+48 667 559 956 Angebot anfragen
DE

AI-Workstations und GPU-Server

Wir planen und bauen Computer für künstliche Intelligenz: leise AI-Workstations als Desktop und GPU-Server im 4U-Rack-Gehäuse. Sie führen lokale Sprachmodelle (LLM) aus, treiben RAG-Systeme an, dienen zum Fine-Tuning von Modellen und erzeugen Bilder und Videos. Jede Konfiguration stimmen wir auf Ihre Modelle, die Zahl der Nutzer und Ihr Budget ab.

Einsatzbereiche

Wofür eine AI-Workstation dient

Lokale Sprachmodelle (LLM)

Modelle wie Llama, Qwen, Mistral, Gemma oder DeepSeek auf eigener Hardware ausführen, mit Ollama, llama.cpp, LM Studio oder vLLM. Das Modell arbeitet als privater Assistent für Texte, Code und Dokumente.

RAG und Arbeit mit Firmendokumenten

Informationen suchen und Fragen auf Basis von Firmendokumenten, Verträgen oder technischer Dokumentation beantworten. Die Daten verlassen das Firmennetz nicht, was die Einhaltung der DSGVO und von Vertraulichkeitsvereinbarungen erleichtert.

Fine-Tuning und Training

Fine-Tuning mit LoRA und QLoRA, Training von Bildmodellen und Experimente in PyTorch. Diese Aufgaben brauchen mehr VRAM als die reine Ausführung und profitieren von mehreren Grafikkarten.

Bild- und Videogenerierung

Stable Diffusion, Flux und Videomodelle in ComfyUI. Mehr Grafikspeicher erlaubt höhere Auflösungen und mehrere gleichzeitig geladene Modelle.

Modellserver für das Team

Ein GPU-Server stellt Modelle vielen Nutzern über eine OpenAI-kompatible API bereit. Das Team nutzt den Assistenten im Browser, im Code-Editor oder in eigenen Anwendungen.

Lokal oder Cloud

Eigene Hardware statt Cloud

Die Daten bleiben im Unternehmen. Anfragen, Dokumente und Quellcode gelangen nicht zu externen Diensten. Das ist wichtig für Kanzleien, Planungsbüros, medizinische Einrichtungen, Verwaltungen und überall dort, wo Berufsgeheimnis oder NDAs gelten.

Planbare Kosten. Die Hardware wird einmal gekauft, die Nutzung der Modelle wird nicht pro Token oder GPU-Stunde abgerechnet. Die Kosten verteilen sich auf Jahre der Nutzung, größere Aufträge lassen sich über Leasing finanzieren.

Volle Kontrolle. Sie wählen Modelle und Versionen selbst, es gibt keine Anfragelimits und keine Änderungen im Angebot eines Anbieters, und die Workstation arbeitet auch ohne Internetzugang.

Desktop oder Rack

AI-Workstation oder Rack-Server?

Beide bauen wir aus denselben Komponenten. Sie unterscheiden sich in der Zahl der Grafikkarten, im Aufstellort und in der Art der Nutzung.

MerkmalAI-Workstation (Desktop)AI-Server im 4U-Rack
Grafikkarten1-2 GeForce RTX 5090 oder NVIDIA RTX PRO2-4 NVIDIA RTX PRO mit Blower-Kühlung
VRAM32-96 GB96-384 GB
Aufstellortam Schreibtisch, leiser BetriebServerraum oder Rack-Schrank, lauter Betrieb
Für weneine Person oder ein kleines Teamviele gleichzeitige Nutzer, Dauerbetrieb
Zugriffdirekt oder remoteüber das Netzwerk, API für Anwendungen
Stromversorgungnormale 230-V-Steckdosebei vier Karten eigener Stromkreis empfohlen
Desktop

AI-Workstations als Desktop

Eine AI-Workstation im Tower-Gehäuse arbeitet am Schreibtisch und braucht keinen Serverraum. Konfigurationen mit einer GeForce RTX 5090 (32 GB VRAM) eignen sich für lokale Sprachmodelle mit rund 30 Milliarden Parametern, für die Bildgenerierung und für Entwickler, die mit einem Code-Assistenten arbeiten.

