DC-Strom für Rechenzentren: Warum Hardware-Hersteller im Blindflug sind – und wie eine digitale Plattform das ändert

Gleichstrom hält Einzug ins Rechenzentrum — und stellt die Hardware-Lieferkette neu auf

DC-Stromversorgung für Rechenzentren bedeutet, Elektrizität innerhalb der Anlage als Gleichstrom zu verteilen — zunehmend mit 800 Volt (800 VDC) —, statt Wechselstrom an jedem Rack hin- und zurückzuwandeln. Erzwungen wird der Umstieg durch KI: Compute-Racks sprengen die physikalischen Grenzen der heutigen 54-Volt-Verteilung, und die Branche (angeführt von NVIDIAs 800-VDC-Referenzarchitektur und einem Ökosystem aus über 30 Unternehmen) baut die gesamte Stromversorgungskette, vom Netzanschluss bis zur GPU, rund um Hochvolt-Gleichstrom neu auf.

Dieser Umbau ist eine Neuverteilung der Karten, wie es sie nur einmal pro Generation gibt — für alle, die die Hardware in dieser Kette fertigen: Schaltanlagen, Gleichrichter, Stromschienen, Leistungsschalter, Kühlung, Power Shelves. Und hier kommt der unbequeme Teil: Die meisten Industrieunternehmen, die diese Geräte herstellen, haben keinerlei direkten Einblick, was die tatsächlichen Käufer (Hyperscaler und Rechenzentrumsbetreiber) in achtzehn Monaten brauchen werden. Dieser Artikel zeigt, was sich gerade ändert, warum das traditionelle Modell „erst bauen, dann in den Markt drücken“ Hardware-Hersteller genau jetzt im Stich lässt — und warum die Gewinner ihre Hardware mit digitalen Plattformen koppeln, Simulations- und Beschaffungsebenen, die ihnen sagen, was sie bauen sollen, bevor die Konkurrenz es herausfindet.

Warum sich die Stromarchitektur genau jetzt ändert

Drei Kräfte wirken gleichzeitig auf die Stromversorgungskette der Rechenzentren ein:

• KI-Rack-Dichte. Ein KI-Trainingsrack zieht heute schon so viel Strom wie früher ein kleines Bürogebäude. Bei 54 V würde die Versorgung eines 1-MW-Racks bis zu 200 kg Kupfer-Stromschiene pro Rack erfordern — im Maßstab eines Gigawatt-Campus sind das Hunderte Tonnen Kupfer, nur um Elektronen die letzten Meter zu bewegen. Die Anhebung der Verteilspannung auf 800 VDC senkt die Stromstärke, den Kupferbedarf und die Zahl der Wandlungsschritte.
• Wandlungsverluste. Eine traditionelle Anlage wandelt den Strom zwischen Netz und Chip mehrfach um, und jede Wandlung vergeudet Energie als Wärme — Wärme, für deren Abfuhr Sie anschließend noch einmal zahlen. Die direkte Wandlung von Mittelspannungs-Wechselstrom am Gebäuderand auf 800 VDC eliminiert mehrere AC/DC- und DC/DC-Stufen; NVIDIA verspricht bis zu 5 % mehr End-to-End-Effizienz und bis zu 70 % niedrigere Wartungskosten durch weniger Netzteilausfälle.
• Druck auf das Stromnetz. Da Rechenzentren bis 2030 auf rund 3 % des globalen Stromverbrauchs zusteuern (IEA), stehen Betreiber unter regulatorischem und wirtschaftlichem Druck, jeden Effizienzpunkt herauszuholen — und die DC-Verteilung harmoniert zudem deutlich besser mit Batterien, Brennstoffzellen und Photovoltaik, die nativ Gleichstrom liefern.

Wenn sich die Referenzarchitektur des weltweit dominierenden Anbieters von KI-Rechenleistung ändert, ändern sich die Datenblätter jedes Schalters, jedes Leistungsschalters, jeder Stromschiene, jedes Gleichrichters und jedes Kühlkreislaufs in der Lieferkette gleich mit. Das ist kein inkrementelles Produktupdate. Es ist eine Requalifizierung des gesamten Katalogs.

Das Blindflug-Problem: Warum „bauen und in den Markt drücken“ hier scheitert

Es gibt ein Gespräch, das wir immer wieder führen. Auf der anderen Seite des Tisches: ein 150 Jahre alter europäischer Industriekonzern — die Art von Unternehmen, deren Schaltanlagen in jedem Elektroraum des Kontinents stehen, mit Weltklasse-Engineering und einem über Generationen aufgebauten Katalog. Und die Frage ist immer eine Variante derselben: Wie verändert der DC-Umbruch, was Rechenzentren von uns brauchen — und was sollten wir dafür bauen? Was uns jedes Mal auffällt, ist nicht die Frage. Es ist, dass ein Unternehmen mit dieser Engineering-Tiefe keinen verlässlichen Weg mehr hat, sie zu beantworten.

