Bewertung von Kennzahlen und Kennzahlensystemen zur Beschreibung der Energieeffizienz von Rechenzentren. Marc Wilkens Gregor Drenkelfort Lars Dittmar

Transkript

1 Kennzahlensystemen zur Beschreibung der Energieeffizienz von Rechenzentren Marc Wilkens Gregor Drenkelfort Lars Dittmar

2

3 Inhaltsverzeichnis 1 Einleitung und Hintergrund 1 2 Rechenzentren - Definition und Funktionale Systeme 3 3 Kennzahlen Kennzahlen und Kennzahlensysteme Energieeffizienzkennzahlen und Kennzahlensysteme für Rechenzentren Kriterien für einzelne Energieeffizienzkennzahlen Kriterien für Kennzahlensysteme zur Bewertung der Energieeffizienz Bewertung von Einzelkennzahlen zur Darstellung der Green Grid Association Kennzahlen der Green Grid Association (PUE/DCiE) Bewertung der Einzelkennzahlen des Green Grid Zusammenfassung: Einzelkennzahlen (The Green Grid) The Uptime Institute Four Metrics - (SI-EOM, H-EOM, DH-UR/UE, Freecooling Potential) Bewertung der Einzelkennzahlen der Four Metrics Zusammenfassung der Bewertung der Einzelkennzahlen (Four Metrics) Corporate Average Data Center Efficiency (CADE) (Version 1.0) Bewertung der Einzelkennzahlen des CADE-Ansatzes Zusammenfassung: Einzelkennzahlen (CADE) Lawrence Berkeley National Laboratory (LBNL) Self-Benchmarking Guide Kennzahlen des LBNL Bewertung der Einzelkennzahlen des LBNL Self-Benchmarking Guide Zusammenfassung: Einzelkennzahlen (LBNL Self-Bechnmarking Guide) British Computer Society Kennzahlen der British Computer Society (Cost of Services Model) Bewertung der Einzelkennzahlen der BCS Zusammenfassung der Bewertung der Einzelkennzahlen (BCS) Bewertung der Kennzahlensysteme Green Grid: PUE/DCiE Uptime Institute: Four Metrics und CADE LBNL: Self-Benchmarking Guide

4 5.4 BCS: Cost of Services Zusammenfassung: Bewertung der Kennzahlensysteme Fazit 40 7 Ausblick 41 Literaturverzeichnis 45

5 Zusammenfassung Eine Vielzahl von verschiedenen Energieeffizienz-Kennzahlen für Rechenzentren (RZ) wurde in den letzten Jahren veröffentlicht und diskutiert. Mit einer Übersicht über die aktuellen Kennzahlen und Kennzahlensysteme soll dieser Artikel einen Beitrag zur Beantwortung der folgenden Fragen für RZ-Verantwortliche und RZ-Betreiber leisten: Was können die aktuellen Kennwerte und was können sie nicht? Was muss man beachten, wenn man diese Kennwerte berechnet und sich mit anderen RZ vergleichen möchte? Dazu werden verschiedene Kriterien zur Bewertung der Energieeffizienzkannzahlen definiert und auf die Systeme angewandt. Bisher kann kein Kennzahlensystem die Energieeffizienz in RZ vollständig abbilden. Insbesondere die IT-Effizienz wird nicht ausreichend berücksichtigt. Um diese Nachteile zumindest teilweise auszugleichen, werden Kombinationen aus Metriken verschiedener Kennzahlensysteme vorgeschlagen.

6 1 Einleitung und Hintergrund Bewertung von Kennzahlen und Der weltweite Energiebedarf von RZ verzeichnete im letzten Jahrzehnt zweistellige Wachstumsraten. Immer leistungsfähigere IT-Systeme und eine stetig steigende Nachfrage nach IT-Dienstleistungen sind die wesentlichen Treiber dieser Entwicklung. Die wachsende Energieintensität der Informationstechnologie rückte erstmals um die Jahrtausendwende im Zuge des Dotcom-Booms ins Licht der Öffentlichkeit. Eine Vielzahl von Studien widmete sich der Schätzung des Stromverbrauchs durch Informationstechnologien, einschließlich RZ (Brown u. a., 2001; Beck, 2001; Barthel u. a., 2001). In den Nachwehen der Dotcom-Blase und dem damit verbundenen Einbruch des Wachstums im IT-Sektor, fiel das Thema in vorübergehende Vergessenheit. Steigende Energiepreise und Sorgen um die globale Erwärmung, brachten das Thema jedoch wieder zurück auf die Tagesordnung. Zahlreiche Studien, die sich mit dem Energieverbrauch von RZ befassten, wurden in der Folge veröffentlicht. Jonathan Koomey legte im Jahr 2007 den Grundstein der zweiten Welle von Analysen bzgl. des Energieverbrauchs von RZ. In seinen Abhandlungen schätzt Koomey, dass sich der weltweite Stromverbrauch von RZ innerhalb von nur 5 Jahren mehr als verdoppelte (Koomey, 2007, 2008): Der Stromverbrauch von RZ wuchs demnach von 71 TWh im Jahr 2000 auf 153 TWh im Jahr 2005, was einer jährlichen Wachstumsrate von etwa 15% und 1% des weltweiten Strombedarfs im Jahr 2005 entspricht. In der Folge kam auch eine vielbeachtete Studie der US-amerikanischen Umweltbehörde EPA zu dem Ergebnis, dass sich der Strombedarf von RZ in den USA innerhalb von sechs Jahren mehr als verdoppelt hat (EPA, 2007). Laut (Schäppi u. a., 2007) stieg auch der Stromverbrauch westeuropäischer (EU15 + Schweiz) RZ rapide, d.h. um 34% im Zeitraum von Für Deutschland ermittelten (Dittmar und Schaefer, 2009), dass sich der Stromverbrauch von RZ in Deutschland im Zeitraum von 1998 bis 2008 bis 2008 auf 8 Terrawattstunden (TWh) knapp verfünffacht hat (vgl. Abbildung 1): 1

7 Strombedarf Rechenzentren in TWh SD +1SD, -1SD +95% Perc, -5% Perc Mean Abbildung 1: Der Strombedarf für Rechenzentren in Deutschland Quelle: (Dittmar und Schaefer, 2009) Im Jahr 2008 lag der Anteil von RZ am Nettostrombedarf in Deutschland bei ca. 1,4%. Regional ist der Anteil des Stromverbrauchs von RZ jedoch von unterschiedlicher Bedeutung. Im digitalen Drehkreuz Deutschlands, Frankfurt am Main, ist die Bedeutung von RZ an der Energieversorgung erheblich. So schätzt die Mainova AG, der regionale Energieversorger in Frankfurt, dass der Anteil am Stromverbrauch für RZ in Frankfurt ein Fünftel beträgt (Köhler, 2011). Aufgrund weiter stark steigender Energiepreise in Deutschland müssen die Betreiber nun auch zunehmend auf die Betriebskosten ihrer RZ achten. Um die Energieeffizienz zu bewerten, nutzen viele RZ-Verantwortliche mittlerweile Kennzahlen. Da aber in den letzten Jahren eine Vielzahl von verschiedenen Kennzahlensysteme für RZ veröffentlicht wurden, stellt sich die Frage, wie aussagekräftig die einzelnen Kennzahlen bzw. Kennzahlsysteme sind und ob sie für das gesamte RZ oder nur für Teile des RZ Aussagen liefern. Ziel dieses Artikels ist, die Stärken und Schwächen der fünf verbreitetsten Kennzahlensysteme zu bewerten 1. Dafür werden zunächst die wichtigsten Teilbereiche bzw. funktionale Systeme von RZ (vgl. Abschnitt 2) und ihre Energiebedarfe dargestellt. Anschließend werden die Kriterien zur Bewertung einzelner Kennzahlen und Kennzahlensysteme vorgestellt und die fünf gängigsten Kennzahlensysteme mit diesen bewertet. 1 Die Auswahl wurde über eine Literaturrecherche und vor allem durch Gespräche mit Experten bzw. RZ-Betreibern getroffen. 2

