Laut Nvidia kann ein im Werk gefertigtes Rechenzentrumsmodul die Installationszeit an einem vorbereiteten Standort von etwa sechs Monaten auf nur 14 Tage verkürzen. Diese Aussage rückt die Bereitstellungsgeschwindigkeit in den Mittelpunkt der europäischen Bemühungen, die große Lücke im Bereich der künstlichen Intelligenz-Rechenleistung zu schließen.
Der US-amerikanische Chiphersteller Nvidia präsentierte am Mittwoch auf seiner GTC-Konferenz in Berlin das Referenzdesign DSX POD. Das containerisierte System kombiniert sieben Vera Rubin NVL72-Rechenracks mit Netzwerkkomponenten, Verkabelung, Stromversorgung auf Rack-Ebene und Flüssigkeitskühlung. Die Systeme werden vor dem Versand montiert und getestet. Nvidia gab bekannt, dass die ersten Systeme voraussichtlich Anfang 2027 weltweit über Fertigungs- und Infrastrukturpartner ausgeliefert werden.
Die Ankündigung ist weit mehr als nur eine Produkteinführung. Europa hat Milliarden von Euro in den Aufbau einer eigenen KI-Infrastruktur investiert, doch der Zugang zu Energie, fortschrittlichen Chips und spezialisierter Bauweise bleibt ein limitierender Faktor. Nvidia argumentiert, dass modulare Bauweise einen Teil dieses Engpasses beseitigen und den Einfluss von Prozessoren auf die physische Gestaltung ganzer KI-Anlagen ausweiten kann.
Ein fabrikähnlicher Ansatz für die KI-Infrastruktur
Nach Nvidias Konzeptwürden Partner die komplexesten Integrationsarbeiten in einem Werk abschließen, während der Kunde die Strom-, Kühlungs- und Netzwerkanschlüsse vor Ort vorbereitet. Beide Prozesse könnten parallel ablaufen, wodurch der Aufwand für Spezialarbeiten im Freien oder in einem noch nicht fertiggestellten Rechenzentrum reduziert würde.
Das Unternehmen hat 17 potenzielle Fertigungs- und Infrastrukturpartner benannt, darunter Dell Technologies, Hewlett Packard Enterprise, Lenovo, Eaton, Schneider Electric und Vertiv. Das unabhängige Fachmagazin Data Center Knowledge berichtete, dass das Modul für den weltweiten Einsatz vorgesehen sei, obwohl Nvidia Berlin als Standort gewählt habe, um Europas Bedarf an schnellerem Kapazitätswachstum zu unterstreichen.
Die Angabe von 14 Tagen ist Nvidias Schätzung für die Anbindung eines fertigen Pods an einem bereits vorbereiteten Standort. Sie umfasst weder Genehmigungen, Grundstückserwerb, Netzanschluss noch den Bau der zugehörigen Infrastruktur. Bisher hat noch kein Kundeneinsatz den vollständigen Zeitplan im kommerziellen Betrieb bestätigt. Diese Unterscheidung ist wichtig, da Stromversorgung und Übertragungskapazität – und nicht allein die Montage – oft darüber entscheiden, wann ein großes Rechenzentrum den Betrieb aufnehmen kann.
Europas Rechenleistungslücke ist das Ziel
Bei der Veranstaltung in Berlin präsentierte Nvidia-CEO Jensen Huang das Produkt als Möglichkeit für Europa, die notwendige Infrastruktur für das Training und den Betrieb von KI-Systemen auszubauen. Die Associated Press berichtete, dass Europa etwa 5 % der weltweiten KI-Rechenkapazität ausmacht, verglichen mit rund 75 % in den USA. Huang erklärte zudem, Nvidia habe im vergangenen Jahr 10 Milliarden US-Dollar in europäische Startups und Partner investiert.
Auch die öffentlichen Investitionen nehmen zu. Die Europäische Kommission gibt bekannt, dass im Rahmen ihres EuroHPC-Programms 19 KI-Fabriken und 13 Satellitenstandorte entstehen. Mindestens neun weitere KI-optimierte Supercomputer sind geplant, während eine separate Ausschreibung für bis zu sieben KI-Gigafabriken mit bis zu 10 Milliarden Euro an öffentlichen Mitteln gefördert wird und laut der Programmseite.