Die Threadripper-Plattform nimmt zwei RTX 5090 oder eine RTX PRO 6000 mit 96 GB Speicher auf und lässt Raum für Erweiterungen in den kommenden Jahren. Jede Workstation eignet sich auch für GPU-Rendering und Grafikprogramme.

SystemProzessorGrafikkarteSpeicher / SSDPreis abDetails
Ultramaximale Desktop-Leistung Ryzen 9 9950X3D RTX 5090 · 32 GB 128 GB DDR5 · 2 TB + 4 TB NVMe ab8.020 €
Ultra IntelRTX 5090 auf Intel-Plattform Core Ultra 9 285K RTX 5090 · 32 GB 128 GB DDR5 · 2 TB + 4 TB NVMe ab7.890 €
ThreadripperCPU-Rendering, bis zu 4 Grafikkarten Threadripper 9970X RTX 5090 · 32 GB 128 GB DDR5 ECC · 2 TB + 4 TB NVMe ab11.950 €

Konfigurationen mit mehreren Grafikkarten

SystemProzessorGrafikkartenSpeicher / LaufwerkEinsatz
AI 2× RTX 5090Threadripper 9970X (32 Kerne)2× GeForce RTX 5090 · 64 GB VRAM256 GB DDR5 ECC · 4 TB NVMeModelle mit rund 70 Mrd. Parametern, LoRA-Fine-Tuning
AI 96 GBThreadripper 9970X (32 Kerne)RTX PRO 6000 Blackwell · 96 GB VRAM256 GB DDR5 ECC · 4 TB NVMeModelle mit über 100 Mrd. Parametern, langer Kontext

Konfigurationen mit mehreren Karten kalkulieren wir individuell. Der Preis hängt vor allem von Anzahl und Modell der Grafikkarten ab, deren Verfügbarkeit und Preise sich häufig ändern.

4U-Rack

AI-Server im 4U-Rack

Ein GPU-Server im 4U-Rack-Gehäuse ist für Dauerbetrieb und viele Nutzer ausgelegt. Er nimmt bis zu vier NVIDIA-RTX-PRO-Karten, einen Threadripper-PRO-Prozessor mit Achtkanal-ECC-Speicher und schnelle NVMe-SSDs für Modelle und Datensätze auf.

Der Server wird im Rack-Schrank montiert oder einzeln in einem Technikraum aufgestellt, der Zugriff erfolgt über das Netzwerk. Ein Knoten mit einer RTX-PRO-Karte ist ein guter Einstieg, wenn ein Modellserver für einige Personen gebraucht wird.

SystemProzessorGrafikkarteSpeicher / SSDPreis abDetails
Rack 4U ProNode mit RTX-PRO-Karte Ryzen 9 9950X RTX PRO 4000 · 24 GB 128 GB DDR5 · 2 TB NVMe ab5.170 €

Konfigurationen mit mehreren Grafikkarten

SystemProzessorGrafikkartenSpeicher / LaufwerkEinsatz
AI-Server 2× GPUThreadripper PRO 9975WX (32 Kerne)2× RTX PRO 6000 Blackwell · 192 GB VRAM256 GB DDR5 ECC · 2× 4 TB NVMeModellserver für das Team, RAG
AI-Server 4× GPUThreadripper PRO 9985WX (64 Kerne)4× RTX PRO 6000 Blackwell · 384 GB VRAM512 GB DDR5 ECC · 2× 4 TB NVMegrößte offene Modelle, Training, viele Nutzer

Konfigurationen mit mehreren Karten kalkulieren wir individuell. Der Preis hängt vor allem von Anzahl und Modell der Grafikkarten ab, deren Verfügbarkeit und Preise sich häufig ändern.

