Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?

Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.

Stand: 2026-10-09

Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet fast immer eine einzige Zahl: der Speicher. Nicht der Prozessor, nicht das Baujahr, nicht der Preis des Geräts. Passt das Modell hinein und unterstützt das Programm Ihre Grafik, läuft es; wie schnell, entscheidet dann die Rechenleistung. Passt es nicht, hilft auch die schnellste Hardware wenig.

Dieser Text zeigt, wie Sie diese Zahl richtig lesen, warum sie oft kleiner ist als die auf dem Karton, und was die Buchstaben und Ziffern hinter einem Modellnamen damit zu tun haben. Welche Programme Sie für den Betrieb brauchen, erklärt der Ratgeber Lokale KI.

Der Speicher entscheidet, ob es läuft

Ein Sprachmodell ist eine große Datei, und damit das Modell zügig rechnet, muss die Datei vollständig in einem schnellen Speicher liegen. Bei einem Rechner mit eigener Grafikkarte ist das deren Grafikspeicher, bei einem Mac der gemeinsame Arbeitsspeicher.

Passt das Modell nicht ganz hinein, verteilt das Programm es auf zwei Speicher. Ollama zeigt das mit dem Befehl ollama ps an, und die Ollama-Dokumentation erklärt die Anzeige: 100% GPU heißt, das Modell liegt vollständig im Grafikspeicher; eine Angabe wie 48%/52% CPU/GPU heißt, es liegt teils dort und teils im gewöhnlichen Arbeitsspeicher.

Das Modell läuft dann zwar, aber der Teil im gewöhnlichen Arbeitsspeicher bremst das Ganze. Die Rechenleistung entscheidet danach, wie schnell die Antworten kommen.

Die Zahl auf dem Karton ist nicht die Zahl, die zählt

Ein Gerät mit 16 GB hat keine 16 GB für ein Modell frei. Wie viel wirklich nutzbar ist, hängt davon ab, wie das Gerät gebaut ist, und der Unterschied ist groß. Die folgenden Zahlen stammen aus unserem Katalog:

GerätSpeicher laut Datenblattdavon für Modelle nutzbar
Grafikkarte mit 16 GB16 GB15,2 GB
Mac mini (2023), M2 Pro16 GB10,7 GB
Mac mini (2023), M2 Pro32 GB21,3 GB
Mac Studio96 GB72,0 GB

Eine Grafikkarte stellt ihren Speicher fast vollständig zur Verfügung. Ein Mac teilt einen Arbeitsspeicher zwischen Prozessor und Grafik, und macOS gibt der Grafik davon nur einen Teil frei; wir rechnen bis 36 GB mit zwei Dritteln, darüber mit drei Vierteln.

Was das praktisch heißt, zeigt ein Modell mittlerer Größe. Qwen3 14B braucht in der verbreiteten Variante rund 10,7 GB. Auf einer Grafikkarte mit 16 GB bleibt damit reichlich Platz. Auf dem Mac mini mit 16 GB passt es genau, ohne Reserve.

Auf unseren Geräteseiten steht diese Grenze als Satz, einer je Anwendungsfall. Für den Mac mini mit 16 GB lautet er beim Ausprobieren, also mit 4.096 Token Kontext: Qwen3 14B läuft noch, Ministral 3 14B scheitert knapp am Speicher. Mit 32 GB läuft Qwen3 30B A3B 2507 noch, Gemma 4 31B nicht mehr, dafür fehlen 0,5 GB; für Llama 3.3 70B fehlen 24,2 GB.

Dazwischen zeigt sich auf diesem Gerät, dass der Speicher nur die erste Frage ist: Mistral Small 3.2 24B passt mit 17,0 von 21,3 GB hinein, rechnet aber nur rund 8,6 bis 12 Token je Sekunde, während gpt-oss 20B auf demselben Gerät auf 37 bis 54 kommt. Der Speicher entscheidet also, ob ein Modell läuft; wie zügig es antwortet, entscheidet auf einem Mac und anderen Geräten mit gemeinsamem Speicher auch das Tempo.

So finden Sie Ihre Zahl

Beim Mac steht der Arbeitsspeicher unter „Über diesen Mac“ im Apple-Menü. Bei einem Windows-Rechner kommt es darauf an, ob er eine eigene Grafikkarte hat: dann zählt deren Grafikspeicher, nicht der Arbeitsspeicher des Rechners.

Wie Sie Chip, Arbeitsspeicher und Grafikkarte herausfinden, beschreibt unsere Anleitung Welches Gerät habe ich? Mit Modellname, Chip und Speicher finden Sie ein Notebook, einen Mac oder einen Mini-PC dann in unserem Katalog, samt der Modelle, die darauf laufen. Auch die Grafikkarten aus unserem Katalog haben eigene Seiten, etwa die NVIDIA GeForce RTX 3080 mit 10 GB. Umgekehrt steht auf der Seite eines Modells im Abschnitt Grafikkarten, in die es ganz passt, welche Karten es tragen; die vollständige Liste steht hinter dem Verweis darunter.

Was die Stufen hinter dem Modellnamen bedeuten

Ein Modell gibt es fast immer in mehreren Varianten, und die Kürzel dahinter sagen, wie stark es verdichtet wurde. Die Ziffer nach dem Q steht für die Stufe: je höher, desto größer die Datei und desto näher am Original. Für Qwen3 14B sehen die Varianten so aus:

VarianteDateiSpeicherbedarf
Q4_K_M9,0 GB10,7 GB
Q5_K_M10,5 GB12,2 GB
Q6_K12,1 GB13,8 GB
Q8_015,7 GB17,5 GB

Von der niedrigsten zur höchsten Stufe wächst der Bedarf um 6,8 GB. Auf dem Mac mini mit 16 GB passt deshalb nur die Variante Q4_K_M, auf einer Grafikkarte mit 16 GB passen drei der vier.

