Gewinner des German Datacenter Talents & Impact Award
Der Förderpreis der deutschen Rechenzentrumsbranche würdigt Projekte, Initiativen und Forschungsarbeiten, die mit Innovationskraft, Verantwortung und Zukunftsgeist neue Maßstäbe für digitale Infrastrukturen setzen.
Die diesjährigen Preisträger zeigen, wie breit Innovation in der digitalen Infrastruktur gedacht werden muss: von der Stadtentwicklung und der ressourcenschonenden Nutzung von Machine Learning über die Energieversorgung bis in das einzelne Rack.
Überzeugt haben uns Arbeiten und Projekte, die wissenschaftliche Qualität und technologische Innovationskraft mit konkreter, messbarer Wirkung verbinden. Genau solche Lösungen braucht eine Branche, die zugleich wachsen und effizienter werden muss.
Dr. Alexandra Thorer & Prof. Dr. Peter Radgen | Juryvorsitzende & Mitglieder des Erweiterten GDA-Vorstands
Kategorie Young Talents
"Eine städtebauliche und energetische Betrachtung der Integration eines Rechenzentrums in eine kleinstädtische Struktur"
2026 | Lena Julianna Guddat
Mit dem Ausbau digitaler Infrastrukturen wächst auch der Bedarf an Rechenzentren. Gleichzeitig entsteht im Betrieb kontinuierlich Abwärme, deren Potenzial für die kommunale Wärmeversorgung bislang nur begrenzt genutzt wird.
Lena Julianna Guddat untersuchte in ihrer Masterarbeit an der Frankfurt University of Applied Sciences, wie ein Rechenzentrum so in eine kleinstädtische Struktur integriert werden kann, dass seine Abwärme zur Wärmeversorgung eines Quartiers beiträgt. Im Mittelpunkt steht dabei eine Umkehr der klassischen Planungslogik: Nicht das Rechenzentrum bildet den Ausgangspunkt, sondern der vorhandene beziehungsweise entwickelbare Wärmebedarf vor Ort.
Hierzu verbindet die Arbeit einen städtebaulichen Quartiersentwurf mit einem Energiekonzept und thermischen Simulationen eines Nahwärmenetzes. Auch angrenzende Bestandsgebäude werden einbezogen, um den Wärmebedarf zu erweitern und das Potenzial der Abwärmenutzung möglichst umfassend auszuschöpfen. Ergänzend wurde ein erster Ansatz zur räumlichen Dimensionierung eines geeigneten Rechenzentrums entwickelt.
Die Ergebnisse zeigen, dass eine bedarfsorientierte Planung neue Möglichkeiten für die räumliche und energetische Integration von Rechenzentren eröffnet. Werden Stadtentwicklung, Wärmeversorgung und Rechenzentrumsentwicklung bereits in frühen Planungsphasen gemeinsam betrachtet, können lokale Wärmepotenziale gezielter genutzt und digitale Infrastrukturen besser in ihr Umfeld eingebunden werden. Die Arbeit liefert damit einen praxisnahen Ansatz für eine stärker integrierte Planung von Rechenzentren und kommunaler Wärmeversorgung.
Kategorie Young Talents
„Effizienz statt nur Genauigkeit: Ein ökologischer Benchmark für Machine Learning auf Tabellendaten“
2026 | Eron Qorri
Machine Learning wird häufig danach bewertet, wie präzise ein Modell Vorhersagen trifft. Der dafür erforderliche Energieverbrauch und die damit verbundenen CO₂-Emissionen spielen bei der Bewertung dagegen bislang oft nur eine untergeordnete Rolle.
Eron Qorri untersuchte in seiner Bachelorarbeit an der Hochschule Karlsruhe, wie sich verbreitete Machine-Learning-Verfahren nicht nur hinsichtlich ihrer Leistungsfähigkeit, sondern auch ihrer ökologischen Effizienz bewerten lassen. Hierzu verglich er fünf gängige Verfahren auf Datensätzen mit 178 bis 11 Millionen Datenpunkten und betrachtete dabei sowohl die Optimierung und das Training als auch die spätere Nutzung der Modelle.
Die Ergebnisse zeigen, dass kein Verfahren unabhängig von der Datengröße durchgehend die höchste ökologische Effizienz aufweist. Auch besonders leistungsfähige Hardware ist nicht automatisch die effizienteste Wahl, sondern lohnt sich erst ab einer bestimmten Datenmenge. Einen erheblichen Einfluss hat zudem der Umfang der verwendeten Daten: In einem untersuchten Beispiel konnten die CO₂-Emissionen durch die Reduzierung von elf auf eine Million Datenpunkte um rund 97 Prozent gesenkt werden – bei einem Leistungsverlust von lediglich 2,9 Prozent.
