Da Kioxia zum wertvollsten Unternehmen Japans aufgestiegen ist und Fujikura plötzlich seine Gewinnprognose nach oben korrigiert hat, strömen Aufmerksamkeit und Kapital in den Bereich „Halbleiter". Obwohl Begriffe wie KI-Boom und Halbleiter allgegenwärtig sind, steht in Wirklichkeit das KI-Rechenzentrum im Mittelpunkt.
Kürzlich habe ich einen „Halbleiter-Kurs für alle, die mitreden wollen" veröffentlicht.
Es war nur eine Zusammenfassung von Büchern und YouTube-Videos, die ich ohne große Faktenprüfung zusammengestellt hatte, und ich hatte Bedenken, dass sich jemand darüber aufregen könnte, aber es wurde recht positiv aufgenommen. Für den zweiten Teil möchte ich nun über Rechenzentren schreiben.
https://x.com/Kumakuring/status/1760605955845464527?s=20
Seit diesem Halbleiter-Artikel habe ich mich erheblich weiterentwickelt. Warum? Weil ich jetzt jeden Tag ordentlich die Nikkei Shimbun lese.
Darüber hinaus betreffen in meiner Haupttätigkeit im Marketing die meisten Projekte Halbleiter und Rechenzentren, sodass ich mehr Gelegenheiten habe, mit Experten zu sprechen. Ich habe diesen Text als eine Möglichkeit verfasst, das Gelernte weiterzugeben.
Ich bin jedoch kein Experte, und da ich den Text dies ausnahmsweise selbst schreiben wollte, habe ich nicht viel KI eingesetzt. Bitte verzeihen Sie etwaige Ungenauigkeiten.
Die Menschheit hat die Fähigkeit zu warten verloren
Ich bin Mitte dreißig und erinnere mich daran, dass wir früher eine „Anfrage an das Rechenzentrum" stellen mussten, um nur eine E-Mail auf einem Mobiltelefon zu lesen. Rückblickend war das recht idyllisch. Man prüfte manuell, ob eine E-Mail eingetroffen war, und wartete eine Weile auf die Antwort.
Aber heute ist alles anders.
Ob bei Suchanfragen, Videos, Zahlungen, sozialen Medien oder Antworten generativer KI – wir sind frustriert, wenn sie nicht sofort zurückkommen. Es ist nicht nur Frustration; manche Menschen werden sogar ängstlich.
Kurz gesagt, Menschen werden zunehmend unfähig zu warten.
Das Schlüsselwort hier ist „Latenz". Latenz bezeichnet die Kommunikationsverzögerung. Je kürzer die Zeit zwischen dem Senden von Daten und dem Erhalt des verarbeiteten Ergebnisses ist, desto „schneller" empfindet der Benutzer es.
Früher warteten wir auf E-Mail-Anfragen, aber heute ärgern wir uns, wenn eine KI-Antwort nicht sofort erscheint. Rechenzentren unterstützen diese „Unfähigkeit zu warten" im Hintergrund.
Ein Rechenzentrum ist eine spezielle Einrichtung, die dafür ausgelegt ist, eine große Anzahl von Servern stabil zu betreiben.
- Gebäude zur Unterbringung der Server
- Massive Mengen an Strom
- Kühlausrüstung zur Wärmeableitung
- Hochgeschwindigkeits-Kommunikationsleitungen
- Schutz vor Erdbeben, Feuer, Stromausfällen, Cyberangriffen und physischem Eindringen
Mit anderen Worten: Ein Rechenzentrum ist nicht nur ein „Server-Abstellraum", sondern eine massive Infrastruktur, die Strom, Kühlung, Kommunikation, Bauwesen, Immobilien und Betrieb vereint. Angesichts der Tatsache, dass Rechenzentren in Konflikten im Nahen Osten angegriffen wurden, haben sie auch eine erhebliche nationale Sicherheitsbedeutung.
Der KI-getriebene Bauboom für Rechenzentren
Generative KI verbraucht enorme Rechenressourcen. Insbesondere erfordern KI-Training und -Inferenz eine riesige Anzahl von GPUs, und der Betrieb dieser GPUs benötigt massive Mengen an Strom und Kühlung.