Unser Katalog rechnet, wenn nicht anders angegeben, mit Q4_K_M. Haben Sie Speicher übrig, können Sie eine höhere Stufe wählen.

Wann es nicht reicht

Wenn die Lücke größer ist als eine Stufe. Eine niedrigere Stufe spart einige Gigabyte. An einer knappen Grenze reicht das: Mistral Small 3.2 24B braucht in der Variante Q3_K_M 14,1 GB und passt damit auf eine Grafikkarte mit 16 GB. Über eine große Lücke hilft es nicht. Dem Mac mini mit 32 GB fehlen für Llama 3.3 70B rund 24 GB, und selbst die kleinste geführte Variante braucht noch 37,1 GB. Dann ist ein kleineres Modell die Antwort, nicht eine stärkere Verdichtung.

Wenn Sie sehr lange Texte auf einmal verarbeiten lassen. Die Zahlen oben gelten für 4.096 Token Kontext; so setzen ihn die Startbefehle auf unseren Modellseiten, und Ollama wählt ihn von sich aus nur unterhalb von 24 GB Grafikspeicher, ab da mehr. Beim Mac zählt dabei nicht der verbaute Arbeitsspeicher, sondern der Teil, den macOS der Grafik zuteilt. Je mehr Text das Modell gleichzeitig im Blick behalten soll, desto mehr Speicher braucht es zusätzlich; die Ollama-Dokumentation beschreibt, wie der Bedarf mit der Kontextlänge wächst. Auf dem Mac mini mit 32 GB läuft Qwen3 30B A3B 2507 bei 4.096 Token noch; bei 16.384 Token, mit denen wir fürs Programmieren rechnen, scheitert es knapp am Speicher.

Wenn Sie einen Rechner mit eigener Grafikkarte haben und mehr wollen. Dort ist die Karte die Stellschraube. Worauf es beim Kauf ankommt, erklärt der Ratgeber Grafikkarte für KI.

Welche Modelle auf Ihrem Gerät laufen, sehen Sie auf seiner Seite im Katalog, für eine Grafikkarte aus unserem Katalog auf ihrer Seite oder auf den Modellseiten; alle geführten Modelle mit ihren Varianten finden Sie unter Modelle.

Fazit

Kurz gesagt

Ob ein lokales Modell läuft, entscheidet fast immer der Speicher; wie schnell es antwortet, entscheidet danach die Rechenleistung. Nutzbar ist weniger als die Zahl auf dem Karton, auf einem Mac deutlich weniger, weil macOS der Grafik nur einen Teil des Arbeitsspeichers freigibt. Eine niedrigere Stufe hinter dem Modellnamen spart einige Gigabyte und hilft an einer knappen Grenze; über eine große Lücke hilft nur ein kleineres Modell. Rechnen Sie bei langen Texten mit zusätzlichem Speicher für den Kontext; welche Modelle auf Ihr Gerät passen, zeigt seine Seite in unserem Katalog.

Häufige Fragen

Was ist ein lokales LLM?

LLM steht für Large Language Model, also ein großes Sprachmodell. Lokal heißt, dass die Modelldatei auf Ihrem Rechner liegt und die Antworten dort entstehen, nicht auf dem Server eines Anbieters. Zum Ausführen brauchen Sie ein Programm wie Ollama oder LM Studio.

Quellen: Hugging Face, Ollama · LM Studio, Erste Schritte

Wie viel Arbeitsspeicher brauche ich für lokale KI?

Als grobe Orientierung empfiehlt LM Studio 16 GB Arbeitsspeicher; auf einem Mac mit 8 GB geht es laut LM Studio auch, dann aber nur mit kleineren Modellen und kurzem Kontext. Wie viel davon ein Modell wirklich nutzen kann, erklärt der Abschnitt „Die Zahl auf dem Karton ist nicht die Zahl, die zählt“.

Quelle: LM Studio, Systemanforderungen

Brauche ich für ein lokales Modell eine Grafikkarte?

Nein. Ollama kann ein Modell ganz im gewöhnlichen Arbeitsspeicher rechnen lassen; der Befehl „ollama ps“ zeigt dann „100% CPU“; wie diese Anzeige zu lesen ist, erklärt der Abschnitt „Der Speicher entscheidet, ob es läuft“. Eine Grafikkarte beschleunigt die Arbeit, und llama.cpp, der Unterbau von Ollama und LM Studio, legt ein Modell auch teilweise auf die Karte, wenn ihr Speicher nicht für das ganze reicht.

Quellen: Ollama, häufige Fragen · Ollama, Anzeige im Quelltext · llama.cpp auf GitHub · Hugging Face, Ollama · LM Studio, Preise

Kann ich ein lokales Modell selbst trainieren?

Nicht mit Ollama selbst: Seine Dokumentation beschreibt kein Trainieren, wohl aber das Übernehmen eines fertigen Modells, etwa eines anderswo weitertrainierten. Gewichte im Format Safetensors oder eine GGUF-Datei geben Sie in einer Modelfile mit FROM an und legen das Modell mit „ollama create“ an; verkleinern müssen Sie eine GGUF-Datei vorher selbst, etwa mit llama-quantize aus llama.cpp, denn Ollama tut das beim Import nicht.

Quelle: Ollama, Modelle importieren

Weitere Ratgeber