8 2 Rechenzentren - Definition und Funktionale Systeme RZ sind in erster Linie Einrichtungen zur Bereitstellung von IT-Dienstleistungen. Dazu beherbergen sie sowohl das Equipment der Informationstechnik (IT) als auch gebäudetechnische Anlagen zur Sicherstellung des Betriebs der IT-Komponenten. RZ werden in der Literatur sehr unterschiedlich definiert (Schaefer u. a., 2008; Hintemann u. a., 2010). Für die nachfolgenden Betrachtungen wird die Definition nach (Schaefer u. a., 2008) zugrundegelegt. Hier wird das RZ über seine Fähigkeiten bzw. Funktionen definiert. Funktionale Systeme bzw. Teilbereiche bezeichnen die verschiedenen Gruppen von Anlagen und Geräten, die eine gleiche oder ähnliche Funktion im Betrieb des RZ ausüben. Typischerweise werden die Funktionalen Systeme in IT, Kühlsystem, Stromversorgung und Sonstiges unterschieden. Die Funktionalen Systeme werden im Folgenden kurz beschrieben, für eine ausführliche Beschreibung wird auf (Dittmar und Schaefer, 2009) und (Schaefer u. a., 2008) verwiesen. Zur IT gehören die Server, die Switche bzw. Router und Speichersysteme. Die IT benötigt zwischen 50 und 80% des Gesamtenergiebedarfs des RZ. Das Kühlsystem umfasst in den meisten RZ die Kälteanlagen, die Pumpen für den Kühlmittelskreislauf (i.d.r. Wasser-Glykolgemisch), die Umluftklimaschränke (ULK) im Serverraum sowie die Rück- und Freikühler. Der Anteil des Energiebedarfs des Kühlsystems am Gesamtenergiebedarf des RZ liegt zwischen 10 und 35%. Die Stromversorgung besteht aus allen Geräten, die der Sicherstellung der Stromversorgung dienen (z.b.transformatoren, Unterbrechungsfreie Stromversorgung [USV], Netzersatzanlage). Die Stromversorgung benötigt zwischen 5 und 20% des Gesamtenergiebedarfs. Alle anderen Anlagen und Geräte im RZ werden unter Sonstiges zusammengefasst. Dazu gehört z.b. die Mess-, Steuerund Regelungstechnik und die Beleuchtung im RZ. Diese Anlagen benötigen meistens zwischen 1 und 4% des RZ-Gesamtenergiebedarfs. 3 Kennzahlen In vielen Bereichen der Wirtschaft und Technik werden regelmäßig Kennzahlen zur Analyse, Planung und Steuerung eingesetzt, dabei sollten Kennzahlen generell von definierten Zielen abgeleitet werden und messbar sein (Kütz, 2011). Dieses Kapitel beschreibt zunächst allgemeine Anforde- 3

9 rungen an Kennzahlen sowie Kennzahlensysteme. Anschließend werden die Kriterien zur Bewertung von Energieeffizienzkennzahlen und -systemen für RZ vorgestellt. 3.1 Kennzahlen und Kennzahlensysteme Kennzahlen werden allgemein definiert als Zahlen, die quantitativ erfassbare Sachverhalte in konzentrierter Form wiedergeben (Kütz, 2011). Ziel ist es, die gemessenen Werte mit einem Richtwert zu vergleichen. Kennzahlen benötigen daher einen Vergleichswert oder einen Kontext, um aussagefähig zu sein. Insbesondere für die Betrachtung komplexer Systeme sind Kennzahlen notwendig um Entscheidungen in Bezug auf diese Systeme treffen zu können (Kütz, 2011). Da eine einzelne Kennzahl oft nicht die gewünschte Aussagekraft hat, können einzelne Kennzahlen zu einem Kennzahlensystemen gebündelt werden (Kütz, 2011). 3.2 Energieeffizienzkennzahlen und Kennzahlensysteme für Rechenzentren (Grabowski, 2009) definiert Energieeffizienzkennzahlen als Kombination von zueinander in Beziehung stehenden Größen. Sie werden verwendet, um Größen zu messen, zu quantifizieren und Effizienzfortschritte verfolgen zu können. Energieeffizienzkennzahlen verdichten somit die umfangreichen Energiedaten und andere betriebsspezifische Zahlen zu einer aussagekräftigen Kenngröße. Für die Analyse und Verbesserung der Energieeffizienz im Betrieb von RZ ist es wichtig, dass ein grundsätzliches Verständnis und eine Übereinkunft für ein Kennwert- und Messsystem zur Erfassung der Daten bzgl. der Energieeffizienz in RZ geschaffen wird (Newcombe, 2006). Für die Bewertung der Energieeffizienz von RZ hat sich im Laufe der Zeit herausgestellt, dass eine einzelne Kennzahl nicht ausreicht. Daher wurden in den letzten Jahren von mehreren Instituten Systeme entwickelt, die sich aus verschiedenen Kennzahlen zusammensetzen. In der Praxis sind insbesondere Kennzahlen nötig, die ausreichend Informationen liefern, um ökonomische und ökologische Auswirkungen des RZ-Betriebes eindeutig abzubilden und damit fundierte Entscheidungen im täglichen Betrieb des RZ ermöglichen. Ein transparentes und abgestimmtes Kennzahlensystem ermöglicht zudem das bessere Verständnis der teilweise komplexen Wechselwirkungen von verschiedenen RZ-Komponenten. 4

10 Um diese Anforderungen zu konkretisieren, werden in den nächsten Abschnitten die Kriterien zur Bewertung von Kennzahlen zur Energieeffizienz definiert Kriterien für einzelne Energieeffizienzkennzahlen Zur Bewertung einzelner Kennzahlen werden hier fünf Kriterien definiert: (1) Messbarkeit: Grundsätzlich sollten die benötigten Daten der Kennzahl messbar und der Aufwand für die Datenerfassung angemessen sein. (2) Verständlichkeit: Die Kennzahl soll möglichst intuitiv sein, d. h. die Bedeutung und Aussage der Kennzahl muss den Anwendern (RZ-Betreiber) möglichst schon anhand der Bezeichnung der Kennzahl klar werden (Grabowski, 2009). Darüber hinaus soll auch die Zielrichtung der Kennzahl möglichst intuitiv sein: Ist es bspw. für die Zielerreichung besser wenn die Kennzahl größer oder kleiner wird? Darüber hinaus muss die inhaltliche Aussage der Kennzahlen grundsätzlich eindeutig sein, um z.b. Fehlinterpretationen zu vermeiden (Stanley u. a., 2007). (3) Zielbezug: Für jede Kennzahl muss ein klares, eindeutiges und nachvollziehbares Ziel formuliert werden: Was soll die Kennzahl abbilden bzw. messen? Wenn die Kennzahl Teil eines Kennzahlensystems ist, muss außerdem der Bezug zum Ziel des übergeordneten Systems definiert sein. (4) Maßnahmenfähigkeit: Die Kennzahl sollte grundsätzlich beeinflussbar sein und auch Hinweise für Maßnahmen bezüglich einer Optimierung bzw. Verbesserung ermöglichen. (5) Vergleichbarkeit: Für den externen (und ggf. auch für den internen) Vergleich von Kennzahlen zur Energieeffizienz von RZ ist es notwendig eine einheitliche Erfassungsmethode zu verwenden, damit eine eindeutige Datenbasis für den Vergleich gewährleistet wird. Für die Bewertung und den Vergleich der Energieeffizienz in RZ anhand von Kennzahlen sind u. a. einheitliche 5