Bestehende Rechenzentren haben Cloud, E-Commerce, Videostreaming, Finanzen und Telekommunikation unterstützt. Hinzu kam plötzlich die Nachfrage nach generativer KI, was zu Rufen führte wie „baut mehr", „aber es gibt nicht genug Strom", „Kühlung ist schwierig", „Grundstücke sind knapp" und „wir brauchen Stromnetze".
Ich sprach einmal mit jemandem aus dem Rechenzentrumsbereich, der sagte: „Ein Rechenzentrum ist wie eine Zwiebel; wenn man die Schichten abzieht, bleibt man bei Halbleitern."
Stellen Sie sich vor: das Gebäude → Stromversorgung im Inneren → Kühlausrüstung → Kommunikationsleitungen → Racks → Server → und darin befinden sich die Halbleiter wie GPUs, CPUs, Arbeitsspeicher und SSDs. Diese Struktur macht es einfach, die verschiedenen beteiligten Akteure zu ordnen.
Wie ich im Halbleiter-Beitrag erwähnte, liegt der Grund, warum KI die Halbleiterbranche ankurbelt, darin, dass generative KI nicht nur Software ist; sie benötigt massive Hardware-Unterstützung. Allerdings arbeiten Halbleiter nicht allein.
Selbst wenn man NVIDIA-GPUs hat, laufen sie ohne Strom nicht. Wenn sie laufen, aber die Wärme nicht abgeführt werden kann, stoppen sie. Wenn GPUs nicht mit hoher Geschwindigkeit verbunden sind, liefern sie keine Leistung. Sie müssen riesige Datenmengen lesen. Und man braucht zunächst ein Gebäude, obwohl es in letzter Zeit Anti-Bau-Bewegungen gab...
Strom, Kühlung, Glasfaser, elektrische Leitungen, Server, Arbeitsspeicher, SSDs, Bauwesen, Immobilien und Rechenzentrumsbetrieb. Deshalb schwappt der KI-Boom von NVIDIA und den Halbleitern auf all diese anderen Sektoren über.
KI ist mehr als nur GPUs
Wenn Leute an KI denken, kommen ihnen als Erstes NVIDIA-GPUs in den Sinn. GPUs sind die Halbleiter für Berechnungen. Daher lautet die Geschichte normalerweise: Wenn KI wächst, profitiert NVIDIA.
Sobald generative KI jedoch die tatsächliche Nutzungsphase erreicht, endet die Geschichte nicht mit GPUs.
- Benutzer stellt eine Frage
- Daten werden gelesen
- Berechnung findet statt
- Zwischeninformationen werden vorübergehend gehalten
- Daten werden erneut gelesen
- Antwort wird zurückgegeben
Dieser Prozess findet weltweit gleichzeitig in großem Maßstab statt. Nebenbei bemerkt, habe ich kürzlich scherzhaft gesagt, dass es die Hölle wäre, wenn ich wiedergeboren würde, die „Person in ChatGPT" zu sein. Aber ich schweife ab.
Das Wichtigste ist, dass GPUs nicht aus dem Nichts heraus rechnen. Jedes Mal, wenn eine GPU rechnet, liest sie eine massive Datenmenge.
Wichtig ist hier die Rechengeschwindigkeit der GPU. GPUs können massive Berechnungen mit unglaublicher Geschwindigkeit verarbeiten, aber wenn die erforderlichen Daten nicht ankommen, entsteht „Wartezeit". Egal wie schnell die GPU ist, wenn die Datenlieferung langsam ist, kann die GPU-Leistung nicht voll ausgeschöpft werden.
Mit anderen Worten: Es kommt nicht nur auf die Rechenleistung an, sondern auch darauf, wie schnell Daten an die GPU geliefert werden können.
