GPU Cloud

Cloud GPU bietet virtuelle GPU-Instanzen (vGPU), die flexibel skaliert werden können — ideal für variable Workloads. GPU Server sind dedizierte physische Server mit fest zugewiesenen GPUs — optimal für dauerhaftes Training mit maximaler Performance.

Wir bieten vier NVIDIA-GPU-Klassen an: Tesla T4 (16 GB GDDR6) als kosteneffiziente Einstiegs-GPU, A10 (24 GB GDDR6) als Allrounder, A100 (80 GB HBM2e) für anspruchsvolle KI-Workloads und H200 (141 GB HBM3e) für maximale KI-Performance. Jede GPU kann in verschiedene Profile aufgeteilt werden — von kleinen Slices für Inferenz bis zur vollen GPU für Training.

Die Tesla T4 (Turing, 8,1 TFLOPS FP32) ist ideal für kosteneffiziente Inferenz, VDI und leichte ML-Workloads. Die A10 (Ampere, 31,2 TFLOPS FP32) ist ein Allrounder für ML-Training, 3D-Rendering und Virtual Desktops. Die A100 (Ampere, 80 GB HBM2e, 312 TFLOPS FP16 Tensor) bietet MIG-Isolation für anspruchsvolle KI-Workloads. Die H200 (Hopper, 141 GB HBM3e, 989 TFLOPS FP16 Tensor) liefert maximale Performance für LLM-Training und große Foundation Models.

vGPU (Virtual GPU) ermöglicht es, eine physische GPU in mehrere virtuelle Instanzen aufzuteilen. Jede vGPU-Instanz erhält dedizierte GPU-Ressourcen und VRAM. So können Sie genau die GPU-Leistung buchen, die Sie benötigen — ohne eine komplette GPU mieten zu müssen.

Volle Unterstützung für CUDA, cuDNN und TensorRT. Kompatibel mit allen gängigen ML-Frameworks wie PyTorch, TensorFlow, JAX und ONNX Runtime. Wir stellen vorkonfigurierte Container-Images bereit.

Ja, über Direct Connect können Sie Cloud-GPU-Instanzen nahtlos mit Ihren Bare-Metal-Servern und Colocation-Hardware verbinden — ideal für hybride KI-Pipelines.

Alle Ressourcen werden monatlich abgerechnet. Sie konfigurieren vGPU, vCores, RAM und Storage individuell und zahlen nur, was Sie nutzen. Keine Mindestvertragslaufzeit.

Egress-Kosten sind Gebühren, die Cloud-Anbieter für ausgehenden Datenverkehr berechnen — also für Daten, die das Rechenzentrum in Richtung Internet oder andere Netzwerke verlassen. Jede API-Antwort, jeder Download, jeder Video-Stream und jede Backup-Replikation erzeugt Egress-Traffic. Die meisten Hyperscaler berechnen diese Kosten pro GB, was schnell zu einem erheblichen und schwer kalkulierbaren Kostenfaktor werden kann. Besonders bei datenintensiven Anwendungen summieren sich diese Gebühren rapide.

Nein. Bei INGATE ist der ausgehende Datenverkehr bereits im Preis enthalten — keine Gebühren pro GB, keine versteckten Aufschläge. Das macht Ihre Kosten vollständig planbar und transparent. Gerade bei datenintensiven Anwendungen wie CDN, Streaming, großen APIs oder Backup-Replikation ergibt sich dadurch ein massiver Kostenvorteil gegenüber den großen Hyperscalern.

AWS berechnet ca. $0,09/GB (erste 10 TB), Azure ca. $0,087/GB und Google Cloud ca. $0,12/GB. Ein Unternehmen, das 10 TB pro Monat überträgt, zahlt allein für ausgehenden Traffic ca. $900–1.200/Monat. Bei 100 TB sind es bereits $8.000–9.000+/Monat. Diese Kosten sind schwer vorhersehbar, da sie von Nutzerverhalten, API-Aufrufvolumen und Traffic-Mustern abhängen — was die TCO-Kalkulation erschwert und häufig zu unerwartet hohen Rechnungen führt (sog. „Bill Shock"). Bei INGATE ist Traffic inklusive, wodurch die Gesamtkosten von Tag eins an vollständig kalkulierbar sind.