PC für KI-Anwendungen: So findest du den richtigen Rechner

Wer Bilder mit einem Diffusionsmodell erzeugt, ein Sprachmodell auf dem eigenen Schreibtisch betreibt oder Besprechungen automatisch abschreiben lässt, merkt schnell, wo der vorhandene Rechner an seine Grenzen stößt. Welche Hardware KI-Anwendungen brauchen, hängt stark davon ab, was du vorhast. Für gelegentliche Anfragen an einen Chatbot im Browser genügt fast jedes aktuelle Notebook. Wer Modelle lokal ausführt, braucht dagegen vor allem viel schnellen Speicher. Dieser Beitrag geht die Komponenten einzeln durch und zeigt, worauf es beim Kauf ankommt.

Cloud-Dienst oder eigenes Modell entscheidet über den Bedarf

Die meisten Menschen nutzen KI über einen Onlinedienst. Die Rechenarbeit erledigen dabei die Server des Anbieters, dein Rechner zeigt nur das Ergebnis an. Was aktuelle Cloud-Modelle leisten und welche Tarife es gibt, beschreibt der Überblick zu ChatGPT 5 und seinen Neuerungen. Für diese Art der Nutzung reichen ein stabiler Internetanschluss und ein Browser.

Anders sieht es aus, wenn das Modell auf deinem eigenen Gerät läuft. Texte, Kundendaten oder interne Dokumente verlassen den Rechner nicht, Gebühren pro Anfrage entfallen, und die Anwendung funktioniert auch ohne Netz. Im Gegenzug muss die Hardware die gesamte Rechenlast selbst tragen.

Der Grafikspeicher begrenzt die Größe des Modells

Für lokale Sprach- und Bildmodelle ist die Grafikkarte das wichtigste Bauteil. Ihre vielen parallelen Recheneinheiten verarbeiten die Matrixoperationen eines neuronalen Netzes deutlich schneller als der Hauptprozessor. Entscheidend ist dabei weniger die reine Rechenleistung als der Videospeicher, kurz VRAM. Passt ein Modell vollständig hinein, antwortet es flüssig. Muss ein Teil in den Arbeitsspeicher ausgelagert werden, sinkt das Tempo spürbar.

Wie viel Speicher ein Modell belegt, lässt sich grob überschlagen. Jeder Parameter belegt in 16-Bit-Genauigkeit zwei Byte. Ein Modell mit acht Milliarden Parametern braucht damit rund 16 GB allein für seine Gewichte. Komprimierte Fassungen mit vier Bit pro Parameter kommen mit einem Viertel aus, also etwa 4 GB, hinzu kommt Puffer für den Verlauf der Unterhaltung. Eine Karte mit 8 GB VRAM reicht deshalb für kleinere Modelle, ab 12 bis 16 GB wird die Auswahl deutlich größer.

Die NPU übernimmt kleine KI-Aufgaben besonders sparsam

Viele neue Notebook-Prozessoren enthalten zusätzlich eine Neural Processing Unit. Diese NPU ist auf KI-Berechnungen spezialisiert und braucht dabei wenig Energie. Sie eignet sich für Dauerläufer wie die Rauschunterdrückung am Mikrofon, einen unscharfen Hintergrund in Videokonferenzen oder Live-Untertitel. Ihre Leistung wird in TOPS angegeben, also in Billionen Rechenoperationen pro Sekunde.

Microsoft setzt für die Geräteklasse Copilot+ PC eine NPU mit mehr als 40 TOPS voraus. Bestimmte KI-Funktionen, die direkt in Windows 11 eingebaut sind, bleiben diesen Rechnern vorbehalten. Große Sprachmodelle oder Bildgeneratoren laufen auf einer Grafikkarte mit eigenem Speicher allerdings weiterhin erheblich schneller. Wer vor allem lokale Modelle betreiben will, betrachtet die NPU deshalb besser als Ergänzung.

Beim Arbeitsspeicher sind 32 GB ein sinnvoller Ausgangspunkt

Der Arbeitsspeicher hält Betriebssystem, offene Programme und alle Daten, die gerade nicht im Grafikspeicher liegen. Für Büroarbeit mit gelegentlicher Cloud-KI genügen 16 GB. Wer Modelle lokal betreibt, plant besser 32 GB ein, weil Teile des Modells beim Laden oder bei knappem VRAM im Hauptspeicher landen. Rechner, bei denen sich Prozessor und Grafikeinheit einen gemeinsamen Speicher teilen, nutzen den Arbeitsspeicher direkt für das Modell. Dort sollte die Gesamtmenge entsprechend großzügiger ausfallen.

