Intelligenter Scheduler
KI-Werkzeug für die prädiktive Orchestrierung von Lasten.

Ein Rechenzentrum, das seine eigene Forschung beherbergt.
Kontext
Anders als übliche Rechenzentren integriert NextGenDC einen eigenen Block für Forschung und Entwicklung.
Die Stärke von NextGenDC liegt darin, Spitzenforschung mit realem Betrieb zu verbinden. Jede Säule adressiert ein grundlegendes Problem des Betriebs eines modernen Rechenzentrums, und jede wird unmittelbar im Areal überprüft.
Gebäude und Infrastruktur
| Objekt | Funktion | Parameter |
|---|---|---|
| BO 01 | Serverhallen | 4 000 m², IT-Last 15 MW, Dichte 40–50 kW pro Rack |
| BO 02 | Energiekern | 2 500 m², Mittel- und Niederspannungsschaltanlagen, UPS, Notstromaggregate (Diesel/Gas mit Umstellung auf Wasserstoff/Biogas); Gesamtleistung 50 MW |
| BO 03 | Kühlzentrum | 1 800 m², Free Cooling und Immersionskühlung, COP über 6,5, Ziel-PUE unter 1,25 |
| BO 04 | Forschungsblock | 2 900 m², Labore für Algorithmenentwicklung, KI-Tests und Simulation des digitalen Zwillings |
| BO 05 | Verwaltung | 1 200 m², Büros, Helpdesk und Kundenbereiche |
Diese Zahlen beschreiben das erste Modul. Das Areal in Rudniki ist auf einen Ausbau von 100 MW bis zu einer Gesamtkapazität von 900 MW ausgelegt.
Technologie
IT-Infrastruktur
480 Blade-Server und 72 GPU-Knoten; Speicher über NVMe-SAN, Hybrid-Arrays und LTO-9-Bandbibliotheken; Backbone-Switching mit 400 GbE, SDN und vollständiger A/B-Redundanz; Next-Generation-Firewalls, IDS/IPS und ein SIEM mit KI-Unterstützung.
Energieinfrastruktur
Transformatoren 22/110 kV, modulare UPS und Notstromaggregate mit 48 Stunden Autonomie; Einbindung in ein Smart Grid mit der Fähigkeit zur Rückspeisung; Strategie zur Umstellung auf erneuerbare Brennstoffe.
Kühlung
Sechs wassergekühlte Einheiten mit 1,5 MW und vier luftgekühlte Reserveeinheiten mit 1 MW; CRAH- und In-Row-Flüssigkeitskühlung für Hochleistungsracks; mehr als 600 Sensoren für die dynamische, KI-gestützte Temperaturregelung.
Sicherheit
Mehrschichtiger Schutz: Biometrie, RFID, Sicherheitsschleusen und KI-gestützte Videoüberwachung; redundante Glasfaseranschlüsse über getrennte Anbieter; Brandschutz mit VESDA und Inertgasen.
Forschungskomponente
KI-Werkzeug für die prädiktive Orchestrierung von Lasten.
Klassisches Machine Learning in Verbindung mit neuromorphen Verfahren und von Quantenberechnungen inspirierten Ansätzen.
Prüfung der Interoperabilität über IoT-, Edge- und Cloud-Systeme hinweg.
Übergeordnetes Orchestrierungssystem, das Infrastruktur, Lasten, Energie und Sicherheitsprozesse im Kontext versteht und steuert.
Säulen der Lösung
Intelligenter Scheduler
Herkömmliche Rechenzentren kämpfen mit unvorhersehbaren Lasten und Nachfragespitzen, und die Planung erfolgt überwiegend noch manuell — das verschwendet Ressourcen und erhöht die Kosten. Der intelligente Scheduler führt eine KI-gestützte prädiktive Steuerung der Jobs ein, die Ressourcen anhand der aktuellen und der erwarteten Nachfrage zuweist, und bindet CI/CD-Pipelines so ein, dass neue Dienste ohne Ausfall und ohne manuellen Eingriff ausgerollt werden.
Algorithmenentwicklung
Den Kern eines autonomen Rechenzentrums bilden Algorithmen, die lernen, sich anpassen und reagieren. Diese Säule verbindet Machine Learning, am Gehirn orientierte neuromorphe Modelle und Techniken des Quantencomputings, um den Energieverbrauch zu optimieren, Störungen vorherzusagen, bevor sie eintreten, und Cyberbedrohungen ohne menschliches Eingreifen zu begegnen — der Übergang von reaktivem Betrieb zu einer sich selbst korrigierenden Infrastruktur.
Integrationslabor
Die dritte Säule ist der Rahmen, der alles zu einem Ökosystem verbindet und das Zusammenspiel von IoT-Geräten, Edge-Knoten, Cloud-Schichten und der darunterliegenden Hardware sicherstellt. Es ist eine Testumgebung, in der neue Technologien unter realen Bedingungen geprüft werden, bevor sie in Betrieb gehen — damit die Infrastruktur skalierbar und für Kommendes gerüstet bleibt.
SWOT-Analyse
Einzigartige Verbindung von Infrastruktur und Forschung; hohe Autonomie und KI-gestützte Orchestrierung; ESG-konformer Entwurf und niedriges PUE; strategische Lage in Mitteleuropa.
Hohe anfängliche Investitionskosten; Komplexität des parallelen Betriebs von Rechenzentrum und Forschung; Abhängigkeit von langfristigen Partnerschaften; die schnelle technologische Entwicklung kann Komponenten überholen.
Zweistelliges Wachstum der Märkte für KI und Edge; Mangel an lokaler Kapazität in Mitteleuropa; EU-Programme zur Förderung grüner und digitaler Infrastruktur; Partnerschaften mit Telekommunikation und Wissenschaft.
Markteintritt globaler Anbieter; Volatilität der Energiepreise; geopolitisches und regulatorisches Risiko; schnelle technologische Veralterung.

