Ratgeber · Lokale KI · · 13 Min. Lesezeit
Lokale KI im Unternehmen einrichten: der Weg in 7 Schritten
Eine lokale KI im Unternehmen einzurichten heißt: ein offenes Sprachmodell auf eigener Hardware betreiben, so dass Eingaben das Haus nicht verlassen. Das gelingt in sieben Schritten: Anwendungsfall festlegen, Datenschutz und Risiko prüfen, Modell mit passender Lizenz wählen, Speicherbedarf berechnen, Hardware auswählen, Software installieren und den Betrieb absichern. Die Datenschutzkonferenz hält solche geschlossenen Systeme für datenschutzrechtlich vorzugswürdig[1], der Preis dafür ist Verantwortung für Betrieb und Sicherheit.
Von Janni A. Yahya · Rechts- und Preisstand 18.11.2026

Inhalt · 12 Abschnitte
Hinweis: Dieser Artikel gibt den Rechtsstand vom 18.11.2026 sachlich wieder und ist keine Rechtsberatung. Für deinen Einzelfall wende dich an eine Anwältin oder einen Anwalt.
Was bedeutet lokale KI, und was unterscheidet sie von ChatGPT und Co.?
Bei einer Cloud-KI schickst du deine Eingabe an einen Anbieter, dessen Rechenzentrum die Antwort erzeugt. Bei einer lokalen KI läuft das Sprachmodell auf einem Rechner, den du selbst betreibst: im Büro, im Serverschrank oder in einem Rechenzentrum deiner Wahl. Die Modelle dafür sind sogenannte offene Modelle, deren Gewichte (das trainierte Wissen in Zahlenform) du herunterladen darfst.
Für die Datenschutzkonferenz (DSK), das Gremium der deutschen Datenschutzaufsichtsbehörden, ist diese Unterscheidung zentral. In ihrer Orientierungshilfe zu KI und Datenschutz unterscheidet sie geschlossene Systeme mit abgegrenzter Umgebung und begrenztem Nutzerkreis von offenen Cloud-Systemen und hält technisch geschlossene Systeme für vorzugswürdig[1]. Wer eine KI-Anwendung ausschließlich für eigene Zwecke auf eigenen Servern betreibt, ist danach in der Regel alleiniger Verantwortlicher[1].
Wohin die Daten fließen: Cloud-KI und lokale KI im Vergleich
Vereinfachtes Schaubild. Es zeigt, wo die Eingaben verarbeitet werden und welche Pflichten daraus folgen, nicht wie schnell oder gut die Systeme sind.
Eingabe
Mitarbeitende
Fragen, Dokumente, E-Mails, Kundendaten
Verarbeitung
Cloud-KI beim Anbieter
Daten verlassen das Unternehmen
Lokale KI im eigenen Netz
Daten bleiben im eigenen Betrieb
Folge
Cloud
Auftragsverarbeitung, Anbieterbedingungen und Datenstandort prüfen
Lokal
Sicherheit, Updates und Zugriffe selbst verantworten
Schema, keine Messdaten
Die sieben Schritte im Überblick
Die Reihenfolge ist bewusst gewählt. Viele beginnen mit der Hardware und merken dann, dass das gewünschte Modell nicht passt oder die Lizenz den geplanten Einsatz nicht erlaubt. Wer zuerst Anwendungsfall, Daten und Lizenz klärt, kauft passend.
Lokale KI einrichten in 7 Schritten
Schritt 1
Anwendungsfall und Daten festlegen
Was genau soll die KI tun, mit welchen Daten, für wie viele Personen? Ein enger erster Fall (zum Beispiel interne Texte zusammenfassen) ist besser als ein Alleskönner.
Schritt 2
Datenschutz und Risiko prüfen
Schutzbedarf der Daten klären, Rechtsgrundlage und Löschfristen festlegen, bei hohem Risiko eine Datenschutz-Folgenabschätzung nach Art. 35 DSGVO[2]. Das BSI empfiehlt vor dem Einsatz eine individuelle Risikoanalyse[3].
