DE · EN
Anrufen
+41 44 508 80 00 Ueberlandstrasse 1, 8600 Dübendorf
build 7bbbddf7 | content blog-content@c8490fa · 338 posts | profiles 20 · corpus 267 | ● 0 skipped | | format
apiVersion: soultec.ch/v1kind: Solutionmetadata: name: hpe/hpe-private-cloud-ai locale: de labels: vendor: HPE Private Cloud AI capability/ai: 5.59 capability/cloud: 1.94 vendor/hpe: 2.04 annotations: source: src/content/solutions/de/hpe/hpe-private-cloud-ai.md route: /de/solutions/hpe/hpe-private-cloud-ai/ schema: /nerd/schema/solutions.json markdown: /de/solutions/hpe/hpe-private-cloud-ai.mdspec: title: HPE Private Cloud AI tags: [ai, cloud] vendors: [hpe] summary: >- Eine vorkonfigurierte KI-Plattform von HPE und NVIDIA, im eigenen Rechenzentrum. Public-Cloud-Arbeitsweise, ohne dass die Daten das Haus verlassen. photoNeed: >- HPE hardware in our hands: a ProLiant or Alletra being racked, cabled, or opened, with the model badge readable stub: false draft: false kind: product addon: false vendorName: HPE Private Cloud AI status: current sections: - heading:

Was es ist

 body: | Private Cloud AI ist eine KI-optimierte Private-Cloud-Lösung, die HPE gemeinsam mit NVIDIA entwickelt hat. Vorkonfigurierte Hardware: ProLiant-Server, NVIDIA-GPUs, Netzwerk und Storage, abgestimmt auf KI-Workloads und in mehreren Grössen skalierbar. Darauf sitzt eine Self-Service-Ebene, über die Data Scientists Werkzeuge und Modelle beziehen, ohne für jedes Experiment eine Anfrage stellen zu müssen. - heading:

Wofür es gedacht ist

 body: | Für Unternehmen, die mit KI produktiv arbeiten wollen und deren Daten das Haus nicht verlassen dürfen. Das ist der eigentliche Anwendungsfall: die Arbeitsweise der Public Cloud, mit der Kontrolle einer lokalen Umgebung. - heading:

Warum vorkonfiguriert ein Argument ist

 body: | Eine KI-Plattform selbst zu bauen heisst, GPU-Treiber, Framework-Versionen, Netzwerkdurchsatz und Storage-Latenz aufeinander abzustimmen, bevor überhaupt ein Modell läuft. Genau diese Abstimmung ist hier vorweggenommen. - heading:

Worauf zu achten ist

 body: | GPUs sind teuer und wollen ausgelastet sein. Bevor Grösse und Anzahl feststehen, sollte klar sein, wie viele Teams die Plattform teilen und wie die Zuteilung geregelt ist. Das ist eine Betriebsfrage, keine Beschaffungsfrage.status: corpus: 267 services: - {ref: services/cloud, score: 0.38} experts: - {ref: experts/karl-widmer, score: 0.42} - {ref: experts/aldo-gwerder, score: 0.40} - {ref: experts/daniel-stadelmann, score: 0.40} neighbours: - {ref: solutions/hpe/hpe-private-cloud-business-edition-pcbe, score: 0.45} - {ref: solutions/hpe/hpe-greenlake, score: 0.40}
{ "apiVersion": "soultec.ch/v1", "kind": "Solution", "metadata": { "name": "hpe/hpe-private-cloud-ai", "locale": "de", "labels": { "vendor": "HPE Private Cloud AI", "capability/ai": "5.59", "capability/cloud": "1.94", "vendor/hpe": "2.04" }, "annotations": { "source": "src/content/solutions/de/hpe/hpe-private-cloud-ai.md", "route": "/de/solutions/hpe/hpe-private-cloud-ai/", "schema": "/nerd/schema/solutions.json", "markdown": "/de/solutions/hpe/hpe-private-cloud-ai.md" } }, "spec": { "title": "HPE Private Cloud AI", "tags": [ "ai", "cloud" ], "vendors": [ "hpe" ], "summary": "Eine vorkonfigurierte KI-Plattform von HPE und NVIDIA, im eigenen Rechenzentrum. Public-Cloud-Arbeitsweise, ohne dass die Daten das Haus verlassen.", "photoNeed": "HPE hardware in our hands: a ProLiant or Alletra being racked, cabled, or opened, with the model badge readable", "stub": false, "draft": false, "kind": "product", "addon": false, "vendorName": "HPE Private Cloud AI", "status": "current" }, "sections": [ { "heading": "

