Hardware-Anforderungen nach Stufe
Drei Stufen für jede Workload: das Minimum, das funktioniert, die empfohlene Komfortzone und die komfortable Reservestufe. Das sind dieselben Stufen, die die WisePC-Entscheidungs-Engine nutzt, wenn sie einen Build um dein Ziel plant.
| Stufe | CPU-Kerne | RAM | Speicher | GPU | VRAM | Netzwerk |
|---|---|---|---|---|---|---|
| Minimum | 8 cores | 32 GB | 2 TB (ssd) | ai | 16 GB VRAM | 1 GbE |
| Empfohlen | 16 cores | 64 GB | 4 TB (ssd) | ai | 24 GB VRAM | 2.5 GbE |
| Komfortabel | 24 cores | 128 GB | 8 TB (ssd) | ai | 48 GB VRAM | 10 GbE |
| Überdimensioniert | 39 cores | 205 GB | 16 TB (ssd) | ai | 48 GB VRAM | 10 GbE |
Jenseits von Komfortabel — 39 Kerne, 205 GB RAM, 16 TB (SSD): Headroom, den du für diesen Workload allein nie nutzen wirst. Stecke die Differenz lieber in Speicher, Backup oder Ruhe.
Empfohlene Systemform
Von der Decision Engine aus der empfohlenen Stufe abgeleitet — dieselbe Logik, die komplette Builds plant.
Requirements (16 threads, 64GB RAM, 8TB storage, dedicated GPU) need a custom tower build.
Ob dieser Workload ein eigenes System verdient oder auf dem Hauptserver leben sollte.
GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.
Speicherarrays, mit Preisen
Fünf physische Strategien für die empfohlene Kapazität — derselbe Planer, dasselbe Laufwerksmodell und dieselben Referenzpreise wie im Speicher-Tool.
| Strategie | Laufwerke | Nutzbar | Kosten | Idle |
|---|---|---|---|---|
| Cheapest | 2× 4TB hdd | 4 TB · parity1 | ≈ €200 | 10 W |
| Balanced Empfohlen | 2× 16TB hdd | 16 TB · parity1 | ≈ €480 | 12 W |
| Redundant | 3× 8TB hdd | 8 TB · parity2 | ≈ €450 | 15 W |
| Expansion-friendly | 2× 20TB hdd | 20 TB · parity1 | ≈ €600 | 14 W |
| Performance | 2× 4TB nvme | 4 TB · parity1 | ≈ €480 | 2 W |
For a fast working tier, go all-flash — the performance strategy protects speed without the HDD rebuild pain.
Backup ist kein Speicher
Die zusätzliche Kopie, die Laufwerksausfälle, Löschen und Ransomware überlebt — dieselbe Engine wie im Backup-Planer.
Protect 4TB with at least two copies on separate hardware, ideally one offsite. The recommended start is a dedicated NAS.
Add a second copy outside the building — cloud or a drive at a friend's house.
Use a versioning-aware tool (restic, borg, Backblaze) that keeps history.
Schedule backups automatically and monitor them.
Keep the backup on separate hardware or offsite.
Was wird es kosten?
Marktneutrale EUR-Bänder aus dem Referenzmodell (≈ = geschätzter Straßenpreis). Live-Komponentenpreise stehen auf der Build-Seite für deine Region.
Rechenleistung (CPU, Board, RAM, GPU) ist nicht enthalten — siehe den empfohlenen Build für Live-Preise.
Wachstumsausblick
Was passiert, wenn die Daten weiter wachsen — dieselbe Engine wie im Wachstums-Simulator.
Storage stays within 8TB across the 3-year horizon — the architecture fits your expected growth.
Within capacity and bays — no new bay needed for 7TB.
Welche Stufe brauchst du?
- Wähle Minimum (8 Kerne, 32 GB RAM) nur für ein einziges Gerät mit knappem Budget – erwarte wenig Reserven.
- Empfohlen (16 Kerne, 64 GB RAM) ist die Komfortzone: genug für die Workload plus die üblichen Nebendienste, ohne zu viel auszugeben.
- Wähle Komfortabel (24 Kerne, 128 GB RAM), wenn diese Workload die Maschine mit anderen teilt oder wachsen wird – du zahlst für Reserven, nicht für Angst.
- GPU-Regel für diese Workload: ai.GPU-Regel für diese Workload: ai (24 GB VRAM).
Ebenfalls in dieser Anleitung
KI-Experimente
Lernen und Experimentieren mit Modellen, kleine Modelle trainieren, Werkzeuge.
Häufig gestellte Fragen
Wie viel RAM braucht model training / fine-tuning?
32 GB sind das sinnvolle Minimum, 64 GB decken die meisten realen Setups ab und 128 GB geben komfortable Reserven für Wachstum und Zusatzdienste.
Wie viele CPU-Kerne braucht model training / fine-tuning?
Eine CPU mit 8 Kernen ist das Minimum, 16 Kerne sind die empfohlene Komfortzone und 24 Kerne sind komfortabel, wenn sie sich die Maschine mit anderen Workloads teilt.
Braucht model training / fine-tuning eine dedizierte GPU?
Eine dedizierte GPU wird dringend empfohlen – diese Workload macht KI-Berechnungen. Braucht 16–48 GB VRAM (16 Minimum, 24 empfohlen, 48 komfortabel).
Welchen Speicher und welches Netzwerk erwartet model training / fine-tuning?
Speicher: 4 TB SSD ist die empfohlene Basislinie (2 TB Minimum, 8 TB komfortabel). Netzwerk: 2.5 GbE ist die empfohlene Basislinie.
Was läuft gut neben model training / fine-tuning?
Es passt natürlich zu: KI-Experimente.
Wie viel Strom braucht model training / fine-tuning?
Das Speicherarray idlet bei ca. 47 W (≈ 103 €/Jahr bei 0,25 €/kWh). Das Gesamtsystem legt CPU, Board und Lüfter oben drauf — ehrliche Bänder stehen im Kostenabschnitt.