Schritt 3
Modell mit passender Lizenz wählen
Offenes Modell nach Aufgabe und Sprache auswählen und die Lizenz lesen. Apache 2.0 erlaubt die geschäftliche Nutzung, andere Lizenzen haben Ausschlüsse.
Schritt 4
Speicherbedarf berechnen
Modellgröße mal Bits pro Gewicht geteilt durch acht ergibt den Speicher für die Gewichte. Dazu kommt der Kontext-Cache.
Schritt 5
Hardware auswählen
Nach Speicher und Speicherbandbreite auswählen, nicht nach Rechenleistung allein. Preise schwanken 2026 stark, immer mit Datum vergleichen.
Schritt 6
Software installieren
Laufzeitumgebung (zum Beispiel Ollama oder llama.cpp) plus Oberfläche (zum Beispiel Open WebUI oder LM Studio). Auch hier die Lizenzbedingungen prüfen.
Schritt 7
Betrieb absichern und messen
Zugriffe, Updates, Protokolle und Sicherungen regeln (Art. 32 DSGVO[2]), Mitarbeitende schulen, nach einigen Wochen prüfen, ob der Nutzen den Aufwand trägt.
Schritt 1 und 2: Welcher Anwendungsfall, welche Daten, welches Risiko?
Lokale KI lohnt sich vor allem dort, wo Daten das Haus nicht verlassen sollen: Angebote mit Kundendaten, interne Protokolle, Verträge, Personalunterlagen, Quellcode. Für allgemeine Recherchen ohne personenbezogene Daten reicht oft ein Cloud-Dienst mit sauberem Vertrag.
Für die Datenschutzprüfung sind fünf Artikel der DSGVO besonders wichtig[2]: die Grundsätze in Art. 5, Datenschutz durch Technikgestaltung in Art. 25 (etwa Chatverläufe nicht unbegrenzt speichern), die Auftragsverarbeitung in Art. 28 (sobald ein Dienstleister die KI für dich betreibt oder wartet), die Sicherheit der Verarbeitung in Art. 32 und die Datenschutz-Folgenabschätzung in Art. 35 bei voraussichtlich hohem Risiko.
Die DSK hat 2025 eine zweite Orientierungshilfe mit empfohlenen technischen und organisatorischen Maßnahmen veröffentlicht. Sie ordnet die Maßnahmen den Phasen Design, Entwicklung, Einführung und Betrieb zu und richtet sich vor allem an Hersteller, Verantwortliche sollen sie aber beim Einkauf heranziehen[4]. Wer eigene Dokumente an die KI anbindet (Fachbegriff RAG), findet dazu eine eigene Orientierungshilfe vom Oktober 2025[5].
Schritt 3: Welches offene Modell darf ein Unternehmen nutzen?
„Offen“ heißt bei Sprachmodellen zunächst nur, dass die Gewichte herunterladbar sind. Was du damit tun darfst, steht in der Lizenz. Für Unternehmen ist Apache 2.0 die einfachste Lage: geschäftliche Nutzung ist erlaubt. Die folgende Tabelle zeigt verbreitete Modelle mit den Angaben aus den Modellkarten auf Hugging Face, abgerufen am 18.11.2026.
Offene Modelle und ihre Lizenz für Firmen in der EU
Nach Lizenz filtern, nach Größe sortieren. MoE-Modelle (Mixture of Experts) nutzen pro Antwort nur einen Teil ihrer Parameter, müssen aber vollständig in den Speicher.