Hier kommt der Arbeitsspeicher ins Spiel. Der Arbeitsspeicher ist der Ort, an dem aktuell verwendete Daten vorübergehend gespeichert werden. Je näher der schnelle Arbeitsspeicher an der GPU ist, desto schneller können die Daten geliefert werden. Deshalb wird Hochgeschwindigkeitsspeicher namens HBM in der Nähe von KI-GPUs platziert.
Andererseits kann man nicht alle Daten im Hochgeschwindigkeitsspeicher behalten. Man braucht auch einen Ort, um riesige Datenmengen zu speichern. Hier kommt der Speicher (Storage) ins Spiel. In Rechenzentren werden üblicherweise SSDs verwendet. Und der Halbleiterspeicher in diesen SSDs ist NAND-Flash. Das führende Unternehmen, das diesen NAND entwickelt, ist unser geliebtes Kioxia.
Mit der Verbreitung generativer KI wird die Fähigkeit, „massive Daten schnell zu lesen, vorübergehend zu halten und zu speichern", genauso wichtig wie die Rechenleistung. Aus diesem Grund rücken neben NVIDIA auch Unternehmen wie SK Hynix, Micron und Samsung (für Arbeitsspeicher) sowie Kioxia, Samsung und Micron (für SSDs und NAND) im KI-Kontext in den Fokus.
Latenz und Edge-Rechenzentren
Latenz ist entscheidend, wenn man über Rechenzentren nachdenkt. Da Menschen nicht mehr warten können, ist es wichtig, dass Rechenzentren nicht nur „in großen Mengen verarbeiten", sondern auch „schnell antworten".
Während KI-Training in massiven Rechenzentren stattfindet, profitiert die KI-Inferenz – der Prozess der Beantwortung einer Benutzerfrage – davon, näher am Benutzer verarbeitet zu werden. Hier kommen „Edge-Rechenzentren" ins Spiel.
Wenn man nur massive, weit entfernte Rechenzentren baut, wird es langsam. Die Idee ist, kleinere Rechenzentren näher an den Benutzern oder Geräten zu platzieren. Egal wie schnell die internen Server sind, wenn Daten Zeit brauchen, um hin und her zu reisen, wird der Benutzer es als langsam empfinden.
Diese Verzögerung ist ein Problem für Finanztransaktionen, Spiele, Videostreaming, Fabriken, autonomes Fahren und KI-Inferenz. Daher werden in Zukunft nicht nur massive Rechenzentren, sondern auch Edge-Rechenzentren in der Nähe der Benutzer von entscheidender Bedeutung sein.
Dies verschiebt die Diskussion von „wo man große Rechenzentren baut" hin zu „wo man die Verarbeitung platziert". Telekommunikationsanbieter, Glasfaser, 5G, Netzwerkausrüstung, Edge-Server, Klimatisierung, Fernüberwachung und Wartungsnetzwerke werden alle wichtig. Mit der Ausdehnung des Edge-Bereichs wird sich die Lieferkette für Rechenzentren in Richtung der Verwaltung vieler kleiner, verteilter Infrastrukturen entwickeln.
Die Lieferkette für Rechenzentren
In meiner Haupttätigkeit sage ich meinem Team: „Um B2B-Marketing zu betreiben, muss man die Wertschöpfungskette und die Lieferkette verstehen." Bei einer so massiven Lieferkette sind viele Akteure beteiligt.
[Hyperscaler]
Zuerst erzeugen die Hyperscaler die Nachfrage. Dies sind Unternehmen, die extrem große Cloud- oder IT-Dienste betreiben. Dies bezieht sich in der Regel auf Cloud-Anbieter wie AWS, Microsoft Azure, Google Cloud und Oracle Cloud oder riesige Plattformbetreiber wie Meta, Apple, Alibaba und Tencent. Sie schaffen die Nachfrage nach Rechenzentren, indem sie massive Mengen an GPUs und Servern für KI benötigen.
[Rechenzentrumsbetreiber]
Als Nächstes kommen die Betreiber, die die Rechenzentren besitzen und betreiben. Hyperscaler bauen manchmal ihre eigenen, aber sie nutzen auch externe Betreiber, sogenannte „Colocators". Colocators bieten Platz, Strom, Kühlung, Konnektivität und Sicherheit. Zu den wichtigsten Akteuren gehören Equinix, Digital Realty, die mächtige NTT Data Group und viele andere. KDDI ist im Ausland unter der Marke Telehouse tätig.
