[{"data":1,"prerenderedAt":152},["ShallowReactive",2],{"$f140cli402eha4":3},{"slug":4,"publishedAt":5,"category":6,"title":7,"summary":8,"image":9,"imageAlt":14,"readingMinutes":15,"serviceId":16,"keywords":17,"imageCaption":23,"sections":24,"sources":136},"gpu-cfd-solvers","2026-10-19","methods","GPU-CFD-Solver: Wann sich der Wechsel lohnt und was er kostet","Ein GPU-CFD-Solver lohnt sich, wenn der Fall in den Speicher passt, unterstützte Modelle nutzt und groß genug ist. Wie man das prüft und das GPU-Ergebnis verifiziert.",{"src":10,"thumbnail":11,"width":12,"height":13},"\u002Fassets\u002Fcfd-cases\u002Faero\u002Fimages\u002F02.webp","\u002Fbrand\u002Fstudies\u002Faero.svg",1448,1086,"DEEB-FLOW-Illustration eines aerodynamischen Flugzeugflügelmodells",11,"review",[18,19,20,21,22],"GPU-CFD-Solver","GPU oder CPU für CFD","Fluent GPU-Solver","GPU-Speicher pro Million Zellen","einfache Genauigkeit CFD","Konzeptillustration aus der DEEB-FLOW-Fallbibliothek. Sie ist kein Ergebnis dieses Artikels.",[25,32,43,51,63,70,82,99,116,128],{"id":26,"title":27,"paragraphs":28},"two-runs","Zwei Rechnungen, eine Entscheidung",[29,30,31],"Die GPU-Rechnung war vor dem Mittagessen fertig. Derselbe Fall auf dem CPU-Cluster stand über Nacht in der Warteschlange und brauchte dann fast den ganzen nächsten Vormittag. Die Widerstandsbeiwerte stimmen bis zur dritten Stelle überein, die Austrittstemperatur weicht um ein halbes Grad ab, und jemand in der Besprechung fragt, warum das Team überhaupt noch etwas auf CPUs rechnet.","Die Frage ist berechtigt. Es gibt eine langweiligere, die zuerst kommen sollte. Welche der beiden Antworten würden Sie unterschreiben?","Ein GPU-CFD-Solver lohnt sich, wenn drei Dinge zutreffen: Der Fall passt in den GPU-Speicher, er verwendet nur Modelle, die der GPU-Solver unterstützt, und er ist groß genug, dass die Beschleunigung den höheren Stundenpreis der Hardware übertrifft. Dieser Artikel zeigt, wie Sie jede Bedingung prüfen, bevor Sie etwas kaufen oder mieten, was der GPU-Solver anders macht als sein CPU-Pendant und welchen Nachmittag an Verifikation ich investieren würde, bevor ich ihm eine Entscheidung anvertraue.",{"id":33,"title":34,"paragraphs":35},"what-runs-on-the-gpu","Was läuft eigentlich auf der GPU?",[36,37,41,42],"Unter denselben drei Buchstaben werden zwei recht verschiedene Dinge verkauft.",{"list":38},[39,40],"**GPU-native Solver** verlagern die gesamte Iteration auf die Karte: Assemblierung, lineare Lösung, Gradienten, alles. Der GPU-Solver von Fluent arbeitet so, und auch andere kommerzielle Codes bieten inzwischen GPU-native Solver an. Daher kommen die großen Beschleunigungen.","**GPU-Auslagerung** lässt den Solver auf der CPU und schickt einen teuren Teil, meist das lineare Gleichungssystem für den Druck, auf die Karte. Das hilft, und der Rest der Schleife läuft weiter mit CPU-Geschwindigkeit.","Die erste Art verlangt ein Umdenken. Der GPU-Solver von Fluent liest dieselbe Case-Datei wie der CPU-Solver, ist aber eine eigene Implementierung. Er rechnet nur 3D-Fälle. Er bietet ein einziges Gradientenverfahren, Least Squares Cell Based. Sein Linear-Druckschema unterscheidet sich von der CPU-Version, laut Ansys ist es auf ungleichmäßigen Netzen genauer. Er rechnet in einfacher oder doppelter Genauigkeit. Das alles ist dokumentiert, und zusammen macht es die GPU-Rechnung zu einem zweiten numerischen Aufbau Ihres Problems, nah am ersten und ein wenig anders.","Das ist das ganze Argument dieses Artikels, deshalb sage ich es nur einmal. Ein neuer numerischer Aufbau verdient Vertrauen wie jeder andere, indem er auf einem Fall, den Sie verstehen, mit einer Referenz