GPU-Server für digitale Pathologie: KI auf der RTX PRO 6000 Blackwell Server Edition

Was ein GPU-Server in der digitalen Pathologie leistet

Ein GPU-Server für die digitale Pathologie betreibt die KI, die gescannte Objektträger liest: Er zerlegt jedes Whole-Slide-Bild in Kacheln, wandelt jede Kachel mit einem Foundation-Modell in ein Embedding um und lässt kleine Aufgabenmodelle den Schnitt anhand dieser Embeddings klassifizieren, graduieren oder durchsuchen. Für ein Pathologie-Institut, das einige Hundert Schnitte am Tag scannt, trägt ein Server mit zwei Karten der NVIDIA RTX PRO 6000 Blackwell Server Edition die Embedding-Strecke und die Forschungsarbeit darauf; ein Labor mit einigen Tausend Schnitten am Tag plant vier Karten. Die Schnittzahlen je Karte unten sind unsere Schätzungen aus veröffentlichten Rechenwerten, und ein Pilot mit Ihren eigenen Schnitten legt die endgültige Zahl fest.

Wir schreiben für die Leitung eines Pathologie-Instituts oder eines Laborverbunds, die beurteilen muss, was ein solcher Server leistet und was er verändert, und für das IT-Team, das ihn an Scanner und Schnittarchiv anbindet. Die Radiologie arbeitet anders: CT und MRT sind 3D-Volumen mit eigenen Modellen und dem PACS, die unser Leitfaden zum KI-Server für die medizinische Bildgebung behandelt; Sprachmodelle für die klinische Dokumentation behandelt unser Leitfaden zum LLM im Krankenhaus.

Ein Schnitt in Zahlen

Ein Whole-Slide-Bild ist zu groß, als dass ein Modell es am Stück verarbeiten könnte. Ein Benchmark-Paper auf arXiv (2607.18218, 20. Juli 2026) verwendet einen Schnitt aus dem EBRAINS-Datensatz, der sich in 31.469 nicht überlappende Kacheln mit 256 × 256 Pixeln bei 20-facher Vergrößerung zerlegen lässt. Das sind etwa 2,06 Milliarden Pixel oder 6,2 GB als unkomprimiertes RGB, nach unserer Rechnung. Ein Scan mit doppelter linearer Auflösung hat viermal so viele Pixel, unkomprimiert etwa 24,7 GB. Das OpenSlide-Projekt schreibt, dass Whole-Slide-Bilder unkomprimiert oft Dutzende GB belegen und regelmäßig größer als der Arbeitsspeicher sind; Software liest sie deshalb Kachel für Kachel aus einer Auflösungspyramide.

Kachelzahl aus arXiv 2607.18218 (Paper zu GigaPath-Flash, gelesen am 24. Oktober 2026); Ausgabegröße von 1.536 aus der Modellkarte von H-optimus-0 auf Hugging Face (gelesen am 24. Oktober 2026); der Rest ist unsere Rechnung. Scanner speichern Schnitte komprimiert, die Dateien sind also deutlich kleiner als diese Werte; nehmen Sie die durchschnittliche Dateigröße aus Ihrem eigenen Archiv.

Die Kachelgröße ändert die Zahl. H-optimus-0 erwartet Kacheln mit 224 × 224 Pixeln bei 0,5 µm je Pixel, und dasselbe Gewebe ergibt in Kacheln von 224 Pixeln etwa 1,3-mal so viele Kacheln, nach unserer Rechnung. Die tatsächliche Zahl hängt von der Gewebefläche jedes Schnitts ab.

Offene Foundation-Modelle der Pathologie und ihre Lizenzen

Ein Foundation-Modell der Pathologie ist ein Vision Transformer, der ohne Labels auf Millionen Kacheln trainiert wurde. Es wandelt jede Kachel in einen Vektor um, und ein kleines Modell darauf, oft ein aufmerksamkeitsbasierter Aggregator, lernt die diagnostische Aufgabe aus gelabelten Schnitten. Die Lizenz des Encoders entscheidet, ob ein Unternehmen oder eine Klinik das Modell überhaupt verwenden darf.

Modellkarten auf Hugging Face (bioptimus/H-optimus-0, bioptimus/H-optimus-1, MahmoodLab/UNI, prov-gigapath/prov-gigapath), gelesen am 24. Oktober 2026. Alle vier sind zugangsbeschränkt: Der Zugang setzt das Akzeptieren der Bedingungen voraus, und H-optimus-1 und UNI verlangen eine institutionelle E-Mail-Adresse.

