{"id":21985,"date":"2020-07-31T08:29:57","date_gmt":"2020-07-31T06:29:57","guid":{"rendered":"https:\/\/php8.plastv.de\/?p=21985"},"modified":"2020-07-29T10:31:11","modified_gmt":"2020-07-29T08:31:11","slug":"continental-nimmt-eigenen-supercomputer-mit-nvidia-dgx-technologie-in-betrieb","status":"publish","type":"post","link":"https:\/\/plas.tv\/?p=21985","title":{"rendered":"Continental nimmt eigenen Supercomputer mit NVIDIA DGX-Technologie in Betrieb"},"content":{"rendered":"<ul>\n<li><strong>Continental und NVIDIA bauen einen auf dem NVIDIA DGX KI-System basierenden Hochleistungs-Computercluster auf, der die Entwicklungsleistung im Bereich des autonomen Fahrens steigert.<\/strong><\/li>\n<li><strong>Der neue Cluster reduziert die Entwicklungszeit von Wochen auf Stunden.<\/strong><\/li>\n<li><strong>Hauptanwendungsf\u00e4lle: Deep Learning, Simulation und virtuelle Datenerzeugung.<\/strong><\/li>\n<li><strong>Highend-System ist laut \u201eTOP500\u201c-Liste der leistungsf\u00e4higste Rechner der Automobilindustrie.<\/strong><\/li>\n<\/ul>\n<p>Die Automobilindustrie ist im Wandel und die Entwicklungszyklen werden k\u00fcrzer. Um innovative Technologien noch effizienter und schneller zu entwickeln, hat Continental in einen eigenen NVIDIA InfiniBand-verbundenen DGX-Supercomputer f\u00fcr k\u00fcnstliche Intelligenz (KI) investiert. Dieser wird seit Anfang 2020 in einem Rechenzentrum in Frankfurt am Main betrieben und stellt Entwicklern an Standorten weltweit sowohl Rechenleistung als auch Speicherplatz zur Verf\u00fcgung. KI verbessert Fahrerassistenzsysteme, macht Mobilit\u00e4t intelligenter sowie sicherer und beschleunigt die Entwicklung von Systemen zum autonomen Fahren.<\/p>\n<p>\u201eDer Supercomputer ist eine Investition in unsere Zukunft\u201d, sagt Christian Schumacher, Leiter Program Management Systems in der Gesch\u00e4ftseinheit Fahrerassistenzsysteme bei Continental. \u201eDas hochmoderne System reduziert die Zeit f\u00fcr das Training neuronaler Netze, da mindestens 14-mal mehr Experimente gleichzeitig durchgef\u00fchrt werden k\u00f6nnen.\u201d<\/p>\n<p><strong>Zusammenarbeit mit NVIDIA sichert Spitzenqualit\u00e4t<\/strong><\/p>\n<p>\u201eBei der Suche nach einem Partner achten wir auf zwei Dinge: Qualit\u00e4t und Schnelligkeit\u201d, so Schumacher. \u201eDas Projekt wurde mit einem ehrgeizigen Zeitplan aufgestellt und innerhalb von weniger als einem Jahr realisiert. Nach intensiven Tests und der Suche nach geeigneten Unternehmen haben wir uns f\u00fcr NVIDIA entschieden, die viele der schnellsten Supercomputer der Welt ausr\u00fcsten.\u201d<\/p>\n<p>\u201eNVIDIA DGX-Systeme bieten Innovatoren wie Continental KI-Supercomputing in einer kosteneffizienten, unternehmensweiten L\u00f6sung, die einfach zu implementieren ist\u201d, so Manuvir Das, Leiter des Bereichs Enterprise Computing bei NVIDIA. \u201eDurch den Einsatz des mit InfiniBand-verbundenen NVIDIA DGX POD f\u00fcr das Training von autonomen Fahrzeugen entwickelt Continental die intelligentesten Fahrzeuge von morgen sowie der IT-Infrastruktur, die f\u00fcr deren Konzeption verwendet wird.\u201d<\/p>\n<p><strong>Meisterwerk der IT-Infrastrukturtechnik f\u00fcr KI-basierte L\u00f6sungen<\/strong><\/p>\n<p>Der Supercomputer von Continental besteht aus mehr als 50 NVIDIA DGX-Systemen, die mit dem NVIDIA Mellanox InfiniBand Netzwerk verbunden sind und nimmt, nach der aktuellen Liste der TOP500-Supercomputer der Welt, den Spitzenplatz in der Automobilindustrie ein. Au\u00dferdem wurde ein hybrider Ansatz gew\u00e4hlt, um bei Bedarf Kapazit\u00e4t und Speicherplatz durch Cloud-L\u00f6sungen erweitern zu k\u00f6nnen. \u201eDer Supercomputer ist ein Meisterwerk der IT-Infrastrukturtechnik\u201d, sagt Schumacher. \u201eJedes Detail wurde vom Team genau geplant \u2013 um heute die volle Leistung und Funktionalit\u00e4t zu gew\u00e4hrleisten, mit Skalierbarkeit f\u00fcr zuk\u00fcnftige Erweiterungen.