übereinstimmt.",{"id":44,"title":45,"paragraphs":46},"how-much-faster","Wie viel schneller ist es, ehrlich gesagt?",[47,48,49,50],"Beschleunigungsangaben sind wie Verbrauchsangaben beim Auto. Sie sind echt, sie wurden gemessen, und sie wurden auf einer Strecke ermittelt, die Sie nie fahren werden.","SimuTech Group hat in Fluent einen stationären Fall mit konjugiertem Wärmeübergang und etwa 16 Millionen Zellen gerechnet und eine NVIDIA RTX 6000 mit CPU-Knoten verglichen. Gegenüber 16 Kernen war die GPU etwa 2,5-mal schneller als die AMD-Prozessoren und 3,5-mal schneller als die Intel-Prozessoren. Gegenüber 96 und 128 Kernen gewannen die CPUs. Eine Karte der Mittelklasse gegen einen bescheidenen CPU-Job ist ein klarer Sieg; dieselbe Karte gegen einen ordentlich dimensionierten CPU-Job ist eine Niederlage.","Herstellerbenchmarks mit mehreren GPUs und Netzen von Hunderten Millionen Zellen melden deutlich größere Beschleunigungen. Kleinere Fälle gewinnen weniger, weil die schlecht parallelisierbaren Teile einer Rechnung einen größeren Anteil der Zeit einnehmen.","Beide Arten von Ergebnissen sind ehrlich, und sie beantworten verschiedene Fragen. Wenn Sie eine Beschleunigung sehen, fragen Sie, was die Basis war, wie groß das Netz war und welche Physik eingeschaltet war. Eine GPU gegen 16 Kerne und acht GPUs gegen tausend Kerne sind verschiedene Aussagen, die sich zufällig eine Schlagzeile teilen.",{"id":52,"title":53,"paragraphs":54},"will-it-fit","Passt mein Fall hinein?",[55,56,57,58,62],"Der GPU-Speicher ist die harte Grenze. Ein CPU-Job mit zu wenig Speicher wird langsam; ein GPU-Job mit zu wenig Speicher startet gar nicht.","Die Fluent-Dokumentation nennt einen Planungswert: etwa 1 GB GPU-Speicher pro Million Zellen für einen turbulenten Fall auf einem Hexaedernetz in einfacher Genauigkeit. Doppelte Genauigkeit braucht 50 % mehr, ein Polyedernetz 20 bis 40 % mehr. Spezies, Strahlung und andere Modelle kommen hinzu, und der genaue Wert hängt vom Fall ab.","**Rechenbeispiel.** Ein turbulenter Fall auf einem Polyedernetz mit 40 Millionen Zellen in doppelter Genauigkeit:",{"formula":59},[60,61],"40 × 1.0 GB × 1.5 × 1.2 = 72 GB","40 × 1.0 GB × 1.5 × 1.4 = 84 GB","Auf einer 80-GB-Karte liegt das irgendwo zwischen knapp passend und gar nicht passend, noch bevor Sie eine einzige Spezies hinzufügen. Dasselbe Netz in einfacher Genauigkeit braucht 48 bis 56 GB und passt mit Luft. Die Wahl der Genauigkeit ist zugleich eine Entscheidung über Speicher, Kosten und Genauigkeit und verdient eine Minute Nachdenken, bevor sie zur Voreinstellung wird.",{"id":64,"title":65,"paragraphs":66},"single-precision","Reicht einfache Genauigkeit?",[67,68,69],"Meistens ja, für die Größen, die Ingenieure berichten. Einfache Genauigkeit liefert etwa sieben signifikante Stellen. Das reicht reichlich für ein Geschwindigkeitsfeld oder einen Druckverlust von einigen hundert Pascal. Knapp wird es, wenn die Antwort eine kleine Differenz zweier großer Zahlen ist: einige Pascal Druckverlust bei zehn bar Absolutdruck, ein Zehntelgrad in einem Festkörper bei 400 K, ein kleiner Netto-Wärmestrom zwischen zwei großen.","Solver schützen Sie im häufigsten Fall bereits, indem sie mit Relativdruck gegenüber einem Betriebsdruck rechnen. Setzen Sie diesen Betriebsdruck vernünftig, und das meiste Risiko verschwindet. Für den Rest zeigt Ihnen die Prüfung weiter unten an Ihrem eigenen Fall, ob die Genauigkeit eine Rolle spielt.","In der Praxis zeigt sich noch ein Effekt. Im Vergleich von SimuTech rechnete die GPU in einfacher und die CPU in doppelter Genauigkeit, und die GPU brauchte mehr Iterationen bis zur Konvergenz, bei nahezu identischen Temperaturen