Dieser Rechner übersetzt den gemessenen GPU-Zeitbedarf eines KI-Agenten in eine grobe Infrastrukturkapazität. Du gibst Aufgaben pro Tag, GPU-Sekunden je Aufgabe, verfügbare Betriebsstunden, Zielauslastung und Reserve an. Das Ergebnis zeigt benötigte GPU-Stunden und die daraus abgeleitete Anzahl an GPUs.
Die ganzzahlige GPU-Anzahl ist eine Kapazitätsschätzung aus gemessener Rechenzeit. Der rechnerische Basisbedarf und die GPU-Stunden helfen, die Rundung und Reserve nachzuvollziehen.
Der Rechner unterscheidet nicht zwischen GPU-Modellen. GPU-Sekunden müssen deshalb mit derselben Hardwareklasse gemessen oder entsprechend normalisiert werden.
5.000 Aufgaben mit jeweils 2,5 GPU-Sekunden erzeugen 3,47 GPU-Stunden Last. Bei 24 Stunden Betrieb, 70 % Zielauslastung und 20 % Reserve bleibt der Bedarf unter einer GPU, sodass ganzzahlig 1 GPU angesetzt wird.
Der Rechner summiert die tägliche GPU-Zeit und teilt sie durch die nutzbare GPU-Zeit pro Gerät unter Berücksichtigung der Zielauslastung und Reserve.
Nein. Die Rechnung basiert auf Rechenzeit. Speicherbedarf, Modellgröße und Batch-Größe müssen separat geprüft werden.
Physische oder fest zugewiesene GPU-Kapazität wird typischerweise in ganzen Einheiten geplant. Fractional GPU-Angebote können abweichend dimensioniert werden.
Es gibt keinen universellen Wert. Wähle eine Auslastung, die zu deinen Latenz- und Reserveanforderungen passt und durch Messdaten gestützt ist.
Ja, wenn du die GPU-Sekunden je Aufgabe auf einer vergleichbaren Instanz misst. Kosten werden hier jedoch nicht berechnet.
| Kennzahl | Bedeutung |
|---|---|
| GPU-Stunden | Summierte Rechenzeit pro Tag. |
| Basisbedarf | Rechnerische Gerätezahl vor Reserve. |
| GPU-Anzahl | Aufgerundete Kapazität einschließlich Reserve. |