KI-Rechenzentren eröffnen dem Maschinenbau neue Geschäftsfelder. McKinsey-Partner Johan Rauer erklärt, wo Chancen bei Kühlung, Energie, Automatisierung und eigener KI-Nutzung liegen.
Rechenzentren wie dieses von Microsoft niederländischen Middenmeer, können eine Chance für den Maschinenbau darstellen. McKinsey-Experte Johan Rauer erklärt, warum.MSG919 - stock.adobe.com
Anzeige
Summary: McKinsey-Partner Johan Rauer sieht für den Maschinenbau Chancen sowohl beim Aufbau von KI-Rechenzentren als auch bei deren industrieller Nutzung. Besonders relevant sind Kühlung, Energieversorgung, Automatisierung und modulare Systeme. Langfristig könnte KI zugleich die Produktivität im Maschinenbau deutlich steigern.
Herr Rauer, wenn wir über KI-Rechenzentren sprechen, denken viele zunächst an Hyperscaler, Energieversorger und Halbleiterhersteller. Wo genau sehen Sie im deutschen Maschinenbau-Mittelstand realistische Wertschöpfungschancen – eher im physischen Bau solcher Infrastrukturen, also etwa bei Kühlung, Stromverteilung, Gebäudetechnik, Automatisierung und Sicherheit, oder stärker in der industriellen Nutzung der bereitgestellten Rechenleistung?
Johan Rauer: "Bei KI-Rechenzentren kommen häufig zuerst GPUs und Hyperscaler in den Sinn. Tatsächlich entsteht aber ein erheblicher Teil der Wertschöpfung in der physischen Infrastruktur. Mit steigenden Leistungsdichten werden Energieversorgung, Kühlung, Schaltanlagen, Gebäudeautomation, Brandschutz und intelligente Betriebsführung zu strategischen Komponenten.
Live-Talk mit Johan Rauer zum Thema Rechenzentren
Welche Chancen bieten KI-Rechenzentren für den deutschen Maschinenbau? Welche Rolle spielen Kühlung, Energieversorgung, Automatisierung und modulare Infrastruktur? Und wann lohnen sich eigene oder gemeinsam betriebene Compute-Kapazitäten?
Im Live-Expertentalk am 18.10.26 spricht Johan Rauer, Partner bei McKinsey und Experte für Rechenzentren, mit PRODUKTION über die wirtschaftlichen und technologischen Potenziale von KI-Infrastruktur für den Maschinenbau. Im Fokus stehen neue Geschäftsfelder rund um Rechenzentren ebenso wie der Einsatz von KI-Rechenleistung in Entwicklung, Simulation, Fertigung und Service.
Gerade hier besitzt der deutsche Maschinenbau hervorragende Kompetenzen. Unternehmen, die heute Pumpen, Ventile, Wärmetauscher, Stromverteilung, Sensorik oder industrielle Automatisierung liefern, können sich als Schlüsselpartner der nächsten Generation von Rechenzentren positionieren.
Anzeige
Mindestens genauso spannend ist die zweite Ebene: KI wird den Maschinenbau selbst produktiver machen – von der Produktentwicklung über Simulationen bis hin zu Service und Fertigung. Langfristig dürfte dort sogar der größere wirtschaftliche Hebel liegen."
Der Maschinenbau bringt traditionell hohe Fertigungstiefe, Prozessverständnis und Engineering-Kompetenz mit – aber oft nicht die Entwicklungsgeschwindigkeit digitaler Plattformanbieter. Welche Rolle kann diese Kombination beim Aufbau von KI-Rechenzentren spielen, etwa bei modularisierten Rechenzentrums-Units, Liquid-Cooling-Systemen, Energieeffizienz, Predictive Maintenance oder standardisierten Industriekomponenten für den Data-Center-Betrieb?
Rauer: "Der entscheidende Erfolgsfaktor wird Industrialisierung sein. Rechenzentren werden künftig nicht mehr ausschließlich individuell geplant, sondern zunehmend modular gefertigt und standardisiert montiert. Das entspricht genau den Stärken des Maschinenbaus: Engineering, Serienfertigung, Qualität und Zuverlässigkeit.
