Nvidia stellt Minerva vor: AIOps-Plattform soll defekte Komponenten in KI-Fabriken aufspüren

Minerva soll langsame Trainingsjobs auf die defekte Komponente zurückführen

Am 22. Oktober 2026 hat Nvidia Minerva angekündigt, eine AIOps-Plattform für sogenannte KI-Fabriken. Die Software führt Telemetriedaten von GPUs, Netzwerk, Speicher, Schedulern und Workloads zusammen. Daraus entsteht ein dynamischer Wissensgraph, der GPUs, SuperNICs, Switches und Kabel mit den Jobs verknüpft, die auf ihnen laufen. Betreiber sollen einen langsamen Trainingsjob bis zur verursachenden Komponente zurückverfolgen können. Nach Nvidia-Angaben funktioniert das auch in Fabriken mit Hunderttausenden GPUs. Einen Nachweis für diese Skalierung enthält das Material nicht.

Nvidia beschreibt das Problem so: Im synchronen verteilten Training gibt der langsamste Rank das Tempo vor. Eine einzige defekte GPU, Schnittstelle, Speichereinheit oder Switch-Strecke kann also die Rechenzeit vieler gesunder Ressourcen verschwenden. Besonders schwer zu fassen seien subtile Fehler. Dazu zählen eine GPU, die um wenige Grad heißer läuft, eine NVMe, die nur unter Dauerlast einbricht, oder ein Pause-Frame-Sturm, der wie dutzende unabhängige Symptome aussieht. Solche Signale überschreiten nicht zwingend statische Schwellwerte. Hinzu kommt, dass die Belege bei Netzwerk-, Compute- und ML-Teams getrennt liegen. Als Maßstab nennt Nvidia den „AI factory yield“, also die nützliche Arbeit der Infrastruktur, gemessen in GPU-Stunden, Goodput, Cluster-Verfügbarkeit und Token-Produktion.

Modelle lernen das Normalverhalten, ein Assistent empfiehlt Gegenmaßnahmen

Minerva analysiert nach Nvidia-Angaben Milliarden Datenpunkte pro Stunde, und zwar mit überwachtem und unüberwachtem maschinellem Lernen. Die Modelle sollen lernen, wie die Anlage im Normalbetrieb arbeitet. So erkennen sie bislang unbekannte Anomalien und sagen sich entwickelnde Ausfälle voraus. Zusammengehörige Ereignisse gruppiert die Software anhand der Topologie zu einem Vorfall mit wahrscheinlicher Ursache. Betreiber erhalten damit einen Vorfall statt einer Flut einzelner Alarme.

Hinzu kommt ein nativer KI-Assistent. Er beantwortet Fragen in natürlicher Sprache auf Grundlage der Live-Telemetrie und schlägt Gegenmaßnahmen vor. Diese lassen sich manuell umsetzen oder über Infrastruktur-APIs und externe agentische KI-Werkzeuge automatisieren. Vorsicht: Die Angaben zu Assistent und Automatisierung stammen nur aus einer Sekundärquelle, der Zusammenfassung von Zeniteq.

Zeniteq verweist außerdem auf Nvidias Integrationsleitfaden. Demnach brauchen die einzelnen Infrastrukturebenen jeweils eigene Telemetrie-Feeds und eigene Konfiguration. Der Einsatz geht damit über einen Assistenten auf bestehenden Dashboards hinaus. Kennzahlen zu Erkennungsrate, Vorlaufzeit oder Fehlalarmen nennt das Material nicht.

Preis, Verfügbarkeit und Abgrenzung zu Mission Control sind offen

Laut StorageReview wollen Dell Technologies, Lenovo und Supermicro Minerva in ihre Portfolios für den Betrieb von KI-Fabriken aufnehmen. IREN betreibe die Plattform bereits. IBM, Jio, Lambda, Quake AI, Tesla, Aolani und Bitdeer AI planten den Einsatz. Bei Bitdeer AI widersprechen sich die Quellen. aichatdaily schreibt, das Unternehmen habe Minerva „übernommen“, der Satz ist allerdings abgeschnitten. StorageReview spricht von einer Planung. Einen produktiven Einsatz nennt nur für IREN ein Beleg ausdrücklich. Auch die Angaben zur Ankündigung auf der GTC Berlin stammen allein aus StorageReview.

Preise und einen Termin für die allgemeine Verfügbarkeit hat laut StorageReview niemand veröffentlicht. In der Nvidia-Quelle ließ sich das nicht gegenprüfen.

Offen bleibt auch, was Minerva gegenüber vorhandenen Nvidia-Werkzeugen neu macht. Der Base Command Manager bietet bereits GPU-Monitoring und Health-Checking. Mission Control bündelt laut Dokumentation Base Command Manager, Run:ai, UFM und NetQ, die Observability für NVLink und Ethernet liefern. Minerva taucht in diesen Quellen nicht auf. Einen Vergleich von Nvidia oder einer unabhängigen Seite gibt es nicht. Bestandskunden müssen mögliche Überschneidungen deshalb selbst prüfen.