Build-Wiki

Build Wiki

Eine Referenzreihe zum Aufbau, zur Vernetzung, Stromversorgung und zum Betrieb von KI-Compute — für Käufer und Integratoren, die ihre nächste 4-GPU-Box, ihren 8-GPU-Server oder ihr Robotiklabor dimensionieren.

Jeder Artikel entsteht aus realen Kentino-Builds. Keine Füllwörter. Meinungsstark, wo die Technik es verlangt. Ehrlich, was die Grenzen angeht.

49Artikel online 9Themenstränge 2neu pro Woche · Di + Do

KI-Server-Grundlagen W-Reihe

Wenn Sie eine Multi-GPU-Box konfigurieren, lesen Sie zuerst diese Artikel. Arbeitsspeicher, PCIe, Strom, Thermik, Storage und die GPU-Auswahlliste.

W01RAM und VRAM: Wie sie in einem KI-Server zusammenhängenEine 4-GPU-Box mit 192 GB VRAM und 32 GB RAM ist fehlkonfiguriert. Das richtige Verhältnis hängt davon ab, was Sie tatsächlich betreiben.
W02PCIe-Lanes & Topologie in einem Multi-GPU-KI-Server„PCIe x8 gegen x16 spielt bei Inferenz keine Rolle“ stimmt weitgehend — und wer es nachplappert, weiß meist nicht, warum.
W03GPU-Riser: Wann Sie sie brauchen und was dabei kaputtgehtWo die Signalintegrität leise stirbt, Links unbemerkt auf Gen3 zurückfallen und Systeme, die jeden Test bestanden haben, plötzlich täglich eine GPU verlieren.
W04Netzteil-Dimensionierung und Dual-Netzteil-KonfigurationenDie Rechnung, die Realität der Formfaktoren und eine ehrliche Einordnung der Stromversorgung für 4- und 8-GPU-Systeme.
W05Thermik und Luftstrom in Multi-GPU-KI-Server-BuildsVier GPUs mit je 450 W bedeuten 1.8 kW Abwärme in einem Gehäuse. Luftstrom von vorn nach hinten, statischer Druck und warum „es hat Lüfter“ kein Kühlkonzept ist.
W06Storage-Tiers in einem KI-ServerModell, Datensatz, Scratch, Checkpoint — vier Workloads mit vier Zugriffsmustern. Ein einzelner NVMe-Tier bedient keines davon gut.
W07GPU-Auswahl: 5090, 4090, RTX Pro 6000, L40, L4Ehrlicher Direktvergleich mit echten Leistungswerten, Kompromissen und einem Entscheidungsweg, den wir in Kundengesprächen tatsächlich nutzen.

Token-Ökonomie T-Reihe

Die Kostenrechnung. Tokens pro Euro, On-Prem gegen Cloud pro Million Tokens und wann welches Modell wirklich gewinnt.

T01Tokens pro Sekunde pro EuroDie einzige GPU-Wertkennzahl, die bei Inferenz zählt. Echte Tokens/s pro Euro für 5090, 4090, RTX Pro 6000, L40 und L4.
T02Kosten pro Million Tokens: On-Prem gegen CloudOn-Prem gegen Cloud, in Euro durchgerechnet. Wo der Break-even liegt und warum die Cloud-Rechnung gewinnt — bis sie es plötzlich nicht mehr tut.
T03Wirtschaftlichkeit von Dauer- und Burst-InferenzGleichmäßige 24/7-Inferenz und sprunghafte Batch-Jobs haben gegensätzliche Kostenprofile. Wann On-Prem gewinnt und wann die Cloud Sie rettet.

Linux / OS / Software L-Reihe

Der Software-Stack unter den GPUs. Treiber-Pinning, CUDA-Setup, Kernel-Tuning, Dateisysteme und Monitoring.

L01Ubuntu-Pinning und NVIDIA-TreiberverwaltungKernel pinnen, Treiber pinnen — oder zusehen, wie ein apt-Upgrade Ihre GPUs lahmlegt. Treiberverwaltung, die Neustarts übersteht.
L02CUDA, cuDNN und das NVIDIA Container ToolkitDer vernünftige Einrichtungsweg. Versionierung von CUDA, Treiber und Toolkit — und der Container-Weg, der die Abhängigkeitshölle beendet.
L03Linux-Kernel-Tuning für KI-ServerWas bei KI-Workloads wirklich etwas bringt — Hugepages, NUMA, IRQ-Affinität — und was reiner Cargo-Kult ist.
L04Dateisystemwahl für KI-ServerXFS, ZFS, ext4 — und warum Btrfs bei KI-Servern nicht auf der Liste steht. Wählen Sie das Dateisystem passend zum Zugriffsmuster.
L05Monitoring-Stack: Prometheus, Grafana, DCGM, LokiGPU-Temperaturen, VRAM, ECC-Fehler und Job-Abbrüche sehen, bevor sie Sie einen Trainingslauf kosten.