am Ende. Vergleichen Sie also die Wanduhrzeit bis zu einer konvergierten Antwort. Eine schnellere Iteration, von der man doppelt so viele braucht, ist ein kleinerer Gewinn, als es aussieht.",{"id":71,"title":72,"paragraphs":73},"cost-per-case","Ist ein GPU-CFD-Solver pro Fall günstiger?",[74,75,79,80,81],"Die Rechnung ist einfach, und sie wird selten gemacht.",{"formula":76},[77,78],"C = r × t","C_GPU \u003C C_CPU  ⇔  S > r_GPU \u002F r_CPU","Dabei ist C der Preis eines Falls, r der Stundensatz der Hardware, t die Wanduhrzeit bis zur konvergierten Antwort und S = t_CPU \u002F t_GPU die an Ihrem Fall gemessene Beschleunigung.","**Rechenbeispiel mit erfundenen Preisen.** Angenommen, ein GPU-Knoten kostet pro Stunde viermal so viel wie die CPU-Ressourcen, die Ihr Team sonst nutzt. Dann muss die GPU an Ihrem Fall mindestens viermal schneller sein, nur um die Gewinnschwelle zu erreichen. Bei 2,5-facher Geschwindigkeit kostet sie pro Fall mehr und liefert die Antwort früher. Bei 8-facher Geschwindigkeit kostet sie die Hälfte und liefert früher. Beides kann die richtige Wahl sein. Schneller und günstiger sind getrennte Fragen, und ein Projekt im Verzug bezahlt gern für das Erste.","Drei Kosten verstecken sich außerhalb der Formel. Wartezeit, die auf einem gemeinsam genutzten Cluster oft länger ist als die Rechenzeit. Wie Ihre Softwarelizenz GPU-Hardware zählt, was Sie mit dem Hersteller klären sollten, bevor Sie damit planen. Und die einmaligen Kosten, den GPU-Aufbau für jede Fallfamilie zu verifizieren, um die es in den nächsten beiden Abschnitten geht.",{"id":83,"title":84,"paragraphs":85},"what-differs","Was macht der GPU-Solver anders?",[86,87,97,98],"Ansys veröffentlicht mit jedem Release eine Seite mit den Einschränkungen des Fluent-GPU-Solvers. Sie für 2025 R2 und 2026 R1 zu lesen, ist lehrreich. Eine Auswahl, mit dem, was jeder Punkt für Sie bedeutet:",{"list":88},[89,90,91,92,93,94,95,96],"**Druckniveau in geschlossenen inkompressiblen Bereichen.** In einem geschlossenen, inkompressiblen, stationären Bereich behält der GPU-Solver den anfänglichen volumengemittelten Druck bei, während der CPU-Solver den Druck in einer Referenzzelle auf null setzt. Die Felder sind verschoben, und Ansys merkt an, dass dies Kraftintegrale an Körpern ohne geschlossene Oberfläche beeinflussen kann. Ein konstanter Versatz im Auftrieb zwischen beiden Solvern weist zuerst hierhin.","**Vorzeichen des Massenstroms an nicht konformen Interfaces.** Massenstrommonitore an solchen Interfaces können das falsche Vorzeichen ausgeben. Die Massenbilanz sieht katastrophal aus, obwohl die Strömung in Ordnung ist.","**Massenstromberichte an Flächen.** Die Seite zu den unterstützten Funktionen für 2025 R2 sagt, dass der GPU-Solver den Massenstrom nur an inneren Zonen korrekt berichtet und für die übrigen null ausgibt. Ein Austritt mit 0 kg\u002Fs ist eine Einschränkung des Berichts. Der Kanal ist in Ordnung.","**Dynamischer Druck an ruhenden Wänden.** Der Monitor zeigt korrekt null, während Berichte, die als Ausgabeparameter dienen, einen falschen Wert ungleich null zeigen.","**Begrenzung des turbulenten Viskositätsverhältnisses.** Das Verhältnis wird auf dieselbe Grenze wie auf der CPU begrenzt, ohne Meldung in der Konsole. Der CPU-Solver sagt Ihnen, wenn er begrenzt. Der GPU-Solver behält es für sich.","**Initialisierung.** Die hybride Initialisierung mit Fernfeld-Druckrändern kann nicht konvergieren oder unphysikalischen Ausstrom liefern, und Ansys empfiehlt die Standardinitialisierung. Eine instationäre Rechnung aus einer stationären Lösung zu starten, funktioniert nicht korrekt, wenn die Energiegleichung gelöst wird; ein Workaround ist dokumentiert.","**Neustarts über Solver hinweg.