| gpt-oss-20b (OpenAI)[6] | 21 Mrd. | 3,6 Mrd. | Apache 2.0 | erlaubt; laut Modellkarte in 16 GB Speicher lauffähig |
|---|---|---|---|---|
| gpt-oss-120b (OpenAI)[6] | 117 Mrd. | 5,1 Mrd. | Apache 2.0 | erlaubt; laut Modellkarte eine 80-GB-GPU |
| Qwen3.6-35B-A3B (Alibaba)[7] | 35 Mrd. | 3 Mrd. | Apache 2.0 | erlaubt |
| Qwen3.8-27B (Alibaba)[8] | 27 Mrd. | alle (dicht) | Apache 2.0 | erlaubt |
| Gemma 4 31B (Google)[9] | 30,7 Mrd. | alle (dicht) | Apache 2.0 | erlaubt; auch kleinere Größen verfügbar |
| Ministral 3 14B (Mistral)[10] | 14 Mrd. | alle (dicht) | Apache 2.0 | erlaubt; laut Modellkarte in 24 GB (FP8) |
| Mistral Small 4 (Mistral)[11] | 119 Mrd. | 6,5 Mrd. | Apache 2.0 | erlaubt |
| Llama 4 Scout (Meta)[12] | 109 Mrd. | 17 Mrd. | Llama 4 Community License | nicht erlaubt für Firmen mit Hauptsitz in der EU[13] |
Quelle: OpenAI auf Hugging Face [6], Qwen (Alibaba) auf Hugging Face [7], Qwen (Alibaba) auf Hugging Face [8], Google auf Hugging Face [9], Mistral AI auf Hugging Face [10], Mistral AI auf Hugging Face [11], Meta auf Hugging Face [12], Meta [13] · Stand 18.11.2026
Mein Rat: Lies bei jedem Modell die Lizenzdatei im Repository, nicht nur das Schlagwort auf der Übersichtsseite. Lizenzen werden geändert, und ältere Versionen derselben Modellfamilie können andere Bedingungen haben als die neueste.
Schritt 4: Wie viel Speicher braucht ein Modell?
Der Speicher ist die wichtigste Größe bei lokaler KI. Hugging Face beschreibt die Grundregel so: Ein Modell mit X Milliarden Parametern braucht in 16-Bit-Genauigkeit etwa 2 × X GB[14]. Mit Quantisierung werden die Gewichte gröber gespeichert und das Modell schrumpft. Die Werkzeugsammlung llama.cpp dokumentiert die tatsächlichen Bits pro Gewicht: 4,89 Bit für das verbreitete Format Q4_K_M, 8,50 Bit für Q8_0 und 16,00 Bit für F16[15].
Daraus ergibt sich die Formel: Parameter × Bits pro Gewicht ÷ 8 = Gigabyte für die Gewichte. Dazu kommt der Kontext-Cache, der laut Hugging Face linear mit der Länge der Eingabe wächst und bei langen Texten mehrere Gigabyte belegen kann[14].
Rechner
Speicherbedarf eines Modells berechnen
Startwert: Qwen3.8-27B in 4 Bit. Bei MoE-Modellen die Gesamtzahl der Parameter eintragen.
Speicher nur für die Gewichte
16,5 GB
Rechenweg: 27 Mrd. × 4,89 Bit ÷ 8 = 16,5 GB
Kleinste übliche Speicherklasse mit rund 25 % Luft (Einschätzung) für Kontext-Cache und System: 24 GB.
Der Kontext-Cache kommt hinzu und wächst mit der Länge der Eingaben.
Quelle: ggml-org / llama.cpp [15], Hugging Face (Transformers-Dokumentation) [14] · Stand 18.11.2026
Ein Modell, drei Genauigkeiten: Qwen3.8-27B
Speicher nur für die Gewichte, berechnet aus 27 Mrd. Parametern und den Bits pro Gewicht laut llama.cpp. Ohne Kontext-Cache.
Daten als Tabelle
| Wert | Gewichte (GB) |
|---|---|
| 4 Bit (Q4_K_M) | 16,5 (berechnet) |
| 8 Bit (Q8_0) | 28,7 (berechnet) |
| 16 Bit (F16) | 54 (berechnet) |
Quelle: ggml-org / llama.cpp [15], Qwen (Alibaba) auf Hugging Face [8] · Stand 2026
Schritt 5: Welche Hardware eignet sich für lokale KI?
Für die Textausgabe zählen vor allem zwei Werte: wie viel Speicher das Gerät hat (passt das Modell überhaupt hinein?) und wie schnell dieser Speicher gelesen werden kann (Speicherbandbreite). Geräte mit gemeinsamem Speicher für Prozessor und Grafik, etwa Apple-Rechner, NVIDIA DGX Spark oder Systeme mit AMD Ryzen AI Max, können große Modelle laden. Eine einzelne Grafikkarte wie die RTX 5090 ist sehr schnell, hat aber 32 GB[16].
