KI-PC zusammenstellen
Was dieser Artikel über das Zusammenstellen eines KI-PCs behandelt
- Wie man ein Budget und Anforderungen definiert.
- Wie die Komponenten aufeinander abgestimmt werden.
- Empfohlene Konfigurationen für Einsteiger, Mittelklasse und High-End.
- Wichtige Abhängigkeiten zwischen CPU, GPU, RAM und Mainboard.
- Typische Fehler beim Zusammenstellen.
Einleitung: KI-PC zusammenstellen
Ein KI-PC ist nicht einfach ein schneller Gaming-PC. Je nach geplantem Einsatz dominieren unterschiedliche Komponenten. Für lokale KI mit Ollama ist die GPU meist der wichtigste Faktor, gefolgt von RAM und CPU. Wer jedoch grosse Modelle, CPU-Inferenz oder lang laufende Dienste plant, braucht auch ausreichend RAM, ein gutes Mainboard, ein starkes Netzteil und gute Kühlung.
Dieser Artikel zeigt, wie man einen KI-PC von der Anforderung bis zur fertigen Teileliste zusammenstellt.
Wichtige Begriffe
- Budgetrahmen: Verfügbares Geld für das Gesamtsystem.
- Anforderungsprofil: Welche Aufgaben das System erledigen soll.
- Bottleneck: Engpass, der die Gesamtleistung begrenzt.
- Upgrade-Pfad: Möglichkeiten zur späteren Erweiterung.
- TDP: Wärmeentwicklung und Strombedarf.
- Kompatibilität: Passen die Komponenten zusammen?
- ROI: Return on Investment, Nutzen im Verhältnis zum Preis.
Schritt 1: Anforderungen definieren
Vor dem Kauf sollten folgende Fragen geklärt werden:
- Welche Modellgrössen sollen laufen?
- Soll primär GPU oder CPU genutzt werden?
- Wie viele Modelle gleichzeitig im Speicher?
- Brauche ich Multi-GPU?
- Soll der PC leise sein oder darf er lauter sein?
- Soll später erweitert werden?
- Ist es ein Arbeitsplatz-PC oder ein Server im Keller?
Schritt 2: Budget festlegen
Die GPU frisst meist den grössten Teil des Budgets. Grobe Verteilung:
| Komponente | Anteil am Budget |
|---|---|
| GPU | 40 bis 60 Prozent |
| CPU | 10 bis 20 Prozent |
| RAM | 10 bis 15 Prozent |
| Mainboard | 8 bis 12 Prozent |
| Netzteil | 5 bis 10 Prozent |
| Gehäuse | 5 bis 10 Prozent |
| Cooling | 3 bis 8 Prozent |
| SSD | 3 bis 8 Prozent |
Schritt 3: GPU wählen
Die GPU bestimmt, welche Modelle flüssig laufen.
Empfehlungen
| Anspruch | GPU | VRAM |
|---|---|---|
| Einsteiger, 7B Modelle | RTX 3060 12 GB, RTX 4060 Ti 16 GB | 12 bis 16 GB |
| Mittelklasse, 13B/14B | RTX 4070 Ti Super 16 GB, RTX 3090 | 16 bis 24 GB |
| High-End, 30B/70B | RTX 4090 24 GB, zwei RTX 3090 | 24 bis 48 GB |
| Workstation | RTX 6000 Ada, A100 | 48 GB und mehr |
Mehr VRAM erlaubt grössere Modelle oder höhere Quantisierung.
Schritt 4: CPU wählen
Für reine GPU-Inferenz ist ein moderner 6- bis 8-Kern-Prozessor mit AVX2 ausreichend. Wer CPU-Inferenz, Vielzweck-Server oder viele parallele Dienste betreibt, sollte zu 12 bis 16 Kernen greifen.
Schritt 5: RAM dimensionieren
| Modellgrösse | Empfohlener RAM |
|---|---|
| 7B | 16 bis 32 GB |
| 13B/14B | 32 bis 64 GB |
| 30B | 64 bis 128 GB |
| 70B | 128 GB und mehr |
RAM sollte Dual- oder Quad-Channel laufen, um Speicherbandbreite zu nutzen.
Schritt 6: Mainboard wählen
Das Mainboard muss passend zu CPU und GPU sein. Wichtig:
- Genug PCIe-Lanes.
- Ausreichend DIMM-Slots.
- Genug Abstand für breite GPUs.
- Gutes VRM für stabilen Dauerbetrieb.
- Passende Anschlüsse für SSDs und Netzwerk.
Schritt 7: Netzteil und Gehäuse
Das Netzteil sollte mindestens 20 bis 30 Prozent Puffer zur maximalen Systemleistung haben. Das Gehäuse muss Platz für GPU, Airflow und Lüfter bieten. Für High-End-Builds ist ein Full-Tower oft sinnvoll.