11 Vergleichszeiträume notwendig, damit z. B. klimatische Einflussfaktoren im RZ-Betrieb wie Tages- oder Jahreszeiten berücksichtigt und ggf. korrigiert bzw. normiert werden können Kriterien für Kennzahlensysteme zur Bewertung der Energieeffizienz Zusätzlich zu den Anforderungen für einzelne Kennzahlen werden weitere Kriterien zur Bewertung des gesamten Kennzahlensystems definiert: (1) Unabhängigkeit: Die Kennzahlen eines Systems, die sich auf einer hierarchischen Ebene oder innerhalb einer logischen Gruppe des Systems befinden, sollten möglichst unabhängig voneinander sein (Kütz, 2011). Insbesondere in einem komplexen System wie dem RZ sind Abhängigkeiten und vielschichtige Wechselwirkungen zwischen den Funktionalen Systemen, wie z.b. Anlagen, Geräten etc. u.u. nicht zu vermeiden. Daher können solche Wechselwirkungen auch bei den Kennzahlen einer Ebene bzw. logischen Gruppen eines Kennzahlensystems auftreten. Diese Wechselwirkungen sollten deshalb deutlich dargestellt und nach Möglichkeit quantifiziert werden. (2) Vollständigkeit: Das Kennzahlensystem sollte in der Lage sein, die einzelnen funktionalen Systeme analysieren und steuern zu können. Um dem RZ-Betreiber die Gesamt-Energieeffizienz aufzuzeigen, muss das Kennzahlensystem alle funktionalen Systeme vollständig abbilden. Für eine echte Effizienzbewertung sollte das Kennzahlensystem auch den Nutzen der IT (z.b. IT- Dienstleistung) und das entsprechende Verhältnis zum Energieaufwand darstellen. (3) Einheitliche Datenerhebung: Grundsätzlich sollten die Datenerhebungsmethoden in einem Kennzahlensystem für Kennzahlen mit gleicher Bedeutung für das System ähnlich sein. Es ist z.b. nicht sinnvoll, exakte Messwerte mit Daten aus Schätzungen zu kombinieren. 6

12 4 Bewertung von Einzelkennzahlen zur Darstellung der Energieeffizienz von Rechenzentren Mittlerweile gibt es in der Literatur eine Vielzahl von Kennzahlen zur Beschreibung der Energieeffizienz von RZ. Diese Kennzahlen sind sehr unterschiedlich in ihrer Betrachtungsperspektive, ihrer Genauigkeit und Differenzierungsgrad. Zudem setzen die Kennzahlen auf den verschiedensten Ebenen bzw. Funktionalen Systemen des RZ an. In diesem Arbeitspapier werden nur die Kennzahlen betrachtet, die in der heute gängigen Praxis den Anspruch erheben bzw. den Ruf haben, die Gesamteffizienz des RZ abzubilden. Die Auswahl der Kennzahlensysteme erfolgte daher anhand einer Literarturrecherche und Interviews mit Experten aus den Bereichen Forschung und Anwendung zur Energieeffizienz im Betrieb von RZ. Die Darstellung erhebt keinen Anspruch auf Vollständigkeit. Die qualitative Bewertung hat fünf Stufen, von 0 (sehr schlecht) bis 4 (sehr gut). Für die Bewertung werden zunächst die Einzelkennzahlen nach den Kriterien aus Abschnitt bewertet. Dabei wird hinter der Begründung die vergebene Punktzahl in folgender Form angegeben: (Kriterienbezeichnung: Erreichte Punktzahl/4 ). Da die Komplexität der Kennzahlenbewertung groß ist, ist ggf. eine detailliertere Begründung der Bewertung und der Punktevergabe notwendig, die allerdings in diesem ersten Arbeitspapier nicht dargestellt werden kann. 4.1 Green Grid Association Die Green Grid Association beschreibt sich selbst als offene non-profit Organisation aus Endnutzern, Entscheidern und Herstellern (The Green Grid, 2012a). Betrachtet man allerdings die Mitgliederliste, so stellt man fest, dass das Green Grid derzeit von Herstellern dominiert wird (The Green Grid, 2012b). Im Folgenden werden die Kennzahlen Power Usage Effectivness (PUE) und Data Center Infrastructure Efficiency (DCiE) beschrieben. 7

13 4.1.1 Kennzahlen der Green Grid Association (PUE/DCiE) Die wichtigsten Kennzahlen des Green Grid sind die PUE (Power Usage Effectiveness, Effizienz der Stromnutzung) und die DCiE (Data Center Infrastructure Efficiency, Infrastruktureffizienz des RZ). Die mit Abstand bekannteste Kennzahl, die im Zusammenhang mit der Energieeffizienz von RZ genannt wird, ist die PUE. Die Standardisierung der PUE begann 2010 durch die Data Center Metrics Task Force (Data Center Metrics Task Force, 2010). Zuvor waren die Definitionen der PUE unheitlich. Dieser Artikel bewertet nur die ursprüngliche Version und die später standardisierten Versionen der PUE/DCiE (vgl. Tabelle1). Tabelle 1: Übersicht über die PUE/DCiE des Green Grid Kennzahl Bezeichnung Formel Einheit PUE Power Usage Effectiveness Leistung des RZ [kw] / Leistung der IT [kw] [-] PUE0 Power Usage Effectiveness Spitzenleistung des RZ [kw] / Spitzenleistung der IT [kw] [-] Jahresbedarf des RZ [kwh] / PUE1 Power Usage Effectiveness Jahresbedarf der IT am USV-Ausgang gemessen [kwh] [-] PUE2 Power Usage Effectiveness Jahresbedarf des RZ [kwh] / Jahresbedarf der IT am PDU-Ausgang gemessen [kwh] [-] PUE3 Power Usage Effectiveness Jahresbedarf des RZ [kwh] / Jahresbedarf der IT am IT-Eingang [kwh] [-] DCiE Data Center Infrastructure Efficiency 1 / PUE = (Leistung der IT [kw]/ Leistung des RZ [kw]) x 100% (PUE-Kategorien sind auf DCiE übertragbar, hier: DCiE0) [%] Da die Unklarheit über die Abgrenzung der RZ-Leistung und IT-Leistung zu verschiedenen auch heute noch in der Praxis angewandten Berechungsansätzen führte, wird nachfolgend kurz die Geschichte der praktischen Anwendung der PUE dargestellt. Geschichte der PUE Die PUE wird heute oft in Verbindung mit dem Green Grid genannt, dabei stammt die ursprüngliche Version von C. Malone und C. Belady (HP), die die PUE definiert und 2006 auf dem Digital Power Forum in Richardson, Texas, USA vorgestellt haben (Malone und Belady, 2006). Die PUE wurde definiert als Quotient aus Gesamtleistung des RZ und der Leistung des IT-Equipments. Diese Kennzahl übernahm 2007 das Green Grid als Standard-Metrik zur Bestimmung der Ener- 8