Geräteklassen mit Datenblattwerten und Preisstand
Alle Angaben laut Hersteller (Datenblatt bzw. Shop), Preise inklusive Mehrwertsteuer, abgerufen am 18.11.2026. Keine eigenen Messungen.
| Mac mini M6[17] | Apple | bis 32 GB | 153 bis 170 GB/s | 155 W | ab 1.049 € |
|---|---|---|---|---|---|
| Mac mini M5 Pro[17] | Apple | 24 GB, bis 64 GB | 307 GB/s | 155 W | ab 1.999 € (24 GB) |
| Mac Studio M5 Max[18] | Apple | 36 GB, bis 128 GB | 460 bis 614 GB/s | 480 W | ab 2.999 € (36 GB) |
| Mac Studio M5 Ultra[18] | Apple | 96 GB, bis 512 GB | 1,2 TB/s | 480 W | ab 6.599 € (96 GB) |
| DGX Spark[19] | NVIDIA | 128 GB | 273 GB/s | Netzteil 240 W | kein Euro-Preis beim Hersteller; 4.699 US-Dollar seit 25.02.2026[20] |
| Framework Desktop, Ryzen AI Max+ 395[21] | AMD (Framework) | 128 GB, fest verlötet | nicht im Datenblatt | nicht angegeben | 3.889 €, nicht vorrätig |
| GeForce RTX 5090 (Grafikkarte)[16] | NVIDIA | 32 GB | 1.792 GB/s | 575 W (Karte) | Launch-Preis ab 2.329 € (01/2025) |
Quelle: Apple Deutschland [17], Apple Deutschland [18], NVIDIA Deutschland [19], NVIDIA Developer Forum [20], Framework Computer [21], NVIDIA [16] · Stand 18.11.2026
Speicherbandbreite laut Datenblatt
Höhere Bandbreite heißt: Das Gerät kann die Gewichte schneller lesen. Ob ein Modell überhaupt passt, entscheidet der Speicher.
Daten als Tabelle
| Wert | Bandbreite (GB/s) |
|---|---|
| NVIDIA DGX Spark (128 GB) | 273 |
| Mac mini M5 Pro (bis 64 GB) | 307 |
| Mac Studio M5 Max (bis 128 GB) | 614 |
| Mac Studio M5 Ultra (bis 512 GB) | 1.200 |
| RTX 5090 (32 GB) | 1.792 |
Quelle: NVIDIA Deutschland [19], Apple Deutschland [17], Apple Deutschland [18], NVIDIA [16] · Stand Datenblätter, abgerufen 18.11.2026
Die Preise sind 2026 nicht stabil. Framework hat seine Desktop-Systeme im Februar 2026 wegen gestiegener Speicherpreise um 6 bis 16 Prozent verteuert und die 128-GB-Ausstattung als am stärksten betroffen bezeichnet[22]. Für den DGX Spark wurde der Preis der Founders Edition im Februar 2026 von 3.999 auf 4.699 angehoben, begründet mit knappen Speicherbauteilen[20]. Vergleiche deshalb nur Preise mit Datum.
Schritt 6: Welche Software brauche ich, und was erlauben die Lizenzen?
Eine lokale KI besteht meist aus zwei Teilen: einer Laufzeitumgebung, die das Modell lädt und Antworten erzeugt, und einer Oberfläche, über die Mitarbeitende chatten. Die verbreiteten Bausteine unterscheiden sich deutlich in ihren Lizenzen.
Ollama: Modelle per Kommandozeile laden und bereitstellen
Lädt offene Modelle und stellt sie über eine lokale Schnittstelle bereit. Lizenz MIT, geschäftliche Nutzung erlaubt[23].
llama.cpp: die technische Grundlage vieler Werkzeuge
Inferenz-Engine für quantisierte Modelle im GGUF-Format, auf der viele Desktop-Programme aufbauen. Lizenz MIT[24].