Die Modellkarte von H-optimus-0 beschreibt einen „1.1B parameter vision transformer“, trainiert auf „more than 500,000 H&E stained whole slide histology images“, und ihre Dateiliste zeigt einen Checkpoint von 4,54 GB, was 1,1 Mrd. Parametern mit je vier Byte entspricht. In FP16 belegen die Gewichte etwa 2,2 GB, nach unserer Rechnung, ein kleiner Teil einer Karte mit 96 GB; die Modellkarte empfiehlt Mixed Precision für schnellere Inferenz. Die Modellkarte von Prov-GigaPath trägt die Kennzeichnung Apache 2.0 und nimmt dennoch produktive Einsätze, kommerzielle eingeschlossen, aus ihrem vorgesehenen Anwendungsbereich aus. Lesen Sie jede Lizenz und jede Modellkarte mit Ihrer Rechtsabteilung, bevor ein Modell in einen diagnostischen Ablauf kommt.

Schnitte pro Tag je Karte

Das Embedding eines Schnitts ist reine Rechenarbeit: Derselbe Kachel-Encoder läuft zehntausendfach. Das Benchmark-Paper berechnet die Arbeit je Schnitt für sein Beispiel mit 31.469 Kacheln, und wir teilen sie durch die Tensor-Rate der Karte.

NVIDIAs Seite zur RTX PRO 6000 Server Edition nennt 1 PFLOP für FP16 und BF16, ohne anzugeben, ob dieser Wert Sparsity voraussetzt, und einen dichten Wert für diese Edition veröffentlicht NVIDIA nicht. NVIDIAs Whitepaper nennt 503,8 dichte BF16-TFLOPS für die Workstation Edition; die Server Edition hat dieselbe Zahl an Kernen und eine um 4 Prozent niedrigere FP32-Rate, wir rechnen daher mit etwa 480 dichten TFLOPS, nach unserer Schätzung.

TFLOP je Schnitt aus arXiv 2607.18218, Tabelle 2 (31.469 Kacheln; der Wert für GigaPath enthält seinen Slide-Encoder); Minimum und Obergrenze nach unserer Schätzung bei etwa 480 dichten TFLOPS je RTX PRO 6000 Server Edition, volle Nennrate, Betrieb über den ganzen Tag. Reale Läufe erreichen nur einen Teil der Nennrate.

Das sind Obergrenzen. Eine veröffentlichte Messung dieser Encoder auf einer Blackwell-Karte haben wir bis Oktober 2026 nicht gefunden, und eine echte Strecke muss die Kacheln außerdem lesen, dekodieren und filtern. Ein Encoder für Kacheln mit 224 Pixeln wie H-optimus-0 verarbeitet je Schnitt etwa 1,3-mal so viele Kacheln, sein Aufwand je Schnitt entspricht also auch nicht dem Wert für GigaPath. Erreicht eine Karte die Hälfte ihrer Nennrate, was ein Pilot bestätigen muss, braucht ein Encoder der 1-Mrd.-Klasse etwa 60 Sekunden je Schnitt, und eine Karte bettet im Dauerbetrieb etwa 1.450 Schnitte am Tag ein. Ein Institut mit 500 Schnitten am Tag braucht dann etwa 8,3 Stunden einer Karte; ein Labor mit 2.000 Schnitten am Tag braucht etwa 17 Stunden auf zwei Karten oder etwa 8 Stunden auf vier.

Die Aufgabenmodelle darauf sind leicht. Ein Aggregator, der auf vorberechneten Embeddings trainiert, liest je Schnitt etwa 97 MB statt des Bildes; das Training eines neuen Klassifikators braucht daher nur einen kleinen Teil der Rechenarbeit des Embedding-Laufs. Das Fine-Tuning des Encoders selbst ist aufwendiger und folgt den Regeln unseres Leitfadens zu GPU-Servern für das Training von Vision-Modellen.

Wir liefern die RTX PRO 6000 Server Edition als Karte und in Servern auf Bestellung; schicken Sie uns Ihre Schnitte pro Tag, die Dateiformate Ihrer Scanner und die geplanten Modelle, und unser Team antwortet mit einer Konfiguration.

Schnitte schnell genug lesen

Die GPU wartet, wenn der Server die Kacheln nicht schnell genug liest. OpenSlide, eine C-Bibliothek unter der LGPL 2.1 (Version 4.0.1 vom 7. Juni 2026), liest Formate von Aperio, DICOM, Hamamatsu, Leica, MIRAX, Philips, Ventana, Zeiss und weitere, mit dem Hinweis auf ihrer Website, dass diese Unterstützung „not endorsed by their respective vendors and may be incomplete“ ist. NVIDIAs cuCIM unter Apache 2.0 bietet eine zu OpenSlide passende API, liest Aperio SVS, Philips TIFF und generisches gekacheltes TIFF, und sein Modul cuslide2 nutzt nvImageCodec für GPU-beschleunigtes Dekodieren von TIFF. Pakete gibt es für CUDA 12 und CUDA 13.

