Industrielle Produktentwicklung und HPC: Die große Expertenumfrage

Industrielle Produktentwicklung – Unser Fragen an die Experten:

1. Welche Trends im High Performance Computing (HPC) sollten Verantwortliche in der industriellen Produktentwicklung aktuell besonders berücksichtigen?
2. Was sollten Unternehmen beachten, die HPC in die industrielle Produktentwicklung einführen möchten? Wann macht der Einsatz von HPC besonders Sinn, wann weniger?
3. Welche Rolle spielen aktuelle Technologien wie Quantencomputing, KI oder Cloud beim HPC?

1. HPC-fähige Simulations-Workloads in der Public Cloud werden immer einfacher und kostengünstiger. Auch Anwender, die nicht zu den traditionellen HPC-Nutzern zählen, können jetzt HPC-Lösungen in der Public Cloud nutzen, um technische Herausforderungen zu lösen, die bisher mit On-Premise-Hardware entweder nicht lösbar oder vom CAPEX-Standpunkt aus unrentabel waren. Ein weiterer Trend ist das GPU-Computing. In den letzten Jahren gab es Quantensprünge in der Entwicklung von GPU-Hardware und speziellen Programmiersprachen, mit denen Entwickler CFD-Solver entwickeln können, die zwar denen für herkömmliche CPUs entsprechen, deren Module aber auf GPUs portiert sind. Fortschritte auf mikroarchitektonischer Ebene sind weiterhin ein Trend im HPC. Hier sind besonders die höhere Rechendichten, schnellere Verbindungen, skalierbare Speicher, größere Effizienz der Infrastruktur, Platzmanagement, Umweltfreundlichkeit und verbesserte Sicherheit hervorzuheben.

2. HPC verschafft Anwendern Einblicke in die Produktleistung, die sie auf anderem Wege nicht so schnell erhalten. Bevor Unternehmen HPC in die Produktentwicklung integrieren, sollten sie zunächst prüfen, ob tatsächlich Bedarf besteht. Benötigen Unternehmen eine höhere Genauigkeit, komplette Baugruppen statt kleine Komponenten, Bewertung von mehr Szenarien, Durchführung von mehr nichtlinearen FE-Simulationen oder Optimierungsstudien? Falls sie einen Punkt mit „Ja“ beantworten, sollten Unternehmen ihre HPC-Reise beginnen. Sie sollten jedoch einiges berücksichtigen: Vorteile von HPC für eigene Workloads bestätigen, den Wert für Geschäftsergebnis und den erwarteten RIO quantifizieren. Eingesetzte Hardware und Modelle sollten von höchster Güte sein.

3. Unternehmen jeder Größe haben sich dem Cloud Computing zugewandt, um aktuelle Herausforderungen zu lösen. Obwohl die Unterstützung für On-Premise-HPC-Implementierungen weiterhin seine Berechtigung hat, erwarten wir, dass die Akzeptanz der Public Cloud weiter steigt, da unterschiedliche HPC-Workloads und -Anforderungen mit ihrer Flexibilität besser bewältigt werden können. KI/ML wird nochmals verstärkt in die Anwendung kommen. Softwarehersteller wie Ansys nutzen diese Technologien, um Kunden bei der Lösung ihrer komplexen Probleme zu unterstützen.

1. Neben den Performancesteigerungen der Hardware sind auch die nicht weniger effektiven Entwicklungen bei den Algorithmen beachtlich. Daran arbeiten wir kontinuierlich – insbesondere mit Blick auf die Parallelisierung und damit der Performance auf verteilten Systemen. Durch stetig verbesserten Code konnten wir bei den aktuellen Softwareversionen erhebliche Beschleunigungen erzielen. Lizenzseitig ist es wichtig, dass die Software auf beliebigen Cluster-Systemen läuft. Zudem sollte ein modernes Lizenzsystem die Anzahl der genutzten Knoten oder Kerne nicht einschränken oder mit zusätzlichen Kosten belegen.

