Cloud Computing

Cloud Rechenleistungen – Aufwendige Berechnungen im Rechenzentrum

Cloud Computing ist eine IT-Infrastruktur die Speicherplatz, Rechenleistung oder Anwendungssoftware als Dienstleistung beinhaltet. Cloud Rechenleistungen ermöglicht es Einrichtungen wie Forschungslaboratorien, Universitäten und Medienunternehmen ohne kostenintensives Investment für Hardware aufwendige Berechnungen durchzuführen.

Beim Cloud Computing entfallen Investitionskosten für Hardware und Software, sowie Betriebskosten in Form von Stromversorgung und Kühlung. Durch Einsparung von Einrichtungs- und Verwaltungsaufwand sind IT-Teams in der Lage, sich auf wichtigere Unternehmensziele zu fokussieren. Eine flexibel steuerbare Kapazitätsplanung sorgt für die Abdeckung des individuellen Bedarfs. Zudem gewährleistet eine elastische Skalierung die notwendige Menge an IT-Ressourcen. Die Bereitstellung umfangreicher Richtlinien, Technologien und Steuerelemente stärkt die Sicherheit und schützt Ihre Daten, Apps und Infrastruktur vor potenziellen Bedrohungen.

Hauptvorteile beim Cloud Computing
 

  • Kosteneffizienz
  • Produktivitätssteigerung
  • Geschwindigkeit
  • Skalierbarkeit
  • Zuverlässigkeit
  • Sicherheit

Zusätzliche Bestandteile des Cloud Computing sind:

3D Rendering

Aufgabe des 3D Rendering ist die Berechnung von hoch qualitativen Bildern oder Videos. Dieser Vorgang wird in den meisten Fällen von Medienunternehmen benötigt. Beim Rendern werden aus Rohdaten (z.B. Geoinformationen) Grafiken erstellt. Hierbei berechnet der Computer u.a. Schärfe, die Belichtung oder die Übergänge.

Bei der Erstellung einer 3D-Szene sind die Modelle eigentlich eine mathematische Darstellung von Punkten und Flächen (Ecken und Polygone) im dreidimensionalen Raum. Hinzu kommt die Definition des Betrachters in Bezug auf Objekte und Lichtquellen sowie Position und Blickrichtung. Somit wird mittels 3D Rendering aus einer einfachen Skizze eine 3D Grafik.

GPU Beschleuniger Berechnungen

Verwendung eines Grafikprozessors für Berechnungen über seinen ursprünglichen Aufgabenbereich hinaus.

Eine GPU (Graphics Processing Unit) ist ein Prozessor ähnlich der CPU, nur zuständig für die Optimierung der Grafikberechnung.

In Servern und Hochleistungsrechnern dient eine (GPU) Graphics Processing Unit als Beschleuniger, Akzelerator, beziehungsweise Co-Prozessor für die CPU. Durch Parallelisierung der Tasks beim GPU-Computing, lässt sich die Rechenleistung professioneller Rechner in immensem Umfang steigern.

Beschleunigende Grafikprozessoren finden ihre Verwendung u.a. für komplexe digitale Analysen und Konstruktionsberechnungen, für kryptografische Verfahren oder in Robotern und Drohnen.

Hochleistungs-GPUs sind entscheidend für die Entwicklung künstlicher digitaler Intelligenz oder Deep-Learning-Prozesse.

Deep Learning

Die sogenannte künstliche digitale Intelligenz wird in einem Rechenzentrum auch durch GPU Hardware beschleunigt, oder über spezielle Karten welche nur für diesen Zweck konzipiert wurden. Deep Learning, oder auch Artificial Intelligence wird wie folgt beschrieben:

Bezeichnung einer Klasse von Optimierungsmethoden künstlicher neuronaler Netze, die zahlreiche Zwischenlagen zwischen Eingabeschicht und Ausgabeschicht besitzen und dadurch eine umfangreiche innere Struktur aufweisen.

Das Akronym Deep steht für „Dynamical Exascale Entry Platform“. Dabei handelt es sich um ein europäisches Supercomputing Projekt unter der Leitung des Forschungszentrums Jülich. Hierbei werden intelligente und flexible traditionelle Cluster mit einem Cluster von Beschleunigern kombiniert.

Deep Learning eignet sich exzellent für alle Anwendungen, bei denen große Datenbestände zur Verfügung stehen, aus denen sich Muster und Modelle ableiten lassen. Die technische Grundlage des Deep Learnings sind künstliche neuronale Netze, die während des Lernvorgangs immer wieder neu verknüpft werden.