Planen Sie die Prozessorseite dafür ein. NVIDIAs Leitfaden für zertifizierte Systeme verlangt mindestens sechs Kerne je GPU und Arbeitsspeicher in doppelter Größe des GPU-Speichers, und das Dekodieren der Kacheln auf der CPU kommt hinzu. Testen Sie den Reader mit den Dateien Ihrer eigenen Scanner, bevor Sie die Kernzahl festlegen.

Konfigurationen für ein Pathologie-Institut

Die Optionen folgen den Referenz­konfigurationen auf unserer Seite zu KI-Servern und NVIDIAs Leitfaden für zertifizierte Systeme. Die Schnittzahlen setzen einen Encoder der 1-Mrd.-Klasse bei der Hälfte der Nennrate voraus, was ein Pilot bestätigt oder korrigiert.

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Schnitte pro Tag nach unserer Schätzung (etwa 60 s je Schnitt je RTX PRO 6000 Server Edition, Betrieb über den ganzen Tag); Leistung nach unserer Schätzung wie in unseren Server-Leitfäden (Karten, Prozessoren und 15 Prozent für den Rest). Für die RTX PRO 4500 Server Edition veröffentlicht NVIDIA keine dichte Tensor-Rate, deshalb nennen wir für sie keine Schnittzahl.

Zwei Karten. Der Einstiegsserver hat zwei RTX PRO 6000 Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5-ECC und zwei NVMe-Laufwerke. Eine Karte bettet die Schnitte des Tages ein; die andere wird per MIG in bis zu vier isolierte Instanzen mit 24 GB geteilt, wie unser Leitfaden zu den MIG-Profilen der RTX PRO 6000 zeigt, für Aufgabenmodelle, eine Testinstanz und die Forschenden. Er passt an einen Anschluss mit 230 V und 16 A, der bei 80 Prozent 2,94 kW trägt.

Vier Karten. Der Inferenzknoten mit 768 GB und vier NVMe-Laufwerken trägt einen Laborverbund oder ein Referenzzentrum. Drei Karten betten die Schnitte des Tages ein, und die vierte trainiert neue Aufgabenmodelle, oder alle vier betten über Nacht ein. Er zieht mit Karten bei 600 W etwa 3,4 kW und braucht 32 A oder Drehstrom; auf 450 W begrenzt zieht er etwa 2,7 kW.

RTX PRO 4500 Server Edition. Jede passive Single-Slot-Karte hat 32 GB und 165 W und lässt sich in zwei MIG-Instanzen mit 16 GB teilen. Ein Encoder mit 1,1 Mrd. Parametern passt in FP16 problemlos, aber eine Karte mit weniger Rechenleistung bettet weniger Schnitte ein; dieser Server passt zu Aufgabenmodellen und Inferenz an einem kleineren Standort, während das Embedding großer Mengen auf der RTX PRO 6000 bleibt.

Die RTX PRO 6000 Max-Q ist die Workstation-Karte, eine Radiallüfter-Karte mit 300 W; ins Rack gehört sie nur in ein Gehäuse, für das der Hersteller sie listet, und für den Dauerbetrieb empfehlen wir die Server Edition. Der Befundungsarbeitsplatz der Pathologin oder des Pathologen ist eine eigene Frage, getrennt vom Server.

IVDR, DSGVO und selbst entwickelte Modelle

Für Pathologie-Software ist zuerst die Verordnung über In-vitro-Diagnostika zu prüfen. Artikel 2 Nummer 2 der Verordnung (EU) 2017/746 (IVDR) definiert ein In-vitro-Diagnostikum unter anderem als „software“, die vom Hersteller „for the examination of specimens, including blood and tissue donations, derived from the human body“ bestimmt ist, um Informationen „concerning a physiological or pathological process or state“ zu liefern. Ein Gewebeschnitt auf einem gescannten Objektträger ist eine solche Probe.

Artikel 5 Absatz 5 ist für Institute wichtig, die eigene Modelle bauen. Mit Ausnahme der grundlegenden Sicherheits- und Leistungsanforderungen in Anhang I gelten die Anforderungen der IVDR nicht für Produkte, die „manufactured and used only within health institutions established in the Union“ sind, wenn alle Bedingungen erfüllt sind: unter anderem wird das Produkt nicht an eine andere juristische Person abgegeben, Herstellung und Verwendung laufen unter einem geeigneten Qualitätsmanagementsystem, das Labor erfüllt EN ISO 15189 oder nationale Vorschriften, und die Einrichtung begründet, dass der Bedarf der Patientinnen und Patienten nicht durch ein gleichartiges Produkt auf dem Markt gedeckt werden kann. Die Einrichtung veröffentlicht außerdem eine Erklärung und wertet die klinische Erfahrung mit dem Produkt aus; für Produkte, die im industriellen Maßstab hergestellt werden, gilt der Absatz nicht.