Schritt 8: Kühlung
- Grosse Luftkühler oder AIO für CPU.
- Mesh-Front und mehrere Lüfter im Gehäuse.
- Regelmässige Wartung und Staubfilter.
- Für Multi-GPU: Viel Abstand und zusätzliche Belüftung.
Konfigurationsbeispiele
Einsteiger KI-PC
| Komponente | Beispiel |
|---|---|
| CPU | Ryzen 5 7600X |
| GPU | RTX 4060 Ti 16 GB |
| RAM | 32 GB DDR5 |
| Mainboard | B650 ATX |
| Netzteil | 650 W 80 Plus Gold |
| Gehäuse | Midi-Tower Mesh |
Mittelklasse KI-PC
| Komponente | Beispiel |
|---|---|
| CPU | Ryzen 7 7700X |
| GPU | RTX 4070 Ti Super 16 GB |
| RAM | 64 GB DDR5 |
| Mainboard | X670 ATX |
| Netzteil | 850 W 80 Plus Gold |
| Gehäuse | Midi-Tower oder Full-Tower |
High-End KI-Workstation
| Komponente | Beispiel |
|---|---|
| CPU | Ryzen Threadripper oder Xeon |
| GPU | RTX 4090 oder zwei RTX 3090 |
| RAM | 128 GB DDR5 ECC |
| Mainboard | Workstation-Plattform |
| Netzteil | 1200 W 80 Plus Platinum |
| Gehäuse | Full-Tower oder Rack |
Kompatibilität prüfen
- Sockel von CPU und Mainboard.
- Mainboardformfaktor und Gehäuse.
- PCIe-Version und Slot-Länge.
- RAM-Typ und Mainboard-Support.
- Netzteil-Länge im Gehäuse.
- GPU-Länge und Gehäuse.
- Kühlerhöhe und Gehäuse.
- Stromstecker der GPU.
Upgrade-Pfad planen
Wer später erweitern möchte, sollte:
- Mehr RAM-Steckplätze wählen.
- Ein Netzteil mit Puffer kaufen.
- Ein Gehäuse mit Platz für mehrere GPUs.
- Ein Mainboard mit vielen PCIe-Lanes wählen.
Typische Fehler
- GPU zu klein: Modell passt nicht in VRAM.
- RAM zu wenig: Modell wird ausgelagert.
- Netzteil zu schwach: System stürzt unter Last ab.
- Gehäuse zu eng: GPU passt nicht oder wird heiss.
- Mainboard zu günstig: Zu wenige Lanes oder RAM-Slots.
- Kühlung vergessen: Dauerhafte Volllast erzeugt viel Hitze.
- Falsche PCIe-Version: Karte läuft langsamer.
Weiterführende Links und Infos
- BotServ.de GPU für lokale KI kaufen
- BotServ.de CPU für lokale KI kaufen
- BotServ.de RAM für lokale KI kaufen
- BotServ.de Mainboard für lokale KI kaufen
- BotServ.de Netzteil für lokale KI kaufen
- BotServ.de Gehäuse für lokale KI kaufen
- BotServ.de Cooling für lokale KI
FAQ: KI-PC zusammenstellen
Was ist der wichtigste Teil eines KI-PCs? Die GPU mit möglichst viel VRAM.
Brauche ich viel CPU-Power? Für reine GPU-Inferenz nicht, für CPU-Inferenz und Server-Tasks schon.
Sollte ich lieber eine oder zwei GPUs kaufen? Zwei Consumer-GPUs sind komplexer, aber skalieren bei Modellen, die sonst nicht in den VRAM passen.
Was ist besser: viel VRAM oder schneller Speicher? Für KI ist VRAM meist wichtiger als Bandbreite.
Lohnt sich DDR5? Bei CPU-Infernz ja, bei reiner GPU-Infernz weniger.
Quellen und weiterführende Literatur
- PCPartPicker: https://pcpartpicker.com/
- BeQuiet Netzteil-Rechner: https://www.bequiet.com/en/psucalculator
- Ollama Hardware: https://github.com/ollama/ollama
Zusammenfassung: KI-PC zusammenstellen
Ein guter KI-PC beginnt bei der klaren Definition von Anforderung und Budget. Die GPU mit möglichst viel VRAM ist meist der wichtigste Faktor. RAM, CPU, Mainboard, Netzteil, Gehäuse und Kühlung müssen darauf abgestimmt sein und Puffer für zukünftige Erweiterungen bieten. Wer Kompatibilität, Airflow und Upgrade-Pfade beachtet, bekommt ein System, das Ollama, RAG und KI-Agenten stabil und effizient betreibt. Vor dem Kauf lohnt es sich, mehrere Konfigurationen zu vergleichen und dabei den grössten Anteil des Budgets in GPU und RAM zu investieren.