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
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-Projekte umsetzen – schnell, effizient, kostengünstig
Während das Training von Algorithmen sehr rechenintensiv ist, lassen sich die daraus abgeleiteten Modelle auch auf Standard-Servern ausführen. Wie Sie KI-Projekte effizient und kostengünstig umsetzen.
KI-Workloads und die Bedeutung der CPU
Welche Rolle spielt der Hauptprozessor (CPU) eines Servers beim Training und der Anwendung von KI-Modellen? Wie müssen CPU und Grafikprozessor (GPU) zusammenarbeiten, um eine möglichst hohe Performance zu gewährleisten? Die Antworten finden Sie in diesem Video.