Das Green IT Rechenzentrum

In den Jahren 2010 bis 2011 hat die Hochschule Reutlingen ein neues Rechenzentrum (RZ) gebaut. Da man bei diesem Vorhaben auf Nachhaltigkeit setzen wollte, hat man sich für ein Green IT Rechenzentrum entschieden, das den aktuellen Sicherheitsstandards entspricht. Das Video im Service Panel rechts beschreibt den Begriff Green IT am Beispiel des Rechenzentrums der Hochschule Reutlingen.

Bei der Umsetzung des Green IT-Konzeptes wurde eine Doppelstrategie verfolgt, das heißt man hat nicht nur bei der RZ-Infrastruktur wie zum Beispiel Klimatisierung und Stromversorgung auf energie-effiziente Komponenten gesetzt, sondern es wurde auch auf eine Optimierung des Stromverbrauches bei der IT-Infrastruktur geachtet. Folgende Grundkonzepte kamen zum Einsatz:

RZ-Infrastruktur

  • modulares N+1 Konzept sämtlicher Komponenten - das bedeutet dass alle Anlagen (wie z.B. USV) modular aufgebaut sind und nur so weit ausgebaut sind, dass sie den Energiebedarf abdecken können. Bei Bedarf sind die Anlagen im laufenden Betrieb mit zusätzlichen Modulen ausbaubar.
  • direkte Flüssigkeits-Kühlung nach dem Prinzip der Warmgangeinhausung
  • freie Kühlung
  • integriertes Energiemanagement

IT-Infrastruktur

  • Serverkonsolidierung, d.h. Ersatz von vielen kleinen Servern durch eine geringe Anzahl von leistungsfähigen Server
  • nahezu vollständige Virtualisierung der Anwendungsserver
  • Prüfung von Virtualisierungskonzepten im Bereich von PC-Übungsräumen

IT-Sicherheit

Sämtliche Anlagen des Rechenzentrums wie auch die Server der kritischen Anwendungen sind redundant ausgelegt, d.h., dass für alle Komponenten ein Zusatzmodul als Reserve vorgehalten wird, welches im Falle des Ausfalles einer Komponente den Betrieb unterbrechungsfrei sicher stellt.

Zusätzlich sind Einbruchmeldeanlagen und Brandschutzanlagen verfügbar, letztere gekoppelt mit einer automatischen Brandlöschanlage.

Energiemanagement

Der Energieverbrauch aller Anlagen wird permanent an die Gebäudeleittechnik übermittelt. Die so bereit gestellten Daten können analysiert werden, um die Einstellungen der Anlagen so zu justieren, dass ein optimaler Energieverbrauch sichergestellt wird.