Was ist seit April passiert?

Sascha Bücken: Seit unserem letzten Update wurden bei der Inbetriebnahme von CLAIX-2025 erhebliche Fortschritte erzielt. Die große Cooling Distribution Unit (CDU) wurde geliefert, installiert und erfolgreich in Betrieb genommen. Dadurch konnten die bislang eingesetzten provisorischen CDUs ersetzt werden. Dank der zusätzlichen Kühlkapazität steht nun ausreichend Leistung zur Verfügung, um sowohl die CPU- als auch die GPU-Systeme des neuen Clusters vollständig zu kühlen.

Auch bei der Netzwerkinfrastruktur wurden weitere Fortschritte erzielt. Die Stabilität des CN5000-Fabrics konnte durch den Austausch verschiedener Systemkomponenten sowie die kontinuierliche Weiterentwicklung des Software-Stacks schrittweise verbessert werden. Darüber hinaus wurden mehrere CN5000-Ethernet-Gateways in Betrieb genommen und ein automatischer Failover-Mechanismus eingerichtet, um die Zuverlässigkeit der Infrastruktur weiter zu erhöhen.
 

Warum verzögert sich die Inbetriebnahme weiterhin?

Sascha Bücken: Die Inbetriebnahme verzögert sich derzeit vor allem aufgrund laufender Arbeiten zur weiteren Stabilisierung des Fabrics. Darüber hinaus steht noch die Umstellung auf eine neuere Version des Software-Stacks aus, die Voraussetzung für die Aktivierung des sogenannten BLK-Dienstes ist. Dieser Dienst soll die Netzwerkbandbreite über die Gateways sowie die Lese- und Schreibgeschwindigkeiten der Dateisysteme verbessern, sodass die in der Ausschreibung festgelegten Leistungswerte erreicht werden können.
 

Welche Maßnahmen werden aktuell ergriffen, um sicherzustellen, dass CLAIX-2025 zeitnah in Betrieb geht?

Sascha Bücken: Um die verbleibenden Arbeiten möglichst schnell abzuschließen, finden derzeit täglich Videokonferenzen zwischen technischen Expertinnen und Experten von Cornelis, NEC und dem IT Center statt. Darüber hinaus treffen sich die beteiligten Unternehmen zweimal pro Woche, um offene Punkte zu besprechen und die nächsten Schritte zu koordinieren.
 

Wie sieht der aktuelle Plan aus?

Sascha Bücken: Derzeit hoffen wir, die Abnahmetests der CPU-Partition bis Ende Juni abzuschließen. Anschließend sollen die Abnahmetests der GPU-Partition zügig folgen. Nach aktuellem Stand rechnen wir damit, CLAIX-2025 ab Ende Juni schrittweise in Betrieb zu nehmen. Der genaue Zeitplan hängt jedoch weiterhin von den Ergebnissen der laufenden Tests und Optimierungsmaßnahmen ab.
 

Wann sollte CLAIX-2025 ursprünglich in Betrieb gehen?

Sascha Bücken: Ursprünglich war die Inbetriebnahme von CLAIX-2025 für dieses Jahr vorgesehen. CLAIX-2025 besteht aus zwei Segmenten: dem klassischen HPC-Segment, dessen Start für März 2026 geplant war, sowie dem Machine-Learning-(ML)-Segment, das im Juni 2026 abgenommen werden soll. Betrachtet man diesen ursprünglichen und vertraglich vereinbarten Zeitplan, liegen wir tatsächlich voll im Plan.

In der frühen Aufbauphase von CLAIX-2025 gingen wir jedoch davon aus, dass wir das System bereits früher – noch vor Ende 2025 – in Betrieb nehmen könnten. Diese Erwartung haben wir auch gegenüber unseren Nutzerinnen und Nutzern kommuniziert. Bis zum vierten Quartal 2025 waren wir davon überzeugt, dass dieses ambitionierte Ziel erreichbar sein würde.
 

Warum konnte dieser neue Zeitplan nicht eingehalten werden?

Christian Terboven: CLAIX-2025 gehört zu den weltweit ersten HPC-Systemen, die mit dem HPC-Interconnect CN5000 von Cornelis ausgeliefert werden. Obwohl es sich um die Nachfolgetechnologie von Omni-Path handelt, wurde sie grundlegend überarbeitet. Daher musste auch unsere Umgebung in vielen Bereichen angepasst und teilweise sogar neu entwickelt werden.

Zudem musste die Stabilität des Netzwerks während der Testbetriebsphase zunächst hergestellt werden, bevor wir mit den für die Abnahme erforderlichen Benchmarks und Nutzeranwendungen beginnen konnten.

Tim Cramer: Hinzu kamen zuvor unerwartete Lieferverzögerungen – insbesondere beim Import von Komponenten in die EU – für das Heißwasserkühlsystem. Das System arbeitet mit einer Heißwasserkühlung, die eine sogenannte Cooling Distribution Unit (CDU) benötigt. Diese CDU konnte erst im März 2026 geliefert werden.
 

Was bedeutet das aktuell für die Nutzenden?

Tim Cramer: Leider führt dies sowohl im HPC- als auch im ML-Bereich zu längeren Wartezeiten, als unsere Nutzerinnen und Nutzer es gewohnt sind. Da wir erkannt haben, dass der Bedarf an Rechenkapazität deutlich gestiegen ist, haben wir alles darangesetzt, CLAIX-2025 so schnell wie möglich in Betrieb zu nehmen. Alle beteiligten Lieferanten haben dabei nach besten Kräften mitgewirkt.

CLAIX-2023 ist derzeit überbucht. Wir arbeiten daran, die Situation zu verbessern. So haben wir beispielsweise durch Anpassungen an Slurm Maßnahmen umgesetzt, um die Fairness bei den Wartezeiten zu erhöhen. Das löst natürlich nicht das grundlegende Problem der fehlenden Ressourcen. Daher können wir unsere Nutzerinnen und Nutzer derzeit nur um Geduld bitten.

Sobald CLAIX-2025 in Betrieb geht, wird sich die Rechenkapazität des Tier-2-HPC-Segments verdreifachen. Damit werden wir in der Lage sein, die von den Nutzerinnen und Nutzern benötigten Rechenzeitkontingente bereitzustellen.
 

Was erwartet die Nutzenden?

Christian Terboven: CLAIX-2025 wird eine signifikante zusätzliche CPU-Rechenleistung bringen, um den Bereich der traditionellen HPC-Simulationen zu stärken. Darüber hinaus wird mit einer gezielten Erweiterung im Bereich maschinelles Lernen ein wichtiger Schritt getan. CLAIX-2025 wurde nicht nur als Antwort auf steigenden Bedarf konzipiert, sondern als strategische Investition in das datengetriebene wissenschaftliche Arbeiten von morgen.

Wir halten euch über die weiteren Entwicklungen rund um die Inbetriebnahme von CLAIX-2025 auf dem Laufenden. Bei Fragen oder Problemen steht euch das Team des IT-ServiceDesk zur Verfügung.

Weitere Informationen über CLAIX-2025 erhaltet ihr in unseren vergangenen Blogbeiträgen oder auf der HPC-Landingpage.