Inhaltsverzeichnis
Wenn die echten Infrastrukturkosten erst nach der Inbetriebnahme sichtbar werden
Ein Paradoxon prägt das heutige IT-Asset-Management: Unternehmen führen sorgfältige Ausschreibungen durch, vergleichen Performance-zu-Kosten-Kennzahlen, berechnen Abschreibungen (CapEx) und prüfen Lizenzkosten. Doch bereits 3–6 Monate nach der Inbetriebnahme neuer Systeme zeigen Finanzberichte, dass die Betriebskosten (OpEx) vom geplanten Budget abweichen. Hauptursachen sind der Stromverbrauch und der damit verbundene Kühlungsaufwand.
Dieses finanzielle Delta entsteht jedoch nicht erst nach der Installation im Rechenzentrum, sondern bereits in der Beschaffungsphase, in der theoretische Annahmen erstmals auf die physikalische Realität treffen.
Ein typisches Muster dabei ist, dass die IT Server auf Basis von Herstellerangaben genehmigt. Das TCO-Modell verwendet nominale Leistungszahlen. Nach der Installation liegt der reale Verbrauch am RZ-Einspeisepunkt jedoch um 20–40 % höher, da Spitzenlasten und infrastrukturelle Verluste nicht eingeplant wurden.
Das Management wird dann zwangsläufig fragen:
„Die Hardware entspricht allen Spezifikationen – warum reißt sie dennoch Löcher in unser Budget?“
Die Ursache liegt in der Planungsmethodik. Der Stromverbrauch ist kein fixer Wert auf dem Netzteilaufkleber und auch nicht der TDP-Wert der CPU. Er ist eine dynamische Funktion, die von Faktoren wie der Instruction-Set-Architektur, dem OS-Scheduler und den Luftstrombedingungen eines bestimmten Racks beeinflusst wird.
Dieser Artikel beleuchtet die drei Ebenen der systematischen Unterschätzung und zeigt, wie sich daraus belastbare Managementmodelle ableiten lassen.
Warum Nennleistungsangaben den realen Energiebedarf nicht abbilden
Das Problem beginnt bereits auf Hardwareebene: Marketingwerte werden häufig mit technischen Grenzwerten verwechselt.
Ein weit verbreiteter Fehler ist die Nutzung von TDP-Werten als Messgröße für die maximale Leistungsaufnahme. Technisch definiert TDP (bzw. PL1) jedoch die erforderliche Kühlleistung für den Dauerbetrieb bei Basistakt und nicht den elektrischen Spitzenverbrauch.
Moderne CPUs nutzen aggressive Turbo-Boost-Mechanismen, die das Energieprofil stark verändern.
Turbo-Modi (Intel PL2, AMD PPT):
Bei kurzfristigen Lastspitzen liegt der Verbrauch deutlich über dem Nominalwert.
-
Intel: PL2 häufig 1,5× bis 1,9× TDP
Beispiele: 125-W-Alder-Lake → 228–241 W (~1,82×) -
AMD: PPT typischerweise ~1,35× TDP
Beispiel: 170-W-Modell → ~230 W
RAM und Peripherie werden nicht berücksichtigt
In CPU-Datenblättern sind keine RAM-Verbrauchsdaten enthalten. In speicherdichten Systemen (1–2 TB) verursachen DIMMs einen erheblichen Anteil des Gesamtverbrauchs, insbesondere DDR5-Module mit eigenen PMICs.
Der Verbrauch hängt stärker vom Workload als von der CPU-Auslastung ab
-
Integer-Workloads: moderater Einfluss
-
Vektor-/AI-Workloads (AVX-512, AMX):
– frühere Generationen: +20–30 % Verbrauch unter AVX-Last
– aktuelle Generationen effizienter, aber AI/Encryption erzeugen hohe thermische Dichte
Ein zentral unterschätzter Faktor: Temperatur
Herstellerbenchmarks gehen von 20–22 °C Ansaugluft aus. Reale RZs arbeiten jedoch oft wärmer, sodass sich die Lüfter schneller drehen.
Lüfterleistung folgt der kubischen Skalierung:
Leistung ∝ RPM³
Doppelte Luftmenge → achtfacher Motorverbrauch.
In dichten 1U/2U-Systemen steigt der statische Druck zusätzlich an, wodurch die Leistungsaufnahme weiter ansteigt.
Planungen auf Basis von TDP sind ein Kostenrisiko. Der reale Verbrauch steigt dynamisch – und zwar genau dann, wenn geschäftskritische Workloads laufen.
Wie Unternehmen die Overheads der Rechenzentrumsinfrastruktur unterschätzen
Selbst perfekte Hardwarekalkulationen verhindern keine Fehleinschätzungen, wenn das Betriebsumfeld ignoriert wird. Die Rechenzentrumsinfrastruktur schlägt unsichtbare Aufschläge auf jeden IT-Watt auf.
Der zentrale Kennwert ist die PUE (Power Usage Effectiveness), das Verhältnis des gesamten Energieverbrauchs zur IT-Energie. Laut der „Uptime Institute Global Data Center Survey 2024“ liegt der Durchschnitt seit Jahren nahezu unverändert bei 1,56.
