Nvidia H200 NVL GPU Beschaffung

KI-Infrastrukturkomponenten Erweiterung Racoon & Athene

Das Universitätsklinikum Essen beschafft im Rahmen einer KI-Infrastruktur-Erweiterung für die Projekte Racoon und Athene neue NVIDIA-Hardware. Der Beschaffungsumfang gliedert sich in zwei Lose: Los 1 umfasst vier NVIDIA DGX B300 Systeme inklusive fünfjährigem Herstellersupport. Los 2 beinhaltet einen GPU-Servercluster mit RTX PRO 6000 SE GPUs, Fileserver, Netzwerkkomponenten sowie 24 NVIDIA DGX Spark Appliances inklusive Zubehör. Die Lieferung erfolgt schlüsselfertig inklusive Installation, Inbetriebnahme und Dokumentation.

HPC Hardware-Komponenten (GPU) für Universität Jena und TU Ilmenau

Beschafft werden zwölf GPU-Hardwarekomponenten für die Hochleistungsrechner-Infrastruktur der Universität Jena und der Technischen Universität Ilmenau. Die Komponenten müssen spezifische technische Mindestanforderungen an Speichergröße, Schnittstellen und Rechenleistung erfüllen. Die Integration erfolgt auf Basis eines bestehenden Betriebskonzepts in die vorhandene HPC-Infrastruktur. Die Bewertung der Angebote erfolgt ausschließlich über den Gesamtpreis.

Lieferung eines GPU-Servers für Forschung im Bereich Intelligent Information Systems

Die Bauhaus-Universität Weimar beschafft ein GPU-Serversystem für Forschungszwecke im Bereich Intelligent Information Systems. Der Lieferumfang umfasst ein hochleistungsfähiges Serversystem inklusive Prozessoren, Arbeitsspeicher, Grafikprozessoren, Storage-Komponenten und Netzwerkanbindung. Die Hardware muss Linux-kompatibel sein und in einem 19-Zoll-Rack installiert werden können. Die Lieferung erfolgt frei Verwendungsstelle inklusive förmlicher Abnahme. Zudem sind Optionen für Speichererweiterungen und Garantieanpassungen vorgesehen.

Beschaffung von 8 GPU-Grafikkarten RTX Pro 6000 Blackwell (96GB) für KI-Modelle

Fraunhofer FOKUS beabsichtigt die Beschaffung von 8 GPU-Grafikkarten (RTX Pro 6000 Blackwell, 96GB) zum Training, Fine-Tuning und zur Inferenz von KI-Modellen. Die Karten sollen in ein bestehendes Rack integriert werden, um eine cloud-unabhängige, lokale Recheninfrastruktur für die Verarbeitung sensibler Daten zu gewährleisten. Eine nahtlose Integration in die bestehende GPU-Serverlandschaft ist erforderlich.

Multi-GPU-Workstation für KI-Lehrbetrieb

Die Technische Universität Berlin beschafft eine professionelle Multi-GPU-Workstation für den KI-Lehrbetrieb. Das System ist für den Einsatz in der Lehre, insbesondere für Machine-Learning-Verfahren und kleinere neuronale Netze, konzipiert. Es muss als herstellerseitig validierte Gesamtkonfiguration geliefert werden und eine hohe Erweiterbarkeit bei RAM, NVMe-Speicher und GPU-Ausstattung bieten. Die Workstation wird in einem klimatisierten Serverraum betrieben und erfordert einen umfassenden 5-jährigen Herstellersupport.