Mit IBM Z in Echtzeit mit KI-Erkenntnisse freischalten
KI auf IBM® Z liefert Erkenntnisse in Echtzeit, indem maschinelles Lernen direkt auf Transaktionsdaten angewendet wird, wodurch das Verschieben von Daten überflüssig wird.
Durch die Nutzung des fortschrittlichen Hardware- und Software-Stacks von IBM z17 können Unternehmen mehrere KI-Modelle skalieren, um vorausschauende Anwendungsfälle wie Betrugserkennung und Einzelhandelsautomatisierung zu unterstützen. Hoher Durchsatz, geringe Latenz und branchenführende Cyber-Resilienz: IBM Z ist speziell für geschäftskritische KI konzipiert.
Verarbeiten Sie mit IBM z17 bis zu 450 Milliarden Inferenzoperationen pro Tag mit einer Reaktionszeit von 1 ms für Echtzeit-Anwendungsfälle.1
Integrieren Sie KI in jede Transaktion – ganz ohne Verschieben von Daten – und halten Sie gleichzeitig die strengsten SLAs und Reaktionszeiten ein.
Leiten Sie Inferenzanforderungen an jeden inaktiven Integrated Accelerator für KI weiter, um den Durchsatz gegenüber IBM z16 um das bis zu 7,5-Fache zu steigern.2
Führen Sie KI dort aus, wo Ihre Daten bereits gespeichert sind, um vertrauliche Informationen zu schützen und die Einhaltung gesetzlicher Vorschriften zu unterstützen.
Ausgewählte Produkte
Schöpfen Sie mit IBM watsonx Code Assistant for Z und watsonx Assistant for Z das volle Potenzial generativer KI aus. Diese Tools ermöglichen hybride oder lokale KI-Lösungen, wobei über den Spyre Accelerator3 weitere zukünftige Funktionen geplant sind, welche die Reichweite von KI in Ihrer Unternehmensinfrastruktur erweitern.
Ein auf generativer KI basierendes Tool, dass Entwicklern Zugriff auf den gesamten Lebenszyklus einer Anwendung gibt. Das Produkt umfasst Application Discovery und -Analyse, automatisches Code-Refactoring und Umwandlung von COBOL in Java.
Besteht aus IBM® Elite Support und IBM Secure Engineering. Diese überprüfen und scannen Open-Source-KI-Frameworks sowie IBM-zertifizierte Container auf Sicherheitsschwachstellen und überprüfen die Einhaltung von Branchenvorschriften.
Eine KI-Lösung, mit der Benutzer Modelle für maschinelles Lernen mit der Plattform Ihrer Wahl erstellen und diese Modelle in Transaktionsanwendungen einsetzen können, während sie gleichzeitig sicherstellen, dass SLAs eingehalten werden.
Eine Familie künstlich generierter Datensätze, die das Training prädiktiver KI-Modelle und großer Sprachmodelle (Large Language Models, LLMs) verbessern soll, um IBM Z-Unternehmen im Bereich Finanzdienstleistungen schnellen Zugriff auf relevante und umfangreiche Daten für KI-Projekte zu ermöglichen.
Weiterführende Produkte
IBM watsonx Assistant for Z bietet sichere, KI-gestützte virtuelle Agenten in großem Maßstab auf IBM Z für intelligentere Kundeninteraktionen.
IBM Db2 for z/OS ermöglicht sichere, flexible Datenbereitstellung für Hybrid-Cloud-, Transaktions- und Analyse-Workloads.
Das Python AI Toolkit for IBM z/OS bietet Ihnen wichtige Open-Source-Tools für die Ausführung von KI- und ML-Workloads auf IBM Z.
Mit dem IBM ZDNN-Plug-in für TensorFlow können Sie KI-Modelle in der Nähe Ihrer Kernanwendungen auf IBM Z bereitstellen, indem Sie den Integrated Accelerator for AI verwenden.
Die IBM Z Platform for Apache Spark unterstützt rasche In-Memory-Analysen mit Java, Scala, Python und R auf IBM Z.
Der IBM Z Deep Learning Compiler führt unter Verwendung des Integrated Accelerator for AI ONNX-KI-Modelle auf IBM Z mit geringer Abhängigkeit aus.
Anaconda on IBM Z and LinuxONE führt für effiziente Data Science Scikit-learn, NumPy und mehr in zCX-Containern aus.
Demovideo
Erfahren Sie, wie ein Ansatz mit mehreren KI-Modellen die Geldwäschebekämpfung auf IBM z17 beschleunigt und die Genauigkeit verbessert, um illegale Aktivitäten zu erkennen, die Einhaltung von Vorschriften zu vereinfachen und wirtschaftliche Transparenz zu gewährleisten.
Ressourcen
Fußnoten
¹ HAFTUNGSAUSSCHLUSS: Dieses Leistungsergebnis wurde aus internen Tests von IBM extrapoliert, die auf einem IBM Systemhardwaremaschinentyp 9175 durchgeführt wurden. Der Benchmark wurde mit 1 Thread ausgeführt, der lokale Inferenzvorgänge mithilfe eines LSTM-basierten synthetischen Modells zur Betrugserkennung durchführte, um den integrierten Beschleuniger für KI zu nutzen. Es wurde eine Stapelgröße von 160 verwendet. IBM System-Hardwarekonfiguration: 1 LPAR mit Red Hat Enterprise Linux 9.4 mit 6 IFLs (SMT), 128 GB Arbeitsspeicher; 1 LPAR mit 2 CPs, 4 zIIPs und 256 GB Arbeitsspeicher mit IBM z/OS 3.1 mit IBM z/OS Container Extensions (zCX)-Funktion. Die Ergebnisse können abweichen.
2 HAFTUNGSAUSSCHLUSS: Die Leistungsergebnisse basieren auf internen Tests, bei denen der integrierte Beschleuniger für KI von IBM für Inferenzoperationen auf IBM z16 und IBM z17 genutzt wurde. Auf IBM z17 ermöglicht jeder integrierte Beschleuniger für KI von IBM einer beliebigen CPU in einem Einschub, eine KI-Inferenzanfrage an einen der 8 inaktiven KI-Beschleuniger in demselben Einschub weiterzuleiten. Die Tests umfassten das Ausführen von Inferenzoperationen auf 8 parallelen Threads mit einer Stapelgröße von 1. Sowohl IBM z16 als auch z17 wurden mit 2 GCPs, 4 zIIPs mit SMT und 256 GB Speicher auf IBM z/OS V3R1 mit IBM Z Deep Learning Compiler 4.3.0 konfiguriert, unter Verwendung eines synthetischen Modells zur Erkennung von Kreditkartenbetrug. Die Ergebnisse können abweichen.
3 Abhängig von der Verfügbarkeit des Spyre Accelerator. Der IBM Spyre Accelerator befindet sich derzeit in der Technologievorschau. https://www.ibm.com/docs/en/announcements/z17-makes-more-possible