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:
| Gerät | Speicher laut Datenblatt | davon für Modelle nutzbar |
|---|---|---|
| Grafikkarte mit 16 GB | 16 GB | 15,2 GB |
| Mac mini (2023), M2 Pro | 16 GB | 10,7 GB |
| Mac mini (2023), M2 Pro | 32 GB | 21,3 GB |
| Mac Studio | 96 GB | 72,0 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:
| Variante | Datei | Speicherbedarf |
|---|---|---|
| Q4_K_M | 9,0 GB | 10,7 GB |
| Q5_K_M | 10,5 GB | 12,2 GB |
| Q6_K | 12,1 GB | 13,8 GB |
| Q8_0 | 15,7 GB | 17,5 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.
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
- Sprachassistent selber bauen: lokal mit Whisper, Ollama und PiperEin Sprachassistent ohne Cloud braucht drei Modelle: Whisper hört zu, ein Sprachmodell antwortet, Piper liest vor. Speicher, gemessenes Tempo und unsere Grenzen.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- KI auf dem eigenen PC installieren: Reicht Ihr Rechner, oder müssen Sie etwas kaufen?Zum Ausprobieren brauchen Sie meist weder neue Hardware noch das Terminal. Was mit 8 und 16 GB Arbeitsspeicher läuft, welche Programme ohne Befehle auskommen und wann sich ein Kauf lohnt.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Qwen lokal betreiben: welche Fassung auf welches GerätQwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 261 von 891 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 891 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 478 von 891 geführten Geräten flüssig, die große auf 80. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und was der Schritt von 16 auf 24 GB bringt.
- Hermes Agent lokal: mit Ollama oder LM Studio nutzenHermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 576 von 891 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.