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.
Stand: 2026-09-19
Kurz vorweg die Faustregel: Wer mit Fenster und Maus arbeiten und verschiedene Modelle ausprobieren will, ist mit LM Studio schneller am Ziel. Wer ein Modell dauerhaft anderen Programmen bereitstellen oder in eigene Software einbauen will, fährt mit Ollama meist einfacher. Der Rest dieses Textes erklärt, woher die Regel kommt und wo sie nicht gilt.
Was beide gleich machen
Beide Programme laden ein offenes Sprachmodell auf Ihren eigenen Rechner und lassen es dort laufen. Für die Nutzung auf dem eigenen Gerät kostet keines der beiden etwas. Bezahlt wird bei beiden nur die Cloud des Anbieters: Abos ab 20 US-Dollar im Monat, bei Ollama auch Guthaben ohne Abo.
Beide benutzen außerdem denselben Unterbau: llama.cpp, ein freies Projekt, das Sprachmodelle auf gewöhnlicher Hardware lauffähig macht. Ollama führt es auf seiner Projektseite als unterstützten Unterbau. LM Studio schreibt: „LM Studio supports running LLMs on Mac, Windows, and Linux using llama.cpp.“
Deshalb ist die Frage „welches ist besser“ meist falsch gestellt. Wer dasselbe Modell in derselben Variante lädt, rechnet in beiden Fällen auf derselben Grundlage. Die Unterschiede liegen in allem, was darum herum gebaut ist.
Wo sie sich unterscheiden
| Ollama | LM Studio | |
|---|---|---|
| Bedienung | Befehlszeile und Schnittstelle zuerst; auf macOS und Windows zusätzlich eine Anwendung zum Herunterladen von Modellen und zum Chatten mit ihnen | vollständige Oberfläche auf macOS, Windows und Linux; zusätzlich das Befehlszeilenwerkzeug lms |
| Modelle finden | eigener Katalog, dazu GGUF-Modelle von Hugging Face per Befehl | Suche und Herunterladen über Hugging Face in der Anwendung |
| Schnittstelle für andere Programme | localhost:11434, eigene Schnittstelle und eine OpenAI-kompatible unter /v1/ | in den Beispielen der Dokumentation localhost:1234, Port frei wählbar; OpenAI-kompatible Endpunkte und eine eigene Schnittstelle |
| Mac | Apple-Chips mit Grafikeinheit, Intel-Macs nur auf dem Prozessor; macOS 14 oder neuer | nur Apple-Chips; macOS 14 oder neuer |
| Windows | Windows 10 22H2 oder neuer; Grafikkarten von NVIDIA und AMD | x64 mit AVX2 oder ARM (Snapdragon X Elite); ab 4 GB Grafikspeicher empfohlen |
| Quelltext und Lizenz | offen, MIT-Lizenz | Anwendung nicht offen, lms unter MIT-Lizenz; Nutzung für persönliche und interne geschäftliche Zwecke |
Vier Punkte entscheiden in der Praxis.
Die Bedienung. LM Studio ist ein Programm mit Fenster: Modell suchen, herunterladen, Einstellungen je Modell, Dokumente an eine Unterhaltung anhängen und offline befragen. Ollama kommt aus der Befehlszeile. Seit dem 30. Juli 2025 bringt es auf macOS und Windows eine eigene Anwendung mit, in der man Modelle herunterladen und mit ihnen chatten kann; zur Vorstellung schrieb Ollama: „Ollama’s new app supports file drag and drop, making it easier to reason with text or PDFs.“ Unter Linux läuft Ollama ohne Fenster, auf Wunsch als Hintergrunddienst.
