[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f100qIoj7A3SOO9Qd9xc_u0BtjwLM8DyvltYv2B3yHH4":3,"faq-section-":54},{"tableOfContents":4,"markDownContent":5,"htmlContent":6,"metaTitle":7,"metaDescription":8,"wordCount":9,"readTime":10,"title":11,"nbDownloads":12,"excerpt":13,"lang":14,"url":15,"intro":16,"featured":4,"state":17,"author":18,"authorId":19,"datePublication":23,"dateCreation":24,"dateUpdate":25,"mainCategory":26,"categories":45,"metaDatas":51,"imageUrl":16,"imageThumbUrls":52,"id":53},false,"Gemäß den **Leitlinien der Europäischen Kommission zu den Verpflichtungen für Anbieter von GPAI-Modellen** bezeichnet der Trainings-Compute den Umfang der für das Training eines Modells eingesetzten Rechenleistung. Er wird in **FLOP (Floating-Point Operations)** gemessen.\n\nNach den Leitlinien spricht insbesondere dann für die Einstufung als **KI-Modell mit allgemeinem Verwendungszweck (GPAI)**, wenn:\n\n- der für das Training eingesetzte Compute **mehr als 10²³ FLOP** beträgt und\n- das Modell aufgrund seiner Fähigkeiten und Modalitäten ein breites Spektrum unterschiedlicher Aufgaben erfüllen kann, etwa Sprache in Text- oder Audioform, Text-zu-Bild oder Text-zu-Video generieren kann.\n\nDie **10²³-FLOP-Schwelle ist jedoch kein starrer gesetzlicher Grenzwert**. Ein Modell oberhalb dieser Schwelle kann ausnahmsweise kein GPAI-Modell darstellen, wenn ihm die erforderliche erhebliche allgemeine Verwendbarkeit fehlt. Umgekehrt kann auch ein Modell mit weniger als 10²³ FLOP als GPAI-Modell eingestuft werden, wenn es eine erhebliche Allgemeinheit aufweist und ein breites Spektrum unterschiedlicher Aufgaben kompetent erfüllen kann.\n\nDie 10²³-FLOP-Schwelle ist zudem von der **10²⁵-FLOP-Schwelle für GPAI-Modelle mit systemischem Risiko** nach Art. 51 EU AI Act zu unterscheiden. Bei Überschreiten von 10²⁵ FLOP wird bei einem GPAI-Modell grundsätzlich vermutet, dass es über Fähigkeiten mit hoher Wirkkraft verfügt.\n\nWeitere technische Einzelheiten zur Ermittlung des Trainings-Compute enthält der Anhang der Leitlinien der Europäischen Kommission.","\u003Cp>Gemäß den \u003Cstrong>Leitlinien der Europäischen Kommission zu den Verpflichtungen für Anbieter von GPAI-Modellen\u003C/strong> bezeichnet der Trainings-Compute den Umfang der für das Training eines Modells eingesetzten Rechenleistung. Er wird in \u003Cstrong>FLOP (Floating-Point Operations)\u003C/strong> gemessen.\u003C/p>\n\u003Cp>Nach den Leitlinien spricht insbesondere dann für die Einstufung als \u003Cstrong>KI-Modell mit allgemeinem Verwendungszweck (GPAI)\u003C/strong>, wenn:\u003C/p>\n\u003Cul>\n\u003Cli>der für das Training eingesetzte Compute \u003Cstrong>mehr als 10²³ FLOP\u003C/strong> beträgt und\u003C/li>\n\u003Cli>das Modell aufgrund seiner Fähigkeiten und Modalitäten ein breites Spektrum unterschiedlicher Aufgaben erfüllen kann, etwa Sprache in Text- oder Audioform, Text-zu-Bild oder Text-zu-Video generieren kann.\u003C/li>\n\u003C/ul>\n\u003Cp>Die \u003Cstrong>10²³-FLOP-Schwelle ist jedoch kein starrer gesetzlicher Grenzwert\u003C/strong>. Ein Modell oberhalb dieser Schwelle kann ausnahmsweise kein GPAI-Modell darstellen, wenn ihm die erforderliche erhebliche allgemeine Verwendbarkeit fehlt. Umgekehrt kann auch ein Modell mit weniger als 10²³ FLOP als GPAI-Modell eingestuft werden, wenn es eine erhebliche Allgemeinheit aufweist und ein breites Spektrum unterschiedlicher Aufgaben kompetent erfüllen kann.\u003C/p>\n\u003Cp>Die 10²³-FLOP-Schwelle ist zudem von der \u003Cstrong>10²⁵-FLOP-Schwelle für GPAI-Modelle mit systemischem Risiko\u003C/strong> nach Art. 51 EU AI Act zu unterscheiden. Bei Überschreiten von 10²⁵ FLOP wird bei einem GPAI-Modell grundsätzlich vermutet, dass es über Fähigkeiten mit hoher Wirkkraft verfügt.\u003C/p>\n\u003Cp>Weitere technische Einzelheiten zur Ermittlung des Trainings-Compute enthält der Anhang der Leitlinien der Europäischen Kommission.\u003C/p>\n","Training-Compute: Definition im AI Act | Dastra","Was ist Trainings-Compute? Bedeutung von FLOP und 10²³-Schwelle für die Einordnung von GPAI-Modellen nach den Leitlinien zum EU AI Act.",200,2,"Trainings-Compute bei GPAI-Modellen im EU AI Act",0,"Bedeutung des Trainings-Compute und der 10²³-FLOP-Schwelle für die Einordnung von GPAI-Modellen.","de","trainings-compute-gpai-eu-ai-act",null,"Published",{"id":19,"displayName":20,"avatarUrl":16,"bio":16,"blogUrl":16,"color":16,"userId":21,"creationDate":22},25698,"Victoria Wolff",28612,"2026-07-29T14:48:55.0038195","2026-08-17T12:10:00","2026-08-17T12:10:54.5254782","2026-08-18T12:11:31.6602204",{"id":27,"name":28,"description":29,"url":30,"color":31,"parentId":16,"count":16,"imageUrl":32,"parent":16,"order":12,"translations":33},21,"Glossary","Definition of every word used by Dastra","glossary","#643bb0","https://static.dastra.eu/tag/b308b9d3-37af-4e92-8354-ab8adec1740a/documentation-1000.png",[34,38,42],{"lang":35,"name":36,"description":37},"fr","Glossaire","La définition de tous les termes utilisés dans Dastra",{"lang":39,"name":40,"description":41},"es","Glosario","La definición de todos los términos utilizados en Dastra",{"lang":14,"name":43,"description":44},"Glossar","Die Definition aller in Dastra verwendeten Begriffe",[46],{"id":27,"name":28,"description":29,"url":30,"color":31,"parentId":16,"count":16,"imageUrl":32,"parent":16,"order":12,"translations":47},[48,49,50],{"lang":35,"name":36,"description":37},{"lang":39,"name":40,"description":41},{"lang":14,"name":43,"description":44},[],[],60465,[]]