KI-T-Shirt-Size · Archiv
Ergebnisse
Jede ID öffnet direkt die gespeicherte Einschätzung.
| ID / Link | Zeitpunkt | Einsatzbereiche | Zielgruppe | Gesamtzahl Nutzer | Gleichzeitig aktive Nutzer (Schätzung) | Nutzungsintensität | Projektphase | Erkannte Einsatzart(en) | KI-T-Shirt-Size | GPU-Speicher (VRAM) | GPU-Speicherbandbreite | Begründung |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| #60 öffnen ↗ | 2026-11-10 17:25:20.188435 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #59 öffnen ↗ | 2026-11-10 09:00:55.832973 | Chat / KI-Assistent | Fachbereich | 50–250 | 10–100 | Regelmäßig | Produktiver Einsatz | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | produktiver Einsatz |
| #58 öffnen ↗ | 2026-11-09 09:21:31.072493 | Chat / KI-Assistent | Fachbereich | 250–1.000 | 10–100 | Häufig | Proof of Concept / Experiment | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität |
| #57 öffnen ↗ | 2026-11-06 08:30:54.140562 | Chat / KI-Assistent, Dokumente analysieren / RAG, KI-Agenten / Automatisierung | Unternehmensweit | 1.000–10.000 | 10–100 | Gelegentlich | Proof of Concept / Experiment | Conversational AI, RAG / Knowledge AI, AI Agents | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #56 öffnen ↗ | 2026-11-03 08:30:46.773280 | Chat / KI-Assistent, Text-to-Speech | Fachbereich | 250–1.000 | 100–1.000 | Häufig | Produktiver Einsatz | Conversational AI, Speech AI | M | 24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz, mehrere Workload-Klassen |
| #55 öffnen ↗ | 2026-11-02 20:41:14.122779 | Chat / KI-Assistent, Coding / Entwicklung | Mehrere Fachbereiche | 10.000–50.000 | 100–1.000 | Häufig | Pilot | Conversational AI | L | 48–80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität |
| #54 öffnen ↗ | 2026-10-30 15:04:20.868260 | Text-to-Speech | Fachbereich | 250–1.000 | 100–1.000 | Häufig | Produktiver Einsatz | Speech AI | M | 24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz |
| #53 öffnen ↗ | 2026-10-30 08:41:33.937769 | Unternehmenswissen / Wissenssuche, Bilder analysieren | Fachbereich | 10–50 | 10–100 | Regelmäßig | Pilot | RAG / Knowledge AI, Multimodal / Vision | M | 48 GB | ca. 1,0–3,0 TB/s je GPU | RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #52 öffnen ↗ | 2026-10-29 12:32:43.845274 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #51 öffnen ↗ | 2026-10-29 12:32:43.328965 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #50 öffnen ↗ | 2026-10-29 12:32:42.954934 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #49 öffnen ↗ | 2026-10-29 12:32:42.331723 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #48 öffnen ↗ | 2026-10-23 09:20:47.473274 | Chat / KI-Assistent, Dokumente analysieren / RAG, Bilder erzeugen | Fachbereich | 250–1.000 | 10–100 | Häufig | Entwicklung | Conversational AI, RAG / Knowledge AI, Generative Media | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung, generative Medien, mehrere Workload-Klassen |
| #47 öffnen ↗ | 2026-10-21 07:36:54.516927 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #46 öffnen ↗ | 2026-10-21 07:36:53.558178 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #45 öffnen ↗ | 2026-10-21 07:24:19.587570 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #44 öffnen ↗ | 2026-10-21 07:24:18.643696 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #43 öffnen ↗ | 2026-10-18 17:35:49.524925 | Chat / KI-Assistent, Dokumente analysieren / RAG | Fachbereich | 50–250 | 1–10 | Häufig | Entwicklung | Conversational AI, RAG / Knowledge AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #42 öffnen ↗ | 2026-10-11 17:12:04.770202 | Chat / KI-Assistent, Coding / Entwicklung, Unternehmenswissen / Wissenssuche | Fachbereich | 1.000–10.000 | 10–100 | Regelmäßig | Entwicklung | Conversational AI, RAG / Knowledge AI | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #41 öffnen ↗ | 2026-10-09 15:26:06.101806 | Chat / KI-Assistent, Coding / Entwicklung, Speech-to-Text, Text-to-Speech | Mehrere Fachbereiche | 1.000–10.000 | 100–1.000 | Häufig | Entwicklung | Conversational AI, Speech AI | L | 48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität, mehrere Workload-Klassen |