LM Studio: Desktop-Programm mit Oberfläche
Seit Juli 2025 auch für die Arbeit kostenlos[25]. Laut Nutzungsbedingungen (Version 23.08.2026) nur für persönliche und interne geschäftliche Zwecke. Den Betrieb als Dienst für andere schließen die Bedingungen aus[26]. Für interne Nutzung in deinem Betrieb passt das, als Angebot an Kunden nicht.
Open WebUI: Chat-Oberfläche für das ganze Team
Selbst gehostete Weboberfläche mit Benutzerverwaltung, anbindbar an Ollama. Seit Version 0.6.6 (April 2025) darf das Open-WebUI-Logo nicht entfernt oder ersetzt werden, außer bei höchstens 50 Nutzern in 30 Tagen oder mit Enterprise-Lizenz[27]. Mit unverändertem Logo ist das für ein kleines Unternehmen unproblematisch.
vLLM: für viele gleichzeitige Anfragen
Inferenz-Server für hohen Durchsatz auf GPU-Servern, Lizenz Apache 2.0[28]. Für ein kleines Team meist überdimensioniert, für interne Dienste mit vielen Nutzern eine Option.
Schritt 7: Wie sichere ich den Betrieb ab, und was kostet der Strom?
Mit der Installation beginnt die eigentliche Verantwortung. Art. 32 DSGVO verlangt angemessene technische und organisatorische Maßnahmen[2]. Das BSI beschreibt in seinem Papier zu generativen KI-Modellen eigene Risiken dieser Systeme, darunter Prompt Injection: versteckte Anweisungen in Dokumenten oder Webseiten, die das Modell zu unerwünschtem Verhalten bringen[3]. Das betrifft lokale Systeme genauso, sobald sie fremde Inhalte verarbeiten.
Checkliste für den Betrieb
0 von 8
Dein Fortschritt bleibt nur in diesem Browser gespeichert.
Ein oft unterschätzter Posten sind die laufenden Kosten. Der Branchenverband BDEW nennt für 2026 einen durchschnittlichen Strompreis von 37,3 Cent pro Kilowattstunde für Haushalte und 17,9 Cent für kleine bis mittlere Industriebetriebe[29]. Einen Durchschnittswert für Büros mit Niederspannungsanschluss enthält die Analyse nicht. Setz deshalb deinen eigenen Vertragspreis ein.
37,3 ct
durchschnittlicher Strompreis je Kilowattstunde für Haushalte in Deutschland 2026 (Neukundentarife, inklusive Mehrwertsteuer)
Eine Zahl, eine Quelle: BDEW Bundesverband der Energie- und Wasserwirtschaft [29]
Rechner
Stromkosten eines KI-Servers abschätzen
Startwerte: 480 W (Datenblatt-Maximum Mac Studio), 8 Stunden an 21 Tagen, 37,3 ct/kWh (BDEW, Haushalte 2026).
Stromkosten bei Volllast
30,08 € im Monat
361 € im Jahr · 1.083 € in drei Jahren
Rechenweg: 480 W × 8 h × 21 Tage ÷ 1.000 = 80,6 kWh; × 37,3 ct = 30,08 €
Obergrenze: Datenblattwerte sind Maximalwerte, im Alltag liegt die Aufnahme darunter. Setze deinen eigenen Vertragspreis ein.
Quelle: Apple Deutschland [18], BDEW Bundesverband der Energie- und Wasserwirtschaft [29] · Stand 18.11.2026
Für wen lohnt sich lokale KI, und für wen nicht?
- Eher lokal: regelmäßige Arbeit mit vertraulichen Daten (Mandanten, Patienten, Personal, Angebote), klar umrissene Aufgaben wie Zusammenfassen, Umformulieren, Durchsuchen eigener Dokumente.
- Eher Cloud: gelegentliche Nutzung, Aufgaben ohne personenbezogene Daten, Bedarf an den leistungsstärksten Modellen, kein Personal für Betrieb und Updates.
- Oft sinnvoll: beides. Vertrauliches lokal, Allgemeines in der Cloud, mit klarer Regel, was wohin darf.
Wenn deine Firma unter die neuen Pflichten zur Cybersicherheit fällt, gehört die KI in dein Risikomanagement wie jeder andere Server. Was dazu für kleine Unternehmen gilt, liest du auf unserer Seite zur Basis-IT-Sicherheit.
