Hochleistungsrechner erreichen den Menschen

Wössners HLRS ist nur eines von mehreren Rechenzentren, an denen Firmen wie Porsche oder Mercedes anspruchsvolle Berechnungen erledigen lassen. Deutschland verfügt über mehrere Ebenen von Hochleitungsrechenzentren (HLRZ), von denen das bekannteste in Jülich betrieben wird. Bis vor etwa einem Jahr war IBMs BlueGene-Rechner in Jülich der schnellste Rechner der Welt und führte die zweimal im Jahr veröffentliche Liste der Top500-Rechner an.

Dieses Jahr haben sich gleich zwei chinesische Rechner unter die Top Ten dieser Liste geschoben. Indem sie die Fehler und Altlasten ihrer Vorgänger vermieden haben, konnten sie die neueste und leistungsfähigste Technik einsetzen. Interessant ist dabei besonders, dass die Chinesen neben den inzwischen gängigen Quadcore-Prozessoren von Intel und AMD, die in rund 40 Prozent aller Top100-Superrechner Einsatz finden, zur Beschleunigung vor allem Unmengen von Grafikprozessoren (GPUs) einsetzen. Allein mit Nvidias Fermi-Karte steht ihnen bereits 1 Teraflop/s zur Verfügung. Die GPUs liefern ihnen zahlreiche kleinere Rechenkerne, die für sie große Rechenaufgaben parallel abarbeiten können. Parallelverarbeitung ist das Mantra des Supercomputings.

Auch GPUs haben einen Siegeszug sondergleichen hinter sich. Eindeutiger Marktführer ist hier Nvidia, deren GeForce-Grafikkarten für den Entertainmentbereich in zahlreichen PCs stecken. Aber Nvidia stellt noch zwei weitere Produktlinien her. “Quadro” eignet sich für den CAD/CAM-Bereich, während “Tesla” für das High Performance Computing (HPC) gedacht ist. Mit Wachstumsraten von rund 50 Prozent pro Jahr hat Nvidia inzwischen die Marke von 3,3 Milliarden US-Dollar Jahresumsatz geknackt.

Nvidia hat nur einen Haken: Es ist nicht Intel-konform. Folglich muss der Entwickler eine gewisse Zeit – Intel spricht von bis zu einem Jahr – an Schulung und Einarbeitung investieren, um die entsprechenden Anwendungen erstellen zu können. Intel hat dieses Problem natürlich nicht und brüstet sich, jährlich mehrere Hundert Millionen Dollar in die Ausbildung seiner Entwicklergemeinde zu investieren – genau wie Nvidia.