NTT Global Data Centers sagt, dass optische Technologien den Bedarf an zusätzlicher Glasfaser nicht beseitigen werden, wenn der KI-Datenverkehr wächst.
Bruno Berti, SVP of global product management bei NTT Global Data Centers, ordnet den Wandel vor allem über den KI-Datenverkehr in Rechenzentren ein – nicht über klassische Cloud-Muster. Herkömmlicher Cloud-Traffic ist relativ berechenbar; KI-Training und Inference im großen Maßstab erzeugen dagegen starken East-West-Traffic, weil GPUs miteinander kommunizieren.
Wie KI das Netzwerkgeflecht verändert
Berti sagte, die Netzwerkanforderungen für KI müssten flacher, deterministischer und robuster werden. Das treibt höhere Bandbreiten in den Fabrics, fortschrittliche optische Interconnects und eine engere Verzahnung von Rechenleistung, Storage und Networking voran.
Er sagte auch, dass die Herausforderung inzwischen über das Networking selbst hinausgeht. Leistungsdichte, Kühlung, Glasfaserdichte, Glasfaserführung, Campus-Architektur und Anbindungen an Edge- und Cloud-Ökosysteme müssten gemeinsam geplant werden.
Was schnellere Optik leistet – und was nicht
Schnellere Optik kann die Lebensdauer bestehender Glasfaser auf Rechenzentrums- und Metro-Ebene verlängern, aber Optik allein wird den Bedarf an neuer Glasfaser mit dem Skalieren des KI-Datenverkehrs nicht beseitigen. Der Artikel nennt ausdrücklich 400G, 800G und 1.6T als aktuelle höherwertige Technologien.
Berti sagte, die Netzwerkinfrastruktur halte beim Ausbau der Compute-Kapazitäten im Wesentlichen Schritt, doch das setze vorausschauende Planung und ein Wachstum parallel zur Rechenleistung voraus. KI-Workloads reagieren empfindlich auf Latenz, Bandbreite und Paketverlust innerhalb von GPU-Clustern und zwischen verbundenen Standorten.
KI-Datenverkehr zwingt zu baulichen Umbauten in den Anlagen
Groß angelegtes KI-Training hängt von synchroner Kommunikation zwischen GPUs ab. Das erzeugt massiven East-West-Traffic und begünstigt Architekturen, die Hops minimieren, Latenz senken und Leistung berechenbar halten. Optische Netzwerke übernehmen dabei tief in KI-Anlagen und über ganze Campus-Standorte hinweg eine größere Rolle.
Berti sagte, dass sich das Netzwerkdesign immer enger mit der physischen Rechenzentrumsumgebung verzahnt – einschließlich Leistungsdichte, Kühlstrategie, Rack-Layout und Glasfaserführung. Mehr Fläche werde dafür reserviert, zusätzliche Glasfaser und Rohrsysteme in Rechenzentren einzubringen.
Was Rechenzentrumsbetreiber und KI-Infrastrukturplaner daraus mitnehmen sollten
Für Rechenzentrumsbetreiber heißt das: Optik kann die bestehende Infrastruktur strecken, sie ersetzt aber keine neue Glasfaser, sobald der KI-Datenverkehr weiter wächst. Die Planung muss Rechenleistung, Networking, Kühlung und Fläche jetzt gemeinsam berücksichtigen – sonst wird das Netz zum Engpass.
Das gilt auch für KI-Infrastrukturteams, die von Hunderten Gigabit auf Terabit skalieren wollen, ohne disruptive Umplanungen. Berti sagte, diese Anforderungen werden sich weiter verändern, wenn Workloads vom KI-Training zur Inference wandern und agentic AI mehr Infrastrukturbedarf übernimmt.
Photonik und der längere Horizont
Berti verwies auf neue photonische Ansätze wie IOWN als längerfristigen Weg zu geringerer Latenz und besserer Energieeffizienz in großen KI-Umgebungen. Die Richtung ist klar genug: Optische Systeme rücken weiter ins Innere der Anlage vor, nicht nur zwischen Gebäuden.