GPU-Server für Isaac Sim und Isaac Lab: Robot Learning auf RTX PRO 6000 Server Edition

Was ein Robotik-Team von einem gemeinsamen GPU-Server braucht

Ein GPU-Server für Robotik betreibt NVIDIA Isaac Sim und Isaac Lab für ein ganzes Team auf Karten der NVIDIA RTX PRO 6000 Blackwell Server Edition: Robotersimulation, Reinforcement Learning von Steuerungs-Policies und synthetische Sensordaten, auf Hardware, die im Serverraum steht statt unter den Schreibtischen. Die Karte muss RT Cores haben, weil Isaac Sim GPUs ohne sie nicht unterstützt, und die Server Edition ist die passiv gekühlte Rack-Version der Karte, die NVIDIA als ideale GPU für Isaac Sim nennt. Ein Server mit vier dieser Karten führt vier Trainingsläufe nebeneinander aus oder einen Lauf über alle vier; zwei Karten passen zu einem kleinen Team, acht entsprechen NVIDIAs eigener Serverspezifikation für Omniverse.

Dieser Leitfaden richtet sich an die Leitung eines Robotik- oder Automatisierungsteams in Forschung und Entwicklung und an die IT, die den Server betreibt. Unser Leitfaden zu den Systemanforderungen von Omniverse und Isaac Sim behandelt die Anforderungsstufen, Treiber, Streaming und Lizenzen für digitale Zwillinge im Detail. Hier geht es um das Training: wie Isaac Lab die Arbeit auf mehrere GPUs verteilt, wie viel Speicher eine Aufgabe belegt und wie viele Karten ein Team braucht. Visuelle Inspektion und digitale Zwillinge der Fabrik behandelt unser Leitfaden zu KI-Servern für die Industrie, Fahrsimulation mit CARLA unser Leitfaden zu KI-Servern für Automotive-F&E.

Warum die Karte RT Cores haben muss

Isaac Sim rendert seine Sensoren mit dem Omniverse-RTX-Renderer, und seine Anforderungsseite schließt Karten ohne RT Cores namentlich aus: die A100 und die H100. Das README des Isaac-Sim-Repositorys auf GitHub nennt die A40 als Mindest-GPU im Rechenzentrum und eine RTX 4080 als Minimum für die Workstation. Für einen Robotik-Server entscheidet das den Kartentyp, bevor die Frage nach der Größe gestellt wird.

Anforderungsseite von Isaac Sim (zuletzt aktualisiert am 14. Oktober 2026) und Isaac-Sim-README auf GitHub, gelesen am 24. Oktober 2026; Zahl der RT Cores aus NVIDIAs Produktseiten, wie in unserem Leitfaden für Ingenieurbüros zitiert; Speicher aus NVIDIAs Datenblättern.

Isaac Lab 3.0 eröffnet einen zweiten Weg. Seine Installationsanleitung hält fest: „Headless Newton simulation does not require RTX hardware“, und das Kit-lose Container-Image enthält weder Isaac Sim noch Kit. Dasselbe Image enthält aber den Renderer OVRTX, der die Grafikfunktionen des NVIDIA-Treibers braucht; kamerabasierte Aufgaben bleiben also auf eine RTX-Karte angewiesen. NVIDIA veröffentlicht keine Isaac-Lab-Werte für die H200 NVL, und wir würden keine Simulation darauf planen. Trainiert ein Team zusätzlich große Netze auf aufgezeichneten oder simulierten Daten, passt die H200 NVL als eigener Trainingsknoten, wie unser Vergleich H200 NVL und RTX PRO 6000 für Fine-Tuning erklärt.

Wie Isaac Lab auf mehreren GPUs trainiert

Die Multi-GPU-Anleitung von Isaac Lab, zuletzt aktualisiert am 24. Oktober 2026, beschreibt ein einfaches Modell. Isaac Lab „starts one training process per GPU, gives each process its own simulation environments“, und die Prozesse gleichen ihre Policy-Updates ab. Jeder Prozess besitzt eine Isaac-Lab-Anwendung mit ihren vektorisierten Umgebungen, eine Kopie der Policy und einen Rollout-Puffer. Mit PyTorch umschließt train_multigpu torchrun und synchronisiert die Gradienten über DistributedDataParallel.

