KI
Neueste Inhalte
Von der Cloud zum KI-PC: Wie sich KI-Modelle portieren lassen
KI-Modelle, die in der Cloud trainiert wurden, lassen sich oft nur schwer in lokale IT-Umgebungen integrieren. ONNX und die AMD Ryzen AI Software bieten einen einfachen Weg, KI plattformübergreifend einzusetzen.
Video: Wie sich ONNX-Runtime-Anwendungen lokal bereitstellen lassen
Das Open Neural Network Exchange (ONNX)-Format ermöglicht es, KI-Anwendungen von einem Framework auf ein anderes zu portieren. Dieses Video zeigt, wie sich ONNX-Runtime-Anwendungen mithilfe der Ryzen AI-Software lokal nutzen lassen.
KI im Rechenzentrum: So planen Sie eine erfolgreiche Integrationsstrategie
Wie können Unternehmen ein KI-fähiges Rechenzentrum aufbauen, ohne dass Kosten und Aufwand aus dem Ruder laufen? Welche Strategien und Best Practices gibt es dafür? Antworten liefert dieses eBook.
Von Training bis Inferenz: Hardware-Empfehlungen für KI-Workflows
Für Training, Optimierung und Anwendung von KI-Modellen ist leistungsfähige Hardware nötig. Die Anforderungen in den einzelnen Phasen unterscheiden sich jedoch deutlich. Dieses eBook zeigt, wie Sie die richtige Hardware für jeden KI-Workflow finden.
Autonome Agenten: Wie KI die Prozessautomatisierung revolutioniert
KI-Agenten planen und lösen komplexe Aufgaben selbständig und systemübergreifend. In der Prozessautomatisierung bringen sie aber auch neue Risiken und höhere Anforderungen an die IT-Infrastruktur mit sich.
Der neue Standard: Warum KI-PCs bis zu 83 % schneller sind.
Herkömmliche PCs bieten oft nicht genügend Leistung, um moderne KI-Apps ausführen zu können. In diesem Video erfahren Sie, wie Sie das Problem durch den Umstieg auf einen KI-PC mit AMD Ryzen AI Prozessor lösen.
Unsere Empfehlungen
Künstliche Intelligenz – Vom Training zum Einsatz
Die Entwicklung und Nutzung von KI-Anwendungen verlangt leistungsfähige Computersysteme. Gute Ergebnisse entstehen nur, wenn alle Schritte – vom Training über das Inferencing bis zur Bewertung – optimal abgestimmt sind.
KI auf allen Ebenen: Wie sich künstliche Intelligenz in der Cloud, im Rechenzentrum und auf Endpunkten nutzen lässt
KI-Technologien und -Services sind heute überall verfügbar. Wie sich Cloud-Services, lokale Server, Clients und Edge Devices für KI einsetzen lassen – und welche technischen Voraussetzungen dafür notwendig sind.
KI-Workloads: Warum es nicht immer GPUs braucht
Nicht alle KI-Workloads benötigen GPU-Systeme. Mithilfe dieser Infografik erfahren Sie, welche Aufgaben Sie auch auf einer CPU-basierten Infrastruktur ausführen können und welche Vorteile sich daraus ergeben.