Der Einsatz moderner Server ist für Unternehmen heute unverzichtbar, um auch anspruchsvolle AI-Anwendungen ausführen zu können. Hersteller wie Lenovo positionieren sich in diesem Bereich – mit den ThinkSystem- und ThinkAgile-Servern in Kombination mit AMD EPYC™ Prozessoren. Doch welche Kriterien müssen Serverlösungen konkret erfüllen? Und wie können Unternehmen diese Lösungen implementieren?
15. September 2025
|
Lesedauer: ca. 3 Min.
Bild: © grey/stock.adobe.com
Moderne Server bilden das Rückgrat für den erfolgreichen Einsatz auch anspruchsvoller AI-Anwendungen. Entscheidend sind insbesondere eine hohe Performance, Skalierbarkeit, Energieeffizienz sowie eine umfassende Cyber- und Ausfallsicherheit. Mit den ThinkSystem- und ThinkAgile-Servern in Kombination mit AMD EPYC™ Prozessoren haben Lenovo und AMD solche modernen Serverlösungen im Portfolio. Um nun die passenden Serverlösungen auszuwählen und zu implementieren, bietet CANCOM Unternehmen mit dem „One-4-all“-Ansatz umfassende Unterstützung an. Für weiterführende Informationen und eine unverbindliche Beratung können Sie die Experten von CANCOM kontaktieren.
Dieser Text wurde mit Unterstützung von AI erstellt und redaktionell überprüft.
Die Nutzung von AI-Technologien ist in Unternehmen auf dem Vormarsch: Das zeigen Zahlen des Statistischen Bundesamtes. Demnach setzt inzwischen (Stand: November 2024) jedes fünfte Unternehmen in Deutschland AI-Technologien ein. Im Jahr 2023 war es nur jedes achte.
In einigen Branchen, wie beispielsweise der Industrie, sind es noch mehr. Das zeigt eine aktuelle Bitkom-Umfrage. Demnach nutzen bereits 42 Prozent der deutschen Industrieunternehmen AI-Technologien in der Produktion. Ein weiteres Drittel verfolge entsprechende Pläne.
Hinzu kommt, dass die Investitionen in AI massiv steigen: Laut der aktuellen KPMG-Studie „Generative KI in der deutschen Wirtschaft 2025“ bewerten 91 Prozent der deutschen Unternehmen das Thema AI als geschäftskritisch – und stocken ihre Budgets deutlich auf. Konkret möchten 82 Prozent in den nächsten zwölf Monaten mehr in AI investieren. Über die Hälfte plant demnach sogar Budgetsteigerungen um mindestens 40 Prozent.
Und auch auf politischer Ebene wird das Thema AI immer bedeutender: So plant die Europäische Union im Rahmen der Initiative „InvestAI“, 200 Milliarden Euro für AI-Investitionen zu mobilisieren.
Mit dem verstärkten Einsatz von AI steigt jedoch der Bedarf an Rechenleistung und Energie drastisch an: Laut einer aktuellen Studie von McKinsey wird sich der Energiebedarf in europäischen Rechenzentren für AI-Lösungen bis 2030 mehr als verdreifachen. Um diesen Bedarf zu decken, wird es laut Studienautoren nötig sein, knapp 300 Milliarden Euro in die Rechenzentrumsinfrastruktur zu investieren.
Dabei müssen Unternehmen ein besonderes Augenmerk auf moderne Serverlösungen legen: Sie sind neben dem Storage- und Netzwerk-Bereich die Schlüsselkomponente im Rechenzentrum – und müssen in der Lage sein, auch anspruchsvolle AI-Anwendungen und -Workloads abzubilden. Doch was zeichnet solche Lösungen aus?
Moderne Serverlösungen sind vor allem mit leistungsfähigen CPUs und GPUs ausgestattet: Diese verfügen über deutlich mehr Kerne sowie höhere Taktfrequenzen und Bandbreiten als frühere Generationen. Unterstützt werden sie dabei durch größere Caches und schnelle Speicheranbindungen.
All dies ist zwingend nötig, um große Datenmengen parallel zu verarbeiten und so auch aufwendige AI-Anwendungen performant ausführen zu können.
Eine hohe Skalierbarkeit ist im AI-Bereich unabdingbar, da AI-Workloads sehr unterschiedlich ausfallen können. Entsprechend wichtig ist es für Unternehmen, Serverlösungen einzusetzen, die ihre Ressourcen automatisch an den aktuellen Bedarf anpassen können.
Moderne Server unterstützen sowohl die vertikale als auch horizontale Skalierung: So ist es einerseits möglich, die Anzahl der CPUs oder auch GPUs pro Server bedarfsgerecht zu erhöhen (vertikale Skalierung). Andererseits lassen sich, falls nötig, mehrere Server durch Clustering nahtlos zu einem Rechenverbund zusammenschließen (horizontale Skalierung). Dieser Verbund arbeitet anschließend wie ein einziges System.