Für die Hardware folgen daraus drei Dinge:

1. Die Karte ist die Arbeitseinheit. Ein Server mit vier Karten führt ein Experiment auf vier Karten mit --num_gpus 4 aus oder vier getrennte Experimente mit je einer Karte. Ein Team, das mehrere Varianten von Belohnung oder Randomisierung gleichzeitig vergleicht, nutzt das zweite Muster.
2. Der Host muss mithalten. NVIDIA schreibt, dass die Simulation „does not move between GPUs“; CPU, RAM und I/O des Hosts können mit wachsender GPU-Zahl zur Grenze werden. Jeder Prozess rechnet seine eigene Physik, deshalb bemessen wir Prozessorkerne je Karte.
3. Bibliotheken und Plattform sind festgelegt. Multi-GPU-Training unterstützt RSL-RL, RL-Games und skrl, und Training über mehrere GPUs und Knoten braucht Linux und NVIDIA NCCL; Windows wird nicht unterstützt.

Über mehrere Server hinweg braucht jeder Knoten denselben Isaac-Lab-Checkout, dieselben Abhängigkeiten, dieselbe Aufgabenkonfiguration und die Trainings-Assets, und die Knoten müssen einander über den Rendezvous-Port erreichen. NVIDIA ergänzt, dass die Skalierung über mehrere Knoten stark vom Netz zwischen ihnen abhängt. Zwei praktische Details derselben Anleitung sparen Zeit: Rang 0 schreibt die Videos an den üblichen Ort, jeder andere Rang in einen eigenen Ordner; und scheitert ein gerenderter Job, weil CUDA und der Renderer die GPUs in unterschiedlicher Reihenfolge zählen, ist CUDA_DEVICE_ORDER=PCI_BUS_ID die dokumentierte Lösung. Auf einem Server mit mehreren Karten würden wir die Variable von Anfang an in der Job-Umgebung setzen.

GPU-Speicher und Durchsatz in NVIDIAs Benchmarks

NVIDIAs Benchmark-Seite für Isaac Lab (Dokumentationsversion 3.0.0-beta2) nennt den Speicherbedarf je Aufgabe und die Frames pro Sekunde auf einer und mehreren GPUs. Alle Läufe nutzten RL-Games unter Ubuntu 22.04 mit dem PhysX-Backend, außer der G1-Aufgabe, die mit RSL-RL lief.

Isaac Lab Performance Benchmarks, Tabelle zum Speicherbedarf, Dokumentation v3.0.0-beta2, gelesen am 24. Oktober 2026; NVIDIA nennt für diese Tabelle keine GPU.

Die Tabelle trennt zwei Arten von Aufgaben. Zustandsbasierte Policies, die Werte wie Gelenkpositionen beobachten, belegen selbst bei Tausenden Umgebungen nur wenige GB einer Karte; ihre Geschwindigkeit hängt an der Rechenleistung der GPU und am Host. Kamerabasierte Policies verhalten sich anders: 1.024 Umgebungen mit einer RGB-Kamera brauchen 16,7 GB, mehr als die 16 GB der Mindeststufe von Isaac Sim, und der Bedarf wächst mit Zahl und Auflösung der Kameras. Eine Karte mit 96 GB lässt Raum für größere Kameraaufgaben oder mehrere Sensoren je Roboter; NVIDIA nennt keinen größeren Kameralauf, messen Sie also Ihre eigene Aufgabe, bevor Sie die Zahl der Umgebungen festlegen.

Isaac Lab Performance Benchmarks, Frames pro Sekunde für „Step, Inference, and Train“, eine L40 und ein Knoten mit 4 × L40 (Intel Xeon Platinum 8362), gelesen am 24. Oktober 2026; der Faktor ist unsere Rechnung.

In diesen Messungen trainierten vier Karten in einem Knoten 3,3- bis 4,3-mal so schnell wie eine Karte. Gemessen wurde auf L40-Karten, nicht auf der RTX PRO 6000 Server Edition, und die Seite nennt keine Blackwell-Werte. Nehmen Sie die Zahlen als Muster der Skalierung, nicht als Geschwindigkeit unserer Konfigurationen.

Wir bauen diese Server mit zwei, vier oder acht Karten der RTX PRO 6000 Server Edition; schicken Sie uns Ihre Aufgaben, Sensoren und die Zahl der parallel laufenden Experimente, und unser Team antwortet mit einer Konfiguration.

Serveroptionen nach Kartenzahl

Die Optionen folgen den Referenz­konfigurationen auf unserer Seite zu KI-Servern und NVIDIAs Leitfaden für zertifizierte Systeme: zwei Prozessoren, mindestens sechs Kerne je GPU und mindestens doppelt so viel Arbeitsspeicher wie GPU-Speicher. NVIDIAs Serverspezifikation für Omniverse Kit, zitiert in unserem Omniverse-Leitfaden, verlangt acht Karten der RTX PRO 6000 Server Edition mit 64 oder mehr CPU-Kernen bei 3 GHz oder mehr und 1 bis 2 TB RAM; für Simulation wählen wir deshalb Prozessoren mit hohem Takt und ausreichend Kernen.