Sein über ein Jahrhundert verfeinertes Betriebsmodell lautet: exzellente Hardware entwickeln, sie in mehrjährigen Zyklen aktualisieren, sie über Distributoren und Vertriebsteams in den Markt drücken. Dieses Modell setzt voraus, dass sich die Anforderungen des Marktes langsamer bewegen als der eigene F&E-Zyklus. In der Stromversorgungskette der Rechenzentren von 2026 ist diese Annahme tot:

• Der Käufer hat sich verändert. Die Nachfrage konzentriert sich auf eine Handvoll Hyperscaler — Google, Meta, Microsoft, Amazon — und die großen Colocation-Betreiber, die für sie bauen. Diese Käufer veröffentlichen eigene Rack- und Stromspezifikationen, entwickeln gemeinsam mit den Chip-Herstellern und erwarten Lieferanten, die Referenzarchitekturen folgen, die jährlich überarbeitet werden — nicht alle fünf Jahre.
• Die Feedbackschleife ist gerissen. Messen, Distributorenberichte und jährliche Key-Account-Reviews sagen Ihnen, was der Markt letztes Jahr brauchte. Bis dieses Signal die Produkt-Roadmap erreicht, hat der Hyperscaler die nächste Generation längst mit jemand Schnellerem gemeinsam entwickelt.
• Der Katalog ist die falsche Schnittstelle. Wer ein Rechenzentrum plant, will nicht 400 Schaltanlagen-Artikelnummern durchblättern. Er will eine einzige Frage beantworten: „Was genau brauche ich für diese Anlage, bei diesem Leistungsrahmen, mit dieser Kühlstrategie — und was wird es kosten?“ Ein PDF-Katalog kann das nicht beantworten. Software schon.

Das Ergebnis: Einige der besten Hardware-Engineering-Unternehmen der Welt fliegen, kommerziell gesehen, blind. Was der Markt 2027 brauchte, erfahren sie erst, wenn die Aufträge für 2027 ausbleiben.

Der Plattform-Zug: Nachfrageerkennung zum Produkt machen

Die strategische Antwort lautet nicht, besser zu raten. Sie lautet, das Modell umzudrehen: eine digitale Ebene zwischen die eigene Hardware und den Markt zu legen, die Nachfrage-Intelligence als Nebeneffekt echten Nutzens erzeugt. Zwei Plattformformen passen besonders gut zur Stromversorgungskette der Rechenzentren.

1. Die Simulationsplattform: ein virtueller Rechenzentrums-Konfigurator

Stellen Sie sich ein Tool vor, in dem ein Betreiber oder ein Ingenieurbüro ein virtuelles Rechenzentrum zusammenstellt: einen Leistungsrahmen wählt, eine Verteilarchitektur (klassisch AC vs. 800 VDC), eine Kühlstrategie, ein Redundanzniveau — und die Plattform simuliert die resultierende Effizienz, Kupfermasse, Flächenbedarf, Capex und Opex und erzeugt anschließend die Geräteliste. Für den Nutzer verdichtet sie Wochen frühen Engineerings auf Stunden. Für den Hardware-Hersteller, der die Plattform betreibt, ist jede Simulation ein strukturiertes, zeitgestempeltes Signal dafür, was der Markt zu bauen versucht: welche Spannungen, welche Leistungsklassen, welche Kühlansätze, welche Regionen — ein Nachfrage-Radar, das das Messemodell niemals liefern kann.

2. Die Beschaffungsplattform: eine Schnittstelle für den gesamten Strom- und Kühl-Stack

Die zweite Form ist eine Beschaffungsebene für Schaltanlagen-, Strom- und Kühltechnik: konfigurierbare Produkte, transparente Lieferzeiten, in Software codierte Kompatibilitätsregeln („dieser Gleichrichter erfordert diese Stromschienenklasse“), Angebote in Stunden statt Wochen. Sie muss nicht nur den eigenen Katalog führen — die mutigste Version umfasst auch komplementäre Komponenten Dritter, denn die Schnittstelle zu besitzen, an der Kaufentscheidungen fallen, ist mehr wert, als eine einzelne Artikelnummer zu verteidigen. Jede Suche, jede Konfiguration und jedes abgebrochene Angebot wird zu Input für die Roadmap.

Das ist kein reines Spiel der Giganten

Es ist verlockend, das als Geschichte von Konzernen und Hyperscalern zu lesen. Ist es aber nicht. Dieselben Mechanismen gelten eine und zwei Stufen tiefer in der Lieferkette — dort, wo der Großteil der europäischen Fertigung tatsächlich zu Hause ist:

• Ein mittelständischer Hersteller von Stromschienen, Gehäusen oder Kühlkomponenten steht vor derselben 800-VDC-Requalifizierungswelle — mit weniger Spielraum für Fehler.
• Ein Konfigurator, der die Frage „Was brauche ich für X?“ beantwortet, ist für einen Mittelständler stärker differenzierend als für einen Konzern, weil keiner seiner Wettbewerber einen hat.
• Der Gewinn auf der Datenseite — zu sehen, wie sich Nachfrage in Echtzeit formt — wirkt unabhängig von der Unternehmensgröße kumulativ.