| #40 öffnen ↗ | 2026-10-09 14:02:37.276247 | Chat / KI-Assistent, Dokumente analysieren / RAG, Bilder analysieren | Fachbereich | 50–250 | 10–100 | Häufig | Entwicklung | Conversational AI, RAG / Knowledge AI, Multimodal / Vision | M | 48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #39 öffnen ↗ | 2026-10-08 15:40:26.615059 | Chat / KI-Assistent, Speech-to-Text | Fachbereich | 250–1.000 | 10–100 | Regelmäßig | Entwicklung | Conversational AI, Speech AI | S | 16 GB | ca. 0,3–1,5 TB/s je GPU | mehrere Workload-Klassen |
| #38 öffnen ↗ | 2026-10-07 17:35:57.853176 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #37 öffnen ↗ | 2026-10-07 17:35:57.435471 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #36 öffnen ↗ | 2026-10-07 17:35:57.160238 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #35 öffnen ↗ | 2026-10-07 17:35:56.980482 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #34 öffnen ↗ | 2026-10-07 07:58:45.291889 | Dokumente analysieren / RAG, Bilder analysieren, KI-Agenten / Automatisierung | Fachbereich | 50–250 | 1–10 | Häufig | Entwicklung | RAG / Knowledge AI, Multimodal / Vision, AI Agents | M | 48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #33 öffnen ↗ | 2026-10-03 16:39:05.873372 | Chat / KI-Assistent, Dokumente analysieren / RAG, Bilder erzeugen | Einzelne Person | 1–10 | 1–10 | Dauerhaft / viele parallele Nutzer | Pilot | Conversational AI, RAG / Knowledge AI, Generative Media | M | 48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung, generative Medien, mehrere Workload-Klassen |
| #32 öffnen ↗ | 2026-10-03 14:22:50.791062 | Dokumente analysieren / RAG | Kleines Team | 1–10 | 1–10 | Häufig | Pilot | RAG / Knowledge AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung |
| #31 öffnen ↗ | 2026-10-02 08:38:25.748705 | Bilder analysieren, Full Fine-Tuning / Training eigener Modelle, Batch AI / Embeddings / Klassifikation | Kleines Team | 1–10 | 1–10 | Regelmäßig | Produktiver Einsatz | Multimodal / Vision, Model Training, Batch AI | L | 8× 80 GB+ | ca. 1,5–3,5 TB/s je GPU | produktiver Einsatz, Model Training, mehrere Workload-Klassen |
| #30 öffnen ↗ | 2026-10-02 08:37:22.643529 | Bilder analysieren, Bilder erzeugen, Full Fine-Tuning / Training eigener Modelle, Batch AI / Embeddings / Klassifikation | Kleines Team | 1–10 | 1–10 | Regelmäßig | Produktiver Einsatz | Multimodal / Vision, Generative Media, Model Training, Batch AI | L | 8× 80 GB+ | ca. 1,5–3,5 TB/s je GPU | produktiver Einsatz, generative Medien, Model Training, mehrere Workload-Klassen |
| #29 öffnen ↗ | 2026-10-02 07:22:16.287505 | Full Fine-Tuning / Training eigener Modelle, Batch AI / Embeddings / Klassifikation | Kleines Team | 10–50 | 1–10 | Häufig | Kritischer Produktivbetrieb | Model Training, Batch AI | L | 8× 80 GB+ | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz, Model Training, mehrere Workload-Klassen |
| #28 öffnen ↗ | 2026-10-01 08:48:52.948229 | Chat / KI-Assistent, Dokumente analysieren / RAG, Speech-to-Text | Fachbereich | 1.000–10.000 | 100–1.000 | Regelmäßig | Entwicklung | Conversational AI, RAG / Knowledge AI, Speech AI | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #27 öffnen ↗ | 2026-10-01 07:51:41.701246 | Chat / KI-Assistent, Text-to-Speech, Bilder analysieren, LLM Fine-Tuning (LoRA / QLoRA) | Fachbereich | 50–250 | 1.000–10.000 | Dauerhaft / viele parallele Nutzer | Produktiver Einsatz | Conversational AI, Speech AI, Multimodal / Vision, LLM Fine-Tuning | XL | 4× 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz, LLM Fine-Tuning, mehrere Workload-Klassen |