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Konfigurations­leitfaden für NVIDIA-Certified Systems; Leistung nach unserer Schätzung (Karten bei 600 W, zwei Prozessoren, plus 15 Prozent für den Rest des Servers), wie in unseren anderen Serverleitfäden.

Zwei Karten passen zu einem Team weniger Forschender, das ein oder zwei Experimente gleichzeitig fährt, oder zu einem Unternehmen, das mit synthetischen Daten für ein Wahrnehmungsmodell beginnt. Vier Karten sind die Größe, die wir einem Entwicklungsteam zuerst vorschlagen würden: tagsüber vier Experimente parallel, nachts ein Lauf über alle vier Karten. Acht Karten entsprechen NVIDIAs Kit-Serverspezifikation und tragen mehrere Teams oder Simulation und synthetische Daten für einen digitalen Zwilling neben dem Training; unser Leitfaden zur GPU-Zuteilung in einem Server mit acht Karten zeigt, wie man die Karten auf Nutzer verteilt. Ein Team, das große Netze auf aufgezeichneten Daten trainiert, ergänzt den H200-NVL-Knoten, der keine RT Cores hat und deshalb nicht simuliert.

Der Arbeitsspeicher unserer Referenz­konfigurationen liegt weit über den 3,7 bis 7,5 GB RAM je Prozess in NVIDIAs Tabelle. Er dient der Regel für NVIDIA-Certified Systems, Datensätzen und aufgezeichneten Trajektorien und den Stufen von Isaac Sim, die in den Stufen „good“ und „ideal“ 64 GB RAM je Maschine verlangen und für anspruchsvolle Nutzung mehr. Jede Karte braucht eigene Prozessorkerne für die Physik, deshalb sparen wir nicht an Kernen, um mehr Karten unterzubringen.

Workstations für Szenenbau und Debugging

Szenenbau, Roboterbeschreibungen und Debugging finden am Schreibtisch mit Bildschirm statt. Die ideale Stufe von Isaac Sim ist eine Workstation mit einer RTX PRO 6000 Blackwell, 16 Kernen, 64 GB RAM und einer NVMe-SSD mit 1 TB. Die RTX PRO 6000 Max-Q ist die 300-W-Edition mit Radiallüfter für Workstations, und NVIDIA erlaubt bis zu vier davon in einem Gerät, wie unser Leitfaden zur Workstation mit zwei RTX PRO 6000 Max-Q beschreibt. Im Rack gehört die Max-Q nur in ein Gehäuse, dessen Hersteller sie listet, und für Training im Dauerbetrieb empfehlen wir die Server Edition. Üblich ist eine Aufteilung mit einer Workstation je Entwickler für interaktive Arbeit und dem gemeinsamen Server für jeden Lauf, der Stunden dauert. Unser Vergleich GPU-Server oder Workstations für ein Team rechnet diese Entscheidung mit Zahlen durch.

Software, Versionen und Offline-Betrieb

Am 24. Oktober 2026 ist das neueste getaggte Isaac-Lab-Release auf GitHub v3.0.0-EA vom 16. September, gebaut für Isaac Sim 6.1, und seine Release Notes peilen die allgemeine Verfügbarkeit für Ende Oktober 2026 an. Das README ordnet den Branch release/3.0.0 und main Isaac Sim 6.2 zu. Die Installationsanleitung verlangt Python 3.12 und nennt den Treiber 595.58.03 für Linux x86_64. Dieser Treiber ist älter als 595.91.07, die R595-Version, die NVIDIAs Sicherheitsbulletin vom 30. September 2026 als korrigiert nennt; testen Sie also einen gepatchten Treiber vor dem Rollout. Unser Leitfaden zu NVIDIA-Treiberzweigen und CUDA-Versionen erklärt die Zweige.

