EN PL DE
Vertrieb kontaktieren

Cloud AI

NVIDIA-GPU-Leistung. On demand. In der EU.

Trainieren, feinabstimmen und bereitstellen auf den neuesten NVIDIA-GPUs, ohne einen einzigen Server zu kaufen. Stündlich, monatlich oder reserviert; eine GPU oder ein Multi-Node-Cluster; Ihre Daten bleiben in der Europäischen Union.

Rack mit drei 4U-GPU-Servern und einem NVMe-Storage-Node, verkabelt mit orangen und weißen Patchkabeln
GPU-Nodes aus einer unserer Installationen

Services

Rechenleistung, wie Ihr Projekt sie braucht.

Von einer Stunde auf einer einzelnen GPU bis zum dedizierten Cluster, den wir für Sie betreiben — alles auf NVIDIA-Hardware, alles innerhalb der EU.

GPU-Instanzen on demand

Virtuelle Maschinen mit dedizierten NVIDIA-GPUs (H100, H200, B200, B300, RTX PRO 6000), stündlich abgerechnet. In Minuten starten, für einen Trainingslauf hochskalieren, danach wieder herunter.

Stündliche Abrechnung1–8 GPUs pro InstanzLokales NVMe

Dedizierte Bare-Metal-Server

Single-Tenant-HGX- und RTX-PRO-Server, reserviert für Sie — volle Leistung, keine „lauten Nachbarn“, Root-Zugriff und eigene Images.

Monatlich / reserviert8-GPU-HGX-NodesInfiniBand-Option

Private AI Cloud

Eine dedizierte GPU-Umgebung in einem EU-Rechenzentrum, auf Netzwerk- und Hardware-Ebene isoliert und von uns nach Ihren Compliance-Anforderungen betrieben.

Dedizierte RacksVPN / Private LinkDSGVO-konform

Managed Inference

Produktive Modell-Endpunkte mit Autoscaling, Monitoring und Kostenkontrolle — auf Basis von NVIDIA NIM, TensorRT-LLM und vLLM.

OpenAI-kompatible APIFP4 auf BlackwellNutzungs-Dashboards

Trainings- & Fine-Tuning-Umgebungen

Multi-Node-Cluster mit InfiniBand-Fabric, parallelem Storage und vorkonfigurierten Frameworks (PyTorch, NVIDIA NeMo, JAX) für große Trainingsläufe.

Multi-NodeNVIDIA NeMoCheckpoint-Storage

Managed Kubernetes & MLOps

GPU-fähiges Kubernetes mit NVIDIA GPU Operator, Workload-Scheduling, MLflow- oder Kubeflow-Pipelines und Observability — betrieben von unseren Engineers.

GPU OperatorMulti-TenantObservability

GPU-Klassen

Die richtige GPU für die Aufgabe.

Alle Klassen sind als Instanzen, Bare-Metal oder reservierte Kapazität verfügbar. Nicht sicher, welche? Wir benchmarken Ihren Workload, bevor Sie sich festlegen.

GPUSpeicherAm besten fürForm
NVIDIA B300 (Blackwell Ultra)bis 288 GB HBM3eReasoning-Inferenz, Training mit Billionen Parametern, FP4-WorkloadsHGX B300 8-GPU-Nodes
NVIDIA B200 (Blackwell)180 GB HBM3eLLM-Training und Inferenz mit hohem DurchsatzHGX B200 8-GPU-Nodes
NVIDIA H200141 GB HBM3eInferenz großer Modelle, speicherlimitiertes TrainingSXM 8-GPU-Nodes, NVL PCIe
NVIDIA H10080 GB HBM3Bewährtes Arbeitstier für Training und InferenzSXM 8-GPU-Nodes, PCIe
NVIDIA RTX PRO 6000 Blackwell Server96 GB GDDR7 ECCKosteneffiziente Inferenz, Vision, Rendering, virtuelle WorkstationsPCIe-Server mit 1–8 GPUs
NVIDIA L40S48 GB GDDR6Inferenz, Grafik und gemischte WorkloadsPCIe-Server

Speicherangaben laut NVIDIA-Spezifikationen. Verfügbarkeit einzelner Klassen und Regionen bestätigen wir im Angebot.

Warum unsere Cloud

Gebaut für Produktion, nicht nur für Demos.