Diese Zahlen verdeutlichen, warum Nvidia Europa als Infrastrukturmarkt und nicht nur als Absatzmarkt für Chips betrachtet. Regierungen und Unternehmen benötigen lokal kontrollierte Rechenkapazitäten, aber auch Designs, die sich an Standorten mit unterschiedlichen Arbeitsmärkten, Stromnetzen und Klimabedingungen replizieren lassen.
Die Effizienzversprechen müssen noch überprüft werden
Nvidia verband die Markteinführung des modularen Systems mit weitergehenden Aussagen zur Wasser- und Energieeffizienz seiner DSX-Plattform. Das Unternehmen gibt an, dass geschlossene Flüssigkeitskühlkreisläufe und Trockenkühler den Kühlwasserverbrauch deutlich reduzieren können, während Energiemanagement-Software die gleiche Leistung mit weniger Strom erzielen kann.
Das Fachmagazin Data Center Dynamics berichtete, dass Nvidia schätzt, dass eine Installation von zwei Gigawatt im Vergleich zu herkömmlichen Kühltürmen 54 Millionen Liter Wasser pro Tag einsparen könnte. Es wies jedoch auch auf Nvidias Einschränkung hin, dass in extrem heißen Klimazonen zusätzliche mechanische Kühlung erforderlich sein könnte. Die Einsparungen basieren auf Prognosen, die auf Nvidias Designannahmen beruhen und nicht auf unabhängigen Messergebnissen einer fertigen DSX-POD-Flotte.
Diese Unsicherheit macht die modulare Bauweise nicht bedeutungslos, sondern verschiebt lediglich den kurzfristigen Prüfstein. Kunden müssen nachweisen, dass die Module in großem Maßstab gefertigt, sicher transportiert, ohne lange Verzögerungen verbunden und unter realen Netz- und Wetterbedingungen effizient betrieben werden können.
OpenShell fügt eine Sicherheitsebene hinzu
Nvidia stellte außerdem eine OpenShell-Referenzarchitektur vor, die autonome KI-Agenten einschränken soll. Laut Unternehmen kombiniert das System eine Software-Laufzeitumgebung mit Vera-Prozessoren und BlueField-4-Datenverarbeitungseinheiten, die das Verhalten der Agenten von einer isolierten Ebene aus überwachen. Verstößt ein Agent gegen eine Richtlinie, kann das System ihn isolieren und stoppen.
Die Ankündigung listet Cloud-Anbieter, Cybersicherheitsanbieter, Modellentwickler und Unternehmenssoftwarefirmen auf, die mit der Architektur arbeiten. OpenShell ist ab sofort verfügbar, doch die Beteiligung großer Partner allein bestätigt noch nicht die Sicherheits- und Leistungsversprechen von Nvidia. Unabhängige Tests sind erforderlich, um das Verhalten der Kontrollmechanismen gegenüber neuartigen Angriffen, falsch konfigurierten Richtlinien und Agenten, die systemübergreifend agieren, zu ermitteln.
Die Verknüpfung von Infrastruktur und Governance ist dennoch strategisch aufschlussreich. Nvidia positioniert sich nicht nur als Anbieter von Beschleunigern, sondern auch als Entwickler der Infrastruktur, des Betriebssystems und der Sicherheitsbarriere für automatisierte Software.
Was kommt als Nächstes?
Die unmittelbaren Meilensteine sind praktischer Natur: Fertigungspläne der Partner, benannte Kunden, genehmigte Standorte und messbare Bereitstellungszeiten. Lieferungen Anfang 2027 würden den Betreibern die Möglichkeit geben zu testen, ob die Fabrikintegration den Weg von der Konstruktion bis zur nutzbaren Rechenkapazität tatsächlich verkürzt.
Für Europa bietet die Markteinführung eine mögliche Abkürzung, aber keine Komplettlösung. Modulare Module können weder neue Stromleitungen verlegen noch Strom erzeugen oder regulatorische Streitigkeiten beilegen. Sie könnten jedoch den Integrationsaufwand verringern, sobald diese Voraussetzungen erfüllt sind. Sollte Nvidias Zeitplan eingehalten werden, könnte dieser Ansatz die Rechenzentrumsmontage von einem individuellen Bauprojekt in einen standardisierten Fertigungsprozess verwandeln – und die Rolle des Unternehmens bei der Gestaltung der nächsten Generation von KI-Infrastruktur stärken.