• Container. Das Docker-Setup von Isaac Lab braucht Docker Engine, Docker Compose und das NVIDIA Container Toolkit, getestet mit Docker Engine 26.0.0 und Compose 2.25.0. Für HPC-Cluster wandelt die Anleitung das Image in ein Apptainer-Image um.
• Netze ohne Internet. Isaac Sim braucht eine Internetverbindung, um seine Online-Assets zu erreichen und einige Erweiterungen auszuführen. Für ein isoliertes Robotiknetz spiegeln Sie die Assets vorher, wie unser Leitfaden zum Air-Gapped-Server mit Offline-Installation beschreibt.
• Lizenzen. Das Isaac-Lab-Framework steht unter BSD-3, die Erweiterung isaaclab_mimic unter Apache 2.0; isaaclab_mimic braucht cuRobo, das proprietären Bedingungen unterliegt, und Workflows mit Isaac Sim enthalten proprietäre Komponenten. Das Kit-lose Image ist das einzige ohne die EULA von Isaac Sim. Welche Bedingungen für Ihre Nutzung gelten, bestätigt Ihre Rechtsabteilung.
• Lieferung. Der Server kommt auf Wunsch mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime, auf dem Treiberzweig, den Ihre anderen Hosts nutzen.

Maschinenverordnung und KI-Verordnung für Roboterhersteller

Die Verordnung (EU) 2023/1230 über Maschinen hebt die Maschinenrichtlinie 2006/42/EG auf, und die Maschinenseite der Kommission hält fest, dass sie „applies on a mandatory basis as of 20 January 2027“; Maschinen, die vor diesem Datum in Verkehr gebracht werden, folgen der Richtlinie. Ihre Erwägungsgründe 54 und 55 erklären, dass Systeme mit selbstentwickelndem Verhalten, die Sicherheitsfunktionen gewährleisten, in Anhang I gehören und eine Konformitätsbewertung durch Dritte erfordern, und zwar nur Systeme mit „a fully or partially self-evolving behaviour using machine learning approaches“, nicht Software, die lediglich programmierte automatisierte Funktionen ausführt.

Die KI-Verordnung knüpft an dieselben Produkte an. Die Verordnung (EU) 2026/1744, der Digital Omnibus zur KI, verschiebt die Maschinenverordnung von Abschnitt A in Abschnitt B von Anhang I der KI-Verordnung; der AI Act Service Desk der Kommission führt sie inzwischen dort. Nach Erwägungs­grund 42 soll die Kommission delegierte Rechtsakte erlassen, die Anhang III der Maschinenverordnung ändern, und diese sollen bis zum 2. August 2028 gelten („should apply by 2 August 2028“). Für Hochrisiko-KI-Systeme zu Produkten aus Abschnitt B gelten nach dem geänderten Artikel 2 Absatz 2 der KI-Verordnung „only Article 6(1), Article 60a and Articles 102 to 112“, die Artikel 57 bis 59 nur, soweit die Anforderungen an Hochrisiko-KI-Systeme in diese Rechtsvorschriften übernommen wurden. Unser Artikel zur EU-KI-Verordnung gibt den Zeitplan allgemein wieder. Für den GPU-Server hat das eine praktische Seite: Die Trainingsumgebung, aus der eine Policy für eine Sicherheitsfunktion stammt, gehört zu dem, was ein Hersteller unter Umständen beschreiben muss. Bewahren Sie zu jedem Trainingslauf die Versionen von Isaac Sim, Isaac Lab, die Aufgabenkonfiguration und die Container-Images auf. Dies ist eine allgemeine Information, keine Rechtsberatung; was für Ihr Produkt gilt, bestätigen Ihre Rechtsberatung oder Ihre benannte Stelle.

Strom und Raum

Nach unserer Schätzung zieht der Server mit zwei Karten etwa 1,8 kW an der Steckdose und passt an eine Zuleitung mit 230 V und 16 A, die bei 80 Prozent 2,94 kW trägt. Vier Karten bei 600 W ziehen etwa 3,4 kW und brauchen 32 A oder Drehstrom. Acht Karten ziehen nach unserer Schätzung etwa 6,3 kW; Dells Datenblatt nennt etwa 8 kW je Knoten mit acht Karten als Richtwert, planen Sie die Zuleitungen also nach der Herstellerangabe. Reinforcement Learning hält jede Karte stundenlang unter Volllast, deshalb gehören Lärm und Wärme in einen Serverraum, wie unser Leitfaden zur Stromversorgung von GPU-Servern mit 16 A, 32 A und Drehstrom durchrechnet. Eine Leistungsschätzung wird durch eine Messung am gelieferten System bestätigt.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team bemisst die Konfiguration nach Ihrer Aufgabe und Ihrem Budget und antwortet innerhalb eines Werktages. Wir liefern die RTX PRO 6000 als Server Edition, Max-Q und Workstation Edition, die L40S und die H200 NVL und bauen Server auf Bestellung mit zwei, vier oder acht Karten, vor der Lieferung montiert und getestet, geliefert überallhin in der EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns. Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Nennen Sie uns Ihre Roboter, Sensoren und Trainingsbibliotheken, und wir schlagen den Server und die Workstations dazu vor.

FAQ