EU-Rechenzentren

Rechenleistung und Storage in der Europäischen Union, Verträge nach EU-Recht, Auftragsverarbeitungsverträge (DSGVO) verfügbar.

Echtes Cluster-Netzwerk

NVIDIA Quantum InfiniBand oder Spectrum-X Ethernet zwischen den Nodes — Multi-Node-Training skaliert so, wie es die Benchmarks versprechen.

Schneller Storage

Lokales NVMe in jedem Node, parallele Dateisysteme mit hohem Durchsatz für Datensätze und Checkpoints, S3-kompatibler Objektspeicher für Archive.

Transparente Abrechnung

Preise pro GPU-Stunde oder reserviert, klare Konditionen für Datentransfer, Rechnungen in EUR oder PLN mit EU-USt.

Weg von der Cloud zu On-Premises

Wenn Ihre Auslastung Eigentum günstiger macht, planen wir die On-Premises-Umgebung und migrieren denselben Stack — wir verkaufen beides und beraten deshalb ehrlich.

Engineers am Telefon

Support von Menschen, die GPU-Cluster betreiben, nicht von Ticket-Routern: Onboarding, Tuning und Incident Response.

Anwendungsfälle

Was Teams in der GTECH AI Cloud betreiben.

LLM-Fine-TuningLoRA- und vollständiges Fine-Tuning offener Modelle auf H200- und Blackwell-Nodes.
RAG & KI-AgentenProduktive Endpunkte für Assistenten und Agenten mit vorhersagbarer Latenz.
Computer VisionTraining von Detektions- und Segmentierungsmodellen auf großen Bild- und Videodatensätzen.
Sprache & ÜbersetzungASR-, TTS- und Übersetzungsdienste für europäische Sprachen.
Generative MedienPipelines für Bild-, Video- und 3D-Generierung mit Burst-Kapazität.
Wissenschaftliches RechnenSimulations- und Forschungs-Workloads mit Slurm und MPI über InfiniBand.

Erste Schritte

Vom ersten Gespräch zum ersten Token.

01

Scope

Nennen Sie uns Modelle, Datenmengen, Frameworks und Durchsatzziele.

02

Benchmark

Wir lassen Ihren Workload auf den Kandidaten-GPU-Klassen laufen und teilen die Zahlen.

03

Bereitstellung

Umgebung bereit — mit konfigurierten Images, Storage und Netzwerk.

04

Betrieb

Monitoring, Support und Kapazitätsplanung, während Sie wachsen.

05

Weiterentwicklung

Reservierte Kapazität oder Wechsel zu On-Premises, wenn die Wirtschaftlichkeit dafür spricht.

FAQ

Fragen zu Cloud AI

Wo befinden sich die GPUs physisch?

In Rechenzentren innerhalb der Europäischen Union. Der genaue Standort hängt von GPU-Klasse und Kapazität ab; wir bestätigen ihn im Angebot und im Auftragsverarbeitungsvertrag.

Kann ich eigene Container und Frameworks mitbringen?

Ja. Auf Bare-Metal haben Sie Root-Zugriff, auf Instanzen die volle Kontrolle über Images. Zusätzlich stellen wir vorgefertigte Images mit CUDA, PyTorch, NVIDIA NeMo, TensorRT-LLM und vLLM bereit.

Wie funktioniert die Abrechnung?

Stündlich für On-Demand-Instanzen, monatlich für dedizierte Server und rabattierte Tarife für reservierte Kapazität. Alle Preise in EUR oder PLN, Rechnung mit EU-USt.

Wird Multi-Node-Training unterstützt?

Ja — dedizierte Cluster verbinden wir mit NVIDIA InfiniBand oder Spectrum-X Ethernet und liefern sie mit Slurm oder Kubernetes, bereit für verteiltes Training.

Können Sie unseren Cloud-Workload später on-premises migrieren?

Das ist eine unserer Kernleistungen. Wir planen die On-Premises-Umgebung, liefern die Hardware und übernehmen denselben Software-Stack — siehe KI-Infrastruktur.

Kapazität

GPUs nächste Woche statt nächstes Quartal?

Nennen Sie uns GPU-Klasse, Anzahl und Laufzeit. Wir antworten mit Verfügbarkeit und Preis — in der Regel innerhalb eines Werktags.