Netzwerk N-Reihe

NVLink in der Realität, Cluster-Topologien (Leaf-Spine, Fat-Tree, Dragonfly, switchlos), Latenzanalyse, Routing und RDMA-Setup in der Praxis.

N03NVLink und NVSwitch: Wann es darauf ankommtDas DGX-Marketing prahlt mit Terabyte pro Sekunde an NVLink-Bandbreite. Für die meisten Kentino-Workloads brauchen Sie davon nichts.
N04Geswitchte Topologien: Fat-Tree, Leaf-Spine, Dragonfly, TesseraktJedes Cluster-Diagramm beginnt gleich. Die eigentliche Entscheidung lautet: welche Topologie, wie viel Oversubscription, welche Geschwindigkeit pro Port.
N05Switchlose Topologien: Mesh, Ring, Direct-ConnectEin 400-GbE-Switch mit 32 Ports kostet Mitte 2026 zwischen €40k und €80k. Für zwei bis vier Nodes brauchen Sie keinen.
N06Latenzanalyse: Wohin jede Mikrosekunde gehtMan dimensioniert Netzwerke anhand von Bandbreitendiagrammen. Dann liefert der Allreduce-Benchmark einen Wert, der weit unter der Leitungsgeschwindigkeit liegt.
N07Routing: ECMP, adaptives Routing, DCQCNWas oberhalb von Kabeln, NICs und Switches passiert: wie Pakete ihren Weg finden und was verhindert, dass die Fabric unter All-Reduce zusammenbricht.
N08RDMA-Setup in der Praxis + Cluster-Uplink-DesignPraxisnah: Treiber installieren, den Pfad nachweisen, GPUDirect aktivieren, NCCL validieren — und anschließend den Uplink für das gesamte Cluster entwerfen.

Clustering K-Reihe

Wenn ein Node nicht reicht. Single- gegen Multi-Node, verteiltes Training, Inferenz-Cluster, gemeinsamer Storage, Scheduling und Fehlerbehandlung.

K01Single-Node-Multi-GPU gegen Multi-Node: Wann Sie skalieren solltenDer teuerste Fehler ist, ein GPU-Budget auf zwei Nodes zu verteilen, wenn ein größerer Node die Aufgabe erledigt hätte.
K02Verteiltes Training 2026: DDP, FSDP2, DeepSpeed, MegatronVier Open-Source-Stacks, fünf Achsen der Parallelisierung — und welcher Stack für welchen Job wirklich passt.
K03Inferenz-Cluster: vLLM Tensor Parallel, Pipeline ParallelEin 70B-Modell passt mit brauchbarem KV-Cache nicht auf eine GPU. Ein 405B-Modell passt nicht auf einen Node. Wie Sie das Modell zerschneiden, entscheidet über die Kosten.
K04Cluster-Storage: NFS, BeeGFS, Lustre, Object StoresGemeinsamer Storage ist der Teil eines verteilten Clusters, an den niemand denkt — bis die GPUs deswegen bei 40% Auslastung dümpeln.
K05Job-Scheduling: SLURM, Kubernetes, RaySLURM, Kubernetes, Ray — und das Wissen, wann Sie keines davon brauchen. Wählen Sie den Scheduler passend zur Teamgröße.
K06Fehlerbehandlung in KI-ClusternWas in einem GPU-Cluster tatsächlich ausfällt und wie Sie sich davon erholen — Checkpointing, Health-Checks und das Draining defekter Nodes.

Integration I-Reihe

Alles zusammengeführt — Inferenzserver-Setup, Labornetzwerk und Strombudgets, ein Referenz-Build und Flotten-Deployment.

I01Edge-KI-Architektur: Roboter ↔ On-Prem-InferenzserverDer Referenzartikel. Ein gekaufter Humanoid ist nur die halbe Anlage; hier ist die andere Hälfte — und wie beide Hälften zusammengeschaltet werden.
I02Einen Inferenzserver aufsetzen: vLLM, llama.cpp, SGLangInstallieren, ausliefern, benchmarken. Welche Engine für welches Modell und welches Latenzziel.
I03Netzwerktopologie für ein Robotik- und KI-Compute-LaborDie Verkabelung eines Robotik- und KI-Labors — Roboterverbindungen, Inferenzserver-Uplinks und wo sich Latenz versteckt.
I04Strom- und Kühlbudget für ein Robotik- und KI-LaborStrom und Kühlung für ein gemischtes Robotik- und KI-Labor dimensionieren, bevor Sie den Mietvertrag unterschreiben.
I05Referenz-Build: Ein Robotik- und KI-Labor in einem RackEin komplettes Robotik- und KI-Labor in einem Rack — die Stückliste, das Layout und die Kompromisse, die wir tatsächlich ausliefern würden.
I06Flotten-Deployment: Mehrere Roboter, gemeinsame RechenleistungMehrere Roboter, gemeinsame Rechenleistung. Wie Sie Inferenz für eine Flotte dimensionieren und einplanen — nicht für eine Demo.