Schnitte und ihre Befunde sind Gesundheitsdaten, eine besondere Kategorie nach Artikel 9 Absatz 1 der DSGVO, und das gilt auch für daraus abgeleitete Embeddings und Logs, solange sie einer Person zugeordnet werden können. Nach Artikel 6 Absatz 1 des AI Act ist ein KI-System, das selbst ein Produkt oder die Sicherheitskomponente eines Produkts nach den Rechtsvorschriften in Anhang I ist (die IVDR steht dort), ein Hochrisiko-System, wenn dieses Produkt eine Konformitätsbewertung durch Dritte braucht; Artikel 113 in der Fassung der Verordnung (EU) 2026/1744 wendet diese Regeln ab dem 2. August 2028 an; unser Leitfaden zur medizinischen Bildgebung beschreibt den laufenden Vorschlag, MDR und IVDR innerhalb von Anhang I zu verschieben. Ob ein Modell ein Produkt ist, ob Artikel 5 Absatz 5 greift und auf welcher Rechtsgrundlage Schnitte verarbeitet werden, beurteilen Ihre Regulatory-Affairs-Funktion und Ihre Datenschutz­beauftragte oder Ihr Datenschutz­beauftragter. Allgemeine Informationen zum EU-Recht mit Stand Oktober 2026, nach den Texten auf EUR-Lex; nationale Regeln können Bedingungen ergänzen.

Speicher und Netzwerk für das Schnittarchiv

Das Schnittarchiv wächst schneller als alles auf dem GPU-Server. Bemessen Sie es aus der durchschnittlichen Dateigröße Ihrer Scanner mal Schnitten pro Tag mal der Aufbewahrungsfrist, die Ihre nationalen Regeln für Schnitte festlegen; die Embeddings kommen mit etwa 97 MB je Schnitt in FP16 hinzu, nach unserer Rechnung etwa 29 GB am Tag bei 300 Schnitten. Der GPU-Server liest aus dem Archiv und hält eine Arbeitsmenge auf lokalem NVMe, wie unser Leitfaden zu NVMe-Speicher für einen LLM-Server für Modelldateien erklärt. Ein Schnitt von mehreren GB, der für jeden Lauf zum Server wandert, macht die Netzwerkverbindung zu einem Teil des Durchsatzes; stellen Sie den Server deshalb nah an das Archiv.

Hinweise für das IT-Team

1. Strecke. Kacheln lesen (OpenSlide oder cuCIM), Gewebeerkennung, der Encoder in FP16 oder BF16 mit großer Batch-Größe, Embeddings auf die Platte schreiben, Aufgabenmodelle lesen die Embeddings. Jeder Schritt läuft als eigener Container, ein neues Modell ersetzt also einen Schritt.
2. Trennung. Halten Sie Forschungsjobs getrennt von jedem Modell mit erklärtem diagnostischem Zweck: eine eigene Karte oder MIG-Instanz, eigene Container und dokumentierte Versionen, wie es das Qualitätssystem verlangt.
3. Netzwerk. Scanner, Archiv und GPU-Server liegen im klinischen Netz; der BMC gehört ins Management-Netz, und die Schritte unseres Leitfadens zur Absicherung eines GPU-Servers gelten.
4. Software bei Lieferung. Auf Wunsch kommt der Server mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime; cuCIM veröffentlicht Pakete für CUDA 12 und 13.
5. Abnahme. Fahren Sie einen Pilotlauf mit 50 bis 100 Ihrer eigenen Schnitte und messen Sie die Sekunden je Schnitt, bevor Sie die Kartenzahl festlegen; unser Leitfaden zum Abnahmetest von GPU-Servern behandelt den Test des gelieferten Systems.

Die Encoder-Strecke, die Aufgabenmodelle und die Logs richten wir auf diesen Servern über unseren Private-AI/ML-Service ein; beschreiben Sie Ihre Scanner und Ihren ersten Anwendungsfall, und wir schlagen einen Piloten und den Server dafür vor.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Last und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen GPU-Server auf Bestellung mit zwei oder vier Karten der RTX PRO 6000 Server Edition oder mit Karten der RTX PRO 4500 Server Edition, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML mit Engineering durch unseren Partner Vixen.UNO richtet die Modelle und die Strecke ein. Regulatorische Bewertung und Validierung bleiben bei Ihrem Institut. Unsere Seite zum Kauf eines Servers mit zwei RTX PRO 6000 Server Edition beschreibt die Einstiegskonfiguration im Detail.

FAQ