Häufige Fragen
Was braucht man für eine lokale KI im Unternehmen?+
Ein offenes Sprachmodell mit passender Lizenz, einen Rechner mit genug Speicher für dieses Modell, eine Laufzeitumgebung wie Ollama oder llama.cpp und eine Oberfläche wie Open WebUI. Dazu Regeln für Zugriff, Updates und Datenschutz.
Ist lokale KI automatisch DSGVO-konform?+
Nein. Die Datenschutzkonferenz hält geschlossene, selbst betriebene Systeme für datenschutzrechtlich vorzugswürdig, die Pflichten der DSGVO gelten aber weiter: Rechtsgrundlage, Datenminimierung, Sicherheit nach Art. 32 und bei hohem Risiko eine Folgenabschätzung.
Wie viel Arbeitsspeicher brauche ich für ein lokales Sprachmodell?+
Faustformel: Parameter in Milliarden mal Bits pro Gewicht geteilt durch acht ergibt Gigabyte für die Gewichte. Ein Modell mit 27 Milliarden Parametern braucht in 4 Bit (Q4_K_M) rund 16,5 GB, dazu kommt der Kontext-Cache.
Darf ich Llama 4 in Deutschland geschäftlich nutzen?+
Die multimodalen Llama-4-Modelle schließt Metas Nutzungsrichtlinie für Unternehmen mit Hauptsitz in der EU aus. Für deutsche Unternehmen sind Modelle unter Apache 2.0, etwa von Qwen, Gemma, Mistral oder gpt-oss, die einfachere Wahl.
Ist LM Studio für Firmen kostenlos?+
Seit Juli 2025 ist LM Studio auch für die Arbeit kostenlos. Die Nutzungsbedingungen erlauben die persönliche und interne geschäftliche Nutzung, nicht aber den Betrieb als Dienst für andere.
Fazit und nächster Schritt
Lokale KI ist für kleine Unternehmen 2026 machbar: Offene Modelle unter Apache 2.0 sind frei nutzbar, die Speicherrechnung ist einfach, und Hardware gibt es in mehreren Preisklassen. Der entscheidende Teil ist nicht die Installation, sondern die Vorarbeit (Anwendungsfall, Daten, Lizenz) und der saubere Betrieb danach.
Dein nächster Schritt: Schreib deinen ersten Anwendungsfall in einem Satz auf und rechne mit dem Speicherrechner oben aus, welche Geräteklasse dafür reicht. Wenn du das gemeinsam durchgehen willst, sprich mich an. Unter AI-Systeme steht, wie ich bei Auswahl und Einrichtung unterstütze.
Änderungen an diesem Artikel
- Erstfassung, Rechts- und Preisstand 18.11.2026.
Quellen
- [1]Orientierungshilfe Künstliche Intelligenz und Datenschutz, Version 1.0 · Datenschutzkonferenz (DSK) · Stand 2024-05-06 · abgerufen 18.11.2026 · Behörde
- [2]Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung) · Amtsblatt der EU (EUR-Lex) · Stand 2016 · abgerufen 18.11.2026 · Gesetz
- [3]Generative KI-Modelle: Chancen und Risiken für Industrie und Behörden, Version 2.0 · Bundesamt für Sicherheit in der Informationstechnik (BSI) · Stand 2025-01-17 · abgerufen 18.11.2026 · Behörde
- [4]Orientierungshilfe zu empfohlenen technischen und organisatorischen Maßnahmen bei der Entwicklung und beim Betrieb von KI-Systemen · Datenschutzkonferenz (DSK) · Stand 2025-06 · abgerufen 18.11.2026 · Behörde
- [5]Datenschutzrechtliche Besonderheiten generativer KI-Systeme mit RAG-Methode · Datenschutzkonferenz (DSK) · Stand 2025-10 · abgerufen 18.11.2026 · Behörde
- [6]Modellkarte gpt-oss-20b (inkl. Verweis auf gpt-oss-120b) · OpenAI auf Hugging Face · Stand 2026 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
Angaben zu gpt-oss-120b aus https://huggingface.co/openai/gpt-oss-120b