Was es ist

", "body": "Private Cloud AI ist eine KI-optimierte Private-Cloud-Lösung, die HPE gemeinsam mit NVIDIA\nentwickelt hat. Vorkonfigurierte Hardware: ProLiant-Server, NVIDIA-GPUs, Netzwerk und\nStorage, abgestimmt auf KI-Workloads und in mehreren Grössen skalierbar.\n\nDarauf sitzt eine Self-Service-Ebene, über die Data Scientists Werkzeuge und Modelle\nbeziehen, ohne für jedes Experiment eine Anfrage stellen zu müssen." }, { "heading": "

Wofür es gedacht ist

", "body": "Für Unternehmen, die mit KI produktiv arbeiten wollen und deren Daten das Haus nicht\nverlassen dürfen. Das ist der eigentliche Anwendungsfall: die Arbeitsweise der Public\nCloud, mit der Kontrolle einer lokalen Umgebung." }, { "heading": "

Warum vorkonfiguriert ein Argument ist

", "body": "Eine KI-Plattform selbst zu bauen heisst, GPU-Treiber, Framework-Versionen,\nNetzwerkdurchsatz und Storage-Latenz aufeinander abzustimmen, bevor überhaupt ein Modell\nläuft. Genau diese Abstimmung ist hier vorweggenommen." }, { "heading": "

Worauf zu achten ist

", "body": "GPUs sind teuer und wollen ausgelastet sein. Bevor Grösse und Anzahl feststehen, sollte\nklar sein, wie viele Teams die Plattform teilen und wie die Zuteilung geregelt ist. Das ist\neine Betriebsfrage, keine Beschaffungsfrage." } ], "status": { "corpus": 267, "services": [ { "ref": "services/cloud", "score": "0.38" } ], "experts": [ { "ref": "experts/karl-widmer", "score": "0.42" }, { "ref": "experts/aldo-gwerder", "score": "0.40" }, { "ref": "experts/daniel-stadelmann", "score": "0.40" } ], "neighbours": [ { "ref": "solutions/hpe/hpe-private-cloud-business-edition-pcbe", "score": "0.45" }, { "ref": "solutions/hpe/hpe-greenlake", "score": "0.40" } ] }}
apiVersion = "soultec.ch/v1"kind = "Solution"[metadata]name = "hpe/hpe-private-cloud-ai"locale = "de"[metadata.labels]vendor = "HPE Private Cloud AI""capability/ai" = "5.59""capability/cloud" = "1.94""vendor/hpe" = "2.04"[metadata.annotations]source = "src/content/solutions/de/hpe/hpe-private-cloud-ai.md"route = "/de/solutions/hpe/hpe-private-cloud-ai/"schema = "/nerd/schema/solutions.json"markdown = "/de/solutions/hpe/hpe-private-cloud-ai.md"[spec]title = "HPE Private Cloud AI"tags = ["ai", "cloud"]vendors = ["hpe"]summary = "Eine vorkonfigurierte KI-Plattform von HPE und NVIDIA, im eigenen Rechenzentrum. Public-Cloud-Arbeitsweise, ohne dass die Daten das Haus verlassen."photoNeed = "HPE hardware in our hands: a ProLiant or Alletra being racked, cabled, or opened, with the model badge readable"stub = falsedraft = falsekind = "product"addon = falsevendorName = "HPE Private Cloud AI"status = "current"[[sections]]heading = "

