Die richtige GPU für KI und Stable Diffusion
Für lokale KI – Bildgenerierung mit Stable Diffusion, LLMs oder Training – ist die Grafikkarte das Herzstück. Anders als beim Gaming zählt hier vor allem eines: genug Videospeicher (VRAM). Worauf du beim Gebrauchtkauf achtest.
VRAM ist der entscheidende Faktor
KI-Modelle müssen in den Grafikspeicher passen. Für Stable Diffusion sind 8 GB VRAM ein sinnvolles Minimum, 12–24 GB geben deutlich mehr Spielraum (größere Modelle, höhere Auflösungen, weniger Tricks). Für lokale LLMs gilt: je mehr VRAM, desto größere Modelle laufen flüssig.
CUDA & Ökosystem
Der Großteil der KI-Software ist auf NVIDIAs CUDA optimiert. Deshalb sind NVIDIA-GPUs (GeForce RTX oder professionelle Quadro/Tesla) meist die unkomplizierteste Wahl. AMD-Karten funktionieren zunehmend (ROCm), erfordern aber oft mehr Einrichtung.
Strom, Kühlung, Netzteil
Leistungsstarke GPUs ziehen viel Strom. Prüfe, ob dein Netzteil genug Watt und die passenden Stecker liefert, und ob die Karte ins Gehäuse passt. Datacenter-Karten (z. B. Tesla) haben teils keine aktive Kühlung und brauchen einen entsprechenden Luftstrom im Server.
Questions fréquentes
Wie viel VRAM brauche ich für Stable Diffusion?
8 GB sind ein brauchbares Minimum, 12 GB und mehr sind komfortabel. Für große Modelle und hohe Auflösungen gilt: mehr VRAM = weniger Kompromisse.
NVIDIA oder AMD für KI?
Wegen der CUDA-Unterstützung ist NVIDIA meist die einfachere Wahl. AMD geht per ROCm, ist aber einrichtungsintensiver.
Lohnt sich eine gebrauchte Profi-Karte?
Für viel VRAM zum kleinen Preis oft ja – achte aber auf Kühlung (Datacenter-Karten sind oft passiv) und Treiber-/Ökosystem-Unterstützung.