Um den steigenden Energiebedarf von AI-Anwendungen zu adressieren, sind moderne Serverlösungen insbesondere so konzipiert, dass sie energieeffizienter arbeiten – ohne an Performance einzubüßen. Dafür setzen die Lösungen bei ihren CPUs und auch GPUs unter anderem auf ein intelligentes Power Management: Hier wird die Leistung der CPU bzw. GPU an den tatsächlichen Bedarf angepasst – sodass Leerlaufzeiten reduziert und der Strombedarf gesenkt wird.
Darüber hinaus verfügen moderne Server über fortschrittliche Kühlsysteme. Ein Beispiel ist die Flüssigkühlung: Hier wird eine Kühlflüssigkeit, meist Wasser, direkt zu den wärmeerzeugenden Komponenten wie CPUs oder GPUs geleitet. Damit kann der Stromverbrauch eines Rechenzentrums deutlich gesenkt werden – gerade im Vergleich zur traditionellen Luftkühlung.
Laut einer Studie der „American Society of Mechanical Engineers (kurz: ASME)“ können Unternehmen beispielsweise den Stromverbrauch einer Rechenzentrumsanlage um 27 Prozent reduzieren, wenn sie in der Anlage zu 75 Prozent auf die Flüssigkühlung und nur noch zu 25 Prozent auf die Luftkühlung setzen.
AI-Anwendungen arbeiten häufig mit großen und sensiblen Datenmengen, auf deren Basis Entscheidungen getroffen werden. Werden diese Trainings- oder Eingabedaten nun kompromittiert oder manipuliert, besteht die Gefahr, dass AI-Modelle fehlerhafte Ergebnisse liefern. Dies kann zu falschen und teils gravierenden Entscheidungen im Unternehmen führen. Eine besondere Gefahr sind sogenannte Prompt-Injection-Angriffe: Hier nutzen Cyberkriminelle Schwachstellen in der Kommunikation mit AI-Sprachmodellen aus, indem sie bösartige Eingaben („Prompts“) einschleusen.
Diese Prompts bringen die AI-Modelle dazu, legitime Systemanweisungen zu umgehen oder unerwünschte, „illegale“ Aktionen auszuführen. Damit solche Szenarien vermieden werden, verfügen moderne Server über eine Vielzahl von Security-Funktionen – von Verschlüsselung und Multi-Faktor-Authentifizierung über die rollenbasierte Zugriffskontrolle bis hin zu regelmäßigen Updates und Patches. Zudem verfügen sie über (auch automatisierte) dedizierte Backup- und Recovery-Funktionen. Dies erhöht die Ausfallsicherheit der Server-Infrastruktur maßgeblich. Denn so lässt sich gewährleisten, dass insbesondere geschäftskritische Daten und Anwendungen selbst nach Server-Ausfällen schnell und zuverlässig wiederhergestellt werden können.
Doch welche Optionen stehen Unternehmen nun zur Verfügung, um solche modernen Serverlösungen im Betrieb einzuführen? Grundsätzlich gibt es zwei Möglichkeiten:
Egal, für welche Option man sich entscheidet – essenziell ist eine klare Strategie. Das betont CANCOM: Als AI-Enabler bietet der IT-Konzern Unternehmen im AI-Umfeld einen sogenannten „One-4-all“-Lösungsansatz, der zahlreiche Facetten rund um die erfolgreiche Implementierung von AI-Lösungen abdeckt. Dazu gehört auch die Auswahl und Einführung moderner Serverlösungen.
Solche Serverlösungen bieten etwa die Hersteller Lenovo und AMD an. Wie die Hersteller betonen, sind die neuen Lenovo ThinkSystem- und ThinkAgile-Server in Kombination mit AMD EPYC™ Prozessoren der fünften Generation speziell auf die Anforderungen moderner AI-Anwendungen und -Workloads ausgelegt.
Lenovo und AMD zufolge werden sämtliche Kriterien moderner Serverlösungen erfüllt. Neben einer hohen Performance und bedarfsgerechter Skalierbarkeit, womit auch große AI- und ML-Projekte performant ausgeführt werden können – beispielsweise durch die Unterstützung mehrerer GPU-Steckplätze für Hochleistungs-GPUs – zeichnen sich die Lösungen laut den Herstellern durch eine hohe Energieeffizienz sowie umfassende Sicherheit aus.
Unter anderem verfügen die AMD EPYC™ Prozessoren über ein intelligentes Power-Management: Wie Lenovo und AMD betonen, können die Lenovo-Server damit eine hohe Rechenleistung bei vergleichsweise niedrigem Stromverbrauch erzielen – und das selbst bei intensiven AI-Workloads.
Weiterhin sind eine Reihe von Security-Funktionen (u.a. Lenovo ThinkShield, AMD Infinity Guard) in die Serverlösungen integriert. Das heben Lenovo und AMD hervor. Diese ermöglichten beispielsweise eine umfassende Datenverschlüsselung auf Hard- und Softwareebene, eine rollenbasierte Zugriffskontrolle sowie umfangreiche Monitoring-Funktionen. Hinzu würden Backup- und Recovery-Funktionen die Ausfallsicherheit der Serverlösungen gewährleisten.
Sie möchten weiterführende Informationen zu modernen Serverlösungen wie von Lenovo und AMD erhalten – oder benötigen Unterstützung bei der praktischen Implementierung? Dann wenden Sie sich gerne an die Experten von CANCOM.