Alle 4U-Rack-Server →
Hardwareauswahl

So wählen Sie einen Computer für AI

Der VRAM bestimmt die Modellgröße

Ein Modell läuft am schnellsten, wenn es vollständig in den Grafikspeicher passt. Bei der gängigen 4-Bit-Quantisierung braucht ein Modell etwa 0,6-0,7 GB Speicher pro Milliarde Parameter, dazu kommt Platz für den Gesprächskontext.

VRAMBeispielkartenWas sich ausführen lässt
16 GBGeForce RTX 5070 Ti, RTX 5080Modelle bis rund 14 Mrd. Parameter, Stable Diffusion, Flux quantisiert
24 GBRTX PRO 4000 BlackwellModelle mit rund 20-30 Mrd. Parametern bei kürzerem Kontext
32 GBGeForce RTX 5090Modelle mit rund 30 Mrd. Parametern bei langem Kontext, Flux und Videomodelle
48 GBRTX PRO 5000 BlackwellModelle mit rund 70 Mrd. Parametern in 4-Bit-Quantisierung, kürzerer Kontext
64 GB2× GeForce RTX 5090Modelle mit rund 70 Mrd. Parametern mit Reserve für den Kontext
96 GBRTX PRO 6000 Blackwellquantisierte Modelle mit über 100 Mrd. Parametern, Fine-Tuning kleinerer Modelle
192-384 GB2-4× RTX PRO 6000 Blackwellgrößte offene Modelle, viele gleichzeitige Nutzer, Training

GeForce RTX 5090 oder NVIDIA RTX PRO

Die GeForce RTX 5090 bietet die meiste Leistung fürs Geld und ist die beste Wahl für Workstations mit einer oder zwei Karten. NVIDIA-RTX-PRO-Karten haben mehr Speicher (bis zu 96 GB pro Karte), ECC-Speicher und eine Bauweise für mehrere Karten nebeneinander. Die Max-Q-Versionen nehmen 300 W auf und sind für Systeme mit bis zu vier Karten gedacht, daher setzen wir sie in Servern ein.

Mehrere Grafikkarten in einem Computer

Werkzeuge wie llama.cpp, Ollama und vLLM können ein Modell auf mehrere Karten verteilen, sodass sich deren Speicher gemeinsam nutzen lässt. Dafür braucht es ein Mainboard mit genügend vollwertigen PCIe-Steckplätzen, daher bauen wir Systeme mit mehreren Karten auf der Threadripper- oder Threadripper-PRO-Plattform.

Prozessor, Arbeitsspeicher und Laufwerke

Der Arbeitsspeicher sollte mindestens so groß sein wie der gesamte VRAM, für Training und Datenaufbereitung entsprechend größer. Modelle und Datensätze belegen Dutzende bis Hunderte Gigabyte, daher setzen wir schnelle NVMe-SSDs mit 2-4 TB oder mehr ein. Der Prozessor übernimmt die Datenaufbereitung und die Ansteuerung mehrerer Karten.

Stromversorgung, Kühlung und Lautstärke

Eine RTX 5090 nimmt bis zu 575 W auf, eine Workstation mit zwei Karten braucht daher ein Netzteil mit mindestens 1600 W und ein Gehäuse mit sehr gutem Luftstrom. Bei Servern mit vier Karten legen wir die Stromversorgung mit Reserve aus und setzen auf Blower-Kühlung, die die warme Luft aus dem Gehäuse befördert. Jedes System durchläuft einen 24-stündigen Test unter Volllast aller Karten.

System und Software

AI-Workstations und Server liefern wir mit Ubuntu Linux oder Windows 11 Pro, aktuellen NVIDIA-Treibern und CUDA. Auf Wunsch richten wir auch Docker mit GPU-Unterstützung und ausgewählte Werkzeuge wie Ollama, Open WebUI oder ComfyUI ein, damit die Hardware nach dem Anschließen einsatzbereit ist.