2. Simulation ermöglicht eine schnellere Produktentwicklung, weil physische Prototypen wegfallen und sich Experimente ins Virtuelle verlagern. Dafür gilt es, teils große, rechenintensive Modelle wiederholt zu lösen, um verschiedene Varianten durchzuspielen beziehungsweise zu optimieren. HPC kann diesen Prozess stark beschleunigen und die Wartezeit auf Ergebnisse verkürzen. Am sinnvollsten ist dies für weit entwickelte Modelle, die das fertige Produkt und Varianten genau abbilden. Zum Ausprobieren von Ideen und für das grundsätzliche physikalische Verständnis eines Prozesses oder Produktes reichen dagegen vereinfachte Modelle, die wichtige Einsichten liefern und auf normalen Workstations schnell lösbar sind – dafür wird kein HPC benötigt.

3. HPC in der Cloud ist ein Thema, das uns schon seit einigen Jahren begleitet und das immer wichtiger wird. Wir haben unsere Multiphysik-Software daher so entwickelt, dass es keinen Unterschied für die Nutzer macht, ob eine Rechnung auf einem lokalen HPC-Cluster durchgeführt werden soll, oder ob das Cluster virtuell in der Cloud bereitsteht.

Industrielle Produktentwicklung: Das bringt HPC

1. Ein wichtiger Trend ist die steigende Bedeutung der Datenlogistik. Industrielle Produktentwicklung beruht in zunehmendem Maße auf der Analyse sehr großer Datenmengen, etwa aus Testfahrzeugen oder von Geräten, die bei Kunden im Einsatz sind. Das heißt: das Ausmaß, in dem die vorhandene CPU- und GPU-Leistung von HPC-Systemen überhaupt ausgenutzt werden kann, wird von der Effizienz der Datenlogistik bestimmt. Ausschlaggebend dafür sind mehrere Ebenen, etwa die HPC-internen Netzwerke, das Daten-Management, aber auch Standort-übergreifende Daten-Infrastrukturen wie etwa Data Fabrics.

2. Anwendungsfälle wie die Crash-Simulation wären ohne HPC nicht sinnvoll durchführbar – in anderen Fällen ist es letztlich eine Frage der Rentabilitätsbetrachtung: Welchen Mehrwert bringt mir die Beschleunigung einer Anwendung um Faktor X, und was kostet mich das in Form von Anschaffungs- und Betriebskosten? Die Parameter dieser Kalkulation haben sich zuletzt deutlich zugunsten des HPC-Einsatzes verändert, und zwar durch HPC as a Service. Die Systeme laufen dabei vor Ort im Rechenzentrum des Kunden, um bestmögliche Latenz und Leistung sicherzustellen – aber sie werden nach tatsächlicher Nutzung abgerechnet und werden vom Anbieter betrieben.

3. Die Konvergenz von HPC und KI war vor ein paar Jahren noch ein beliebtes Konversationsthema – heute ist sie schon weitgehende Realität. Das wird ergänzt um hybride Cloud-Modelle bei der Bereitstellung der HPC-/KI-Basis-Infrastruktur. Künftig wird auch Quantencomputing eine wichtige Rolle spielen – allerdings vorrangig als „Beschleuniger“ für sehr spezifische Workloads, nicht als Mainstream-Technologie.

1. Der steigende Stromverbrauch der Hardware rückt nachhaltige Systeme wie Warmwasserkühlungen in den Fokus. Ein weiterer Punkt sind skalierbare Storage-Konzepte. Bei immer größeren Datenmengen darf die Performance nicht leiden. Auch Cloud ist wichtig als Nutzungsmodell, abgestimmt auf den Bedarf des Unternehmens: Off-premise ist großartig für kleinere Projekte, auf Dauer aber deutlich teurer als die eigene Infrastruktur, die auch als Cloud lokal konsumiert und betrieben werden kann. Eine TCO-Betrachtung ist empfehlenswert.