| #26 öffnen ↗ | 2026-10-01 07:03:57.902636 | Speech-to-Text, Text-to-Speech | Fachbereich | 1.000–10.000 | 10.000–25.000 | Häufig | Entwicklung | Speech AI | L | 48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Concurrent-User-Zahl, hohe Nutzungsintensität |
| #25 öffnen ↗ | 2026-10-01 07:03:25.137442 | Coding / Entwicklung, Text-to-Speech | Kleines Team | 10–50 | 100–1.000 | Häufig | Entwicklung | Conversational AI, Speech AI | M | 24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität, mehrere Workload-Klassen |
| #24 öffnen ↗ | 2026-10-01 06:49:15.628706 | Batch AI / Embeddings / Klassifikation | Fachbereich | 1–10 | 10.000–25.000 | Dauerhaft / viele parallele Nutzer | Entwicklung | Batch AI | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Concurrent-User-Zahl, hohe Nutzungsintensität |
| #23 öffnen ↗ | 2026-10-01 06:47:32.980089 | LLM Fine-Tuning (LoRA / QLoRA) | Einzelne Person | 1–10 | 1–10 | Häufig | Pilot | LLM Fine-Tuning | S | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität, LLM Fine-Tuning |
| #22 öffnen ↗ | 2026-09-30 17:53:38.375982 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #21 öffnen ↗ | 2026-09-30 16:36:05.274373 | Bilder analysieren | Fachbereich | 50–250 | 1–10 | Regelmäßig | Proof of Concept / Experiment | Multimodal / Vision | S | 24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #20 öffnen ↗ | 2026-09-30 15:08:41.258667 | Chat / KI-Assistent, Bilder analysieren, KI-Agenten / Automatisierung, LLM Fine-Tuning (LoRA / QLoRA) | Fachbereich | 1.000–10.000 | 100–1.000 | Häufig | Produktiver Einsatz | Conversational AI, Multimodal / Vision, AI Agents, LLM Fine-Tuning | XL | 4× 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz, LLM Fine-Tuning, mehrere Workload-Klassen |
| #19 öffnen ↗ | 2026-09-30 11:16:53.410063 | Chat / KI-Assistent | Kleines Team | 50–250 | 1.000–10.000 | Häufig | Proof of Concept / Experiment | Conversational AI | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität |
| #18 öffnen ↗ | 2026-09-30 10:00:27.184981 | Chat / KI-Assistent | Einzelne Person | 1–10 | 1–10 | Häufig | Kritischer Produktivbetrieb | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz |
| #17 öffnen ↗ | 2026-09-30 09:55:00.083944 | Chat / KI-Assistent, Speech-to-Text, Video / Medien | Fachbereich | 1.000–10.000 | 100–1.000 | Häufig | Proof of Concept / Experiment | Conversational AI, Speech AI, Generative Media | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, generative Medien, mehrere Workload-Klassen |
| #16 öffnen ↗ | 2026-09-30 07:06:46.496655 | Coding / Entwicklung, Bilder analysieren, LLM Fine-Tuning (LoRA / QLoRA), Batch AI / Embeddings / Klassifikation | Fachbereich | 50–250 | 100–1.000 | Häufig | Proof of Concept / Experiment | Conversational AI, Multimodal / Vision, LLM Fine-Tuning, Batch AI | L | 2× 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, LLM Fine-Tuning, mehrere Workload-Klassen |
| #15 öffnen ↗ | 2026-09-30 06:56:05.160473 | Chat / KI-Assistent, Text-to-Speech, Bilder erzeugen | Kleines Team | 50–250 | 100–1.000 | Häufig | Produktiver Einsatz | Conversational AI, Speech AI, Generative Media | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz, generative Medien, mehrere Workload-Klassen |
| #14 öffnen ↗ | 2026-09-30 06:43:23.794441 | Chat / KI-Assistent | Kleines Team | 1–10 | 1–10 | Häufig | Proof of Concept / Experiment | Conversational AI | XS | 12–16 GB | ca. 0,3–1,5 TB/s je GPU | hohe Nutzungsintensität |
| #13 öffnen ↗ | 2026-09-30 06:11:05.689183 | Chat / KI-Assistent, Unternehmenswissen / Wissenssuche, Bilder analysieren, Bilder erzeugen | Unternehmensweit | 10.000–50.000 | 100–1.000 | Regelmäßig | Produktiver Einsatz | Conversational AI, RAG / Knowledge AI, Multimodal / Vision, Generative Media | XL | 2× 80 GB+ | ca. 1,5–3,5 TB/s je GPU | produktiver Einsatz, RAG/Wissensverarbeitung, generative Medien, mehrere Workload-Klassen |