\u201d<\/p>\n<p>Fortschrittliche Fahrerassistenzsysteme nutzen KI, um Entscheidungen zu treffen, den Fahrer zu unterst\u00fctzen und letztlich autonom zu operieren. Umfeldsensoren wie Radar und Kamera liefern Rohdaten. Diese Rohdaten werden in Echtzeit von intelligenten Systemen verarbeitet, um ein umfassendes Modell der Fahrzeugumgebung zu erstellen und eine Strategie f\u00fcr die Interaktion mit der Umgebung zu entwickeln. Schlie\u00dflich muss das Fahrzeug so gesteuert werden, dass es sich wie geplant verh\u00e4lt. Da die Systeme jedoch immer komplexer werden, sto\u00dfen die traditionellen Methoden der Softwareentwicklung und des maschinellen Lernens an ihre Grenzen. Deep Learning und Simulationen sind zu grundlegenden Methoden bei der Entwicklung von KI-basierten L\u00f6sungen geworden.<\/p>\n<p><strong>Hauptanwendungsf\u00e4lle: Deep Learning, Simulation und virtuelle Datenerzeugung<\/strong><\/p>\n<p>Beim Deep Learning erm\u00f6glicht ein k\u00fcnstliches, neuronales Netz der Maschine, durch Erfahrung zu lernen und neue Informationen mit vorhandenem Wissen zu verbinden. Dabei wird im Wesentlichen der Lernprozess des menschlichen Gehirns nachgeahmt. Doch w\u00e4hrend ein Kind in der Lage ist, ein Auto zu erkennen, nachdem ihm ein paar Dutzend Bilder von verschiedenen Autotypen gezeigt wurden, sind mehrere tausend Stunden Training mit Millionen von Bildern und damit enorme Datenmengen notwendig, um ein neuronales Netz zu trainieren, das sp\u00e4ter einem Fahrer assistieren oder sogar ein Fahrzeug autonom steuern kann. Der NVIDIA DGX POD verk\u00fcrzt die Zeit, die f\u00fcr diesen komplexen Prozess ben\u00f6tigt wird und auch die Zeit bis zur Markteinf\u00fchrung neuer Technologien.<\/p>\n<p>\u201eWir gehen davon aus, dass sich die Zeit, die f\u00fcr das vollst\u00e4ndige Training eines neuronalen Netzes ben\u00f6tigt wird, von Wochen auf Stunden verk\u00fcrzen wird\u201d, sagt Bal\u00e1zs L\u00f3r\u00e1nd, Leiter des KI-Kompetenzzentrum von Continental in Budapest, Ungarn, der zusammen mit seinen Teams an der Entwicklung der Infrastruktur f\u00fcr KI-basierte Innovationen arbeitet. \u201eUnser Entwicklungsteam ist in den letzten Jahren zahlenm\u00e4\u00dfig gewachsen und hat an Erfahrung gewonnen. Mit dem Supercomputer sind wir jetzt in der Lage, die Rechenleistung noch besser nach unseren Bed\u00fcrfnissen zu skalieren und das volle Potenzial unserer Entwickler auszusch\u00f6pfen.\u201d<\/p>\n<p>Bis heute stammen die Daten, die f\u00fcr das Training dieser neuronalen Netze verwendet werden, haupts\u00e4chlich aus der Flotte von Versuchsfahrzeugen bei Continental. Derzeit fahren sie t\u00e4glich rund 15.000 Testkilometer und sammeln dabei rund 100 Terabyte an Daten \u2013 das entspricht 50.000 Stunden an Filmen. Bereits jetzt k\u00f6nnen die aufgezeichneten Daten f\u00fcr das Training neuer Systeme genutzt werden, indem sie abgespielt und damit physikalische Testfahrten simuliert werden. Mit dem Supercomputer k\u00f6nnen die Daten jetzt synthetisch erzeugt werden. Das ist ein rechenintensiver Anwendungsfall, bei dem Systeme durch virtuelles Durchfahren einer simulierten Umgebung lernen k\u00f6nnen.<\/p>\n<p>Dies kann mehrere Vorteile f\u00fcr den Entwicklungsprozess haben: Erstens k\u00f6nnte Simulation auf lange Sicht die Aufzeichnung, Speicherung und Auswertung der von der physischen Flotte generierten Daten \u00fcberfl\u00fcssig machen, da notwendigen Trainingsszenarien sofort auf dem System selbst erstellt werden k\u00f6nnen. Zweitens wird die Geschwindigkeit erh\u00f6ht, da virtuelle Fahrzeuge in wenigen Stunden die gleiche Anzahl von Testkilometern zur\u00fccklegen k\u00f6nnen, f\u00fcr die ein reales Auto mehrere Wochen ben\u00f6tigen w\u00fcrde. Drittens erm\u00f6glicht die synthetische Generierung von Daten die Verarbeitung und Reaktion von Systemen auf sich ver\u00e4ndernde und unvorhersehbare Situationen. Fahrzeuge k\u00f6nnen so letztlich sicher durch wechselnde und extreme Wetterbedingungen navigieren oder sichere Prognosen \u00fcber Fu\u00dfg\u00e4ngerbewegungen erstellen \u2013 und damit den Weg zu einem h\u00f6heren Automatisierungsgrad ebnen.