Die Modelle. Ollama arbeitet mit kurzen Namen, die man in einen Befehl schreibt. Neben dem eigenen Katalog startet es auch GGUF-Modelle direkt von Hugging Face; Hugging Face beschreibt in einer eigenen Anleitung, wie jedes dieser Modelle mit einem einzigen ollama run-Befehl läuft. LM Studio durchsucht Hugging Face in der Oberfläche und zeigt die Varianten eines Modells zur Auswahl. Vereinfacht: In LM Studio sehen Sie, was es gibt. Bei Ollama wissen Sie vorher, was Sie wollen. Welche Variante eines Modells auf Ihr Gerät passt und mit welchem Befehl Ollama sie startet, steht bei welche.ai auf den Modellseiten, etwa auf der Seite zu Qwen3 14B.
Der Betrieb für andere Programme. Beide stellen das geladene Modell anderen Programmen über eine Schnittstelle zur Verfügung, und beide sprechen dabei weitgehend die Schnittstelle, die OpenAI definiert hat. Software, die für die Schnittstelle von OpenAI geschrieben ist, lässt sich deshalb meist durch eine geänderte Adresse auf das lokale Modell umstellen. Beide laufen auch ohne Fenster als Dienst. Der Unterschied liegt in den Bedingungen: Ollama steht unter der MIT-Lizenz, und es gibt ein offizielles Docker-Abbild. Die Nutzungsbedingungen von LM Studio erlauben die Nutzung für persönliche und interne geschäftliche Zwecke und untersagen, die Software an Dritte weiterzugeben oder als Dienst für Dritte zu betreiben.
Apple-Rechner. Beide bringen auf Macs mit Apple-Chip neben llama.cpp auch MLX mit, Apples eigene Grundlage. LM Studio dokumentiert das: „On Apple Silicon Macs, LM Studio also supports running LLMs using Apple's MLX.“ In der Suche lassen sich dort MLX-Modelle gezielt herausfiltern. Ollama nennt MLX nur in seinen Versionshinweisen und bietet einzelne Modelle mit dem Zusatz „-mlx“ im Namen an. Auf einem älteren Mac mit Intel-Prozessor läuft von beiden nur Ollama, und dort ohne Grafikeinheit: LM Studio schreibt „Intel-based Macs are currently not supported.“
Was an Daten das Haus verlässt
Laut beiden Anbietern bleiben Ihre Eingaben und die Antworten auf dem Gerät, solange Sie ein Modell dort betreiben und keine Websuche nutzen. Die Websuche zählt bei beiden zu den Cloud-Funktionen. Ganz ohne Kontakt zum Anbieter bleibt es trotzdem nicht.
Ollama schreibt in seiner Datenschutzerklärung: „We may collect limited device and usage metadata (such as app version and request counts) that does not include your prompt or response content.“ Unter den Angaben, die automatisch anfallen können, nennt die Erklärung außerdem die IP-Adresse, den ungefähren Standort und Angaben zu heruntergeladenen Modellen. Was Sie hineinschreiben, gehört nach der Erklärung nicht dazu.
LM Studio nennt in seiner Datenschutzerklärung für den lokalen Betrieb zwei Anlässe. Sucht die Anwendung nach Aktualisierungen, erfährt der Anbieter Programmversion und Betriebssystem sowie die IP-Adresse, die sein Auslieferungsdienst automatisch mitliefert; die IP-Adresse fällt auch beim Herunterladen von Modellen an. Suchen Sie im Katalog nach einem Modell, erhält er die Suchanfrage in anonymisierter Form; einer der genannten Zwecke ist, die Beliebtheit von Suchen und Modellen zu bestimmen, ausdrücklich ohne diese Angaben Ihnen zuzuordnen. Dazu steht dort: „We do not track individual search patterns nor create user profiles based on your model preferences.“ LM Studio sagt außerdem ausdrücklich, dass es ohne Netz arbeitet, sobald Modelle heruntergeladen sind: „LM Studio can operate entirely offline, just make sure to get some model files first.“ Ollama beschreibt den lokalen Betrieb, den Betrieb ohne Netz nennt es nicht eigens.