Anzeige
Besonders großes Potenzial sehe ich bei Liquid Cooling, modularen Energieeinheiten, intelligenten Kühlsystemen sowie digital überwachten Anlagen. Wer heute Komponenten liefert, kann sich morgen zum Systemanbieter entwickeln.
McKinsey erwartet, dass zukünftige AI-Rechenzentren deutlich höhere Leistungsdichten erreichen werden. Dadurch werden neue Kühltechnologien und intelligente Energieinfrastruktur zu einem zentralen Wettbewerbsfaktor."
Viele mittelständische Maschinenbauer verfügen über hochsensible Entwicklungs-, Produktions- und Betriebsdaten – von CAD/CAE-Modellen über Maschinendaten bis hin zu digitalen Zwillingen. Ab welchem Punkt kann es strategisch sinnvoll sein, KI-Rechenkapazitäten nicht vollständig an Cloud-Provider auszulagern, sondern eigene, hybride oder gemeinschaftlich betriebene Infrastrukturen aufzubauen?
Anzeige
Rauer: "Nicht jedes Unternehmen braucht ein eigenes Rechenzentrum. Die meisten werden dauerhaft Cloud-Dienste nutzen. Interessant wird eine hybride Architektur dort, wo drei Faktoren zusammenkommen: erstens hochsensible Daten, zweitens kontinuierlich hohe Rechenlast und drittens Anforderungen an geringe Latenz oder regulatorische Souveränität.
Gerade bei digitalen Zwillingen, generativem Engineering oder großen Simulationsmodellen kann es wirtschaftlich sinnvoll sein, bestimmte Workloads lokal oder in einer privaten Infrastruktur zu betreiben und Standardanwendungen weiterhin aus der Cloud zu beziehen.
Die Frage lautet deshalb nicht, ob Cloud oder On-Premises den Vorzug bekommen, sondern welche Workloads an welchem Ort den größten wirtschaftlichen Nutzen erzeugen."
Anzeige
Wenn ein einzelnes KMU kaum die kritische Masse für ein eigenes KI-Rechenzentrum erreicht: Wie bewerten Sie Modelle, bei denen sich Maschinenbauer, Zulieferer, Automatisierer oder Branchenverbände zu gemeinsamen Rechenzentrums- oder Compute-Genossenschaften zusammenschließen – etwa mit gemeinsamem Betrieb, klarer Mandantentrennung, branchenspezifischen KI-Modellen und souveräner Datenhaltung?
Rauer: "Ich halte diesen Ansatz grundsätzlich für sehr interessant. Viele mittelständische Unternehmen verfügen einzeln nicht über die notwendige Größe für eine wirtschaftliche KI-Infrastruktur. Gemeinsam entstehen dagegen Skaleneffekte bei Investitionen, Betrieb, Energieversorgung und Fachpersonal.
Entscheidend sind klare Governance-Strukturen, Mandantentrennung, Cybersecurity und transparente Eigentumsmodelle. Wenn diese Voraussetzungen erfüllt sind, haben branchenspezifische KI-Plattformen das Potenzial, ein europäisches Differenzierungsmerkmal zu werden. Insbesondere im Maschinenbau gibt es viele gemeinsame Datenstrukturen, Standards und Anwendungsfälle, die sich für kooperative Modelle eignen."
Im Maschinenbau entstehen KI-Anwendungen häufig nicht im Marketing, sondern tief in der Wertschöpfung: simulationsgestützte Produktentwicklung, generatives Engineering, Variantenkonfiguration, autonome Fertigungsplanung, Qualitätsprüfung oder Service-Prognosen. Welche dieser Use Cases rechtfertigen aus Ihrer Sicht besonders hohe, lokal verfügbare Rechenleistung – und wo reicht eine klassische Cloud- oder Edge-Architektur völlig aus?
Rauer: "Den größten Compute-Bedarf sehe ich bei physikalischen Simulationen, digitalen Zwillingen, generativem Produktdesign und der Optimierung komplexer Produktionssysteme. Dort werden große Datenmengen verarbeitet und häufig proprietäre Modelle trainiert.