14 gieeffizienz in RZ (The Green Grid, 2007). Die Gesamtleistung des RZ wird dabei definiert als die gemessene elektrische Leistung am Übergabepunkt des lokalen Energieversorgungsunternehmens und beinhaltet damit die gesamte Stromaufnahme aller funktionalen Systeme des RZ. Die Leistung des IT-Equipments wird festgelegt als die elektrische Leistung, die benötigt wird für das Management, die Verarbeitung, Speicherung und Verteilung von Daten innerhalb der Doppelbodenflächen des RZ (The Green Grid, 2007). Diese sehr allgemein gehaltene PUE-Definition des Green Grid hat in der Praxis zu zwei grundlegenden Problemen in der Anwendung geführt: Die fehlende Genauigkeit in der Abgrenzung zwischen Gesamtleistung RZ und Leistung des IT-Equipments führte zu widersprüchlichen Aussagen und Missbrauch in der Darstellung der PUE. Aufgrund der Unschärfe der Definition bleibt z. B. die Frage offen, welchem der beiden Bereiche die Verluste der Server-Netzteile zuzuordnen sind. Die Definition einer nicht näher spezifizierten Leistungsmessung für die Bestimmung der Energieeffizienz im Betrieb von RZ hat zu teilweise signifikant abweichenden Berechnungsmethoden in der Praxis geführt. Die bisher veröffentlichen PUE-Werte sind daher oft nicht vergleichbar. Unter anderem fehlen z. B. die Angaben zu den Messzeiträume und den Messpunkten für die Ermittlung der Leistungswerte. In der praktischen Anwendung lassen sich heute ganz allgemein zwei Ansätze für die Berechnungsmethoden des PUE-Werts für ein RZ unterscheiden: Zum einen die Bestimmung der PUE auf Basis von Leistungsmessungen und zum anderen die Berechnungen mittels Energiewerten. Berechnungen auf Basis der Nachfrage (Leistung, kw). In der ersten Definition des Green Grid, wird die PUE über die elektrische Leistung definiert (vgl. Tabelle 1). Eine kontinuierliche Messung der Leistung im RZ über einen längeren Zeitraum ist in dieser ersten Definition nicht vorgesehen. In der Praxis haben sich zwei Ansätze zur Bestimmung der Leistungswerte für die PUE durchgesetzt: (1) Berechnung mittels der installierten Leistungen der Anlagen und Geräte: Häufig wird die PUE auf der Basis der installierten Leistung (PUE inst ) des IT-Equipments 9

15 und der Versorgungstechnik (Site Infrastructure, SI) bestimmt. Die PUE wird dabei mit den Angaben 2 zur installierten Nennleistung der Anlagen und Geräte im RZ berechnet. Für viele RZ, die heute über keinerlei eigenes Energiemonitoring bzw. Messequipment verfügen, ist die PUE inst die einzige Möglichkeit einen PUE-Wert zu bestimmen. Die PUE inst gibt allerdings nur Auskunft über eine rein theoretische Effizienz der Gebäudeinfrastruktur im RZ im unwahrscheinlichen Fall der Vollauslastung aller Anlagen und Geräte im RZ. (2) Spitzenlast (peak-load, pl) des RZ: Die Ermittlung der PUE pl für den Moment mit der höchsten Leistungsaufnahme des RZ (Spitzenlastfall, peak load) setzt im Gegensatz zur PUE inst ein Minimum an Messungen im RZ voraus. Da dieser Messwert lediglich eine Momentaufnahme darstellt, ist die Gefahr groß, dass z. B. die kritischen Auswirkungen einer wechselnden IT-Auslastung nicht erfasst werden. Zudem ist der Zeitpunkt der Messung für die höchste Leistungsaufnahme (Spitzenlast) in der Regel vorher nicht bekannt. Im Rahmen einer kontinuierlichen Messung eignet sich die PUE pl jedoch gut als ergänzende Information für andere übergeordnete Kennzahlen wie z. B. die PUE der Kategorie 1 (PUE1). Die PUE pl kann Hinweise auf bestehende Engpässe oder Überkapazitäten bei den Leistungen des RZ geben. Die PUE pl entspricht der PUE der Kategorie 0 aus (Data Center Metrics Task Force, 2011). Berechnungen auf Basis des Verbrauches: (Energie, kwh). Im Gegensatz zu den nachfragebasierten Berechnungen wird die PUE bei der verbrauchsorientierten Kalkulation als Jahresmittelwert gemessener elektrischer Leistungen gebildet. Die Gesamtleistung RZ und die Leistung des IT-Equipments müssen kontinuierlich gemessen werden. Daraus ergibt sich der jährliche Energiebedarf (kwh). Die Voraussetzung für diese Berechnungsmethode sind die regelmäßigen Leistungsmessungen über einen Zeitraum von mindestens 12 Monaten (Data Center Metrics Task Force, 2011). Diese Berechnungsmethode für die PUE berücksichtigt somit die Auswirkungen verschiedener Auslastungen des IT-Equipments und der Kältetechnik über das gesamte Jahr. Die Methode bildet daher die Energieeffizienz im RZ wesentlich besser ab als die Berechnungen auf Nachfrage- Basis. Doch auch bei dem verbrauchsorientierten Ansatz unterscheiden sich die einzelnen Berechnungs- 2 Diese Angaben finden sich z. B. auf auf den Typenschildern der Anlagen oder in den Datenblättern. 10

16 methoden in der Praxis häufig, insbesondere die Wahl der Messstellen. Dies führte dazu, dass vier verschiedene Kategorien für die PUE (PUE0-3) von der Data Center Metrics Task Force definiert wurden (Data Center Metrics Task Force, 2010) Bewertung der Einzelkennzahlen des Green Grid Tabelle 1 zeigt die Kennwerte des Green Grid. Die DCiE ist der Kehrwert der PUE und wird analog zu den PUE-Kategorien definiert. PUE (ursprüngliche Version). Die ursprüngliche Version der PUE bildet den Quotient aus Gesamleistung des RZ und der Gesamtleistung der IT (Malone und Belady, 2006). Die Abgrenzung der zu messenden RZ- und IT-Leistung ist wie in Abschnitt erläutert unklar (Messbarkeit: 1/4). Zum einen ist die Bezeichnung Power Usage Effectiveness missverständlich, weil es nur um die Effizienz der Gebäudeinfrastruktur und nicht um die der IT geht. Der Name Power Usage Effectiveness (=Effizienz der Stromnutzung) impliziert auch die Effizienz der IT. Diese Aussage betrifft auch die PUE der Kategorien 0-3. Weiterhin ist die Verständlichkeit wegen des Fehlens der genauen Eingangsdaten (Nennleistung, Spitzenleistung, Jahresverbrauch etc.) ebenfalls schwierig (Verständlichkeit: 1/4). Da nicht klar ist, welche Daten verwendet werden sollen, gibt es keinen klaren Bezug zum Ziel der Darstellung der RZ-Energieeffizienz (Zielbezug: 0/4). Die Maßnahmenfähigkeit ist nur schwach ausgeprägt, weil die Ineffizienzen nicht lokalisiert werden können. Diese Aussage gilt für alle PUE Kategorien (Maßnahmenfähigkeit: 1/4). Die Effizienz wird bei Spitzenlast verglichen. Hier besteht erneut das Problem, dass keine verlässliche Aussage darüber möglich ist, ob diese gemessene Last wirklich die Spitzenlast der IT darstellt (Vergleichbarkeit: 1/4). PUE0. Bei der PUE der Kategorie 0 wird die Spitzenleistung des RZ durch die Spitzenleistung der IT dividiert. Der Zeitpunkt, an dem die Spitzenlast auftritt ist, vorher nicht bekannt. Daher sind für die Bestim- 11