Beide haben inzwischen auch Modelle in der Cloud. Wer sie nutzt, schickt seine Eingaben in die Cloud des Anbieters. Ollama schreibt: „When using cloud-hosted models, we process your prompts and responses transiently to provide the service and never train on it.“ LM Studio führt als eigenen Fall „User Requests you submit to Cloud Services, such as web search or when using cloud models.“ Zum Standort: LM Studio gibt an, seine Cloud-Modelle liefen in den USA. Ollama nennt vorwiegend die USA und bei Bedarf zusätzlich Europa. Bei Ollama lassen sich die Cloud-Funktionen samt Websuche abschalten, laut Dokumentation mit dem Eintrag "disable_ollama_cloud": true in der Datei ~/.ollama/server.json. Für Daten, die Ihr Haus nicht verlassen dürfen, kommt eine Cloud ohnehin nicht in Frage.
Die Zusagen beider Anbieter für den lokalen Betrieb und Ollamas Zusage für Cloud-Modelle stehen in der Datenschutz-Ampel, jede mit Wortlaut und Lesedatum. Die ausführliche Einordnung steht im Ratgeber DSGVO-konforme KI.
Welches passt zu Ihnen
LM Studio, wenn Sie
- ohne Befehlszeile arbeiten wollen, auch unter Linux,
- viele Modelle durchsuchen und ausprobieren wollen,
- MLX-Modelle für Ihren Mac gezielt heraussuchen wollen.
Ollama, wenn Sie
- ein Modell dauerhaft für andere Programme bereitstellen wollen, auf einem Server oder in einem Container,
- die Software in ein eigenes Produkt einbauen oder für Dritte betreiben wollen,
- einen Mac mit Intel-Prozessor haben.
Nichts spricht dagegen, beide zu installieren und dasselbe Modell in beiden auszuprobieren. Wichtiger als die Wahl des Programms ist ohnehin die Frage, welches Modell Ihr Gerät überhaupt trägt. Die beantwortet die Suche auf welche.ai: Geben Sie Ihr Gerät ein, und Sie sehen, welche Modelle darauf laufen. Wenn Sie nicht wissen, welches Gerät Sie haben, hilft die Seite Welches Gerät habe ich?.
Was hier bewusst nicht steht
Keine Geschwindigkeitsvergleiche. Beide rechnen mit demselben Unterbau, und wie schnell ein Modell läuft, hängt stärker an Gerät, Modellvariante und Einstellungen als am Programm. Eine Messung auf einem einzelnen Rechner sähe genauer aus, als sie für Ihren wäre.
Wenn es geschäftlich wird
Sobald ein lokales Modell nicht mehr nur ausprobiert wird, sondern im Betrieb Aufgaben übernehmen soll, kommen Fragen dazu, die kein Programm beantwortet: Welche Aufgabe trägt ein lokales Modell überhaupt, wer betreibt es, und was ist zu dokumentieren. Dafür gibt es die KI-Implementierung von minoka. Wenn noch offen ist, ob sich der Aufwand lohnt, beginnt die KI-Beratung mit genau dieser Frage.
Quellen
Alle gelesen am 19. September 2026.
