Die flexible AI-Fabrik: Eine echte Lösung für die „Power Wall“, die das Geld noch nicht lösen kann.

In Manassas, Virginia, entsteht die weltweit erste „Power-flexible AI-Fabrik“. Diese Fabrik befindet sich auf dem Digital Realty-Campus. Sie wird von Softwarelösungen der Firma Emerald AI betrieben – eine Startup, die von Nvidia stark unterstützt wird. Somit sind die beiden Unternehmen praktisch ein Joint Venture.Die 96-Megawatt-Aurora-AnlageEs ist so konzipiert, etwas zu tun, was Datenzentren noch nie getan haben: Die eigene Stromverbrauchskapazität sofort reduzieren, wenn die Stromnetze überlastet sind – und diese Kapazität anschließend zurückgeben.

Die These ist, dass die Entwicklung der KI nicht auf neuen Kraftwerken und Übertragungsleitungen warten muss. Wenn die Data Centers wie riesige, einsatzfähige Batterien für das Stromnetz funktionieren können, dann könnte noch etwa 100 Gigawatt an Kapazität hinzukommen.Bestehendes US-StromsystemEnde August: Emerald AIEinen neuen Runde abgeschlossen.Um die Idee in die reale Welt zu bringen.

Es ist wichtig, genau zu wissen, was mit diesem Geld passiert – und was nicht.

Der Engpass ist real – die Entschlüsselung ist das Hauptthema.

Das zugrundeliegende Problem ist nicht umstritten. Die neuen AI-Arbeitslasten erfordern etwa…In den nächsten drei Jahren wird eine neue Kapazität von 50 GW an US-Data-Centern geschaffen.Aber das Grid kann vermutlich nur etwa die Hälfte davon aufnehmen – dank der langanhaltenden Interkonnektionsprozesse. Dieser Unterschied – und nicht die GPU-Voraussetzungen – ist der Hindernis, dem die KI gegenübersteht.

Das flexible-Fabrikmodell angreift die „Mauer“ von der anderen Seite aus. Ein hocheffizientes Datacenter, das mit 96 MW betrieben wird, stellt eine zu große Last dar, die nicht ignoriert werden kann. Ein Datacenter, das im Softwarebereich zustimmt, seine Leistung während einer Sommerhitze zu reduzieren, wird dann kein Problem für das Netzwerk mehr sein – sondern ein Dienst für das Netzwerk selbst. Aurora befindet sich auf dem Standort von Digital Realty in Northern Virginia. Es handelt sich dabei um die erste Anlage, die nach einem neuen Referenzdesign erbaut wurde.Das Steuerungsprogramm von Emerald AI mit Nvidias AI-Stack, Geplant ist die Eröffnung in der ersten Hälfte des Jahres 2026.und validiert zusammen mitDas Elektrizitätsforschungsinstitut und der Netzbetreiber PJM.

Man darf den Mechanismus nicht mit seiner Begründung verwechseln. Die Zahl „100 GW“ ist nur das Marketingziel der Koalition – sie entspricht…Rund ein Fünftel des gesamten US-Energieverbrauchs pro JahrUnd es handelt sich dabei um eine Prognose darüber, welche Flexibilität bei voller Einführung entstehen könnte.

Was tatsächlich nachgewiesen wurde

Die Technologie ist keine „Vaporware“. Emerald AI hat tatsächliche Demonstrationen durchgeführt – eine davon wurde sogar peer-reviewt. Die Demonstration fand in einem Oracle-Datacenter statt.In Arizona führte das dazu, dass die Nachfrage innerhalb von drei Stunden um etwa 25 Prozent abnahm.Während eines Hochsommerfestes – in London wurde es sogar um einiges besser.Mehr als ein Drittel der Leistung einer Anlage wird innerhalb von weniger als einer Minute erbracht.Und die technische Literatur dokumentiert das.Die Last wird innerhalb von etwa einer Minute um bis zu 40% reduziert.Unter simulierten Notfällen.

Aber schauen Sie sich die Details an, was getan wurde. Jede dieser Demonstrationen war wirklich beeindruckend.VerzögerbarArbeitslasten: Trainingsläufe mit natürlichen Pausenpunkten, Feinabstimmungen sowie Batch-Inferenzen. Die komplexen Inferenzanfragen, auf die die Benutzer in Echtzeit warten müssen, werden nicht beeinträchtigt. Das ist kein Lückenschluss – es ist das gesamte Designkonzept. Die erhaltene Flexibilität wird durch die Verzögerung der Aufgaben erreicht – was jedoch die Durchlaufgeschwindigkeit über Stunden hinweg beeinträchtigt. Es handelt sich dabei also nicht um eine Art „Throttling“, bei dem etwas unterbrochen wird, ohne dass jemand davon betroffen ist.

