Wie das in der Praxis aussehen kann, zeigt das Wissenschafts- und Technologieunterneh-men Merck aus Darmstadt. Wirkstoffforschung, die Auswertung großer Datenmengen oder die Entwicklung von Materialien für die Halbleiterindustrie gehören dort ebenso zum Alltag wie Anwendungen aus Machine Learning und generativer KI. Die Anforderungen an die IT wachsen und unterscheiden sich je nach Anwendung.
Lange Zeit nutzten die drei Geschäftsbereiche Healthcare, Life Science und Electronics da-für weitgehend getrennte High-Performance-Computing-Systeme. Mit zunehmendem Re-chenbedarf stiegen auch Aufwand und Komplexität für Wartung und Betrieb. Statt die beste-henden Systeme einzeln zu ersetzen, entschied sich Merck für eine gemeinsame HPC- und KI-Infrastruktur. Lenovo entwickelte und konfigurierte sie gemeinsam mit Merck und richtete sie auf die unterschiedlichen Anforderungen der Forschungsbereiche aus.
Die HPC- und KI-Infrastruktur basiert auf Lenovo ThinkSystem-Servern und unterstützt so-wohl klassische Simulationen als auch KI-Anwendungen. Betrieben wird sie in einem Re-chenzentrum in München nahe der privaten Cloud des Unternehmens. Dadurch können die Forschungsbereiche schnell auf interne Daten zugreifen und gleichzeitig die vorhandene Cloud-Infrastruktur einbinden.
Auch Datensouveränität spielt dabei eine wichtige Rolle. Gerade in der Forschung ist ent-scheidend, kontrollieren zu können, wo sensible Daten verarbeitet werden und wer darauf zugreifen kann. Gleichzeitig sammelt Merck mit der eigenen HPC- und KI-Infrastruktur prak-tische Erfahrungen und kann den tatsächlichen Rechenbedarf unterschiedlicher Anwendun-gen besser einschätzen.
Ein weiterer Faktor ist die Energieeffizienz. Leistungsstarke Prozessoren und GPUs erzeu-gen viel Wärme. Deshalb kommt die Neptune-Flüssigkeitskühlung von Lenovo zum Einsatz, die Wärme direkt an den Komponenten abführt. Zusätzlich überwacht die Energy Aware Runtime den Energieverbrauch und hilft dabei, Rechenaufgaben effizienter auszuführen. Lenovo unterstützt außerdem mit Integrations- und Managed Services beim Aufbau und Be-trieb der Infrastruktur.
Der Workload entscheidet
Das Beispiel Merck steht für eine Herausforderung, die weit über große Rechenzentren hin-ausgeht: Es gibt nicht die eine Infrastruktur für KI. Kleinere Modelle können auf AI PCs oder Workstations laufen, in der Produktion kann die Verarbeitung am Edge sinnvoll sein, wäh-rend besonders rechenintensive Aufgaben eigene HPC- und KI-Infrastruktur oder zusätzli-che Cloud-Ressourcen erfordern können.