KAYTUS stellt AI Managed Service für Rechenzentren vor

Der OEM-Vor-Ort-Support von KAYTUS verkürzt die Hardware-Wiederherstellungszeit um mehr als 30 % und ermöglicht Reparaturen in weniger als vier Stunden

SINGAPUR, Sept. 29, 2026 (GLOBE NEWSWIRE) -- KAYTUS hat heute seinen OEM AI Managed Service vorgestellt, der integrierte Hardware-Wartung und technischen Support für KI-Rechenzentren (AIDCs) und Hyperscale-Cluster bietet. Der Service kombiniert vor Ort gelagerte, kritische Ersatzkomponenten, Diagnose- und Reparaturkapazitäten auf Werksniveau sowie zertifizierte Außendiensttechniker vor Ort, um komplexe Hardware-Reparaturen innerhalb von nur vier Stunden abzuschließen. Betriebsdaten von KAYTUS zeigen, dass dieses Vor-Ort-Bereitstellungsmodell die Wiederherstellungszeit der Hardware im Vergleich zu allgemein verfügbaren Branchen-Service-Levels um mehr als 30 % reduziert. Vom Auftreten eines Vorfalls bis zum Abschluss der Reparatur vergehen bei einem ausgefallenen Node im Durchschnitt 12 Stunden.

Das neue Angebot begegnet den betrieblichen Anforderungen der KI-Infrastruktur beim Übergang von der schnellen Bereitstellung zur dauerhaften, zuverlässigen Produktion. Gartner prognostiziert, dass die weltweiten KI-Ausgaben im Jahr 2026 2,67 Billionen US-Dollar erreichen werden, wovon rund 1,48 Billionen US-Dollar auf KI-Infrastruktur entfallen. Wenn Cluster auf Tausende von Beschleunigern skaliert werden, werden Hardware-Ausfälle zu einer inhärenten betrieblichen Herausforderung. Das macht Systemverfügbarkeit und Wiederherstellungszeit zu kritischen Indikatoren im Service Level Agreement (SLA). Optimierte Fehlerisolierung, Hardware-Instandsetzung und Wiederherstellung des Dienstes tragen dazu bei, die planbare Rechenkapazität zu erhalten und die Kontinuität der Workloads zu sichern.

1. Nach der Bereitstellung: Zuverlässigkeit im laufenden Betrieb sichern.

Der technische Bericht von Meta zu Llama 3.1 405B verdeutlicht die betrieblichen Herausforderungen beim KI-Training in großem Maßstab. Während des 54-tägigen Vortrainings auf einem Cluster von 16.384 GPUs verzeichnete das System 419 unerwartete Unterbrechungen – durchschnittlich eine alle drei Stunden. Rund 78 % davon wurden auf bestätigte oder vermutete Hardware-Ausfälle zurückgeführt.

Eine auf der SOSP 2025 vorgestellte Studie dokumentierte mehr als 44.000 Vorfälle bei über 778.000 Trainingsläufen während eines dreimonatigen Betriebs auf einer großen LLM-Trainingsplattform. Diese Ergebnisse unterstreichen die Bedeutung einer schnellen Fehlererkennung und -behebung für die Aufrechterhaltung der Rechenverfügbarkeit und der Produktivkapazität bei der Skalierung von KI-Rechenzentren.

Die Ausfallanalyse des Uptime Institute von 2026 ergab, dass 57 % der Befragten Kosten von über 100.000 US-Dollar für ihren jüngsten größeren Ausfall meldeten, während jeder Fünfte Verluste von mehr als 1 Million US-Dollar verzeichnete. Einige Leasingverträge für Rechenkapazitäten sehen bei schwerwiegenden SLA-Verletzungen Entschädigungen von bis zu 25 % der monatlichen Mietgebühr vor. Für Rechenkapazitätsanbieter erhöhen Hardware-Ausfälle das finanzielle Risiko durch entgangene Einnahmen, vertragliche Entschädigungen, fortlaufende Anlagenabschreibung und Beeinträchtigungen des Kundenbetriebs.