Was es ist

"body = '''Private Cloud AI ist eine KI-optimierte Private-Cloud-Lösung, die HPE gemeinsam mit NVIDIAentwickelt hat. Vorkonfigurierte Hardware: ProLiant-Server, NVIDIA-GPUs, Netzwerk undStorage, abgestimmt auf KI-Workloads und in mehreren Grössen skalierbar.Darauf sitzt eine Self-Service-Ebene, über die Data Scientists Werkzeuge und Modellebeziehen, ohne für jedes Experiment eine Anfrage stellen zu müssen.'''[[sections]]heading = "

Wofür es gedacht ist

"body = '''Für Unternehmen, die mit KI produktiv arbeiten wollen und deren Daten das Haus nichtverlassen dürfen. Das ist der eigentliche Anwendungsfall: die Arbeitsweise der PublicCloud, mit der Kontrolle einer lokalen Umgebung.'''[[sections]]heading = "

Warum vorkonfiguriert ein Argument ist

"body = '''Eine KI-Plattform selbst zu bauen heisst, GPU-Treiber, Framework-Versionen,Netzwerkdurchsatz und Storage-Latenz aufeinander abzustimmen, bevor überhaupt ein Modellläuft. Genau diese Abstimmung ist hier vorweggenommen.'''[[sections]]heading = "

Worauf zu achten ist

"body = '''GPUs sind teuer und wollen ausgelastet sein. Bevor Grösse und Anzahl feststehen, sollteklar sein, wie viele Teams die Plattform teilen und wie die Zuteilung geregelt ist. Das isteine Betriebsfrage, keine Beschaffungsfrage.'''[status]corpus = 267[[status.services]]ref = "services/cloud"score = "0.38"[[status.experts]]ref = "experts/karl-widmer"score = "0.42"[[status.experts]]ref = "experts/aldo-gwerder"score = "0.40"[[status.experts]]ref = "experts/daniel-stadelmann"score = "0.40"[[status.neighbours]]ref = "solutions/hpe/hpe-private-cloud-business-edition-pcbe"score = "0.45"[[status.neighbours]]ref = "solutions/hpe/hpe-greenlake"score = "0.40"
<?xml version="1.0" encoding="UTF-8"?><manifest kind="Solution"> <apiVersion>soultec.ch/v1</apiVersion> <metadata> <name>hpe/hpe-private-cloud-ai</name> <locale>de</locale> <labels> <vendor>HPE Private Cloud AI</vendor> <entry key="capability/ai">5.59</entry> <entry key="capability/cloud">1.94</entry> <entry key="vendor/hpe">2.04</entry> </labels> <annotations> <source>src/content/solutions/de/hpe/hpe-private-cloud-ai.md</source> <route>/de/solutions/hpe/hpe-private-cloud-ai/</route> <schema>/nerd/schema/solutions.json</schema> <markdown>/de/solutions/hpe/hpe-private-cloud-ai.md</markdown> </annotations> </metadata> <spec> <title>HPE Private Cloud AI</title> <tags> <item>ai</item> <item>cloud</item> </tags> <vendors> <item>hpe</item> </vendors> <summary>Eine vorkonfigurierte KI-Plattform von HPE und NVIDIA, im eigenen Rechenzentrum. Public-Cloud-Arbeitsweise, ohne dass die Daten das Haus verlassen.</summary> <photoNeed>HPE hardware in our hands: a ProLiant or Alletra being racked, cabled, or opened, with the model badge readable</photoNeed> <stub>false</stub> <draft>false</draft> <kind>product</kind> <addon>false</addon> <vendorName>HPE Private Cloud AI</vendorName> <status>current</status> </spec> <sections> <section> <heading>

Was es ist

</heading> <body>Private Cloud AI ist eine KI-optimierte Private-Cloud-Lösung, die HPE gemeinsam mit NVIDIAentwickelt hat. Vorkonfigurierte Hardware: ProLiant-Server, NVIDIA-GPUs, Netzwerk undStorage, abgestimmt auf KI-Workloads und in mehreren Grössen skalierbar.Darauf sitzt eine Self-Service-Ebene, über die Data Scientists Werkzeuge und Modellebeziehen, ohne für jedes Experiment eine Anfrage stellen zu müssen. </body> </section> <section> <heading>