17 mung dieser Kennzahl auch kontinuierliche Messungen nötig, was einen großen Aufwand darstellt. Außerdem ist erneut fraglich, ob die gemessene Spitzenlast der IT wirklich der höchste zu erreichende IT-Bedarf ist (Messbarkeit: 1/4). Zum Bezeichnungsproblem der PUE kommt hinzu, das die Bedeutung Spitzenlast nicht klar ist. Somit liefert die PUE0 keine verständliche Aussage. (Verständlichkeit: 0/4). Selbst wenn die Spitzenlast der IT und des RZ bekannt wären, hat die PUE0 keinen Bezug zur Energieeffizienz des RZ, weil eine einmalige Leistungsmessung keine Rückschlüsse auf die durchschnittliche Effizienz zulässt (Zielbezug: 0/4). Vgl. PUE (ursprüngliche Version) (Maßnahmenfähigkeit: 1/4). Der Vergleich mit anderen RZ ist schwierig, da die Messstellen nicht genau definiert sind (Vergleichbarkeit: 1/4). PUE1. Bei der PUE der Kategorie 1 wird der Jahresbedarf des RZ (i.d.r. Strom) durch den Jahresbedarf der IT (Strom) am USV-Ausgang dividiert. Die Jahresbedarfswerte des RZ sind i.d.r. über installierte Stromzähler oder die Abrechnung des Energieversorgers zugänglich, daher ist die Messung nicht aufwendig (Messbarkeit: 4/4). Wegen des Bezeichnungsproblems und des wenig intuitiven unteren Grenzwerts von 1 ist die PUE1 wenig verständlich (Verständlichkeit: 1/4). Der Zielbezug ist schwach ausgeprägt, weil z.b. auch die Verluste der Stromverteilung nach der USV der IT zugerechnet werden (Zielbezug: 1/4). Vgl. PUE (ursprüngliche Version) (Maßnahmenfähigkeit: 1/4). Die Vergleichbarkeit ist durch die Verwendung von Jahresbedarfen bei RZ an ähnlichen Standorten (Klima) gegeben (Vergleichbarkeit: 3/4). PUE2. Bei der PUE der Kategorie 2 wird die Jahresbedarf des RZ durch den Jahresbedarf der IT gemessen am Ausgang der Stromunterverteilung im Serverraum (engl. Power Distribtion Unit, PDU) dividiert. Der Jahresbedarf des RZ ist über Zähler zugänglich und daher nicht aufwendig zu ermitteln, die Vermessung der PDU-Ausgänge kann mit größerem Aufwand verbunden sein (Messbarkeit: 3/4). Vgl. PUE1(Verständlichkeit: 1/4). 12

18 Der Zielbezug ist besser als bei der PUE1, weil nun nur noch die Verluste nach der PDU (z.b. Netzteilverluste) der IT als Nutzen zugerechnet werden (Zielbezug: 2/4). Vgl. PUE (ursprüngliche Version) (Maßnahmenfähigkeit: 1/4). Die Vergleichbarkeit ist durch die Verwendung von Jahresbedarfen für RZ mit ähnlichen klimatischen Bedingungen, Verfügbarkeitsanforderungen und ähnlichem Betriebszwecken gegeben (Vergleichbarkeit: 3/4). PUE3. Bei der PUE der Kategorie 3 wird der Jahresbedarf des RZ durch den Jahresbedarf der IT (gemessen am IT Eingang) dividiert. Der Jahresbedarfswerte des RZ sind i.d.r. über Zähler zugänglich. Der Aufwand für die Messung ist daher eher gering, allerdings ist die Vermessung am IT-Eingang jedoch aufwendiger als bei der PUE2 (Messbarkeit: 2/4). Vgl. PUE1(Verständlichkeit: 1/4). Der Zielbezug ist besser als bei der PUE2, da bei der PUE3 nur noch die reine IT-Leistung gemessen werden soll (Zielbezug: 3/4). Vgl. PUE (ursprüngliche Version) (Maßnahmenfähigkeit: 1/4). Die PUE3 ist schwieriger zu vergleichen als die PUE1 und PUE2, weil die Messstelle Strom- Eingang IT nicht exakt definiert ist. Z.B. ist nicht klar, ob die Lüfter innerhalb des Servers zur IT gehören oder nur die Stromaufnahme der CPU (Vergleichbarkeit: 2/4). DCiE. Die Data Center Infrastructure Effiency (DCiE) ist der Kehrwert der PUE. Sie kann auch für alle Kategorien analog zur PUE definiert werden. Die Bewertung erfolgt daher ebenfalls analog zu den einzelnen PUE (in Tabelle 1 ist die DCiE für die PUE0 angegeben). Der Unterschied besteht in der klaren Bezeichnung, die bereits im Namen erkennbar macht, dass die Kennzahl die Infrastruktureffizienz des RZ abbildet. Außerdem hat die DCiE den oberen Grenzwert von 1, wodurch sie einfach in auf einer intuitiven %-Skala dargestellt werden kann (Verständlichkeit: 4/4). 13

19 4.1.3 Zusammenfassung der Bewertung der Einzelkennzahlen (The Green Grid) Die Übersicht zur Bewertung der Einzelkennzahlen des Green Grid ist in Tabelle 2 dargestellt. Tabelle 2: Übersicht der Bewertung der Einzelkennzahlen des Green Grid Kennzahl Bezeichnung Bewertung der kennzahlenbezogenen Kriterien* PUE PUE0 PUE1 PUE2 PUE3 DCiE Power Usage Effectiveness Power Usage Effectiveness Power Usage Effectiveness Power Usage Effectiveness Power Usage Effectiveness Data Center Infrastructure Efficiency * 1: Messbarkeit 2: Verständlichkeit 3: Zielbezug 4: Maßnahmenfähigkeit 5: Vergleichbarkeit 4.2 The Uptime Institute Das Uptime Institute bezeichnet sich selbst als unabhängiges Forschungsinstitut der 451 Group. Es wurde 1993 gegründet und konzentriert Fachwissen rund ums RZ. Das Uptime Institut fungiert als Berater für RZ-Planer und Betreiber (Uptime Institute, 2012). Das Uptime Institut hat mit den Four Metrics und der Corporate Average Data Center Efficiency (CADE) zwei Ansätze für die Bewertung der Energieeffizienz im Betrieb von RZ veröffentlicht Four Metrics - (SI-EOM, H-EOM, DH-UR/UE, Freecooling Potential) Für die Bewertung der Energieeffizienz des gesamten RZ schlägt das Uptime Institute das Kennzahlensystem Four Metrics vor (Stanley u. a., 2007). Mit diesem Set aus vier Kennzahlen sollen alle relevanten Bereiche der (Energie)Effizienz im RZ abgedeckt werden: (1) Site Physical Infrastructure Overhead (SI-) (2) IT Hardware Efficiency (H-) (3) IT Hardware Asset Utilization (DH-) 14

20 (4) IT System Design and Architecture () Bewertung von Kennzahlen und Die Kennzahlen sind in Tabelle 3 dargestellt. Tabelle 3: Übersicht über die Four-Metrics (Uptime Institute) Kennzahl Bezeichnung Formel Einheit SI-EOM / SI- POM (=PUE) Site Infrastructure Energy / Power Overhead Multiplier IT Hardware Energy / H-EOM / H-POM Power Overhead Multiplier Deployed Hardware DH-UR (Server) Utilization Ratio (Server) DH-UR (Storage) DH-UE (Server) Free Cooling Potential Deployed Hardware Utilization Ratio (Storage) Deployed Hardware Efficiency Ratio (Server) kwh saved each year at utility meter Strombedarf bzw. Leistungsaufnahme des RZ [kwh (kw)] / Strombedarf bzw. Leistungsaufnahme der IT am PDU-Ausgang gemessen [kwh (kw)] [-] Strombedarf bzw.leistungsaufnahme der Hardware am PDU- Ausgang gemessen [kwh (kw)] / Strombedarf bzw. Leistungsaufnahme der IT nach Netzteil [kwh (kw)] [-] Anzahl der Server auf denen Anwendungen laufen [n] / Gesamtanzahl an Servern, die in Betrieb sind [m] [-] Wichtige, oft aus dem Storage-System abgerufene Daten (innerhalb der letzen 90 Tage) [TB] / Insgesamt Kapazität des laufenden Storage [TB] [-] Minimale Anzahl der Server, um die Spitzenauslastung bearbeiten zu können [i] / Gesamtanzahl an Servern, die in Betrieb sind [m] [-] (kwh (thermisch) pro Jahr durch Freie Kühlung bereitgestellt x kw (elektrisch) für das Kühlsystem pro kw (thermisch) bereitgestellter Kühlleistung) / COP des Kühlsystems [-] Bewertung der Einzelkennzahlen der Four Metrics Site Infrastructure Power/Energy Overhead Multiplier (SI-POM/SI-EOM). Für den ersten Bereich (Gebäudeinfrastruktrur, Site Physical Infrastructur) hat das Uptime Institute den Site Infrastructure Power/Energy Overhead Multiplier entwickelt. Die Definition SI-POM/SI-EOM entspricht der Definition der PUE (siehe 4.1.2). Die Bewertung erfolgt analog zur PUE2. IT Hardware Power Overhead Multiplier( H-EOM / H-POM). Für den zweiten Bereich Effizienz des IT-Equipments (IT Hardware Efficiency) wurde vom Uptime Institute die Kennzahl IT Hardware Power Overhead Multiplier (H-POM) entwickelt. Der H-POM gibt an, welcher Anteil der Leistung innerhalb einer IT-Hardwarekomponente für Support (Verluste der Netzteile und Lüfter) verloren geht. Dieser Teil der elektrischen Leistung steht den Komponenten, die die eigentliche Rechenleistung erbringen (CPU, RAM etc.) nicht zur Verfügung. Zusätzlich zu den Verlusten innerhalb der Hardwarekomponente sollen die Verluste, die durch schlecht abgestimmte 15

