GPU-Teilen ohne Abo: NVIDIA macht Run:ai zu Open Source
NVIDIA stellt die komplette Run:ai-Plattform als Open Source bereit. Wer das Community-Paket nutzt, betreibt es ohne Enterprise-Support von NVIDIA.
NVIDIA hat am 13. Oktober die vollständige Run:ai-Plattform für den KI-Betrieb auf gemeinsam genutzten GPUs als Open Source veröffentlicht. Plattformteams können sie komplett übernehmen oder einzelne Bausteine integrieren. Das Community-Paket setzt kein Abonnement voraus, enthält aber auch keinen Enterprise-Support.
Das Wichtigste in Kürze
- NVIDIA hat Run:ai vollständig als Open Source veröffentlicht. Zum Paket gehören unter anderem KAI Scheduler, GPU Fractioning Operator, KAI Resource Management und Workload Map.
- Plattformteams können alles oder nur Teile übernehmen. Das integrierte Paket liegt als Community-Produkt mit Helm-Chart auf NVIDIA NGC.
- Das Community-Produkt kommt ohne Abo und ohne Enterprise-Support. Kommerzielle Run:ai-Angebote mit NVIDIA-Unterstützung bleiben verfügbar.
Verwandt:Kubermatic-Chef Scheele: KI-Modelle wie Software betreiben / Mistral bringt Europa in Sichtweite der KI-Spitze
Was NVIDIA freigegeben hat
NVIDIA hat am 13. Oktober die vollständige Run:ai-Plattform als Open Source veröffentlicht. Sie ist Teil der DSX AI Factory Platform und steht ab sofort zur Verfügung. Run:ai verteilt KI-Workloads auf gemeinsam genutzte GPU-Infrastruktur. Für Unternehmen mit mehreren Teams auf denselben Grafikprozessoren ist genau diese Verteilung der Engpass im Alltag.
Die Veröffentlichung besteht aus modularen Komponenten. Dazu gehören der KAI Scheduler, der GPU Fractioning Operator, KAI Resource Management und Workload Map. Ein Scheduler legt fest, welcher Workload wann auf welchen Ressourcen läuft. Der Fractioning Operator teilt einzelne GPUs auf mehrere Workloads auf. Workload Map beschreibt lediglich die Struktur von Workloads und greift selbst nicht in deren Ablauf ein.
Was ist GPU Fractioning? GPU Fractioning bezeichnet das Aufteilen einer physischen GPU in Anteile, die mehrere Workloads parallel nutzen. So muss ein kleiner Inferenz- oder Test-Workload keine ganze GPU belegen. In der Run:ai-Plattform übernimmt diese Aufgabe der GPU Fractioning Operator als eigene, separat nutzbare Komponente.
Baukasten oder Komplettpaket
Plattformteams können Run:ai als Ganzes übernehmen oder einzelne Komponenten in eine bestehende Umgebung einbauen. Die Basis bildet Kubernetes, eine Software zur Orchestrierung von Containern über viele Server hinweg. Ein Team mit eigenem Kubernetes-Stack kann etwa nur den KAI Scheduler übernehmen und den Rest seiner Plattform unverändert lassen.
Für den Komplettweg liegt das integrierte Paket als Community-Produkt auf NVIDIA NGC. Dort ist die Plattform als zusammenhängendes Installationspaket für Kubernetes-Cluster hinterlegt. Der modulare Weg verlangt mehr Integrationsarbeit. Wer Bausteine kombiniert, muss genau wissen, welche Aufgabe welche Komponente übernimmt und welche Lücke ein anderes Werkzeug füllen muss.
Lizenz und Support im Detail
Der Download über NGC setzt voraus, dass Nutzer die NVIDIA-Softwarelizenzvereinbarung akzeptieren. Hinzu kommen produktspezifische Bedingungen. Ein kostenpflichtiges Run:ai-Abonnement verlangt das Community-Produkt nicht. Enterprise-Support von NVIDIA ist darin ausdrücklich nicht enthalten.
