Das aktuelle Update auf Version 2.15 von Red Hat OpenShift AI hat sich ganz der Skalierbarkeit und Anpassungsfähigkeit von KI-Modellen verschrieben. Im Mittelpunkt der Aktualisierung stehen daher eine verbesserte Performance sowie optimierte KI-Workflows.

KI-Modelle wachsen exponentiell; neues Silizium folgt gerade noch mit Ach und Krach dem frisch umformulierten Mooreschen Gesetz. In diesem Spannungsfeld muss irgendwas nachgeben. Gibt es denn nicht schon Energie-effiziente Hochleistungschips, die nichts kosten? Quantenbeschleuniger für jeden Geldbeutel? Irgendwie Licht, oder zumindest neue Lithografie, am Ende des Tunnels?

Deutsche Unternehmen sind für den KI-Wettbewerb besser als oft gedacht vorbereitet, so Marius Kowalewski von Netapp. Doch das Zeitfenster ist knapp. Entscheidend sei solide Vorarbeit, um Unternehmensdaten sicher mit angepassten KI-Modellen nutzen zu können.

Einst gab es Datentypistinnen - lange vor KI. Und KI macht Angst, wegrationalisiert zu werden; Datentypistinnen braucht heute keiner mehr. Doch KI rationalisiert nicht nur, sondern schafft auch neue Berufsfelder. Doch welche konkret? Stellvertretend für eine Fülle neuer Jobprofile stellt Dell Technologies einige Beispiele vor.

Softbank Corp., Zutacore und Foxconn arbeiten gemeinsam am Design und der Entwicklung einer Rack-integrierten Lösung, die für die 2-Phasen-DLC-Technik von Zutacore optimiert ist und bei KI-Servern zum Einsatz kommt, die dem „Nvidia Accelerated Computing“ zuzuordnen sind.

Der polnische Rechenzentrumsbetreiber „Polcom“ will zwei neue Rechenzentren bauen. Das Projekt umfasst einen Photovoltaikpark mit einer Leistung von 1,7 Megawatt (MW). Die Gesamtkosten belaufen sich auf knapp 24 Millionen Euro.

In der IT-Infrastruktur von Unternehmen treiben sich bis in zwei Jahren Tausende von Agenten herum – prognostizierte CEO Steve Lucas in London. Um sie unter Kontrolle zu halten, wird eine zentrale Kontroll-Konsole nötig werden.

Anlässlich der gerade beendeten Dynatrace-Konferenz hat der Hersteller einen Live-Debugger zur Optimierung der Fehlerbehebung und Leistungsüberwachung vorgestellt. Er wird zum Bestandteil des KI-gestützten Tool „Observability for Developers“.

In den großen HPC-Clustern wird schon länger mit Wasser gekühlt. Doch mit steigender Nachfrage nach leistungsstarken KI-Systemen und der allgemein höheren Prozessorleistung stößt Luft auch anderweitig immer öfter an Grenzen.

Unternehmen verzichten zunehmend auf den Aufbau einer eigenen KI-Infrastruktur und entscheiden sich für künstliche Intelligenz als Service (KI-as-a-Service). Welche Anbieter eignen sich für welche Anforderungen am besten? Mit welchen Vor- und Nachteilen müssen die Anwender rechnen?