2. Zunächst empfehle ich das Verproben mit einer leistungsfähigen Workstation, um die Integration in den Entwicklungsprozess und die praktischen Vorteile zu bewerten. Anschließend zeigt ein kleiner werksintegrierter HPC Cluster auf, welchen Beitrag für die Entwicklungszeit und -qualität eine Simulationsbeschleunigung leistet. Ein guter HPC-Partner bringt sein Wissen im Bereich Software-Stack und Performance-Tuning ein, um teure ISV-Lizenzen mit maximaler Leistung zu nutzen. Anschließend wird diese HPC-Umgebung auf Erfahrungsbasis erweitert. Ein Merksatz könnte sein: HPC ist sinnvoll, wenn Simulationen physische Tests ersetzen oder reduzieren können. Stichwort: Digital Twin. Das spart Zeit, Kosten und reduziert oftmals den CO2-Fußabdruck.

3. Quantencomputing ist heute von einer breiten Nutzung noch weit entfernt. Damit könnten in Zukunft Simulationen möglich werden, die mit klassischem Computing nicht denkbar sind. KI ist da schon weiter. Im HPC Bereich wird sie verwendet, um Daten für Simulationen auszuwählen und die Ergebnisse automisch zu analysieren. „Cloud“ im Kontext HPC treibt für mich eine einfachere „Konsumierbarkeit“ von Rechenleistung voran, ob nun on- oder off-premise oder hybrid.

Unsere Fragen an die Experten:

1. Welche Trends im High Performance Computing (HPC) sollten Verantwortliche in der industriellen Produktentwicklung aktuell besonders berücksichtigen?
2. Was sollten Unternehmen beachten, die HPC in die industrielle Produktentwicklung einführen möchten? Wann macht der Einsatz von HPC besonders Sinn, wann weniger?
3. Welche Rolle spielen aktuelle Technologien wie Quantencomputing, KI oder Cloud beim HPC?

1. Wesentliche Trends sind die Einbeziehung von Cloud Computing sowie die Konvergenz verschiedener Anwendungsparadigmen wie Simulation, Datenanalyse und künstliche Intelligenz. Der Return of Investment sollte stets ein Kriterium sein. Dies gilt für HPC im unternehmenseigenen Rechenzentrum und vor allem für Cloud Computing. Ressourcen- und Cloud-Verwaltungssysteme, die dies sicherstellen, sind daher unverzichtbar. Die Konvergenz von Simulation und maschinellem Lernen ermöglicht schnellere Entwicklungszyklen sowie bessere Produkte und damit ebenfalls höhere Renditen. Um die Effizienz – inklusive der Energieeffizienz – zahlreicher Anwendungen zu steigern, kann der Einsatz von Hardwarebeschleunigern wie Grafikprozessoren (GPUs) wichtig sein.

2. Für Unternehmen, die Computer-gestützte Produkt- oder Prozessentwicklung betreiben, ist der Einsatz von HPC fast immer sinnvoll. Die Studie „Economic Models Linking HPC and ROI“ von Hyperion Research geht für die industrielle Produktentwicklung von einer Rendite von über 200 Euro je investiertem Euro in HPC aus. Demnach ergeben sich zusätzlich Einsparungen von 26 Euro je Euro Investition in HPC. Verkürzte Produktzyklen, optimierte Produkte und der effizientere Einsatz von Ressourcen sind hierfür wesentliche Gründe.

3. Quantencomputing dürfte in den allermeisten Industrieentwicklungsbereichen derzeit noch keine Rolle spielen. KI und Cloud Computing sind dagegen, wie bereits oben ausgeführt, wichtige Bestandteile einer modernen und effizienten HPC-Umgebung.

