AwardedGermanyGoods
Beschaffung von (direkt-wassergekühlten) HPC- und KI-Cluster-Komponenten
- Published
- Published 5 December 2025
Overview
Ziel der Vergabe ist der Abschluss von fünf Rahmenvereinbarungen in den Losen 1 bis 4 sowie in Los 6 (§ 21 VgV) zur modularen Beschaffung von leistungsfähigen (direkt-wassergekühlten) HPC- und KI-Komponenten sowie eines öffentlichen Auftrags zur Beschaffung einer schlüsselfertigen, KI-optimierten HPC-Insellösung (Los 5), die für den Rechenzentrumsbetrieb geeignet und auch von allen Hardwarelieferanten zugelassen sind. Folgendes ist im Hinblick auf die einzelnen Lose anzubieten:
Los 1/LRZ_LXC: Direkt-warmwassergekühltes, beschleunigtes HPC-Cluster
Los 2/LRZ_GP: Direkt-warmwassergekühltes, unbeschleunigtes HPC-Cluster
Los 3/LRZ_BKI: Direkt-warmwassergekühltes, beschleunigtes KI-Cluster
Los 4/FAU_BKI: Direkt-warmwassergekühltes, beschleunigtes KI-Cluster
Los 5/FAU_CNT: Containerbasiertes, direkt-warmwassergekühltes, beschleunigtes KI-Cluster
Los 6/FAU_THR: Beschleunigtes HPC-Cluster mit Mid-Range GPUs
Key details
- Country
- Germany
- Status
- Awarded
- Category
- Goods
- Procedure
- Open
- Published
- 5 December 2025
Computer equipment and suppliesComputer platforms
Award outcome
- Awarded value
- €58,699,985
- Award date
- 28 November 2025
- MEGWARE Computer Vertrieb und Service GmbH
- pro-com DATENSYSTEME GmbH
Contract ending soon? Skim tracks incumbents and flags recompetes early. Book a demo to set up alerts.
Notice history
Every published notice in this contracting process, newest first.
Contract Award Notice
5 December 2025
Contracting authority
Garching, Leibniz-Rechenzentrum der Bayerischen Akademie der Wissenschaften
Procuring entityGarching, Germany
EU: 3242
Authority website ↗
Get the full picture
AI analysis, bid scoring, and expert strategy for this tender
Skim analyses every tender against your company profile and tells you whether to bid, how to win, and who you are up against.
See which competitors are winning the contracts you're chasing.
15-minute call. We'll pull the win data on your real pipeline and show you what Skim does with it.