Von allem Vorstehenden entscheiden zwei Punkte über den Ausgang; der Rest ist nachrangig.
Netz: Ein unterzeichneter Netzanschlussvertrag macht aus einem Grundstück ein Grundstück mit Energie und ist der größte einzelne Wertsprung.
Bauplanungsrecht: Ohne Änderung des kommunalen Plans lässt sich rund die Hälfte der Fläche überhaupt nicht bebauen.
Globaler Wettbewerb und Energiepreise spielen eine Rolle, verändern aber die Rendite; diese zwei Punkte entscheiden darüber, ob das Projekt überhaupt existiert.
Finanzplan

Finanzkennzahlen für den Zeitraum 2025–2035 und Ergebnisse der Bewertung.
| Kennzahl | Wert |
|---|---|
| Umsatz | 4,81 Mrd. € |
| EBITDA | 4,56 Mrd. € |
| Netto-Cashflow | 3,54 Mrd. € |
| CAPEX | 979 Mio. € |
| Amortisation | Ab dem Jahr 2028, Rückfluss innerhalb von sechs Jahren |
| IRR | Deutlich über dem WACC von 8–9 % |
| EVA | 8,71 Mrd. € kumuliert |
| DCF-Eigenkapitalwert | 16 Mrd. €, risikoadjustiert 13,6 Mrd. € |
Ergebnisse des Finanzmodells aus der Machbarkeitsstudie v1.1.
Überblick
Die Ergebnisse des Finanzmodells beruhen auf der Machbarkeitsstudie v1.1. Es handelt sich um Modellwerte, nicht um Zusagen und nicht um Prognosen einer erzielten Wertentwicklung.
Investmentstudien, Vertragsdokumentation und der Datenraum werden qualifizierten Anlegern nach einem Erstgespräch und der Unterzeichnung einer NDA zugänglich gemacht.