# Ai2 beschreibt Scheduler für die gemeinsame Nutzung seiner GPU-Cluster

> Ai2 zufolge erhielten Teams während einer 30-tägigen Auswertung eines neuen Budget- und Fair-Share-Systems 98 Prozent der ihnen zustehenden GPU-Stunden.

- Kanonische URL: https://newsverum.com/de/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026
- Herausgeber: Newsverum
- Rubrik: Technologie
- Land: Vereinigte Staaten
- Veröffentlicht: 2026-10-15T19:00:44+00:00
- Aktualisiert: 2026-10-15T19:00:44+00:00
- Zeitraum der Quellenprüfung: 2026-10-09
- Weitere Ausgaben: [Türkçe](https://newsverum.com/tr/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026.md), [English](https://newsverum.com/en/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026.md), [العربية](https://newsverum.com/ar/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026.md), [Français](https://newsverum.com/fr/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026.md), [Español](https://newsverum.com/es/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026.md), [Português](https://newsverum.com/pt/news/ai2-gpu-scheduler-reallocates-cluster-time-october-2026.md)

*Die Quelle nennt kein Ereignisdatum; der angezeigte Zeitraum entspricht der Quellenprüfung.*

Das US-amerikanische Allen Institute for AI (Ai2) ersetzte die prioritätsbasierte Planung seiner Forschungscluster durch ein System, das Teams und Projekten GPU-Zeitbudgets zuweist, Kapazität nach hierarchischen Fair-Share-Regeln verteilt und Aufträge nach einer festgelegten Mindestlaufzeit erneut einreihen kann. Das Institut erklärte, seine Cluster umfassten 88 bis 1.024 GPUs; etwa 150 Forschende fragten jederzeit das Zwei- bis Dreifache der verfügbaren Kapazität nach.

Während der 30 Tage nach Beginn der schrittweisen Einführung Ende Juli erhielten die Teams 98 Prozent der ihnen gemessen an Nachfrage und Zuteilungen zustehenden GPU-Stunden. Die Cluster-Auslastung blieb vor und nach der Änderung bei 98 Prozent. Ai2 meldete zudem 74 Prozent weniger Reparaturen mit notwendigem menschlichem Eingriff und eine Verkürzung der medianen Wartezeit im größten H100-Cluster von fünf Minuten auf 24 Sekunden. Das Institut beobachtet weiterhin unter anderem unterbrochene interaktive Sitzungen und eine mögliche Kapazitätsfragmentierung bei großen Aufträgen.

## Daten

### Ergebnisse des GPU-Schedulers von Ai2

Gemeldete Messwerte des neuen Systems aus Budgets, fairer Zuteilung und Zeitscheiben.

Methodik: Ai2 meldete den Anteil der GPU-Stunden, die den Teams gemessen an Nachfrage und Zuteilung während eines 30-Tage-Zeitraums zustanden, nach einem Ende Juli begonnenen schrittweisen Rollout sowie die Veränderung bei Reparaturen mit erforderlichem menschlichem Eingriff.

| label | value | unit | period | basis |
|---|---|---|---|---|
| Anteil der bereitgestellten zustehenden GPU-Stunden | 98 | percent | 2026-10-09 | observed |
| Rückgang der Reparaturen mit erforderlichem menschlichem Eingriff | 74 | percent | 2026-10-09 | observed |

Quellen: <https://huggingface.co/blog/allenai/impactful-scheduling> · Daten herunterladen: [JSON](https://newsverum.com/api/v1/articles/ai2-gpu-scheduler-reallocates-cluster-time-october-2026/data/scheduler-rollout-results?lang=de&format=json) · [CSV](https://newsverum.com/api/v1/articles/ai2-gpu-scheduler-reallocates-cluster-time-october-2026/data/scheduler-rollout-results?lang=de&format=csv)

## Quellen

- [Allen Institute for AI (Ai2)](<https://huggingface.co/blog/allenai/impactful-scheduling>) (Quelle geprüft: 2026-10-15; Veröffentlicht: 2026-10-09)

---

Zitieren Sie die oben angegebene kanonische URL. [Redaktionsstandards und Korrekturen](https://newsverum.com/de/editorial)