Wichtige Fachbegriffe rund um datenbasiertes Energiemanagement

Adiabatische Kühlung ist eine Kühlmethode, bei der die Lufttemperatur reduziert wird, indem Wasser in einem Luftstrom verdampft wird, wodurch die Trockenkugeltemperatur der Luft bei minimalem externen Wärmeaustausch auf ihre Feuchtkugeltemperatur gesenkt wird.

Adiabatische Kühlung ist eine Kühlmethode, die die Prinzipien der Heizungskühlung nutzt. Bei dieser Technologie wird Wasser zur Aufnahme der Luft verwendet, wodurch die Temperatur gesenkt wird, ohne dass eine mechanische Kühlung erforderlich ist.

Carbon Usage Effectiveness (CUE) ist ein Kennwert, mit dem sich der klimatische Fußabdruck von Rechenzentrumsbetrieb bewerten lässt. Er verknüpft den Energieverbrauch mit der CO₂‑Intensität der eingesetzten Energie und ergänzt damit klassische Effizienzmetriken um eine klare Nachhaltigkeitsperspektive.  CUE ermöglicht es Betreibern und ESG-Verantwortlichen operative Entscheidungen in CO2-Ergebnisse zu übersetzen, insbesondere rund um Kühlung und Energiebezug von Rechenzentren.

Demand Response bezeichnet die kurzfristige Anpassung des Stromverbrauchs als Reaktion auf Preissignale, Netzbedingungen oder Systemanforderungen. Dabei wird die Energienachfrage an das verfügbare Angebot angepasst, anstatt ausschließlich zusätzliche Erzeugungskapazitäten aufzubauen.

Demand Side Management (DSM) umfasst Maßnahmen und Strategien zur Beeinflussung und Optimierung des Energieverbrauchs auf der Verbraucherseite, beispielsweise durch Reduzierung, Verschiebung oder bessere Planung des Stromverbrauchs, um Effizienz zu steigern, Kosten zu senken und die Netzstabilität zu unterstützen.

Energieeffizienz beschreibt das Verhältnis oder eine andere quantitative Beziehung zwischen einer erzielten Leistung oder einem Ertrag von Dienstleistungen, Gütern oder Energie und der verbrauchten Energie.

DIN EN ISO 50.001

Der Energy Reuse Factor misst den Anteil der extern wiederverwendeten Abwärme im Verhältnis zum Gesamtenergieverbrauch eines Rechenzentrums. Die dimensionslose Metrik reicht von 0 bis 1 und konzentriert sich auf die Wiederverwendung von externer Wärme mit umfassenderen Auswirkungen auf das Klima und die städtischen Energiesysteme.

Ein industrielles Energiesystem umfasst die technischen Komponenten, die digitale Infrastruktur und die Betriebslogik, die erforderlich sind, um einen Standort sicher, zuverlässig und effizient mit Energie zu versorgen. Dazu gehören die elektrische Infrastruktur, Heiz- und Kühlsysteme, Druckluft, Speicheranlagen sowie die zugehörigen Mess-, Steuer- und Automatisierungstechnologien.

Der Industriestrompreis ist ein staatlich gestütztes Instrument, mit dem besonders stromintensive Unternehmen in Deutschland einen Teil ihres Strombezugs günstiger erhalten sollen als zum regulären Marktpreis. Ziel ist es, die Energiekosten für wichtige Industriebetriebe zu senken, ihre Wettbewerbsfähigkeit im internationalen Vergleich zu stärken und den Standort Deutschland zu sichern.

‍

Die Power Usage Effectiveness (PUE) ist eine Kennzahl, die zur Bewertung der Energieeffizienz von Rechenzentren verwendet wird. Sie misst, wie effizient ein Rechenzentrum Energie nutzt, insbesondere, wie viel Energie für Computerfunktionen im Vergleich zu unterstützenden Funktionen wie Kühlung, Beleuchtung und Stromverteilung verbraucht wird.

Wärmerückgewinnung beschreibt die Nutzung überschüssiger Wärmeenergie, die durch industrielle Prozesse und digitale Infrastrukturen — wie Rechenzentren — erzeugt wird. Anstatt diese physische Wärme ungenutzt an die Umgebung abzugeben, wird sie über technische Systeme aufgefangen und für andere Anwendungen genutzt. Ziel ist es, Energieverluste zu minimieren und die Gesamteffizienz zu maximieren.

Die Wassernutzungseffektivität (WUE) ist eine Kennzahl, mit der die Effizienz des Wasserverbrauchs in Rechenzentren und anderen Einrichtungen mit erheblichem Kühlbedarf bewertet wird. Dies ist ein wesentlicher Faktor für einen nachhaltigen Betrieb, insbesondere für Branchen, die sich darauf konzentrieren, ihre Umweltbelastung zu reduzieren.

Predictive Maintenance ist ein proaktiver Wartungsansatz, der auf künstlicher Intelligenz (KI) und Datenanalysen basiert. Ziel ist es, potenzielle Probleme frühzeitig zu erkennen, bevor sie zu Ausfällen führen. Dies wird erreicht, indem Echtzeit- und historische Sensordaten verwendet werden, um Muster zu identifizieren, die auf drohende Störungen hinweisen. Dies ist besonders in Rechenzentren wichtig, da Ausfälle von USV-Systemen, Kühlgeräten oder Netzwerken zu schwerwiegenden Ausfällen und Schäden führen können.

‍