Anbieter zum Thema

„Epyc-sche“ Herausforderung: Mit der „Instinct MI300A“ APU und der „MI300X“ GPU hat AMD zwei Hochleistungsbeschleuniger für KI-Workloads konzipiert, die sowohl das Training und HPC als auch Inferenz im Rechenzentrum abdecken. (Bild: AMD)
Einer Ingenieurin ist nix zu schwör!

Was macht AMD richtig?

AMD hat eine derart „Epyc-sche“ Erfolgsstory hingelegt, dass das Unternehmen schon wieder ein paar Milliarden Dollar locker machen kann, um das eigene Technologieportfolio zu vervollständigen. Der selbsternannte „Ryzen (star)“ der Unternehmens-IT will sich mit dem Kauf des Serverherstellers ZT Systems im Datacenter-Markt hyperskalieren. Was macht AMD richtig? Und erneut einen guten „Instinct“ bewiesen!

Weiterlesen

Bildergalerien

KI benötigt Rechenleistung, aber die gibt es nicht umsonst: Energie und IT-Technik kosten und stapazieren die Umwelt. Vshosting-Geschäftsführer Damir Špoljarič geht auf die Zusammenhänge ein.  (Bild: frei lizenziert: Jorge Guillen )
Trends 2025: Künstliche Intelligenz wird wichtiger Wirtschaftsfaktor

Der Weg zur KI-Transformation führt über GPU-Server und Green Computing

Wer in der freien Wirtschaft mithalten will, kommt in Zukunft um die Nutzung von KI nicht mehr herum. Die Nachfrage nach passender Software steigt und damit die Notwendigkeit von entsprechenden Rechenzentren, die die leistungshungrigen Programme stabil, latenzfrei und im besten Fall mit einem möglichst geringen ökologischen Fußabdruck zur Verfügung stellen können. Für das Jahr 2025 werden daher die nachfolgenden vier Trends für IT und Wirtschaft bedeutsam sein:

Weiterlesen
Wer nur das Beste will, macht es kompliziert ....  (Bild: frei lizenziert: Jensen Art Co )
Neue Diskussionsvariante für Best-of Breed versus All-in-One

Die Kehrseiten des Modern Data Stack

Daten in der Cloud flexibel, skalierbar und kosteneffizient integrieren, speichern und analysieren mit einer modularen, integrierten Architektur – dies ist das Konzept eines „Modern Data Stack“ (MDS). Im MDS kommen Komponenten mehrerer Hersteller zum Einsatz, mit denen Datenteams ihr Cloud Data Warehouse aufbauen und pflegen: ELT, Workflow-Management, CI/CD, Versionskontrolle, Datenmodellierung, zum Teil auch spezifische Automatisierungsanforderungen für Datenmodellierungsansätze wie „Data Vault 2.0“.

Weiterlesen