„Intel Clearwater Forest“ ist da. Der große „Xeon“-Prozessor mit „E“-Cores und bis zu 288 „Skymont“-Kernen ist vor allem für Cloud- und Enterprise-Anwendungen gedacht, die viele und effiziente Cores benötigen. Dazu zählen etwa Hosting, Mediastreaming oder Telco-Anwendungen.

Agentic AI gilt als die nächste Entwicklungsstufe von Künstlicher Intelligenz (KI) und bietet weit mehr als nur Chat- oder Textfunktionen. Weil sie eigenständig plant und handelt, kann sie durchaus komplexe Aufgaben übernehmen. Doch einfach war, wenn überhaupt jemals, gestern.

Die Idee ist einfach, aber gewagt: Roboter sollen den Bau der Infrastruktur beschleunigen, die die KI versorgt, während die Nachfrage explodiert.

Die Bereitstellung von flüssigkeitsgekühlten so genannten AIDCs (AI Data Centers) ist alles andere als Plug-and-Play. Kaytus, Anbieter von KI-basierter und flüssigkeitsgekühlter End-to-End IT-Infrastrukturtechnik, untersucht und identifiziert die fünf häufigsten Hürden bei diesem Bereitstellungs-Prozess.

Generative KI braucht keine Programmierschnittstellen US-amerikanischer Anbieter. Offene Sprachmodelle arbeiten auch auf firmeneigener Hardware, Das heißt: Prompts und Dokumente bleiben im internen Netz. Europäische Anbieter ergänzen das Angebot mit gehosteten Modellen aus Rechenzentren innerhalb der EU.

Am 12. Mai hat Siemens die Software „Solido Characterizer“ als verfügbar vorgestellt, die eine KI-gestützte Charakterisierung von Bibliotheksmodellen im Halbleiterdesigns ermöglicht. Sie zielt auf die sich rasch verändernden Anforderungen der Chipindustrie an Geschwindigkeit, Genauigkeit und Effizienz bei der Bibliothekscharakterisierung.

Über Jahre gewachsene Firewall-Regelwerke bremsen große Rechenzentren aus und erzeugen so ganannte Race Conditions. Eine intent-basierte Orchestrierung übersetzt Vorgaben in natürlicher Sprache, ein Knowledge Graph hält die Topologie aktuell, und menschliche Aufsicht bleibt über klar definierte Modi erhalten.

Auf der Hausemesse „Cisco Live EMEA 2026“ in Amsterdam stellt Cisco neue Technik für das KI-Zeitalter vor. Im Fokus stehen leistungsfähige „Silicon-One“-Chips, erweiterte Sicherheitsfunktionen sowie agentenbasierte Betriebsmodelle für Netzwerke und IT-Teams.

Zur Verbesserung der Energie-Effizienz auf Computing-Ebene in Rechenzentren sind zwar die Möglichkeiten, wie In-Network-Computing, Optical-Switching-Technologien, Workload-Optimierung und fortschrittliche Kühlungsmethoden noch nicht vollkommen ausgeschöpft, doch die Energieversorgung bleibt ein zentraler Bestandteil der Systemoptimierung. Der Artikel will einen Einblick in die Energieversorgung für den Ausbau von HPC- und KI-Datacenter bieten.

Nvidia dominiert den Markt für Datacenter-GPUs mit einem Anteil von rund 80 Prozent. Derzeit sieht es nicht danach aus, dass Konkurrenten wie AMD und Intel sowie die Hyperscaler mit eigenen KI-Prozessoren viel daran ändern können. Denn der Riese macht weiter Tempo.