Es gibt eine Herausforderung, die keine Finanzierungsrunde lösen kann. Die flexible AI-Fabrik verdient Geld nur dann, wenn diejenigen, die sie nutzen, bereit sind, ihr wertvollstes Vermögen abzugeben. Ein GPU-Modell ist das teuerste Rechengerät, das je entwickelt wurde – der Preis wird auf der Grundlage des fast vollständigen Einsatzes dieses Geräts festgelegt. Diejenigen, die wirklich wichtig sind – die Hyperscaler und AI-Labs, deren Racks diese Hallen füllen – bepreisen ihre Zeit in den zehnfachen Höhe von Dollar pro GPU-Stunde. Das Modell verlangt von ihnen, dass sie akzeptieren, dass während eines Grid-Events einige dieser teuren Chips ungenutzt bleiben, im Austausch für eine schnellere Verbindung zum Grid und den Betrag, den das Grid für diese Flexibilität zahlt.Der Verkauf von Leistungen auf höchstem Niveau an das Netz ist nur eine gute Gelegenheit, wenn der Kunde keine Bedenken hat bezüglich der verzögerten Arbeit. Doch die meisten hochwertigen AI-Leistungen sind das genaue Gegenteil davon.

Die Ökonomie berücksichtigt nicht nur die Ingenieursarbeit. Eine Anlage mit einer Leistung von 96 MW benötigt Batterien auf der Baustelle, damit die Rampen richtig gestaltet werden können.Speicherung auf Rack-Ebene, um Untersekundenspitzen abfangen zu können.Und auch die Orchestrierungssoftware – all das hat zusätzliche Kosten, die auf die bereits vorhandenen Racks aufgetragen werden. Es braucht eine Marktstruktur, die noch nicht existiert: Ein Data Center sollte als „nicht-stabiler“ Lastenblock betrachtet werden, der eine echte Tarifgebühr oder Abrechnung erhält – genau das ist die notwendige Regulierungsänderung.Die nicht verbindliche Übertragungsorder von FERCDass das Modell von diesen Faktoren abhängt.

Geld kauft den Software-Code, die Batterien und die Steuerungseinrichtungen. Doch es kann nicht die Unterschrift des Mieters auf dem Mietvertrag erzwingen – in dem Mietvertrag steht schließlich: „Wir akzeptieren, dass Ihre Anlage unsere GPU-Geräte ausstellen kann.“

Was das für die Aktien bedeutet

Digital Realty ist der Ort, an dem die Idee einer flexiblen Fabrik am deutlichsten sichtbar ist. Das Aktienkurs hat in diesem Jahr etwa um ein Fünftel zugenommen. Die Investitionen in die Entwicklung von KI-Systemen sind enorm: etwa…4,25–4,75 Milliarden Dollar für die Entwicklungsausgaben in diesem JahrEine Rekordsumme von ca. 1,4 Milliarden Dollar für vereinbarte Mietzahlungen beträgt das Volumen an Schulden für den Anteil der Firma.3,5 Milliarden Dollar für den Kauf von drei hyperskaligen Rechenzentren in Northern Virginia – insgesamt 288 MW an IT-Leistung.Alles wurde durch etwa 18,6 Milliarden Dollar an Schulden finanziert. Die Einschränkung für das Unternehmen ist die Energie – nicht die Anzahl der Racks. Das Unternehmen muss also Milliarden ausgeben, um diese Energie zu erhalten.

Diese Struktur verleiht der Geschichte ihre wirkliche Bedeutung. Wenn das Aurora-Modell tatsächlich die Wartezeit für den Anschluss an das Stromnetz verkürzt, dann ist es kein Nebenaspekt – es handelt sich dabei um etwas, das es Vermietern ermöglicht, weiterhin eine begrenzte Anzahl von Energiequellen zu vermieten. Das ist eine echte Vorteile für die Bilanz, die durch den Ausbau des Stromnetzes belastet ist. Doch die optimistische Prognose hängt von der noch nicht bewiesenen Situation ab: Von der Tatsache, dass die Mieter die Einschränkungen bezahlen, die mit dem Verkauf von GPU-Technologie einhergehen, und von der Tatsache, dass die Strommarktpreise tatsächlich ausreichen, um diese Kosten zu decken. Solange keine wirklich effiziente Nutzung der Energiequellen stattfindet und die wirtschaftlichen Bedingungen der Mieter bestehen bleiben, ist der 100 GW-Ausbau nur eine Budgetlinie, die auf eine Rechnung wartet – keine echte Erfolgsgeschichte.

Für Nvidia sind die Risiken geringer, aber der Anreiz bleibt derselbe – es handelt sich dabei um eine Möglichkeit, weiterhin Acceleratoren in einen Markt zu verkaufen, der sonst aufgrund von Energieproblemen nicht funktionieren würde. Keine der beiden Unternehmen hat unrecht; beide befinden sich einfach vor dem einzigen Beweis, der diese Frage klären könnte: ein Kunde, der seine eigenen GPUs absichtlich ungenutzt lässt und wieder so handelt.