Rund 13.500 Teilnehmer aus 100 Ländern machen die heute gestartete KubeCon 2026 in Amsterdam zur dem bislang größten Konferenz rund um Kubernets in Europa. Jonathan Bryce, Exective Director Cloud and Infrastructure bei der Linux Foundation nannte Europa mit rund 38 Prozent der Beiträge zum Cloud Native Universum führend.
Die USA kommen mit rund 35 Prozent auf Platz zwei. Bryce und Chris Aniszczyk, CTO Cloud and Infrastructure bei der Linux Foundation und Co-Moderator bei den Keynotes konnten mit weiteren Superlativen aufwarten. Bei der dreitägigen Konferenz sind 900 Sessions auf dem Plan. Mit Nvidia ist ein neues Platin-Mitglied an Bord und F5 und Viettel sind als Gold-Mitglieder beigetreten.
Jonathan Bryce, Exective Director Cloud and Infrastructure und Chris Aniszczyk, CTO Cloud and Infrastructure bei der Linux Foundation bei den Keynotes
Das Platin-Mitglied Nvidia führte dann den eigen der Keynote-Präsentationen an und kündigte an, seinen „Dynamic Resource Allocation“-Treiber (DRA) für GPUs an die Cloud Native Computing Foundation (CNCF) zu spenden. Der DRA-Treiber für Kubernetes ermöglicht die Konfiguration und gemeinsamen Nutzung von Geräten wie etwa GPUs. Außerdem will Nvidia die Foundation in den kommenden drei Jahren mit vier Millionen US-Dollar unterstützen, um Tests zu den GPU-Anforderungen und weiterer Hardware zu ermöglichen. Daneben betonte Nvidia sein Bekenntnis zu Open Surce und verwies auf zwei weitere Open-Source-Projekte, „AI Cluster Runtime“, ein agentenbasiertes KI-Framework, und „NVSentinel“ – ein System zur Behebung von GPU-Fehlern.
Dass sich die KubeCon inzwischen auch rund um das Thema künstliche Intelligenz dreht, machte schon die Keynote deutlich. Kein Speaker kam ohne den Verweis auf KI aus, sei es durch Demos, spezielle Projekte für KI oder der Beschreibung, wie die Cloud-Native KI-Tools m Unternehmen eingesetzt werden.
Jonathan Bryce nannte Training, Inference und Agents als die drei Säulen der Open Source KI. Mit KI-Inferenz ist der Prozess gemeint, bei dem ein trainiertes KI-Modell zum Einsatz kommt, um Vorhersagen zu treffen, Inhalte zu generieren oder Schlussfolgerungen aus neuen, realen Daten zu ziehen.
Bei Uber, das von Melda Salhab repräsentiert wurde, sind das über das vom Unternehmen eingesetzte Michelangelo für das Machine Learning rund 30 Millionen Vorhersagen pro Sekunde.