Wofür es gedacht ist

</heading> <body>Für Unternehmen, die mit KI produktiv arbeiten wollen und deren Daten das Haus nichtverlassen dürfen. Das ist der eigentliche Anwendungsfall: die Arbeitsweise der PublicCloud, mit der Kontrolle einer lokalen Umgebung. </body> </section> <section> <heading>

Warum vorkonfiguriert ein Argument ist

</heading> <body>Eine KI-Plattform selbst zu bauen heisst, GPU-Treiber, Framework-Versionen,Netzwerkdurchsatz und Storage-Latenz aufeinander abzustimmen, bevor überhaupt ein Modellläuft. Genau diese Abstimmung ist hier vorweggenommen. </body> </section> <section> <heading>

Worauf zu achten ist

</heading> <body>GPUs sind teuer und wollen ausgelastet sein. Bevor Grösse und Anzahl feststehen, sollteklar sein, wie viele Teams die Plattform teilen und wie die Zuteilung geregelt ist. Das isteine Betriebsfrage, keine Beschaffungsfrage. </body> </section> </sections> <status> <corpus>267</corpus> <services> <item> <ref>services/cloud</ref> <score>0.38</score> </item> </services> <experts> <item> <ref>experts/karl-widmer</ref> <score>0.42</score> </item> <item> <ref>experts/aldo-gwerder</ref> <score>0.40</score> </item> <item> <ref>experts/daniel-stadelmann</ref> <score>0.40</score> </item> </experts> <neighbours> <item> <ref>solutions/hpe/hpe-private-cloud-business-edition-pcbe</ref> <score>0.45</score> </item> <item> <ref>solutions/hpe/hpe-greenlake</ref> <score>0.40</score> </item> </neighbours> </status></manifest>
Lösung · HPE

HPE Private Cloud AI

Eine vorkonfigurierte KI-Plattform von HPE und NVIDIA, im eigenen Rechenzentrum. Public-Cloud-Arbeitsweise, ohne dass die Daten das Haus verlassen.

HPE Gold Partner

Themen KI 5.59 Cloud 1.94
Hersteller HPE 2.04
01Services
02Fähigkeiten
267Korpus

Was es ist

Private Cloud AI ist eine KI-optimierte Private-Cloud-Lösung, die HPE gemeinsam mit NVIDIA entwickelt hat. Vorkonfigurierte Hardware: ProLiant-Server, NVIDIA-GPUs, Netzwerk und Storage, abgestimmt auf KI-Workloads und in mehreren Grössen skalierbar.

Darauf sitzt eine Self-Service-Ebene, über die Data Scientists Werkzeuge und Modelle beziehen, ohne für jedes Experiment eine Anfrage stellen zu müssen.

Wofür es gedacht ist

Für Unternehmen, die mit KI produktiv arbeiten wollen und deren Daten das Haus nicht verlassen dürfen. Das ist der eigentliche Anwendungsfall: die Arbeitsweise der Public Cloud, mit der Kontrolle einer lokalen Umgebung.

Warum vorkonfiguriert ein Argument ist

Eine KI-Plattform selbst zu bauen heisst, GPU-Treiber, Framework-Versionen, Netzwerkdurchsatz und Storage-Latenz aufeinander abzustimmen, bevor überhaupt ein Modell läuft. Genau diese Abstimmung ist hier vorweggenommen.

Worauf zu achten ist

GPUs sind teuer und wollen ausgelastet sein. Bevor Grösse und Anzahl feststehen, sollte klar sein, wie viele Teams die Plattform teilen und wie die Zuteilung geregelt ist. Das ist eine Betriebsfrage, keine Beschaffungsfrage.

Wer damit arbeitet

Karl Widmer

Senior System Engineer

Cloud
0.42

Aldo Gwerder

Senior System Engineer

Cloud
0.40

Daniel Stadelmann

Senior Solution Architect

Cloud
0.40
Arbeitest du damit? Schau dir unsere offenen Chancen an.