Kompaktes KI half-Size System mit Intel Xeon Prozessor

Bild: ICP Deutschland GmbH

Mit dem PAC-400AI-C236 System bringt ICP Deutschland ein kompaktes half-size IPC System auf den Markt, welches Xeon Rechenleistung bietet, Platz für FPGA, VPU oder TPU Beschleunigerkarten hat und eine Gehäusegröße von lediglich 269x140x231mm (LxBxH) aufweist. Das PAC-400AI-C236 besteht aus einem marineblauen Gehäuse in dem neben der 5 Slot Backplane die PICMG 1.3 Half-Size Slot CPU Karte HPCIE-C236 ihr Werk verrichtet. Die Recheneinheit ist mit einem Intel C236 Serverchipsatz und einem Intel Xeon E3-1275 v5 Quad Core Prozessor mit einer Basistaktfrequenz von 3,6GHz und einer Turbofrequenz von 4,0GHz ausgestattet. Zwei 260 Pin DDR4 SDRAM Steckplätze können bis zu 32GB Speicher mit oder ohne ECC Fehlerkorrektur aufnehmen. Zwei Mal 8GB ECC Arbeitsspeicher sind bereits ab Werk vorinstalliert. Das PAC System bietet neben dem VGA Anschluss mit Full-HD Auflösung einen iDP Anschluss, der mit optionalen Add-On Karten um gängige Displayausgänge wie HDMI oder Display Port erweitert werden kann. Das iDP Interface unterstützt hier Auflösungen von bis zu 3840×2160 Pixeln. Für Massenspeicher stehen ein mSATA Steckplatz und ein 3,5“ SATAIII Laufwerksschacht zur Verfügung. Ferner bietet das System einen Intel i219LM mit AMT 11 Support und einen Intel i211AT GBit LAN Anschluss, zwei USB3.2 (Gen1) und zwei USB2.0 Steckplätze. Zwei PCI Express Slots der dritten Generation stehen für Erweiterungskarten zur Verfügung. Das System bietet auf der Backplane einen x16 und einen x4 Slot. Auf beiden können beispielsweise FPGA, VPU oder TPU KI Beschleunigerkarten der Mustang Serie zum Einsatz kommen. Das PAC400AI-C236 ist mit einem 250W Full Range Netzteil ausgestattet und kann in einem Temperaturbereich von 0 bis 50°C betrieben werden. Auf Wunsch liefert ICP Deutschland das PAC-400AI-C236 als Ready-to-Use System mit geeignetem Massenspeicher und Betriebssystem.

ICP Deutschland GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige