei, die Infrastruktur zu überprüfen, bevor größere Investitionen getätigt werden. Während der Bauphase unterstützt es die Prüfung und Vorbereitung für die Inbetriebnahme. Im Betrieb verknüpft es Simulationsdaten mit Daten aus der Praxis, um die Systemleistung zu verbessern.

Das Ziel ist klar: Die Zeit bis zur Inbetriebnahme von KI-Fabriken soll verkürzt und deren Betrieb so effizient und zuverlässig wie möglich gestaltet werden. Dies erfordert eine systemweite Betrachtung – vom Chip bis zum Netz – sowie einen digitalen Zwilling, der sich gemeinsam mit der KI-Fabrik vom Entwurf bis zum Betrieb weiterentwickelt.

Sehen Sie sich die gesamte Sitzung live von der GTC Berlin 2026 an:

Entdecken Sie die Lösungen von Siemens für Rechenzentren

Siemens Blog FAQ

1. All about Internal Siemens Blog