Wo HPC einsetzbar ist

1. In den letzten Jahren ist es deutlich einfacher geworden, HPC-Systeme einzusetzen. Gerade auch mit Blick auf den Datenaustausch zwischen verschiedenen CAE- und HPC-Softwarepaketen. Da als HPC-Hardware zunehmend spezielle Rechenbeschleuniger zum Einsatz kommen, ist es bei der Planung und Beschaffung besonders wichtig, dass Hard- und Software optimal aufeinander abgestimmt sind.

2. HPC kommt immer dann in Frage, wenn es darum geht, Experimente oder Untersuchungen, die in der realen Welt sehr aufwendig oder teuer sind, ins Digitale zu verlagern. Auf die Produktentwicklung bezogen können dies zum Beispiel besonders hohe Anforderungen an die Produktsicherheit oder -haltbarkeit sein, die sich normalerweise nur durch umfangreiche Tests nachweisen lassen. Je mehr also Unternehmen auf Test- und Versuchsaufbauten angewiesen sind, desto größer ist ihr Potenzial für den erfolgreichen Einsatz von HPC.

3. Der Einsatz von HPC ist immer auch mit dem Wunsch verbunden, möglichst neue und schnelle Technologien einzusetzen. KI-Technologien sorgen bereits heute für einen deutlichen Leistungszuwachs in bestimmten HPC-Anwendungen. Gleichzeitig kann man mit durch HPC generierten Daten KI-Systeme anlernen, was zum Beispiel die Entwicklung digitaler Zwillinge deutlich vereinfacht. Natürlich steckt auch im Quantencomputing großes Potential, HPC-Systeme für bestimmte Workloads noch schneller zu machen. Durch diesen Fokus werden sie die klassischen HPC-Systeme aber nur ergänzen und nicht gänzlich ersetzen. Die Cloud bietet gerade Neueinsteigern und Unternehmen mit gelegentlichen Bedarf an HPC-Ressourcen attraktive Angebote. Andererseits ist es so, dass sich bei entsprechender Auslastung die Investition in eigene HPC-Ressourcen im Vergleich zur Cloud-Nutzung häufig bereits nach wenigen Wochen amortisiert.

1. Wir sehen immer mehr Unternehmen, die mit digitalen Zwillingen ihre industrielle Produktentwicklung vorantreiben. Alle Produkte, die diese Firmen entwerfen und bauen, untersuchen sie in der Regel zuerst in einer virtuellen Welt. Physikalisch genaue und in Echtzeit ausgeführte Simulationen sind der Schlüssel zu besseren und effizienteren Produkten. Doch die Anwendung einer genauen physikalischen Simulation erfordert enorme Rechenleistung. Deshalb bieten sich Rechenzentrumssysteme für industrielle digitale Zwillinge an, die die Erstellung und den Betrieb massiv komplexer Modelle und realitätsnaher Simulationsumgebungen in Echtzeit ermöglichen.

2. Für industrielle Anwendungen wie Fabrik- und Lagerplanung, Logistik und Vertrieb sind physikalisch genaue, zeitlich präzise digitale Zwillinge der Schlüssel zur Erschließung von Betriebseffizienzen. Dabei gilt es, offene Standards zu nutzen, die es Unternehmen und Entwicklern ermöglichen, 3D-Konstruktions- und CAE-Anwendungen zu aggregieren und zu verbinden, um ein virtuelles Modell mit einer einzigen Wahrheitsquelle zu erstellen und zu iterieren. Das kann über einen einzelnen Server bis hin zu einem kompletten Supercomputer erfolgen. Je größer die Simulation, umso wichtiger ist das richtige Skalieren der Rechenumgebung.

3. HPC und KI werden in einer Vielzahl von Bereichen eingesetzt. Von Forschern in Laboren, Ingenieuren, die komplexe technische Probleme lösen, und von Finanzanalysten, die mathematische Algorithmen für Marktprognosen verwenden. Sie erweitern ihre HPC-Simulationen mit KI, um schnelle und bessere Ergebnisse für ihre jeweiligen Arbeitsbereiche zu erzielen.