[Bauwesen]
Darunter liegt die Bau-/EPC-Ebene. EPC steht für Engineering, Procurement and Construction (Planung, Beschaffung und Bau). Dies sind die Unternehmen, die die Anlagen entwerfen, die Ausrüstung beschaffen und die Einrichtungen bauen, einschließlich Generalunternehmer.
[Strominfrastruktur]
Da KI-Rechenzentren enorme Strommengen verbrauchen, sind Stromerzeugung, -übertragung, -umwandlung, -verteilung und Notstromversorgung von entscheidender Bedeutung. Bei der Stromerzeugung und dezentralen Energieversorgung verzeichnen Unternehmen wie GE Vernova, Siemens und Mitsubishi Heavy Industries mit Gasturbinen und Generatoren starke Leistungen. Stromumwandlung, -verteilung und USV (Unterbrechungsfreie Stromversorgung) sind ebenfalls lebenswichtig, um sicherzustellen, dass Server bei Ausfällen nicht abstürzen. Schneider Electric ist in diesem Bereich bekannt.
[Kühlung]
Selbst Heim-PCs werden bei schweren Aufgaben heiß, aber KI-Rechenzentren tun dies in astronomischem Ausmaß. KI-GPUs erzeugen so viel Wärme, dass sie ohne Kühlung ausfallen oder Leistungseinbußen erleiden. Während „Luftkühlung" (Kühlung des gesamten Raums) Standard war, erzeugen KI-Server pro Rack so viel Wärme, dass Luftkühlung ineffizient wird. Dies führt zur „Flüssigkeitskühlung", die Flüssigkeit verwendet, um Wärme effizienter abzuführen. Ein Trend namens „Direct-to-Chip" beinhaltet das Platzieren von Kühlplatten direkt auf GPUs oder CPUs. Unternehmen wie Daikin, Mitsubishi Heavy Industries Thermal Systems und Mitsubishi Electric sind hier wichtige Akteure.
[Kommunikation und Vernetzung]
Rechenzentren sind nutzlos, wenn sie nicht mit der Außenwelt verbunden sind. Dies betrifft Telekommunikationsanbieter, Netzwerkausrüstung, Switches und Router. Bei KI ist die schnelle Verbindung von GPUs untereinander innerhalb des Rechenzentrums genauso wichtig wie die externe Konnektivität. Dies erfordert sowohl Stromkabel als auch Glasfaser. Hier kommen die „Großen Drei" japanischen Kabelunternehmen ins Spiel: Fujikura, Sumitomo Electric und Furukawa Electric.
[IT-Ausrüstung und Halbleiter]
KI erfordert ein komplettes Set: Server, GPUs, CPUs, Arbeitsspeicher, SSDs und Netzwerkausrüstung. Wenn KI in die Nutzungsphase übergeht, wird die Geschwindigkeit des Lesens und Schreibens von Daten genauso entscheidend wie die reine Rechenleistung.
Die entstehen nicht über Nacht
Wie Sie sehen, können KI-Rechenzentren nicht einfach sofort das Angebot an die Nachfrage anpassen. Obwohl Hyperscaler massiv investieren, braucht der Bau dieser Anlagen Zeit. Jeder Engpass in der Lieferkette – von Materialien bis zum globalen Mangel an Fachkräften – verzögert den Betrieb.
Berichte über Bauverzögerungen und verschobene Starttermine sind an der Tagesordnung. Auftragsrückstände häufen sich an verschiedenen Standorten. Obwohl „Halbleiter" derzeit das heiße Thema ist, ist es, wenn man es durch die Brille der KI-Rechenzentren betrachtet, ein mehrjähriges Infrastruktur-Investitionsthema.
(Nachfrage und Aktienkurse sind zwei verschiedene Dinge, also investieren Sie bitte auf eigenes Risiko!)