Die Blockade ist selten der Ehrgeiz. Es ist vielmehr so, dass Industrieunternehmen die Kosten der ersten Version einer solchen Plattform systematisch überschätzen. Eine Plattform zur Nachfrageerkennung startet nicht als fünfjähriges IT-Programm. Sie startet als fokussiertes Produkt: eine Buyer Persona, ein schmerzhafter Workflow (Frühphasen-Dimensionierung oder Angebotserstellung), ein vertikaler Durchstich, in Wochen gebaut und validiert. Genau diese Lücke soll ein AI Opportunity Sprint schließen: die Plattform-Chance mit dem größten Hebel eingrenzen, prototypisieren und echten Käufern vorlegen, bevor größere Budgets gebunden werden. Und wenn die unmittelbare Priorität interne Effizienz statt einer neuen Marktschnittstelle ist, gilt dieselbe Disziplin in Form eines AI Efficiency Audit.

Die zugrunde liegende Fähigkeit — Software, die Ihr Engineering-Wissen codiert und aus der Nutzung lernt — ist zugleich das Fundament für den nächsten Schritt, den die meisten Industrieunternehmen irgendwann gehen: den Einsatz von KI-Agenten in den Geschäftsprozessen, von der Angebotskalkulation bis zum technischen Support.

Der Einstieg: Eingrenzen, Prototypisieren, Validieren

1. Wählen Sie die Käuferfrage, nicht das Produkt. Schreiben Sie die eine Frage auf, für deren Beantwortung Ihre Kunden Ingenieure wochenlang bezahlen („Was braucht meine 20-MW-Anlage, wenn ich auf DC umstelle?“). Diese Frage ist das Produkt.
2. Codieren Sie das Wissen, das Sie bereits haben. Ihre Dimensionierungsregeln, Kompatibilitätsvorgaben und Ihre Preislogik existieren bereits — in Tabellenkalkulationen und in den Köpfen erfahrener Ingenieure. Die erste Version der Plattform ist vor allem dieses Wissen, interaktiv gemacht.
3. Liefern Sie einen vertikalen Durchstich an 5 echte Käufer. Ein Konfigurationsflow, durchgängig, vor fünf echten Rechenzentrumsplanern oder Einkaufsverantwortlichen. Ihr Verhalten — nicht ihre Meinungen — sagt Ihnen, ob sich die Plattform ihren Platz verdient.
4. Instrumentieren Sie alles vom ersten Tag an. Der Wert der Nachfrageerkennung materialisiert sich nur, wenn jede Simulation und jede Konfiguration als strukturierte Daten erfasst wird und in die Produkt-Roadmap fließt.
5. Erst dann skalieren. Integrationen, Kataloge, Multi-Tenant-Zugang, KI-gestützte Konfiguration — all das kommt, nachdem der Kreislauf (Käufer nutzt das Tool → Sie lernen → die Roadmap wird besser) bewiesen ist.

Häufig gestellte Fragen

Was ist DC-Stromverteilung in Rechenzentren?

Sie bedeutet, Elektrizität innerhalb der Anlage als Gleichstrom zu verteilen — im entstehenden Standard mit 800 Volt — und den Strom nur einmal am Gebäuderand aus dem AC-Netz zu wandeln statt an jedem Rack. Weniger Wandlungsschritte bedeuten höhere Effizienz (NVIDIA nennt bis zu 5 % End-to-End), drastisch weniger Kupfer und eine einfachere Integration nativ gleichstrombasierter Quellen wie Batterien und Photovoltaik.

Warum ist der DC-Umbruch für Hardware-Hersteller wichtig?

Weil er die Spezifikation fast jeder Komponente zwischen Netz und Chip neu öffnet — Schaltanlagen, Gleichrichter, Stromschienen, Leistungsschalter, Power Shelves, Kühlung. Für die AC-Welt gebaute Produktkataloge müssen requalifiziert werden, und die Käufer, die die neuen Spezifikationen setzen, sind eine konzentrierte Gruppe von Hyperscalern mit Jahreszyklen. Wer diese Nachfrage am frühesten liest, gewinnt das Design-in.

Was ist eine Plattform zur Nachfrageerkennung?

Ein Softwareprodukt — typischerweise ein Simulations- bzw. Konfigurationstool oder eine Beschaffungsebene —, das ein echtes Workflow-Problem Ihrer Käufer löst und Ihnen als Nebeneffekt in strukturierten Daten zeigt, was der Markt zu bauen versucht. Es ersetzt Messe-Anekdoten durch ein kontinuierliches Nachfragesignal, das in die Hardware-Roadmap fließt.

Was kostet es, eine solche Plattform zu validieren?

Weit weniger, als die meisten Industrieunternehmen annehmen. Ein vertikaler Durchstich — eine Buyer Persona, ein Workflow, echte Daten — lässt sich in Wochen eingrenzen, prototypisieren und mit echten Käufern testen. Genau das ist das Modell des Supalabs AI Opportunity Sprint: die Chance validieren, bevor größere Budgets gebunden werden.