- [7]Modellkarte Qwen3.6-35B-A3B · Qwen (Alibaba) auf Hugging Face · Stand 2026-04 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [8]Modellkarte Qwen3.8-27B · Qwen (Alibaba) auf Hugging Face · Stand 2026-08 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [9]Modellkarte Gemma 4 31B-it · Google auf Hugging Face · Stand 2026 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [10]Modellkarte Ministral 3 14B Instruct 2512 · Mistral AI auf Hugging Face · Stand 2025-12 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [11]Modellkarte Mistral Small 4 119B 2603 · Mistral AI auf Hugging Face · Stand 2026-03 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [12]Modellkarte Llama 4 Scout 17B-16E-Instruct · Meta auf Hugging Face · Stand 2025-04-05 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [13]Llama 4 Acceptable Use Policy · Meta · Stand 2025 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [14]Optimizing LLMs for Speed and Memory · Hugging Face (Transformers-Dokumentation) · Stand 2026 · abgerufen 18.11.2026 · Dokumentation · sinngemäß übersetzt
- [15]llama.cpp quantize README (Tabelle Bits pro Gewicht) · ggml-org / llama.cpp · Stand 2026 · abgerufen 18.11.2026 · Dokumentation · sinngemäß übersetzt
- [16]GeForce RTX 5090: Technische Daten und Launch-Ankündigung · NVIDIA · Stand 2025-01-06 · abgerufen 18.11.2026 · Herstellerangabe
Launch-Preis und Bandbreite: https://www.nvidia.com/en-eu/geforce/news/rtx-50-series-graphics-cards-gpu-laptop-announcements/
- [17]Mac mini kaufen und Technische Daten · Apple Deutschland · Stand 2026-11-18 · abgerufen 18.11.2026 · Herstellerangabe
Datenblatt: https://www.apple.com/de/mac-mini/specs/
- [18]Mac Studio kaufen und Technische Daten · Apple Deutschland · Stand 2026-11-18 · abgerufen 18.11.2026 · Herstellerangabe
Datenblatt: https://www.apple.com/de/mac-studio/specs/
- [19]NVIDIA DGX Spark · NVIDIA Deutschland · Stand 2026-11-18 · abgerufen 18.11.2026 · Herstellerangabe
- [20]Price Change Announcement (DGX Spark Founders Edition) · NVIDIA Developer Forum · Stand 2026-02-25 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
Beitrag in der Kategorie Announcements des Herstellerforums. Währungszeichen auf der Seite: $.
- [21]Framework Desktop DIY Edition, Konfiguration Ryzen AI Max+ 395 128 GB · Framework Computer · Stand 2026-11-18 · abgerufen 18.11.2026 · Herstellerangabe
- [22]Updates on memory pricing and navigating the volatile memory market · Framework Computer · Stand 2026-02-11 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [23]Ollama LICENSE (MIT) · Ollama · Stand 2026 · abgerufen 18.11.2026 · Dokumentation
- [24]llama.cpp LICENSE (MIT) · ggml-org / llama.cpp · Stand 2026 · abgerufen 18.11.2026 · Dokumentation
- [25]LM Studio is free for use at work · LM Studio · Stand 2025-07-08 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [26]LM Studio Terms of Use, Version August 23, 2026 · LM Studio · Stand 2026-08-23 · abgerufen 18.11.2026 · Herstellerangabe · sinngemäß übersetzt
- [27]Open WebUI License · Open WebUI · Stand 2025-04-19 · abgerufen 18.11.2026 · Dokumentation · sinngemäß übersetzt
- [28]vLLM LICENSE (Apache 2.0) · vLLM Project · Stand 2026 · abgerufen 18.11.2026 · Dokumentation
- [29]BDEW-Strompreisanalyse Oktober 2026 · BDEW Bundesverband der Energie- und Wasserwirtschaft · Stand 2026-10-28 · abgerufen 18.11.2026 · Studie
Branchenverband. Haushalte: 3.500 kWh/Jahr, Neukundentarife. Industrie: 160.000 kWh bis 20 Mio. kWh/Jahr.