Industrielle Produktentwicklung und die Cloud

1. Ein starker, schon länger andauernder Trend ist, dass Geschwindigkeitszuwächse zu einem großen Teil über zusätzliche Rechenkerne erzielt werden. Die Leistung des einzelnen Rechenkerns steigt nur noch wenig. Die Zeit der automatischen Geschwindigkeitszuwächse bei neuen Systemen ist also vorerst vorbei. Wer Anwendungen hat, bei denen die Geschwindigkeit kritisch ist, muss bei der Auswahl darauf achten, dass die Parallelisierung auch künftig weiter verbessert werden kann.

2. Beim industriellen Einsatz von HPC wird die nahtlose Integration in die Arbeitsabläufe immer wichtiger. Von den Kosten her sind die Software-Lizenzen, vor allem aber die Mitarbeiter der größte Posten. Je einfacher es der einzelne Mitarbeiter hat, Rechnungen durchzuführen und je besser die Lizenzen genutzt werden können, desto größer sind die Vorteile der HPC-Nutzung. HPC-Anwendungen für die industrielle Produktentwicklung, die gut skalieren und sich gut einbinden lassen, bieten einen erheblichen Vorteil gegenüber solchen, bei denen das nicht der Fall ist.

3. Die Cloud ist bereits im HPC angekommen und ihre Nutzung wird weiter zunehmen. Bei KI und HPC gibt es eine eindeutige Tendenz zur Konvergenz; man sieht, dass die Systeme bei den großen HPC-Zentren zunehmend so ausgelegt werden, dass sie in beiden Bereichen wirklich schnell sind. Das wiederum erleichtert das Zusammenspiel der beiden Technologien. Beim Quantencomputing ist der Weg zur täglichen produktiven Nutzung meist noch weit. Aber es gibt erste Unternehmen, die quantengeeignete Fragestellungen haben und die sich mit QC bereits intensiv beschäftigen. Wer diese Fragestellungen nicht hat, kann sich die Entwicklungen vorerst in Ruhe anschauen.

1. Unternehmen müssen immer schneller entwickeln, um konkurrenzfähig zu bleiben. Somit steigt auch der Druck auf sie, mehr Simulationen durchzuführen, um ihre Produkte schneller zu verbessern. Solche Simulationen werden oft komplex, umfangreich und damit zeitaufwändig. Die Möglichkeiten von HPC adressieren genau diese Problematik. In Zukunft werden umfassende Simulations-Kapazitäten vollständig in der Cloud verfügbar und damit von allen Unternehmen nutzbar sein. Die Entwicklung von multiphysikalischen digitalen Zwillingen wird dadurch stark beschleunigt.

2. Die eingesetzten Simulationslösungen sollten einen hohen Grad der Parallelisierbarkeit bieten, sodass Simulationen mit genaueren Modellen auf mehr Rechen-Kernen ausführbar sind. Zudem lassen sich mit HPC mehrere Simulationen gleichzeitig durchführen. Ziel könnte beispielsweise sein, Varianten im Designraum auf konkurrierende Ziele zu optimieren und damit nicht nur generische, sondern mitunter überraschende Designs zu generieren. Neben dem technischen Fähigkeiten sind flexible und wirtschaftliche Lizenzmodelle zum breiten Einsatz der Simulation unabdingbar.

3. Neue Computertechnologien wirken sich unmittelbar auf die verfügbare Leistung aus. Die Simulation kann dann eine Spanne von der Nano- bis in die Makro-Ebene abdecken. Die Kopplung von klassischer CAE und KI wird neue Bewertungsmöglichkeiten liefern, erfordert aber gleichzeitig noch mehr Rechenpower, die dann ein HPC in der Cloud mit modernster Technik liefern muss. Der Weg in die Cloud entlastet das IT-Management der Unternehmen. Vom Cloudanbieter wird außerdem erwartet, dass er die Sicherheit der Unternehmensdaten in der Cloud gewährleistet.