<\/p>\n<p>Die Skalierbarkeit war einer der Hauptgr\u00fcnde f\u00fcr die Konzeption des NVIDIA DGX POD. Durch die Technologie k\u00f6nnen Maschinen schneller, besser und umfassender lernen als durch jede vom Menschen gesteuerte Methode, wobei die potenzielle Leistung mit jedem Evolutionsschritt exponentiell w\u00e4chst.<\/p>\n<p>Der Supercomputer befindet sich in einem Rechenzentrum in Frankfurt, das aufgrund seiner N\u00e4he zu Cloud-Anbietern und vor allem aufgrund seiner KI-f\u00e4higen Umgebung ausgew\u00e4hlt wurde. Diese erf\u00fcllt spezifische Anforderungen hinsichtlich K\u00fchlsystemen, Konnektivit\u00e4t und Stromversorgung. Der Supercomputer wird mit zertifiziertem gr\u00fcnem Strom betrieben, wobei GPU-Cluster (GPU = Graphics Processing Unit) vom Design her viel energieeffizienter sind als Cluster auf Basis von zentralen Verarbeitungseinheiten (CPU = Central Processing Unit).<\/p>\n<p>Continental entwickelt wegweisende Technologien und Dienste f\u00fcr die nachhaltige und vernetzte Mobilit\u00e4t der Menschen und ihrer G\u00fcter. Das 1871 gegr\u00fcndete Technologieunternehmen bietet sichere, effiziente, intelligente und erschwingliche L\u00f6sungen f\u00fcr Fahrzeuge, Maschinen, Verkehr und Transport. Continental erzielte 2019 einen Umsatz von 44,5 Milliarden Euro und besch\u00e4ftigt aktuell rund 240.000 Mitarbeiter in 59 L\u00e4ndern und M\u00e4rkten.<\/p>\n<p>Das Gesch\u00e4ftsfeld Autonomous Mobility and Safety entwickelt, produziert und integriert aktive und passive Sicherheitstechnologien und beherrscht die Fahrzeugdynamik. Das Produktportfolio reicht von elektronischen und hydraulischen Brems- und Fahrwerkregelsystemen \u00fcber Sensoren, Fahrerassistenzsysteme, Airbagelektronik und -sensorik sowie elektronische Luftfedersysteme bis hin zu Reinigungssystemen f\u00fcr Windschutzscheiben und Scheinwerfer. Der Fokus liegt auf einer hohen Systemkompetenz und der Vernetzung einzelner Komponenten. So entstehen Produkte und Systemfunktionen entlang der Wirkkette SensePlanAct. Diese machen das Fahren sicherer und komfortabler und ebnen den Weg zur autonomen Mobilit\u00e4t.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Die Automobilindustrie ist im Wandel und die Entwicklungszyklen werden k\u00fcrzer. Um innovative Technologien noch effizienter und schneller zu entwickeln&#8230;<\/p>\n","protected":false},"author":2,"featured_media":17571,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[24,16],"tags":[],"series":[],"class_list":["post-21985","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-plas-tv-meldungen-auf-der-startseite-unterhalb-slider","category-plast-tv-textmeldungen"],"_links":{"self":[{"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts\/21985","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=21985"}],"version-history":[{"count":1,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts\/21985\/revisions"}],"predecessor-version":[{"id":21986,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/posts\/21985\/revisions\/21986"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=\/wp\/v2\/media\/17571"}],"wp:attachment":[{"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=21985"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=21985"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=21985"},{"taxonomy":"series","embeddable":true,"href":"https:\/\/plas.tv\/index.php?rest_route=%2Fwp%2Fv2%2Fseries&post=21985"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}