** Eine GPU-Lösung mit kompressiblem Stoff und Energiegleichung startet auf dem CPU-Solver nicht korrekt neu.","**Nicht unterstützte Einstellungen in alten Case-Dateien.** Modelle, die der GPU-Solver nicht unterstützt, sind in der Oberfläche ausgeblendet oder als Unsupported markiert. Über die Textschnittstelle gesetzt, werden sie als ignoriert, umgewandelt oder nicht unterstützt gemeldet. Eine CPU-Case-Datei, die sich auf eines davon stützte, läuft trotzdem, und nur das Protokoll sagt Ihnen, was damit geschehen ist.","Die Liste verändert sich außerdem. Auf der Seite für 2025 R2 hieß es, dass Überschallströmung an Druckeinlässen, Geschwindigkeitseinlässen und Druckauslässen als Unterschall behandelt wird. Die Seite für 2026 R1 führt diesen Punkt nicht mehr, nennt dafür andere, etwa eine Grenze von 20 Spezies und die Unverträglichkeit des Flamelet-Generated-Manifold-Modells mit porösen Medien und bewegten Bezugssystemen.","Nichts davon ist ein Skandal. Jeder Punkt ist aufgeschrieben, was mehr ist, als man über manches CPU-Solver-Verhalten sagen kann, dem ich begegnet bin. Das Problem ist, dass die meisten von uns Release Notes so lesen wie die AGB eines Handyvertrags. Lesen Sie die Seite für genau die Version, die Sie nutzen, jedes Mal, wenn sie sich ändert.",{"id":100,"title":101,"paragraphs":102},"how-to-check","Wie ich ein GPU-Ergebnis prüfen würde",[103,104,113,114,115],"Ein Nachmittag pro Fallfamilie, zu wiederholen, wenn sich die Solverversion oder die Physik ändert.",{"list":105,"ordered":112},[106,107,108,109,110,111],"**Wählen Sie einen verkleinerten Fall aus der Familie.** Gleiche Physik, gleicher Netztyp, gleiche Arten von Randbedingungen, klein genug, um in wenigen Stunden auf beiden Solvern zu laufen.","**Rechnen Sie ihn auf der CPU in doppelter Genauigkeit bis zu enger Konvergenz.** Beobachten Sie die Größen, die Sie berichten werden, und prüfen Sie Massen- und Energiebilanz wie bei jeder Studie.","**Rechnen Sie ihn auf der GPU mit den Einstellungen, die Sie produktiv verwenden,** einschließlich der Genauigkeit. Doppelte Genauigkeit zu testen und dann in einfacher zu rechnen, testet das Falsche.","**Lesen Sie das GPU-Protokoll** auf alles, was ignoriert, umgewandelt oder nicht unterstützt wurde.","**Vergleichen Sie die Zielgrößen, die Bilanzen und ein Linienprofil** durch den Bereich, auf den es ankommt.","**Beurteilen Sie die Differenz gegenüber Ihrem Diskretisierungsfehler.** Zwei Solver stimmen nie exakt überein, deshalb ist null der falsche Maßstab.",true,"Den letzten Schritt lassen die meisten aus. Die Frage ist, ob die beiden Solver stärker voneinander abweichen, als Sie es vom Netz ohnehin hinnehmen.","**Rechenbeispiel.** Angenommen, Ihre Netzstudie ergab einen Gitterkonvergenzindex von 3 % für den Druckverlust. Wenn GPU- und CPU-Ergebnis um 0,4 % abweichen, ist die Differenz Rauschen neben der Unsicherheit, die Sie ohnehin angeben, und der GPU-Aufbau passt für diese Familie. Weichen sie um 2,5 % ab, ist die Solverwahl fast so groß wie Ihre gesamte Netzunsicherheit, und Sie müssen den Grund kennen, bevor Sie das Ergebnis nutzen: Genauigkeit, Druckschema oder eine ignorierte Einstellung. Die Zahlen sind illustrativ; es geht um die Logik.","Wenn Sie für diese Familie nie eine Netzstudie gemacht haben, hat der GPU-Vergleich keine Grundlage; machen Sie also zuerst diese. Das Rechenbeispiel im Artikel zur Netzunabhängigkeit in diesem Blog dauert etwa denselben Nachmittag.",{"id":117,"title":118,"paragraphs":119},"common-mistakes","Typische Fehler, wie sie auf dem Bildschirm aussehen",[120],{"list":121},[122,123,124,125,126,127],"**Eine Null am Austritt.