- Ollama, README auf GitHub mit unterstütztem Unterbau und Docker-Abbild: README; Lizenz: MIT; Versionshinweise mit MLX: v0.34.1, v0.32.7
- Ollama, Dokumentation: macOS, Windows, Linux, OpenAI-Kompatibilität, Cloud, häufige Fragen, Schnittstelle
- Ollama: Vorstellung der Anwendung vom 30. Juli 2025; Preise und Standort der Cloud, Standort zuletzt gelesen am 13. Oktober 2026
- Ollama: Datenschutzerklärung, Stand März 2026
- Hugging Face: Ollama mit GGUF-Modellen
- llama.cpp: Projektseite auf GitHub
- LM Studio, Dokumentation: Übersicht, Modelle herunterladen, Modelle über die Befehlszeile holen, Betrieb ohne Internet, Systemanforderungen, OpenAI-kompatible Endpunkte, Befehlszeile
- LM Studio: Nutzungsbedingungen; Preise und Standort der Cloud
- LM Studio: Datenschutzerklärung für die Desktop-Anwendung, gültig ab Juni 2026
Kurz gesagt
LM Studio und Ollama laden offene Sprachmodelle auf Ihren Rechner, rechnen mit demselben Unterbau und kosten für den lokalen Betrieb nichts. LM Studio passt, wenn Sie ohne Befehlszeile arbeiten und viele Modelle ausprobieren wollen; Ollama, wenn Sie ein Modell dauerhaft anderen Programmen bereitstellen, die Software in ein eigenes Produkt einbauen oder einen Mac mit Intel-Prozessor haben. Laut beiden Anbietern bleiben Ihre Eingaben auf dem Gerät, solange Sie keine Cloud-Modelle und keine Websuche nutzen; Betriebsdaten wie die IP-Adresse fallen trotzdem an. Wichtiger als die Wahl des Programms ist, welches Modell Ihr Gerät überhaupt trägt.
Häufige Fragen
Wie installiert man Ollama?
Auf macOS und Linux mit dem Befehl „curl -fsSL https://ollama.com/install.sh | sh“, unter Windows in der PowerShell mit „irm https://ollama.com/install.ps1 | iex“; für macOS und Windows gibt es auch eine Installationsdatei zum Herunterladen. Danach startet „ollama run“ mit dem Namen des Modells ein Modell, etwa „ollama run gemma4“.
Quelle: Ollama auf GitHub
Was kostet LM Studio?
Für den Betrieb von Modellen auf Ihrem Rechner nichts; die kostenlose Stufe umfasst laut LM Studio den lokalen Betrieb, bezahlt wird nur die Cloud des Anbieters, ab 20 US-Dollar im Monat. Was die Nutzungsbedingungen geschäftlich erlauben, steht im Abschnitt „Wo sie sich unterscheiden“.
Quellen: LM Studio, Preise · LM Studio, Nutzungsbedingungen
Kann man mit Ollama oder LM Studio Bilder erzeugen?
Zurzeit nicht. Ollama brachte im Januar 2026 eine Versuchsfunktion für Bildmodelle, hat sie mit Version 0.32.6 vom 4. August 2026 aber vorübergehend entfernt; die Dokumentation von LM Studio beschreibt Bilder nur als Eingabe für Modelle, die Bilder lesen können. Für Bilder auf dem eigenen Rechner gibt es eigene Programme, siehe Ratgeber Qwen-Image.
Quellen: Ollama, Version 0.14.0 · Ollama, Version 0.32.6 · LM Studio, gesamte Dokumentation
Welche Alternativen zu LM Studio gibt es?
Die naheliegende ist Ollama, quelloffen unter der MIT-Lizenz. Wer denselben Unterbau ohne Zwischenschicht nutzen will, nimmt llama.cpp: es bringt einen Server mit OpenAI-kompatibler Schnittstelle und eine eingebaute Weboberfläche mit. Wie die Werkzeuge zusammenhängen, erklärt der Ratgeber Was ist Ollama.
Quellen: Ollama, Lizenz · llama.cpp auf GitHub
Gibt es LM Studio auf Deutsch?
Ja. Die Oberfläche von LM Studio gibt es unter anderem auf Deutsch, übersetzt von Freiwilligen aus der Gemeinschaft; die Sprache wählen Sie in den Einstellungen, die LM Studio erst ab dem Modus „Power User“ zeigt.
Quelle: LM Studio, Sprachen
Weitere Ratgeber
- 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 232 von 751 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.
- 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.
- 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.
- 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 751 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 434 von 751 geführten Geräten flüssig, die große auf 77. 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 511 von 751 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- 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.