21 Serverarchitekturen entstehen (z. B. Spindelgeschwindigkeiten von Plattenspeichern), abgebildet werden. Das Uptime Institute schlägt hier vor, den Hardware Compute Load per Unit of Computing Work Done als qualitative Größe abzuschätzen. Für den H-POM/H-EOM bzw. für Hardware Compute Load per Unit of Computing Work Done fehlt bisher eine messbare Bezugsgröße, die den Nutzen der IT i.s.v. Useful Computing Work messbar macht (Messbarkeit: 0/4). Die H-POM/H-EOM ist leicht zu verstehen und die Zielrichtung ist klar; der Nutzen der IT wird allerdings nicht eindeutig definiert (Verständlichkeit: 2/4). Der Zielbezug für die IT-Komponenten ist noch ausbaufähig, da die Anzahl der Server nur einen indirekten Bezug zum Energiebedarf aufweist (Zielbezug: 3/4). Da die Größe Hardware Compute Load per Unit of Computing Work Done lediglich ein Schätzwert ist, sollten aus dem H-POM/H-EOM konkrete Maßnahmen nur nach weitergehenden Analysen abgeleitet werden (Maßnahmenfähigkeit: 1/4). Die Ergebnisse sind gut vergleichbar, weil klar gefordert wird, an welcher Stelle die Messungen zu erfolgen haben. Allerdings könnte die nicht klare Trennung von Leistung und Energie evtl. dazu führen, dass die Werte durch einfache Arithmetik (Multiplizieren/Dividieren mit/durch 8670 h) ineinander überführt werden (Vergleichbarkeit: 3/4). IT Hardware Asset Utilization Für den dritten Bereich IT Hardware-Auslastung (IT- Hardware Asset Utilization) wurden zwei Kennzahlen definiert: zum einen die Deployed Hardware Utilization Ratio (DH-UR) und zum anderen die Deployed Hardware Utilization Efficiency (DH-UE). Deployed Hardware Utilization Ratio (DH-UR). Die Relation zwischen der insgesamt bereitgestellten Kapazität an IT-Hardware und der tatsächlich genutzten IT-Hardware (DH-UR) wird für die Bereiche Server und Speicher definiert. Die DH-UR Server bezieht sich dabei auf die Anzahl der Server im Rechenzentrum, wohingegen die DH-UR Storage die Anzahl der gespeicherten Terrabytes als Messgröße zugrunde legt. Die Messbarkeit der Daten für die DH-UR ist grundsätzlich gegeben, aber die Erfassung des An- 16

22 teiles von IT-Hardware, die keine relevanten Daten verarbeitet wird i.d.r. schwierig sein, weil eine exakte Definition fehlt (Messbarkeit: 3/4). Die Kennzahl ist leicht zu verstehen und die Zielrichtung ist eindeutig (Verständlichkeit: 3/4). Die DH-UR soll einen Hinweis darauf geben, wie groß der Anteil von IT-Hardware ist, die keine Anwendungen oder relevanten Daten verarbeitet. Das Energieeinsparpotenzial durch Server- und Speicherkonsolidierung wird so allerdings nur indirekt über die Anzahl der IT-Komponenten erfasst (Zielbezug: 2/4). Die Kennzahl liefert erste Hinweise für konkrete Effizienzmaßnahmen, z.b. durch das Abschalten von einzelnen Servern (Maßnahmenfähigkeit: 3/4). Die Kennzahl ist nur in geringem Maße vergleichbar, da die Anzahl der Server lediglich einen indirekten Bezug zum Energiebedarf aufweist (Vergleichbarkeit: 1/4). Deployed Hardware Utilization Efficiency (DH-UE). Die Nutzungseffizienz der bereitgestellten IT-Hardware (DH-UE) wird bestimmt über die Anzahl der Server, die mindestens notwendig sind um die maximale Rechenleistung des RZ zu erbringen; im Vergleich dazu soll die Anzahl der tatsächlich bereitgestellten Server betrachtet werden. Diese Kennzahl definiert das Uptime Institut allerdings nur für Server. Eine vergleichbare Kennzahl für Speichertechnologien hat das Uptime Institut nicht ausgearbeitet. Die maximale Rechenleistung des RZ ist eine Planungsgröße, die im laufenden Betrieb nur schwer messbar ist; die Anforderungen sind hier stark abhängig von externen Faktoren wie z.b. Nutzungsverhalten der Anwender (Messbarkeit: 1/4). Die DH-UE ist gut verständlich und die Zielrichtung ist eindeutig; allerdings wird nicht näher beschrieben, dass sich die Kennzahl im Wesentlichen auf Planungsgrößen bezieht (Verständlichkeit: 3/4). Das Verbesserungspotenzial zur Auslastung der Server kann von diesem Kennzahl nur teilweise abgebildet werden (Zielbezug: 2/4). Konkreten Maßnahmen können nur sehr bedingt aus der Kennzahl abgeleitet werden, hier sind detailliertere Betrachtungen z.b. zu den Workloads in Abhängigkeit von Tageszeiten etc. notwendig (Maßnahmenfähigkeit: 2/4). Die Ergebnisse sind kaum vergleichbar mit anderen RZ, da die notwendige maximale Rechenleis- 17

23 tung z.b. stark von Anwendungszweck des RZ abhängt. Auch eine einheitliche Erfassung über einen längeren Zeitraum dürfte schwierig sein, da eine Erfassung der Leistungssteigerung (z.b. durch eine erhöhte Nachfrage von IT-Dienstleistungen) nicht vorgesehen ist (Vergleichbarkeit: 1/4). Free Cooling Potential. Das Potenzial der Freien Kühlung sagt aus, welcher elektrische Energiebedarf eingespart werden kann, wenn direkte oder indirekte freie Kühlung im RZ eingesetzt wird. Dafür muss der Coefficient of Performance (COP) der Kälteanlage aus dem Verhältnis von thermischer Kühlleistung (delivered thermal kw of cooling) und elektrischer Leistungsaufnahme der kälteerzeugenden Anlage (electrical kw of input power) gebildet werden. Die Erhebung der Messdaten über einen Zeitraum von mindestens 12 Monaten bereitet aus technischer Sicht keine Probleme; jedoch ist der Messaufwand insbesondere für die thermischen Leistungen ggf. recht groß bzw. teuer (Messbarkeit: 3/4). Die Bezeichnung Free Cooling Potential ist ungenau, die Zielrichtung der Kennzahl maximaler Anteil Freie Kühlung ist jedoch eindeutig (Verständlichkeit: 3/4). Der Zielbezug zu den Einsparungen (kwh el ) durch den optimalen Einsatz freier Kühlung ist gegeben. Auch der Bezug zur Gesamtenergieeffizienz des RZ ist eindeutig (Zielbezug: 4/4). Aus der Kennzahl lassen sich allerdings keine konkreten Maßnahmen ableiten, da hier nur ein kleiner Teil des Kühlsystems im RZ abgebildet wird. Das Free Cooling Potential ist nur in Zusammenhang mit weiteren Kennwerten aus dem Bereich Kühlung maßnahmenfähig (Maßnahmenfähigkeit: 0/4). Die Kennzahl ist gut vergleichbar. Das Uptime Institute macht hier genaue Vorgaben für einheitliche Erfassungsmethoden und -zeiträume; externen Einflüsse wie z.b. standortbedingte Außentemperaturen werden allerdings nicht berücksichtigt (Vergleichbarkeit: 3/4) Zusammenfassung der Bewertung der Einzelkennzahlen (Four Metrics) Tabelle 4 zeigt die Bewertung der Einzelkennzahlen. 18