Stromversorgung P-Reihe

Sauberen Strom ins Rack bringen. Phasen, PDUs, Lastverteilung, Sicherungen, USV und Generatoren für KI-Compute.

P01Einphasige gegen dreiphasige StromversorgungWann eine 4-GPU-Box einem einzelnen 16-A-Stromkreis entwächst und was Dreiphasenstrom in einem KI-Rack wirklich bringt.
P02PDU-Typen: Basic, Metered, Switched, ATSWas jede davon leistet und welche Sie für ein GPU-Rack wirklich brauchen.
P03Phasensymmetrierung über KI-Racks hinwegBelasten Sie drei Phasen gleichmäßig — sonst fliegt die Sicherung im ungünstigsten Moment. Wie Lastverteilung über KI-Racks hinweg funktioniert.
P04Sicherungsdimensionierung und EinschaltstromDauerlast, Einschaltstrom und die 80%-Regel. Sicherungen für GPU-Server so dimensionieren, dass sie nicht grundlos auslösen.
P05USV-Dimensionierung für KI-ComputeTopologie, Batteriechemie, Laufzeit und die kVA-gegen-kW-Falle, durch die die Hälfte aller USV-Anschaffungen für KI-Labore zu klein ausfällt.
P06Generator und NetzumschaltungWenn die Batterielaufzeit nicht reicht. Generatordimensionierung und Grundlagen der Netzumschaltung für KI-Labore.

Robotik R-Reihe · Blog

Ein moderner Humanoid ist die Verschraubung von sechs oder sieben Ingenieursdisziplinen. Anatomie, Sensorik, Platzierung der Rechenleistung, SDKs, Vernetzung, Beschaffung und der hochmoderne VLM-Weltmodell-Stack.

R01Anatomie eines modernen HumanoidenSechs oder sieben Ingenieursdisziplinen, zusammengeschraubt. Was in einem modernen Humanoiden wirklich steckt.
R02Anatomie eines vierbeinigen RobotersVierbeiner tauschen Reichweite gegen Stabilität und Akkulaufzeit. Die mechanische und rechnerische Anatomie des Arbeitstier-Formfaktors.
R03Der Sensor-Stack eines RobotersKameras, Tiefensensorik, LiDAR, IMU, Kraft-Momenten-Sensorik — was jeder Sensor bringt und was er an Rechenleistung kostet.
R04Rechenleistung auf dem Roboter gegen ausgelagerte RechenleistungWas auf dem Roboter läuft und was auf dem Server. Der Kompromiss zwischen Latenz und Leistungsfähigkeit, den jedes Deployment eingehen muss.
R05Roboter-SDKs, ROS 2 und SimulationROS 2, die Hersteller-SDKs und Simulationsumgebungen — die Software, gegen die Sie entwickeln, bevor die Hardware eintrifft.
R06Robotervernetzung: Wi-Fi, Tether, 5GWi-Fi, Tether, 5G — und warum Latenz, nicht Bandbreite, darüber entscheidet, was Sie vom Roboter auslagern können.
R07Einen Roboter kaufen: Lieferzeiten, Zoll, SupportRobotik-Hardware in die EU zu importieren ist etwas anderes, als eine Workstation zu kaufen. Wie Lieferzeiten, Zoll und Support nach dem Kauf wirklich aussehen.
R08Warum Roboter dedizierte Edge-Rechenleistung brauchenDas Latenzargument. Warum ein Modell hinter einer Cloud-API genau den Anwendungsfall zerstört, den der Kunde eigentlich will.
R09Autolabeling mit VLM-gesteuerten WeltmodellenDer hochmoderne Perception-Stack — Qwen2.5-VL, Grounded-SAM 2, Florence-2, NVIDIA Cosmos — angewendet auf Ground Truth in der Robotik.

Fallstudien C-Reihe · Blog

Echte Kentino-Builds mit echten Messwerten. Fotos, Stücklisten, Benchmarks und ehrliche Post-mortems.

C01Fallstudie: 4× RTX 4090 KI-WorkstationEPYC 7542, 512 GB DDR4 ECC, 4× RTX 4090. 651.6 TFLOPS gemessen. 179.3 tok/s dauerhaft unter vLLM. 73°C Spitzenwert. Echte Zahlen aus einem ausgelieferten Build.

Neue Artikel jeden Dienstag und Donnerstag

Dieses Wiki ist eine wachsende Bibliothek — im Laufe des Jahres 2026 erscheinen neue Artikel zu Builds, Netzwerk, Clustering, Strom und Robotik, jeder aus einem realen Kentino-Build. Wenn Sie ein bestimmtes Thema priorisiert sehen möchten, schreiben Sie an info@kentino.com.