Parallel bleiben die kommerziellen Run:ai-Angebote mit NVIDIA-Unterstützung verfügbar. Damit existieren zwei Spuren derselben Plattform nebeneinander. Weil die Lizenzannahme vor dem Download erfolgt, gehören die Bedingungen idealerweise vor der ersten Installation auf den Tisch von Rechts- und Einkaufsabteilung.
Nebius und OpenNebula integrieren bereits
Am Tag der Veröffentlichung haben zwei Anbieter eigene Angebote vorgestellt. Nebius stellt die Open-Source-Plattform bereits über Nebius AI Cloud Applications bereit. Sie läuft dort auf dem verwalteten Kubernetes-Dienst des Anbieters. Den Cluster verwaltet in diesem Modell Nebius.
OpenNebula hat Run:ai in seinen Kubernetes-Dienst OneKS integriert. Bereitstellung und Betrieb laufen dort automatisiert. Darüber hinaus entwickelt das Unternehmen einen Elastic Capacity Manager. Er soll Workload-Bedarf und Service-Richtlinien in Aktionen auf Infrastrukturebene übersetzen. Das Werkzeug befindet sich noch in Entwicklung.
Was Plattformteams abwägen
Aus der Veröffentlichung ergeben sich vier Wege zum Einsatz von Run:ai:
- das Komplettpaket aus NGC im Eigenbetrieb, ohne Abonnement und ohne Enterprise-Support
- einzelne Komponenten wie der KAI Scheduler in einer bestehenden Plattform
- ein kommerzielles Run:ai-Angebot mit Unterstützung durch NVIDIA
- integrierte Varianten in Kubernetes-Diensten wie Nebius AI Cloud Applications oder OneKS
Die Wege unterscheiden sich vor allem darin, wer im Störfall zuständig ist. Im Eigenbetrieb liegt diese Verantwortung beim eigenen Plattformteam. Im kommerziellen Angebot steht NVIDIA mit Support bereit. Bei den integrierten Varianten übernimmt der jeweilige Anbieter einen Teil des Betriebs. Die Entscheidung hängt damit an der Frage, wie viel Plattformarbeit ein Team selbst leisten kann und will.
Häufige Fragen
Kann Workload Map den Scheduler ersetzen?
Nein. Workload Map beschreibt Workload-Strukturen und übernimmt weder Scheduling noch Warteschlangenverwaltung, Autoskalierung oder die Weitergabe über Clustergrenzen hinweg. Diese Aufgaben müssen andere Komponenten wie der KAI Scheduler oder eigene Werkzeuge abdecken.
Enthält die Open-Source-Version auch eine Bedienoberfläche?
Ja. Die vollständige Open-Source-Plattform umfasst Benutzeroberfläche, Kommandozeile und Programmierschnittstelle. Benutzerverwaltung und Dashboards gehören ebenfalls dazu.
Wie wird das Community-Produkt installiert?
Das integrierte Paket steht auf NVIDIA NGC mit einem Helm-Chart bereit. Helm ist ein Paketmanager für Kubernetes, ein Chart bündelt alle Definitionen für die Installation einer Anwendung im Cluster. Vor dem Download müssen Nutzer die NVIDIA-Softwarelizenzvereinbarung und die produktspezifischen Bedingungen akzeptieren.
Lesetipps der Redaktion
cloudmagazinDenodo: Datenlücke bremst KI in BehördencloudmagazinPhotoshop-Nachbau in einer Woche: Closed Source wanktcloudmagazinReply verkürzt Porsches Fehlersuche per KontextgraphMehr aus dem MBF Media Netzwerk
MyBusinessFutureVersicherer und KI: Sind die Daten schon AI-ready?Digital ChiefsWie man Open Source ausbremst, ohne es zu verbietenSecurityTodayWenn gekaufte KI-Router Schadcode einschleusenBildquelle: KI-generiert (Oktober 2026)