Eine intelligente und effektive Wartungsstrategie ist daher für den Betrieb von KI-Rechenzentren unerlässlich. Die für die Wiederherstellung des Dienstes benötigte Zeit wirkt sich bei jedem Vorfall direkt auf den Verlust an produktiver Rechenkapazität aus.

2. Wo herkömmliche Wartungsmodelle an ihre Grenzen stoßen.

Moderne KI-Rechenzentren arbeiten mit einer Rack-Leistungsdichte von über 40 kW und einer eng integrierten Rechen-, Netzwerk- und Kühlinfrastruktur. Fällt ein einziger Node aus, kann dies die KI-Workloads eines Kunden beeinträchtigen. Diese anspruchsvollen Betriebsbedingungen, die durch eine hohe Infrastrukturdichte und eine dauerhafte Ressourcenauslastung gekennzeichnet sind, offenbaren mehrere Herausforderungen herkömmlicher Wartungsmodelle:

• Lange Lieferzeiten für Ersatzteile: KI-Rechenzentren nutzen heterogene Hardware mit unterschiedlichsten Komponentenspezifikationen und -konfigurationen. Die Beschaffung kritischer Ersatzteile aus regionalen Lagerhäusern oder der Transfer von Beständen zwischen Regionen kann die Lieferzeiten auf mehrere Tage verlängern und so die Hardware-Wiederherstellung verzögern.
• Lange Reparaturzyklen im Werk: Komplexe Node-Ausfälle erfordern möglicherweise eine externe Diagnose und Reparatur in einem Werk mit entsprechend spezialisierten Werkzeugen. Zusätzliche Verzögerungen durch Transportwege und Warteschlangen im Service verlängern die Ausfallzeit der Nodes. Gleichzeitig sinkt die verfügbare Rechenkapazität und das Risiko von SLA-Verstößen steigt.
• Komplexe Fehlerdiagnose: KI-Cluster vereinen komplexe Netzwerktopologien, hochverdichtete Recheninfrastruktur sowie Flüssigkeits- oder Luftkühlung. Fehler, die sich über diese verschiedenen Bereiche erstrecken, können die Diagnose für herkömmliche Betriebsteams in die Länge ziehen, während Remote-Support allein eine spezialisierte Expertise vor Ort nicht vollständig ersetzen kann.
  
  

Zusammen können diese Einschränkungen bei der Wartung die Wiederherstellung eines Nodes auf 48 Stunden oder mehr verlängern. Bei einer stundenweise abgerechneten Recheninfrastruktur führen längere Ausfallzeiten direkt zu Einnahmeverlusten.

3. AI Managed Service: OEM-Expertise direkt vor Ort.

Der KAYTUS AI Managed Service schließt diese Wartungslücken, indem er technische OEM-Expertise, Reparaturinfrastruktur und Kapazitäten zur Störungsbehebung direkt in KI-Rechenzentren und Hyperscale-Rechencluster bringt. Das Vor-Ort-Modell umfasst fünf zentrale Servicebausteine und schafft klare Servicezusagen sowie besser planbare Wiederherstellungszeiten:

• Individuelle Lifecycle-Wartung: KAYTUS analysiert die Infrastruktur und betrieblichen Anforderungen des jeweiligen Kunden und stellt eine darauf zugeschnittene OEM-Hardwarewartung über den gesamten Lebenszyklus der Systeme bereit. Das Angebot eignet sich sowohl für Standardinstallationen als auch für technisch komplexe Umgebungen.
• Kritische Ersatzteile direkt vor Ort: KAYTUS lagert essenzielle Ersatzhardware – darunter Compute-Nodes, Netzwerk-Switches und Netzwerkkarten (NICs) mit hoher Bandbreite – direkt im Rechenzentrum des Kunden. Der sofortige Zugriff eliminiert externe Lieferverzögerungen und ermöglicht Hardware-Reparaturen in nur vier Stunden.
• OEM-Diagnose und -Reparatur vor Ort: KAYTUS stellt Werksdiagnosegeräte und spezialisierte Reparaturwerkzeuge direkt beim Kunden bereit. So können Techniker einzelne Komponenten sowie komplette Nodes diagnostizieren und reparieren, ohne dass die Systeme ins Werk zurückgeschickt werden müssen. In Kundeneinsätzen hat dieser Ansatz die durchschnittliche Bearbeitungszeit pro ausgefallenem Node von der Erstbewertung bis zum Abschluss der Reparatur auf 12 Stunden reduziert.
• Zertifizierter Techniker-Support rund um die Uhr: In den entsprechenden Service-Stufen bieten vom OEM zertifizierte Techniker eine durchgehende 24/7-Abdeckung vor Ort, unterstützt von engagierten Tier-2-Spezialisten, die innerhalb von Minuten auf unerwartete Vorfälle reagieren.
• KI-gestützte Ausfallprognose und proaktive Inspektionen: Regelmäßige Zustandsprüfungen und intelligente Verfahren zur Ausfallprognose nutzen KI, um erste Anzeichen von Hardware-Verschleiß zu erkennen. So kann die vorbeugende Wartung eingeleitet werden, bevor es zu Betriebsunterbrechungen kommt. Gleichzeitig sinkt die Abhängigkeit von rein reaktiven Reparaturen.
  
  

„Der Wert einer Rechenressource bemisst sich nicht daran, wie viel Kapazität sie am ersten TAG bereitstellt, sondern daran, wie zuverlässig sie während ihres gesamten Betriebslebenszyklus Stunde für Stunde verfügbar ist. Der KAYTUS AI Managed Service macht aus einer ungewissen Wartezeit bei der Hardware-Wiederherstellung eine klar definierte und messbare Servicezusage.“
– Caesar, Head of Services, KAYTUS.

4. In der Praxis bewährt: Weniger Ausfallzeit und geringeres SLA-Risiko für einen globalen Cloud-Service-Provider.

Der AI Managed Onsite Service von KAYTUS erzielte in einem KI-Rechenzentrum eines führenden globalen Cloud-Service-Providers deutliche Verbesserungen im laufenden Betrieb. Das Rechenzentrum umfasst mehr als 100 Racks und Tausende von Beschleunigern:

Der AI Managed Service wird weltweit ausgebaut und ist bereits in wichtigen europäischen Märkten verfügbar, darunter im Vereinigten Königreich, in Deutschland, Frankreich, den Niederlanden, Finnland, Polen und Island sowie in Japan und Südkorea im asiatisch-pazifischen Raum. Die Bereitstellungsmodelle und Servicelevel lassen sich an die Größe der jeweiligen Infrastruktur und die betrieblichen Anforderungen des Kunden anpassen. Die Serviceprozesse sind auf die Einhaltung lokaler Compliance-Vorgaben ausgelegt, darunter auch die jeweils geltenden Anforderungen der DSGVO.

Moderne KI-Infrastrukturen entfalten ihren langfristigen Wert durch dauerhaft hohe Leistung und zuverlässigen Betrieb. Der KAYTUS AI Managed Service lässt sich in die intelligente Betriebsplattform KSManage von KAYTUS integrieren. Dadurch können OEM-Expertise vor Ort und KI-gestütztes Betriebsmanagement miteinander verbunden werden. Ziel ist eine bessere Planbarkeit des Betriebs sowie die Unterstützung messbarer Servicelevel, die vertraglich verbindlich vereinbart werden können.

Erfahren Sie mehr unter: https://www.kaytus.com/about/contact/

Über KAYTUS

KAYTUS zählt zu den führenden Anbietern von KI-Infrastrukturen und Flüssigkeitskühlungslösungen. Das Unternehmen bietet ein breites Portfolio innovativer, offener und energieeffizienter Produkte für cloudbasierte Anwendungen, KI, Edge Computing sowie weitere zukunftsweisende Anwendungsbereiche. Mit einem konsequent kundenorientierten Ansatz und einem flexiblen Geschäftsmodell reagiert KAYTUS schnell und gezielt auf die individuellen Anforderungen seiner Kunden. Erfahren Sie mehr unter KAYTUS.com und folgen Sie uns auf LinkedIn und X.

Medienkontakt: media@kaytus.com