24 Tabelle 4: Übersicht der Bewertung der Einzelkennzahlen der Four-Metrics Kennzahl SI-EOM / SI-POM (=PUE2) Bezeichnung Site Infrastructure Energy / Power Overhead Multiplier Bewertung der kennzahlenbezogenen Kriterien* H-EOM / H-POM DH-UR (Server) DH-UR (Storage) DH-UE (Server) IT Hardware Energy / Power Overhead Multiplier Deployed Hardware Utilization Ratio (Server) Deployed Hardware Utilization Ratio (Storage) Deployed Hardware Efficiency Ratio (Server) Free Cooling Potential kwh saved each year at utility meter * 1: Messbarkeit 2: Verständlichkeit 3: Zielbezug 4: Maßnahmenfähigkeit 5: Vergleichbarkeit Corporate Average Data Center Efficiency (CADE) (Version 1.0) Neben den Four Metrics hat das Uptime Institute die Corporate Average Data Center Efficiency (CADE) entwickelt. Diese Kennzahl wurde vom Uptime Institute für McKinsey & Company entwickelt und ist bisher weniger verbreitet bzw. bekannt als die Four Metrics oder die PUE. Im Bereich der Unternehmensberatung wird sie jedoch häufiger eingesetzt 3. Auch diese Kennzahl setzt sich, wie die PUE und die 4 metrics, aus den beiden Bereichen Gebäudeinfrastruktur und IT zusammen. Die Kennzahlen des CADE-Ansatzes sind in Tabelle 5 dargestellt. 3 Der CADE steht in engem Zusammenhang mit Kennzahlen aus der Automobilindustrie (Corporate Average Fuel Economy, CAFE) 19

25 Tabelle 5: Übersicht der Kennzahlen des CADE-Ansatzes Kennzahl Bezeichnung Formel Einheit CADE Corporate Average Data Center Efficiency Facility Efficiency x IT Asset Efficiency = F-EE x F-U x IT-EE x IT-U [%] F-EE (=1/PUE1) Facility Energy Efficiency Strombedarf der IT [kwh] / Strombedarf des RZ [kwh] [-] F-U Facility Utilization aktuelle Leistung der IT [kw] / maximale Leistung des RZ [kw] [-] IT-EE IT Energy Efficiency Zukünftige Metrik, derzeit 1, da noch nicht etabliert [-] IT-U IT Utilization Durchschnittliche CPU-Auslastung [%] Bewertung der Einzelkennzahlen des CADE-Ansatzes CADE. Die CADE ist eine zusammengesetzte Kennzahl, die die Effizienz der Rechenzentren eines Unternehmens beschreiben soll. Ihre Bewertung ergibt sich aus den im Folgenden beschriebenen Einzelkennzahlen. Facility Energy Efficiency. Die Energieeffizienz der Gebäudeinfrastruktrur wird vom Uptime Institute über die Facility Energy Efficiency (F-EE) definiert. Die F-EE entspricht dem Kehrwert der PUE1 und wird analog dazu bewertet. Auslastung der Gebäudeinfrastruktur (Facility Asset Utilization, F-U). Die Nutzung bzw. Auslastung der Gebäudeinfrastruktur beschreibt, welcher Anteil der installierten Leistung für Stromversorgung und Kühlung tatsächlich in der aktuellen Ausbaustufe und dem aktuellen Betriebszustand des RZ in Anspruch genommen wird. Als Messgrößen werden die aktuelle IT-Last (Current IT Load, hier: Server, Speicher und Netzwerk Equipment) sowie die maximal mögliche IT- Leistung (Maximum IT load capacity) des RZ vorgeschlagen. Die tatsächliche Auslastung der Gebäudeinfratsruktur (Facility Asset Utilization) ist nur bedingt messbar; die aktuelle IT-Last kann heute problemlos über das IT-Monitoring bestimmt werden. Es bleibt unklar, welche Anlagen und welche Leistungen im Rechenzentrum für die Gesamtkapazität erfasst werden sollen (Messbarkeit: 1/4). Die Bezeichnung der Kennzahl ist intuitiv, aber die Größe maximal mögliche IT-Leistung ist 20

26 weniger verständlich (Verständlichkeit: 2/4). Bewertung von Kennzahlen und Das Uptime Institute trifft die Annahme, dass eine höhere Auslastung zu einem effizienteren Betrieb des Rechenzentrums führt. Dieser Zusammenhang zur Energieeffizienz besteht aber nicht immer (Zielbezug: 3/4). Da die einzelnen Bereiche der Gebäudeinfrastruktur nicht weiter definiert werden, ist die Facility Asset Utilization nicht geeignet um Energieeffizienzmaßnahmen für den RZ-Betrieb abzuleiten (Maßnahmenfähigkeit: 0/4). Die Messungen der aktuellen IT-Last können gut mit historischen Werten des eigenen RZ verglichen werden. Außerdem ist die Berücksichtigung der Leistungssteigerung der IT möglich. Allerdings werden keine einheitlichen Erfassungsmethoden und -zeiträume für die Kennzahl vorgeschlagen und die maximal mögliche IT-Leistung des RZ ist nur bedingt vergleichbar (Vergleichbarkeit: 2/4). Energieeffizienz der IT (IT Energy Efficiency, IT-EE). Die Energieeffizienz der IT beschreibt, wie effizient das IT-Equipment die elektrische Energie in nützliche Rechenarbeit (Useful IT Work) umsetzt. Als Kenngröße schlägt das Uptime Institute die Relation von nützlicher Rechenarbeit (Useful IT Work) und elektrische Leistungsaufnahme der IT (IT Watts) vor. Das Uptime Institute gibt bisher keine Definition der nützlichen Rechenarbeit an. Für die Berechnung der IT-EE soll nach Aussage des Uptime Institutes vorerst eine pauschale Abschätzung für die Energieeffizienz der IT mit 5% angenommen werden (Messbarkeit: 0/4). Aus diesem Grund ist die Kennzahl auch nicht verständlich (Verständlichkeit: 0/4). Ein eindeutiger Zielbezug kann daher (noch) nicht hergestellt werden. Inhaltlich besteht aber ein direkter Zusammenhang zum übergeordneten Ziel Energieeffizienz RZ (Zielbezug: 2/4). Der Kennwert könnte eine gute Maßnahmenfähigkeit, z.b. für die Konfiguration von Servern im RZ-Betrieb, besitzen. Der Zusammenhang zur tatsächlichen Energieeffizienz der IT-Komponenten wurde aber bisher nicht dargestellt (Maßnahmenfähigkeit: 1/4). Da eine genaue Definition fehlt, ist die Kennzahl nicht vergleichbar (Vergleichbarkeit: 0/4). Auslastung der IT-Komponenten (IT Asset Utilization, IT-U). Die Auslastung der IT-Komponenten beschreibt, welcher Anteil der installierten IT-Leistung tatsächlich im aktuellen Betrieb des RZ ge- 21

