Edge-RZ Flex-Explorer

Rechenzentren gehören zu den am schnellsten wachsenden Infrastrukturen der Digitalisierung – die installierte Kapazität in Deutschland soll bis 2030 um rund 70 % steigen. Gleichzeitig sind Netzanschlusskapazitäten im Verteilnetz knapp: Werden Rechenzentren wie bisher als starre Grundlast behandelt, verschärft das die Konkurrenz um Anschlüsse – gerade in Niedersachsen mit hoher schwankender EE-Einspeisung und einer kleinteiligen, dezentralen Rechenzentrumslandschaft.

Die Machbarkeitsstudie dreht die Perspektive um: Edge-Rechenzentren (1–5 MW), angeschlossen an der Mittelspannungsebene ebendieses Verteilnetzes, werden als potenziell systemdienliche, flexible Infrastruktur betrachtet. Anders als Hyperscaler stehen sie meist unter einheitlicher Kontrolle und lassen sich ganzheitlich über IT-, Strom- und Wärmesystem optimieren. Untersucht werden fünf Flexibilitätsdimensionen: zeitliche Lastverschiebung, Batteriespeicher, lokale Erneuerbare, Abwärmenutzung und der Verbundbetrieb mehrerer Standorte.

Der netzseitige Rahmen sind Flexible Connection Agreements (FCA): Statt einer fest abgesicherten Anschlusskapazität vereinbart der Betreiber ein zeitweise abregelbares Leistungsband – und erhält im Gegenzug einen günstigeren, schnelleren Netzzugang. Die Ergebnisse der Studie sollen als Grundlage für Pilotprojekte mit realen Standorten, Netzdaten und Praxispartnern dienen.

Kurz: Die Reduktion senkt die Spitze von selbst, das Band hält darüber hinaus Leistung für den Netzbetreiber bereit.

Grundlage ist ein generisches Modell eines Edge-Rechenzentrums (beispielhaft 4,5 MW IT-Last, 10 MW Netzanschluss), umgesetzt als Co-Simulation im Open-Source-Framework mosaik: Jede Komponente – IT-Hardware, Job-Queue, Batterie, PV, Wind, Kühl-/Wärmesystem, Gebäude, Energiemarkt, Wetter – ist ein eigener Simulator; ein zentraler Controller koordiniert sie per rollierender Optimierung.

• IT-Last: synthetische Jobs, kalibriert am Alibaba Cluster Trace (Dauer, CPU-, RAM-Bedarf); ein Teil ist verzögerungstolerant und damit zeitlich verschiebbar.
• Optimierung: zwei Zielfunktionen – minimale Stromkosten (reale Day-Ahead-Spotpreise) oder minimale Spitzenlast; im Verbund zusätzlich Job-Routing zwischen den Standorten.
• Batterie (offline optimiert): Der Lade-/Entlade-Fahrplan der Batterie wird nachgelagert durch ein lineares Programm mit perfekter Tages-Vorausschau bestimmt (ziel­abhängig kosten- oder spitzenoptimal). Die Batterie-Effekte sind daher ein oberes Potenzial (Benchmark), nicht das Ergebnis der Online-Regelung.
• Wärme: drei Kühl-Konfigurationen – klassische Rückkühlung, kaltes/Anergie-Netz (5–9 °C, ohne Wärmepumpe) und warmes Netz (35–55 °C, mit Wärmepumpe + Pufferspeicher).
• Wetter & Preise: reale historische Daten (open-meteo, EPEX-Spotpreise) für repräsentative Winter- und Sommertage.

Für dieses Tool wurde daraus eine Sensitivitätsanalyse gerechnet: alle Kombinationen aus Batterie- (4), PV- (4), Wind- (3) und Wärmenetz-Stufen (3) sowie drei Anteilen verschiebbarer Jobs – je Optimierungsziel und Jahreszeit. Alle Prozentwerte beziehen sich auf den starren Referenzbetrieb derselben Jahreszeit (keine Flexibilität = 0 %).

Bedienung: Klicke im Diagramm auf eine Komponente, um ihre Größe durchzuschalten; wähle oben Optimierungsziel und Jahreszeit. Der Verbund-Modus zeigt zwei gemeinsam optimierte Standorte – Klick auf einen Standort setzt den Hauptstandort, Klick auf die Verbindung den Anteil räumlich flexibler Jobs. Die Ansicht lässt sich zwischen ⚡ Leistung (Lastgang) und € Kosten (Stundenkosten) umschalten; alle i-Symbole erklären die Kennzahlen.

Keine Simulation zur Laufzeit: Das Tool lädt ausschließlich vorberechnete Ergebnisse aus der Simulationsstudie. Jede Kombination von Komponenten, Ziel und Jahreszeit entspricht einem eigenen Simulationslauf.

Grenzen: Die Werte sind indikative Potenziale, keine garantierten Zusagen – sie gelten für die modellierte Konfiguration (4,5 MW IT, Standort Oldenburg bzw. Verbund OL+München, repräsentative Einzeltage) und die getroffenen Annahmen zu Job-Mix und Auslastung. Für konkrete Standorte sind Analysen mit realen Last-, Netz- und Wärmedaten erforderlich – genau dafür ist ein Pilotprojekt der nächste Schritt.