Darüber hinaus beeinflussen auch die Anzahl der Vorhersagen und der Zeitpunkt der Berechnung die Gesamtbilanz. Die Arbeit zeigt damit, dass Modellwahl, Datenmenge und Nutzung gemeinsam betrachtet werden müssen, wenn Machine Learning energieeffizient eingesetzt werden soll. Sie erweitert die klassische Bewertung von Machine-Learning-Modellen um eine ökologische Perspektive und macht sichtbar, wie sich der Bedarf an Rechenleistung und damit auch an digitaler Infrastruktur gezielt reduzieren lässt.
Kategorie Innovation & Future Technologies
TERAWATTS DC-Wandler: Hocheffiziente Batteriepufferung für Rechenzentren mit Gleichstromkopplung
2026 | TERAWATTS
Mit steigenden Leistungsanforderungen in Rechenzentren gewinnen effiziente Energiesysteme und die Integration von Batteriespeichern zunehmend an Bedeutung. Insbesondere bei der Leistungswandlung entstehen dabei Verluste, die sich auf die Effizienz der gesamten Energieversorgung auswirken.
TERAWATTS entwickelte einen DC/DC-Wandler, der Batteriespeicher über sogenannte Partial Power Conversion (PPC) direkt an eine Gleichstromquelle koppelt. Anders als bei konventionellen Systemen wird dabei nicht die gesamte Leistung durch den Wandler geführt. Stattdessen verarbeitet der Konverter lediglich die Spannungsdifferenz zwischen Batterie und Gleichstromquelle, sodass typischerweise nur drei bis fünf Prozent der Gesamtleistung aktiv gewandelt werden.
Für den Einsatz in Rechenzentren wurde der TERAWATTS D2 mit einer Leistung von 250 kW und einem Spannungsbereich von 600 bis 1.500 Volt DC entwickelt. Nach Angaben des Unternehmens erreicht die Technologie auf Wandlerebene einen Wirkungsgrad von mehr als 99,9 Prozent. Durch die direkte Anbindung eines Batteriepuffers an die DC-Schiene soll sich zudem die Effizienz beim Laden und Entladen gegenüber konventionellen Lösungen um 2,5 bis 3,5 Prozent erhöhen.
Gleichzeitig reduziert die Architektur den Bedarf an Leistungselektronik, Bauraum und Material und verringert Umwandlungsverluste. Das Projekt zeigt damit, wie sich Batteriespeicher durch eine veränderte Leistungswandlung effizienter in die Energieversorgung von Rechenzentren integrieren lassen. Ein funktionsfähiger Prototyp liegt bereits vor, erste Pilotprojekte sind für 2026 vorgesehen.
Kategorie Sustainability & Green Data Center
From Measurement to Action: Autonomous Energy Optimisation at Rack Level in the Data Center
2026 | Ethernetics
Ein Teil des Energieverbrauchs von Rechenzentren entsteht unmittelbar innerhalb der Racks und lässt sich durch Maßnahmen auf Gebäude- oder Anlagenebene nur begrenzt beeinflussen. Genau hier setzt die intelligente Power Distribution Unit (PDU) von Ethernetics an.
Die Technologie erfasst die Stromverteilung im Rack und optimiert sie automatisiert im laufenden Betrieb. Dazu werden die Lasten zwischen den drei Phasen dynamisch ausgeglichen und kontinuierlich an Veränderungen der angeschlossenen Verbraucher angepasst. Ergänzend steuert das System redundante Server-Netzteile: Nicht benötigte Netzteile können abgeschaltet werden, während die erforderliche Redundanz erhalten bleibt.
Darüber hinaus analysiert die PDU die Lastprofile einzelner Anschlüsse und macht dauerhaft ungenutzte oder nur gering ausgelastete Server sichtbar. Nach Angaben von Ethernetics konnten damit in bestehenden Installationen Verbrauchsreduzierungen auf Rack-Ebene von bis zu 21 Prozent erreicht werden.
Die Lösung ist als Retrofit konzipiert und kann bestehende Rack-PDUs ersetzen, ohne dass Änderungen an Gebäude, Kühlung oder grundlegender elektrischer Infrastruktur erforderlich sind. Nach Unternehmensangaben wird die Technologie bereits an elf Standorten in fünf Ländern eingesetzt. Das Projekt zeigt damit, wie sich Energieeffizienz direkt auf Rack-Ebene steigern und kontinuierliche Verbrauchsmessung mit automatisierten Optimierungsmaßnahmen verbinden lässt.