27 nutzt wird. Als Messgröße soll hier die durchschnittliche CPU-Auslastung der Volume Server dienen. Die IT Asset Utilization ist heute gut messbar, zumindest für die Server kann dieser Wert, z. B. über die durchschnittliche CPU-Auslastung, erfasst werden (Messbarkeit: 3/4). Die Kennzahl ist intuitiv und die Zielrichtung ist eindeutig, aber der Zusammenhang zwischen CPU-Auslastung und anderen Server- oder IT-Komponenten wird nicht dargestellt. (Verständlichkeit: 3/4). Wie bei der Facility Asset Utilization wird auch hier die Annahme getroffen, dass eine höhere Auslastung zu einem effizienteren Betrieb der IT-Hardware führt. Mit den aktuellen Fortschritten zur Energieproportionalität der Server wird dieser Zusammenhang allerdings schwächer. Für die Bereiche Speicher und Netzwerk ist die CPU-Auslastung keine geeignete Bezugsgröße (Zielbezug: 2/4). Teilweise können aus dem Kennwert auch Maßnahmen wie z.b. Serverkonsolidierung abgeleitet werden. Allerdings ist die CPU-Auslastung häufig auch stark abhängig von externen Faktoren wie Nutzerverhalten bzw. Tageszeiten (Maßnahmenfähigkeit: 1/4). Die Daten der CPU-Auslastungen können kontinuierlich ohne größere Eingriffe in den RZ-Betrieb erfasst werden; einheitliche Messmethoden und Vergleichskategorien werden allerdings nicht beschrieben (Vergleichbarkeit: 1/4) Zusammenfassung der Bewertung der Einzelkennzahlen (CADE) Die Übersicht zur Bewertung der Einzelkennzahlen des CADE-Ansatzes ist in Tabelle 6 dargestellt. 22

28 Kennzahl CADE F-EE (=DCiE1) F-U IT-EE IT-U Bewertung von Kennzahlen und Tabelle 6: Übersicht der Bewertung der Einzelkennzahlen des CADE-Ansatzes Bezeichnung Corporate Average Data Center Efficiency Facility Energy Efficiency Facility Utilization IT Energy Efficiency IT Utilization Bewertung der kennzahlenbezogenen Kriterien* * 1: Messbarkeit 2: Verständlichkeit 3: Zielbezug 4: Maßnahmenfähigkeit 5: Vergleichbarkeit 4.3 Lawrence Berkeley National Laboratory (LBNL) Self-Benchmarking Guide Das LBNL ist ein Forschungsinsitut des U.S. Department of Energy, von dem es im Wesentlichen finanziert wird. Es ist der University of California angegliedert (LBNL, 2012b). Das Institut beschäftigt sich mit einer Reihe von Fragestellungen aus den Natur- und Ingenieurwissenschaften. Hierzu zählt sowohl Grundlagen- als auch angewandte Forschung (LBNL, 2012a). Der Self-Benchmarking Guide soll RZ-Betreibern dazu dienen, die Energieeffizienz Ihrer RZ anhand eines Kennzahlensystems im Vergleich zu anderen RZ zu bestimmen. Es wird explizit darauf hingewiesen, dass der Guide nicht die IT Effizienz bewertet bzw. vergleicht, sondern nur die Gebäudeinfrastruktur (LBNL, 2012b). Zur Durchführung des Benchmarks werden insgesamt 12 Kennzahlen aus den folgenden 4 Kategorien zur Verfügung gestellt: Overall Infrastructure Efficiency (Gesamteffizienz der Infrastruktur) Environmental Conditions & Air Management (Luftkonditionierung) Cooling (Kühlung) Electrical Power Chain (Stromversorgung bzw. Stromverteilung) Zu den entsprechenden Kennzahlen werden jeweils die benötigten Daten, die Formeln und Hinweise zur Datenerhebung gegeben. Wichtig ist, dass der Nutzer selbst festlegt, welche Bereiche 23

29 ihm wichtig sind. Daraus soll der Nutzer die vorhandenen Metriken priorisieren und mit der Erhebung der entsprechenden Daten beginnen. Nachdem die Datenerhebung abgeschlossen ist, soll die Berechnung der Kennzahlen durchgeführt werden. Die ermittelten Werte können mit den Werten in der Datenbank des LBNL (Webseite) gebenchmarkt werden. Anschließend kann aus den Ergebnissen des Benchmarks ein Handlungsplan abgeleitet werden. Die Veröffentlichung der eigenen Werte auf der Seite ist möglich und erwünscht (LBNL, 2012b). 24

30 4.3.1 Kennzahlen des LBNL Bewertung von Kennzahlen und Die Kennzahlen des LBNL Self-Benchmarking Guide sind in Tabelle 7 dargestellt. Tabelle 7: Übersicht über die Kennzahlen des LBNL Self-Benchmarking Guide Kennzahl Bezeichnung Formel Einheit A1(PUE2) B1 B2 B3 C1 C2 C3 & C4 Power Usage Effectiveness Supply Temperature Relative Humidity Range at IT Inlet RTI (Return Temperature Index) Cooling System Efficiency Cooling System Sizing Factor C3: Air economizer utization Factor (full cooling) Jährlicher Strombedarf des RZ [kwh] / Jährlicher Strombedarf der IT am PDU-Ausgang [kwh] [-] Zulufttemperatur (bei mehreren ULK bzw. Serverräumen gewichtet nach Volumenströmen) [ F] [ F] Bereich der relativen Luftfeuchte: niedrigste gem. Luftfeuchte am Eingang der IKT (Racks) - höchste gem. Luftfeuchte [%] [%] (Zulufttemp. - Ablufttemp. (Durchschnitt über alle ULK) [ F / C]/ durchschnittl. Rack-Ausgangstemp. - durchschnittl. Rackeingangstemp. (Durchschnitt von Messungen an allen Racks) [ F / C]) x 100% [%] Durchschnittl. Strombedarf des Kühlsystems [kw] / durchschnittl. Kühllast im RZ [t] ACHTUNG: Beide Eingangsdaten nur in dem Zeitraum, in welchem die Kälteanlage in Betrieb ist! [kw / t] Installierte Kapazität der Kälteanlage [t (kw th )] / Spitzenlast der Kälteanlage während eines Jahres [t (kw th )] [-] C3: (Jährl. Stunden mit vollständiger freier Kühlung [h] / 8760 [h]) x 100% C4: Air economizer utization C4: (Jährl. Stunden mit partieller Freier Kühlung (reduzierte Factor (partial cooling) Last für Kälteanlage) [h] / 8760 [h]) x 100% [%] C5: Water Economizer Utilization Factor (full cooling) C5: (Jährl. Stunden mit Befeuchtung der Rückkühler (ohne Betrieb der Kälteanlage) [h] / 8760 [h]) x 100% C5 & C6 C7 E1 E2 E3 C6: Water Economizer Utilization Factor (partial cooling) Airflow Efficiency UPS Load Factor UPS System Efficiency Lighting Density C6: (Jährl. Stunden mit Befeuchtung der Rückkühler (mit partiellem Betrieb der Kälteanlage) [h] / 8760 [h]) x 100% [%] Gesamtleistung der Ventilatoren des Kühlsystems (z.b. im ULK) [kw] / Luftvolumenstrom der Ventilatoren [cfm] ACHTUNG: LBNL erlaubt hier auch Auslegungsdaten, falls [kw / keine Messwerte verfügbar sind. cfm] Durchschnittl. jährliche USV-Auslastung [kw] / Nennlast der USV [kw] [-] Eingangsleistung der USV [kwh] / Ausgangsleistung der USV [kwh] Messdauer: 1 Jahr oder repräsentative Periode. [-] Leistungsaufnahme der RZ-Beleuchtung [kw] / Fläche des RZ [ft 2 ] [kw / ft 2 ] 25