Ratgeber: Computer für lokale LLMs →
Häufige Fragen
Was kostet eine AI-Workstation?

Eine AI-Workstation mit GeForce RTX 5090 (32 GB VRAM) kostet ab 7.890 €. Eine Threadripper-Konfiguration, die für weitere Karten vorbereitet ist, kostet ab 11.950 €. Systeme mit mehreren Karten und Rack-Server kalkulieren wir individuell, da der Preis vor allem von Anzahl und Modell der Grafikkarten abhängt.

AI-Workstation oder Rack-Server?

Eine Desktop-Workstation eignet sich für eine Person oder ein kleines Team: Sie steht am Schreibtisch, arbeitet leise und nimmt eine oder zwei Karten auf. Ein 4U-Rack-Server ist sinnvoll, wenn viele Personen die Modelle gleichzeitig nutzen, mehr als zwei Karten nötig sind oder die Hardware rund um die Uhr im Serverraum laufen soll.

Welche Grafikkarte für ein lokales LLM?

Am häufigsten wird die GeForce RTX 5090 mit 32 GB Speicher gewählt, die Modelle mit rund 30 Milliarden Parametern vollständig aufnimmt. Größere Modelle brauchen zwei RTX 5090 oder eine RTX PRO 6000 mit 96 GB. Wenn Sie noch nicht wissen, welche Modelle Sie nutzen werden, schreiben Sie uns, wofür die Workstation gedacht ist, und wir schlagen eine Konfiguration vor.

Addieren zwei Grafikkarten ihren VRAM?

Sie bilden keinen gemeinsamen Speicher, aber llama.cpp, Ollama und vLLM verteilen die Schichten des Modells auf die Karten. Zwei Karten mit je 32 GB können daher ein Modell ausführen, das rund 60 GB braucht. Ein Teil der Leistung geht durch die Kommunikation zwischen den Karten verloren.

Kann ein lokales Modell ChatGPT ersetzen?

Lokal ausgeführte offene Modelle bewältigen das Zusammenfassen und Analysieren von Dokumenten, Übersetzungen, das Schreiben von Code und Antworten auf Basis von Firmenwissen gut. Bei den komplexesten Aufgaben haben die größten kommerziellen Modelle weiterhin einen Vorsprung, daher kombinieren viele Unternehmen beides: Vertrauliche Daten werden lokal verarbeitet, der Rest in externen Diensten.

Linux oder Windows für AI?

Für Server und die Arbeit mit Containern empfehlen wir Ubuntu Linux, unter dem die meisten AI-Werkzeuge am einfachsten laufen. Windows 11 Pro wird gewählt, wenn auf derselben Workstation auch Grafik- oder CAD-Programme laufen. Werkzeuge wie Ollama, LM Studio und ComfyUI funktionieren auf beiden Systemen.

Lässt sich eine AI-Workstation später aufrüsten?

Ja. Mainboard, Netzteil und Gehäuse wählen wir mit Blick auf Erweiterungen, daher lässt sich eine Threadripper-Workstation um eine weitere Grafikkarte, Arbeitsspeicher und Laufwerke ergänzen. Bei der Bestellung hilft es zu wissen, wie viele Karten das System später aufnehmen soll.

Kann man eine AI-Workstation leasen?

Ja. Wir stellen Rechnungen mit ausgewiesener MwSt. aus, bei größeren Aufträgen ist Leasing oder Langzeitmiete über eine Leasinggesellschaft möglich. Wir liefern in ganz Europa; die Lieferung außerhalb Polens kalkulieren wir individuell.

Angebotsanfrage

AI-Workstation oder Server anfragen

Nennen Sie uns einfach Ihre Software und die Art Ihrer Projekte, die Konfiguration übernehmen wir. Das Angebot erhalten Sie per E-Mail innerhalb eines Werktags.

oder anrufen: +48 667 559 956