Demgegenüber lassen sich viele Anwendungen – beispielsweise Wissensmanagement, Office-Assistenten oder Standard-Chatbots – problemlos aus der Cloud beziehen. Deshalb sollte die Infrastruktur immer vom Geschäftsprozess ausgehen und nicht von der Technologie. Nicht jede KI-Anwendung benötigt ein eigenes GPU-Cluster."
Anzeige
KI-Rechenzentren sind energieintensiv, zugleich verfügt der Maschinenbau über erhebliche Kompetenz in Effizienztechnologien, Wärmerückgewinnung, Pumpen, Kompressoren, Antrieben, Kühlsystemen und industrieller Automatisierung. Könnte der deutsche Mittelstand hier eine Art „Efficiency Stack“ für Rechenzentren entwickeln – also Lösungen, die international differenzieren, weil sie Energieverbrauch, Verfügbarkeit und Lebenszykluskosten messbar optimieren?
Rauer: "Steigende Energiekosten machen jede eingesparte Kilowattstunde wirtschaftlich wertvoll. Wärmerückgewinnung, intelligente Pumpen, Frequenzumrichter, digitale Gebäudeautomation, Predictive Maintenance und optimierte Kühlung könnten zusammen einen echten "Efficiency Stack" bilden.
Der Maschinenbau verfügt über jahrzehntelange Erfahrung genau in diesen Technologien. Wer künftig den Energieverbrauch eines AI-Rechenzentrums um wenige Prozent senkt, schafft enorme wirtschaftliche Werte – und genau dort entstehen attraktive Exportchancen."
Viele Maschinenbauer sind gewohnt, in Dekaden zu denken: robuste Anlagen, lange Produktlebenszyklen, hohe Zuverlässigkeit. KI-Infrastruktur folgt dagegen sehr kurzen Innovationszyklen bei Chips, Modellen und Software-Stacks. Wie kann ein Mittelständler Investitionssicherheit herstellen, wenn er in Rechenzentrumsnähe, eigene Compute-Kapazitäten oder branchenspezifische KI-Plattformen investiert, ohne in drei Jahren technologisch festzustecken?
Rauer: "Man kann nicht auf die eine "richtige" Chipgeneration wetten. Investitionssicherheit entsteht vielmehr durch modulare Architektur. Gebäude, Stromversorgung, Kühlung und Netzwerkinfrastruktur sollten so aufgesetzt werden, dass neue Servergenerationen integriert werden können, ohne das gesamte Rechenzentrum neu zu bauen.
Ebenso wichtig sind offene Softwareplattformen und standardisierte Schnittstellen. Die Halbwertszeit von Hardware wird weiter sinken. Deshalb müssen Unternehmen ihre Infrastruktur so planen, dass sie kontinuierlich modernisiert werden kann. Es kommt vor allem auf Flexibilität an, nicht auf die maximale Optimierung einer einzelnen Technologiegeneration."
• Welche Chancen bieten KI-Rechenzentren für den Maschinenbau? – Chancen entstehen insbesondere bei Kühlung, Energieversorgung, Stromverteilung, Sensorik, Gebäudeautomation und industrieller Automatisierung sowie bei der Nutzung von KI in Entwicklung und Produktion.
• Wann sind eigene KI-Rechenzentren für Maschinenbauer sinnvoll? – Eigene oder hybride Kapazitäten können bei sensiblen Daten, dauerhaft hoher Rechenlast sowie Anforderungen an geringe Latenz oder regulatorische Souveränität sinnvoll sein.
• Welche Anwendungen in KI-Rechenzentren benötigen besonders viel Rechenleistung? – Hohen Compute-Bedarf haben unter anderem physikalische Simulationen, digitale Zwillinge, generatives Produktdesign und die Optimierung komplexer Produktionssysteme.
• Wie können KI-Rechenzentren vom Efficiency Stack profitieren? – Wärmerückgewinnung, intelligente Pumpen, Frequenzumrichter, Gebäudeautomation, Predictive Maintenance und optimierte Kühlung können Energieverbrauch und Betrieb optimieren.
• Wie lässt sich bei KI-Rechenzentren Investitionssicherheit schaffen? – Rauer setzt auf modulare Architektur, offene Softwareplattformen und standardisierte Schnittstellen, damit neue Servergenerationen integriert und Infrastrukturen kontinuierlich modernisiert werden können.