| #12 öffnen ↗ | 2026-09-29 17:52:48.248582 | Coding / Entwicklung, Speech-to-Text, Bilder analysieren, Bilder erzeugen, Video / Medien | Unternehmensweit | 50–250 | 100–1.000 | Regelmäßig | Proof of Concept / Experiment | Conversational AI, Speech AI, Multimodal / Vision, Generative Media | XL | 2× 80 GB+ | ca. 1,5–3,5 TB/s je GPU | generative Medien, mehrere Workload-Klassen |
| #11 öffnen ↗ | 2026-09-29 16:37:21.009188 | — | — | — | — | — | — | Conversational AI | S | 16–24 GB | ca. 0,5–2,0 TB/s je GPU | kleiner bzw. explorativer Einsatz |
| #10 öffnen ↗ | 2026-09-29 16:35:58.592056 | Chat / KI-Assistent, Coding / Entwicklung, Bilder analysieren | Fachbereich | 1.000–10.000 | 100–1.000 | Häufig | Entwicklung | Conversational AI, Multimodal / Vision | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, mehrere Workload-Klassen |
| #9 öffnen ↗ | 2026-09-29 16:33:16.150556 | Chat / KI-Assistent, Text-to-Speech | Fachbereich | 10.000–50.000 | 1.000–10.000 | Häufig | Entwicklung | Conversational AI, Speech AI | L | 48 GB | ca. 1,0–3,0 TB/s je GPU | hohe Nutzungsintensität, mehrere Workload-Klassen |
| #8 öffnen ↗ | 2026-09-29 16:28:09.908972 | Chat / KI-Assistent, Unternehmenswissen / Wissenssuche, Text-to-Speech, Bilder analysieren | Fachbereich | 1.000–10.000 | 100–1.000 | Dauerhaft / viele parallele Nutzer | Entwicklung | Conversational AI, RAG / Knowledge AI, Speech AI, Multimodal / Vision | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #7 öffnen ↗ | 2026-09-29 16:22:38.150590 | Chat / KI-Assistent, Coding / Entwicklung, Dokumente analysieren / RAG, Unternehmenswissen / Wissenssuche, Bilder analysieren | Fachbereich | 1.000–10.000 | 100–1.000 | Regelmäßig | Pilot | Conversational AI, RAG / Knowledge AI, Multimodal / Vision | XL | 80 GB+ | ca. 1,5–3,5 TB/s je GPU | RAG/Wissensverarbeitung, mehrere Workload-Klassen |
| #6 öffnen ↗ | 2026-09-29 15:02:47 | KI-Agenten / Automatisierung, LLM Fine-Tuning (LoRA / QLoRA), Batch AI / Embeddings / Klassifikation | Fachbereich | 10–50 | 10–100 | Häufig | Pilot | AI Agents, LLM Fine-Tuning, Batch AI | L | 2× 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, LLM Fine-Tuning, mehrere Workload-Klassen |
| #5 öffnen ↗ | 2026-09-29 14:34:53 | Chat / KI-Assistent, Bilder analysieren | Fachbereich | 250–1.000 | 100–1.000 | Häufig | Produktiver Einsatz | Conversational AI, Multimodal / Vision | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | hohe Nutzungsintensität, produktiver Einsatz, mehrere Workload-Klassen |
| #4 öffnen ↗ | 2026-09-29 13:57:36 | Chat / KI-Assistent, Text-to-Speech, KI-Agenten / Automatisierung | Fachbereich | 50–250 | 100–1.000 | Regelmäßig | Produktiver Einsatz | Conversational AI, Speech AI, AI Agents | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | produktiver Einsatz, mehrere Workload-Klassen |
| #3 öffnen ↗ | 2026-09-29 12:27:56 | Bilder analysieren, Video / Medien | Mehrere Fachbereiche | 1.000–10.000 | 10–100 | Regelmäßig | Pilot | Multimodal / Vision, Generative Media | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | generative Medien, mehrere Workload-Klassen |
| #2 öffnen ↗ | 2026-09-29 11:24:01 | Chat / KI-Assistent, Coding / Entwicklung, Speech-to-Text, Bilder analysieren, Bilder erzeugen | Kleines Team | 50–250 | 1.000–10.000 | Regelmäßig | Pilot | Conversational AI, Speech AI, Multimodal / Vision, Generative Media | L | 80 GB | ca. 1,5–3,5 TB/s je GPU | generative Medien, mehrere Workload-Klassen |
| #1 öffnen ↗ | 2026-09-29 11:17:55 | Chat / KI-Assistent, Coding / Entwicklung, Dokumente analysieren / RAG | Kleines Team | 50–250 | 10–100 | Regelmäßig | Entwicklung | Conversational AI, RAG / Knowledge AI | M | 24–48 GB | ca. 1,0–3,0 TB/s je GPU | RAG/Wissensverarbeitung, mehrere Workload-Klassen |