Im Jahr 2018 startete Microsoft an der Küste von Schottland ein interessantes Projekt, welches zukünftige Möglichkeiten in Hinsicht auf den Betrieb von Unterwasser-Servern beleuchten sollte. Dabei ging es in erster Linie darum, wie man Meerwasser aktiv zur Kühlung nutzen kann. Zu diesem Anlass versenkte Microsoft damals insgesamt 855-Server-Container vor der Küste. Das gesamte Vorhaben wurde als Projekt Natick bezeichnet. Doch dieses hat nun ein Ende gefunden und dafür wird auch der anhaltende Boom der KI verantwortlich gemacht.
Ist das Projekt Natick von Microsoft gescheitert?
Die Container befanden sich nun einige Zeit unter Wasser, wobei sie keinerlei Wartung erfuhren. Als Fazit konnte Microsoft folgende Erkenntnis ziehen: Lediglich 6 der 855 Server erlitten einen dauerhaften Defekt. Für Microsoft ist dies eine interessante Information, denn man ließ zur gleichen Zeit 135 Test-Server an Land laufen und bei diesen ergaben sich 8 Defekte. Daraus zog Microsoft den Schluss, dass die Defektrate unter Wasser von 0,59 auf nur noch 0,07 Prozent sank.
Tatsächlich geht Microsoft davon aus, dass die geringere Rate an Defekten durch die einheitliche Kühlung durch das Meerwasser zustande kam. Die Unterwasser-Server waren außerdem mit einer Stickstofffüllung versehen und auch dieser Umstand ist wohl positiv zu bewerten. Das sind doch alles gute Erkenntnisse. Warum hängt Microsoft das Projekt Natick nun also an den sprichwörtlichen Nagel?
Microsoft beschließt Aufgabe von Projekt Natick – das ist der Grund
Noelle Walsh ist die Corporate Vice President von Team Cloud-Operationen + Innovationen und sie bestätigte in einem Kommentar gegenüber Data Centre Dynamics, dass man wertvolle Informationen aus dem Projekt Natick mitnehmen konnte. Man lernte, wie sich verschiedene Gegebenheiten wie etwa Vibrationen auf Server auswirken. Man nehme zudem Wissen rund um die Themen Zuverlässigkeit und Nachhaltigkeit mit in andere Server-Projekte. Insgesamt möchte sich Microsoft aber scheinbar zukünftig insbesondere auf Rechenzentren für den Trainingsvorgang von KI-Algorithmen konzentrieren.