** Die GPU-Rechnung meldet, dass keine Masse das Gebiet verlässt. Das ist eine Einschränkung des Berichts; prüfen Sie mit einer inneren Fläche, bevor Sie das Netz neu erstellen.","**Ein konstanter Versatz bei Kraft oder Druck** zwischen GPU- und CPU-Rechnung eines geschlossenen inkompressiblen Falls. Das ist ein Unterschied im Druckniveau, und er zählt für Kräfte an offenen Flächen.","**„In der halben Zeit konvergiert“**, gemessen pro Iteration, während sich die Zahl der Iterationen verdoppelt hat. Messen Sie die Zeit bis zu einer konvergierten Zielgröße.","**Eine Basis von 16 Kernen im Investitionsantrag.** Wenn Ihr tatsächlicher CPU-Job 128 Kerne nutzt, vergleichen Sie damit.","**Speichermangel bei der Initialisierung** eines Polyedernetzes, das mit der Faustregel für Hexaeder dimensioniert wurde. Rechnen Sie die 20 bis 40 % dazu.","**Stille Modelländerungen** aus einer alten Case-Datei. Lesen Sie das Protokoll.",{"id":129,"title":130,"paragraphs":131},"what-i-would-do","Was ich tun würde",[132,133,134,135],"Ich würde eine Fallfamilie auf die GPU verlagern, wenn die Fälle groß sind, die Physik in der Liste der unterstützten Funktionen meiner Version liegt und die Arbeit aus vielen Rechnungen besteht: Designvarianten, instationäre Luftströmungen, konjugierter Wärmeübergang in großen Baugruppen, skalenauflösende Rechnungen, die vorher unbezahlbar waren. Unter diesen Bedingungen verändert die Geschwindigkeit, was man überhaupt untersuchen kann, und das zählt mehr als die Kosten pro Fall.","Ich würde auf der CPU bleiben für einmalige Studien mit ungewöhnlicher Physik, für Fälle, die Modelle außerhalb der unterstützten Liste brauchen, für kleine Netze, bei denen eine ordentliche CPU-Zuteilung die Antwort ohnehin in einer Stunde liefert, und für jeden Ablauf, der Fälle zwischen den beiden Solvern neu startet.","Und ich würde mieten, bevor ich kaufe. Ein GPU-Knoten für einen Tag, die oben beschriebene Nachmittagsprüfung an einem Fall, den ich gut kenne, und ich hätte meine eigene Beschleunigungszahl, gemessen auf meiner eigenen Strecke.","Wenn Sie bereits auf GPUs rechnen und einen zweiten Blick darauf möchten, ob die Ergebnisse zu dem passen, was Ihr CPU-Ablauf früher lieferte, ist das eine Modellprüfung, eines der kleineren Angebote auf den Leistungsseiten.",[137,140,143,146,149],{"href":138,"label":139},"https:\u002F\u002Fansyshelp.ansys.com\u002Fpublic\u002FViews\u002FSecured\u002Fcorp\u002Fv252\u002Fen\u002Fflu_ug\u002Fflu_ug_sec_gpu_solver_limitations.html","Ansys Fluent User’s Guide, Release 2025 R2: Fluent GPU Solver Limitations",{"href":141,"label":142},"https:\u002F\u002Fansyshelp.ansys.com\u002Fpublic\u002FViews\u002FSecured\u002Fcorp\u002Fv261\u002Fen\u002Fflu_ug\u002Fflu_ug_sec_gpu_solver_limitations.html","Ansys Fluent User’s Guide, Release 2026 R1: Fluent GPU Solver Limitations",{"href":144,"label":145},"https:\u002F\u002Fansyshelp.ansys.com\u002Fpublic\u002FViews\u002FSecured\u002Fcorp\u002Fv252\u002Fen\u002Fflu_ug\u002Fflu_ug_sec_gpu_solver_supported_features.html","Ansys Fluent User’s Guide, Release 2025 R2: Features Supported by the Fluent GPU Solver",{"href":147,"label":148},"https:\u002F\u002Fansyshelp.ansys.com\u002Fpublic\u002FViews\u002FSecured\u002Fcorp\u002Fv242\u002Fen\u002Fflu_ug\u002Fflu_ug_sec_gpu_solver_gpu_memory.html","Ansys Fluent User’s Guide, Release 2024 R2: GPU Memory Usage",{"href":150,"label":151},"https:\u002F\u002Fsimutechgroup.com\u002Fresources\u002Fblog\u002Fcpu-vs-gpu-which-is-better-for-cfd-simulation\u002F","SimuTech Group (updated 2026): CPU vs GPU computing, which is better for CFD simulation?",1792438041437]