DSX behandelt Rechenleistung, Stromverteilung, Kühlung und Software als eine gemeinsame Entwicklungsaufgabe. Referenzdesigns vereinheitlichen die Schnittstellen zwischen Rack und Gebäude sowie die Kühlmittelleitungen. DSX Sim und SimReady Central beschleunigen die Validierung mithilfe von Modellen, die von Anbietern qualifiziert wurden, und DSX OS automatisiert Lebenszyklus- und Bereitschaftsprüfungen. Das bringt praktische Vorteile: weniger Überraschungen bei der Inbetriebnahme, validierte Designs als Grundlage für Genehmigungen und Netzanschlussprüfungen sowie die Möglichkeit, Effizienzgewinne in Cloud-Regionen und Rechenzentren von Drittanbietern zu wiederholen.

MaxLPS verteilt das verfügbare Strombudget einer KI-Fabrik dynamisch neu und priorisiert den Token-Durchsatz statt der statischen Spitzenleistung einzelner GPUs. Die Lösung kombiniert eine an die Arbeitslast angepasste Leistungssteuerung mit Priorisierung auf Clusterebene. So können Betreiber geringfügige Abstriche bei Latenz oder Parallelität gegen eine höhere Gesamtzahl an Inferenz- oder Trainingstokens pro Minute abwägen. Die Tests zeigen spürbare Steigerungen des Durchsatzes auf Clusterebene und der nutzbaren GPU-Kapazität innerhalb fester Stromgrenzen – ein praktischer Hebel an Standorten, an denen die Netzkapazität den entscheidenden Engpass darstellt.

Die DSX-Referenzdesigns kombinieren Flüssigkeitskühlung auf Rack-Ebene mit Trockenkühlern zur Wärmeabfuhr. So kommen sie ohne Verdunstungskühltürme aus, die große Wassermengen verbrauchen. Bei einem 2-GW-Ausbau könnten Ansätze mit Trockenkühlern theoretisch im Vergleich zu herkömmlichen Kühltürmen täglich Dutzende Millionen Liter Wasser einsparen – ein entscheidender Vorteil in Regionen mit Wasserknappheit oder gesetzlichen Beschränkungen. Betreiber müssen dennoch das lokale Klima berücksichtigen: Die Leistung von Trockenkühlern hängt von der Umgebungstemperatur ab; während Hitzewellen kann zusätzliche mechanische Kühlung erforderlich sein.

DSX Flex macht KI-Fabriken zu flexiblen Stromverbrauchern, deren Verbrauch sich an Netzsignalen, Preisen oder dem Ladezustand von Speichern ausrichten lässt. In simulierten Netzereignissen sank die Leistungsaufnahme der Cluster in Tests um bis zu 40 %, während kritische Arbeitslasten weiterliefen. Für Netzbetreiber und Projektentwickler kann diese Flexibilität Genehmigungen für Netzanschlüsse beschleunigen und den Bedarf an kostspieligen Netzausbauten verringern: Die verfügbare Kapazität lässt sich kurzfristig anpassen und der Stromverbrauch besser auf erneuerbare Energien und Speicher vor Ort abstimmen.

Die Proof-of-Concepts von Lambda und Nscale machen Mut, doch die Ergebnisse im realen Betrieb hängen von der Mischung der Arbeitslasten, dem Standortklima und dem Reifegrad der Betriebsabläufe ab. Die möglichen Zugewinne setzen voraus, dass sich die Token-Ausgabe gegenüber der Spitzenleistung einzelner GPUs priorisieren lässt und die DSX-Software in vorhandene Scheduler- und Telemetriesysteme integriert werden kann. Zudem fallen Investitions- und Integrationskosten an, etwa für die Kühlmittelverteilung, Trockenkühler, validierte Modelle und Schulungen. Vor einer Entscheidung für DSX-Referenzdesigns sollten Betreiber digitale Zwillinge mit DSX Sim einsetzen und thermische Extremfälle sowie kritische Netzszenarien prüfen.