Das bedeutet:
Jedes 1 kW IT-Load kostet real 1,56 kW Gesamtverbrauch.
Fehlerbeispiel in Budgetplanungen
10-Rack-Cluster, 100 kW IT-Load:
-
IT-Leistung: 100 kW
-
Realer Verbrauch bei 1,5 PUE: 150 kW
-
50-kW-Delta → 438.000 kWh jährlich → Millionenbeträge
Weitere Verluste:
-
UPS-Systeme: 90–96 % Effizienz bei normaler Last
– unter 30 % Last (typisch bei 2N-Designs): 80–85 % -
Ungleichmäßige Rack-Belegung: erzeugt Hotspots → gesamte Halle muss stärker gekühlt werden
Wenn PUE nicht einberechnet wird, entstehen Skalierungsverluste:
Jedes zusätzliche kW Compute erzeugt 40–80 % zusätzliche Infrastrukturkosten.
Power Management als zentraler Bestandteil der Workload-Planung
Die dritte Verlustebene liegt nicht in der Hardware oder der RZ-Technik, sondern im Betrieb.
In wenig ausgereiften Umgebungen gelten bis zu 30 % der Server oder VMs als „Zombie-Ressourcen“, da sie keine nützliche Arbeit verrichten, aber weiterhin Energie verbrauchen.
Ein nahezu untätiger Server zieht häufig 60–70 % seines Nominalverbrauchs, insbesondere wenn tiefe C-States deaktiviert sind.
NVMe-Drives
Eine einzelne U.2/U.3-SSD unter Last: 16–20 W
Ein 24-Drive-Shelf: 380–480 W – vergleichbar mit einem Compute-Node.
IOPS-Lasten erhöhen die Interrupt-Rate → CPU kann nicht in Low-Power-Zustände wechseln.
Planungsfehler bei zeitgesteuerten Aufgaben
Backups, Updates und DB-Rebuilds laufen oft gleichzeitig → künstliche Spitzenlasten.
Das führt dazu, dass Infrastruktur nach Peak-Lasten dimensioniert werden muss, nicht nach Durchschnittslast.
Stromrechnung = objektivstes Code-Review.
Ineffizienter Code kostet jede Stunde Geld.
Zentrale Energietreiber und Managementimplikationen
|
Faktorgruppe |
Primärer Treiber |
Einflussmechanismus |
Managementimplikationen & Risiken |
|
Hardware |
TDP vs. Turbo (PL2/PPT) |
CPUs überschreiten nominale Werte (1,5–1,9× TDP) |
Budgetüberschreitungen; Risiko von Feed-Überlastungen |
|
|
Workload-Typ (AI/Analytics) |
Vektoroperationen belasten Transistoren stark |
Risiko der Unterdimensionierung |
|
|
Lüfterdynamik |
Verbrauch steigt kubisch mit RPM |
Exponentielle Overheads bei dichten 1U-Systemen |
|
RZ-Infrastruktur |
PUE-Multiplikator |
Gesamtstrom vs. IT-Strom |
Versteckte 40–80 % Mehrkosten pro kW |
|
|
UPS-Verluste |
Effizienzeinbruch <30 % Last |
Redundanz erzeugt dauerhafte OpEx-Strafkosten |
|
Prozesse & Software |
NVMe & IOPS |
Hoher Disk-Verbrauch, CPU-Interrupts |
Unterbewertete thermische Last |
|
|
Zombie-Ressourcen |
Idle-Server verbrauchen Strom |
Zahlungen ohne geschäftlichen Gegenwert |
Budget-Protection-Checkliste für Führungskräfte
-
TCO-Modelle überarbeiten.
Hersteller-Tools nutzen (Dell EIPT, HPE Power Advisor). Stets „Heavy/Maximum Load“ simulieren. -
PUE-bedingte „Dirty Watts“ einpreisen.
PUE > 1,5 → Handlungsbedarf (Verhandlungen, Modernisierung, Optimierung). -
Physisches Layout optimieren.
CFD-Analysen für Rack-Designs. Hotspots eliminieren → höhere Zulufttemperaturen möglich. -
Verbrauchsmonitoring einführen.
DCIM, intelligente PDUs, Lastprofile. Zombie-Server identifizieren. -
FinOps etablieren.
Gemeinsame Wartungs- und Batch-Planung zwischen DevOps und Facility. Überlappende Peak-Loads vermeiden.
Fazit
Die Zeiten von „deploy and forget“ sind vorbei. Budgetüberschreitungen lauern überall: von optimistischen CPU-Datenblättern über unklug platzierte Klimageräte bis hin zu vergessenen VMs. Energie ist das Blut des Rechenzentrums. Ein unkontrollierter Verbrauch ist daher ein klarer Indikator für ungesunde Prozesse.
Hören Sie auf, die Außenluft zu beheizen!
Steuern Sie stattdessen Energie mit derselben Disziplin wie Personal- und Lizenzkosten.
Der teuerste Server ist nicht der mit dem höchsten Anschaffungspreis,
sondern der, der Ressourcen verbrennt, ohne Wert zu erzeugen.