Eine schnelle SSD verkürzt die Ladezeiten

Modelldateien sind groß. Ein einziges Sprachmodell belegt schnell mehrere Gigabyte, und wer verschiedene Modelle ausprobiert, sammelt rasch eine dreistellige Gigabytezahl an. Eine NVMe-SSD mit 1 TB ist deshalb eine vernünftige Untergrenze.

Der Prozessor muss mithalten, steht aber nicht im Mittelpunkt

Ein aktueller Mittelklasse-Prozessor mit sechs bis acht Kernen reicht für die meisten KI-Arbeitsplätze. Er bereitet Daten vor, steuert die Grafikkarte und übernimmt die Rechenarbeit, wenn kein passender Beschleuniger vorhanden ist. Mehr Kerne lohnen sich, wenn du nebenbei Videos schneidest oder große Datenmengen verarbeitest.

Diese Ausstattung deckt die meisten KI-Projekte ab

Für einen Rechner, der lokale Modelle ebenso bewältigt wie Cloud-Dienste, hat sich folgende Grundausstattung bewährt.

• Grafikkarte mit mindestens 8 GB, besser 12 bis 16 GB VRAM
• 32 GB Arbeitsspeicher, bei reiner Cloud-Nutzung 16 GB
• NVMe-SSD mit mindestens 1 TB
• NPU mit mehr als 40 TOPS, wenn du die eingebauten KI-Funktionen von Windows 11 nutzen willst
• Prozessor mit sechs bis acht Kernen
• Netzteil mit ausreichend Reserve für die Spitzenlast der Grafikkarte

Windows 11 bildet die Grundlage für die KI-Software

Die meisten Werkzeuge für lokale KI, von grafischen Oberflächen für Sprachmodelle bis zu Programmen für die Bildgenerierung, laufen unter Windows 11, und die aktuellen Grafiktreiber sind darauf abgestimmt. Windows 10 erhält seit dem Supportende im Oktober 2025 keine regulären Sicherheitsupdates mehr. Windows 11 setzt unter anderem einen TPM-2.0-Chip und einen unterstützten Prozessor voraus, was neue Geräte in der Regel erfüllen.

Bei einem selbst zusammengestellten PC fehlt das Betriebssystem häufig. Die Home-Edition reicht für private Projekte, die Pro-Version ergänzt Funktionen für Verwaltung und Laufwerksverschlüsselung, die im Beruf gefragt sind. Wer Windows 11 günstig kaufen möchte, findet bei Lizenzguru neben Home und Pro auch die Ausgabe Pro for Workstations, die sich an Rechner für besonders anspruchsvolle Aufgaben richtet. Bezahlen lässt sich per Kreditkarte, PayPal, Überweisung oder auf Rechnung, den Downloadlink gibt es nach Zahlungseingang per E-Mail.

Leistungsstarke Grafikkarten treiben den Stromverbrauch

Ein KI-Rechner zieht unter Last deutlich mehr Strom als ein Büro-PC. Das Umweltbundesamt nennt in seinen Tipps zur bewussten Computernutzung Prozessor, Grafikkarte, Bildschirm und Netzteil als die Bauteile mit dem größten Einfluss auf den Verbrauch und rät, sie nicht zu überdimensionieren. Eine leistungsstarke Grafikkarte verbraucht laut der Behörde deutlich mehr Strom als die standardmäßig eingebaute Grafiklösung.

Für die Planung heißt das, die Grafikkarte nach dem tatsächlichen Bedarf zu wählen. Das Netzteil sollte die Spitzenlast mit etwas Reserve abdecken, ein Effizienzsiegel senkt die Verluste im Dauerbetrieb. In Arbeitspausen halten die Energiesparfunktionen des Betriebssystems den Verbrauch niedrig.

Ein gemieteter Server kann den Arbeitsplatz ergänzen

Nicht jede KI-Anwendung muss auf dem Schreibtischrechner laufen. Automatisierungen, die rund um die Uhr Aufgaben abarbeiten, sind auf einem virtuellen Server oft besser aufgehoben, weil der eigene PC dafür nicht dauerhaft eingeschaltet bleiben muss. Wie das mit einem Open-Source-Werkzeug klappt, zeigt die Anleitung, um n8n selber zu hosten.

Fazit

Welcher PC für KI-Anwendungen passt, entscheidet sich an der Frage, ob du Cloud-Dienste nutzt oder Modelle selbst betreibst. Für lokale Modelle zählen vor allem Grafikspeicher und Arbeitsspeicher, eine NPU mit mehr als 40 TOPS erschließt zusätzlich die eingebauten KI-Funktionen von Windows 11. Eine schnelle SSD, ein solider Prozessor und ein effizientes Netzteil runden die Ausstattung ab. Wer jede Komponente am eigenen Bedarf ausrichtet, spart beim Kauf und später bei der Stromrechnung.