Aktualisiert am 20. Oktober 2026: Die Einstiegskriterien umfassen nun zwei oder mehr GPUs unter vLLM mit Linux oder einen gemeinsam genutzten Speicherpool mit mindestens 96 GB verfügbarem Speicher. Desktop-PCs mit einer einzelnen GPU werden in der Liste der besten Desktop-Workstations aufgeführt. Der HP Z8 Fury G6i und der Dell Precision 7875 werden nun ausschließlich auf dieser Seite gelistet; die Empfehlungen bleiben unverändert.
Alle auf dieser Seite aufgeführten Systeme wurden im StorageReview-Labor getestet. Wir messen die lokale KI-Leistung direkt: vLLM-Online-Serving-Durchsatz, Time-to-First-Token und Time-per-Output-Token für verschiedene Modelle, darunter GPT-OSS-120B, Llama 3.1 8B, Mistral Small 3.1 24B und Qwen3 Coder 30B, sowie die Recheneffizienz von MAMF und die Speicherleistung von GDSIO. Die Bewertung der Systeme basiert nicht auf einem Datenblatt.
Die entscheidende Frage für lokale KI-Desktop-PCs im Jahr 2026 ist die nach integriertem Speicher versus dediziertem VRAM . Desktop-Geräte wie NVIDIAs GB10-basierter DGX Spark und AMDs Ryzen AI Max (Strix Halo) Systeme nutzen 128 GB integrierten Speicher hinter einem einzigen Chip zu Gerätepreisen und bieten damit Modelle, die andernfalls mehrere dedizierte GPUs benötigen würden.
Workstation-Tower überzeugen mit ihrer reinen Rechenleistung: RTX PRO 6000 Blackwell-Karten liefern deutlich höhere Token-Zahlen pro Sekunde, allerdings zu einem Vielfachen der Kosten und des Stromverbrauchs. Diese Seite vergleicht beide Varianten anhand einheitlicher Testergebnisse in separaten Kategorien, da die optimale Wahl vom größten Modell und der benötigten Reaktionsgeschwindigkeit abhängt.
Im Überblick
| Kategorie | System | Memory | GPUs (Getestet / Max.) | Full Review |
|---|---|---|---|---|
| Bestes KI-System für den Schreibtisch | NVIDIA DGX Spark | 128 GB einheitlicher LPDDR5X-Speicher | GB10 integriert (fest) | DGX Spark Testbericht |
| Beste GB10-Implementierung | Acer Veriton GN100 | 128 GB einheitlicher LPDDR5X-Speicher | GB10 integriert (fest) | Veriton GN100 Testbericht |
| Beste x86-Alternative | AMD Ryzen AI Halo (Strix Halo) | Bis zu 128 GB einheitlicher LPDDR5X-Speicher | Radeon 8060S integriert (fest) | Ryzen AI Halo Testbericht |
| Am besten ohne dedizierte Grafikkarte | HP Z2 Mini G1a | Unified LPDDR5X (lief GPT-OSS 120B) | Integriert, keine dedizierte GPU (fest) | Z2 Mini G1a Testbericht |
| Bestes GB300-System | MSI XpertStation WS300 (Alternative: ASUS ET900N G3) | 748 GB kohärent (252 GB HBM3e + 496 GB LPDDR5X) | GB300 integriert (fest) | XpertStation WS300 Testbericht |
| Bester Turm für lokale KI | Dell Präzision 7875 | 192 GB GDDR7 (2 × 96 GB) | 2× RTX PRO 6000 / 2 max | Precision 7875 Testbericht |
| Beste Multi-GPU-Plattform | HP Z8 Fury G6i | 192 GB GDDR7 (getestet) / bis zu 384 GB | 2× RTX PRO 6000 getestet / 4 max | Z8 Fury G6i Testbericht |
| Die ultimative Wahl | Comino Grando RTX PRO 6000 | 768 GB GDDR7 (8 × 96 GB) | 8× RTX PRO 6000 / 8 max | Comino Grando Bewertung |
KI-Geräte für den Schreibtisch
Die Appliance-Klasse, die Dell als Deskside AI und NVIDIA als Personal AI Supercomputer bezeichnet , tauscht Spitzenleistung gegen Modellkapazität, Energieeffizienz und Preis. Mit 128 GB integriertem Speicher bewältigen diese Systeme problemlos Modelle der 70B-Klasse mit hoher Quantisierung und können sogar Workloads der 120B-Klasse verarbeiten, für die in einem Tower-PC mehrere dedizierte GPUs erforderlich wären.
Unverzichtbare Lektüre für diese Kategorie: Unser DGX Spark-Wärmetest vergleicht die OEM-Kühlkonzepte der unten aufgeführten GB10-Systeme und gilt für alle Geräte dieser Klasse, bis diese Plattformen überarbeitet werden.
Bestes KI-System für den Schreibtisch: NVIDIA DGX Spark
Der DGX Spark dient als Referenzpunkt für alle anderen KI-Systeme am Arbeitsplatz. Der GB10 Grace Blackwell Superchip kombiniert eine 20-Kern-Arm-CPU mit 128 GB einheitlichem LPDDR5X-Speicher. Dank zweier ConnectX-7 200GbE-Ports ist er das einzige von uns getestete Gerät, das sofort Cluster-fähig ist: Unsere Tests zur verteilten Inferenz mit zwei Knoten führten pipeline-parallele Workloads über 200GbE auf Knoten von Dell, GIGABYTE und HP aus.
Die Cluster-Technologie bietet nun einen günstigeren Einstieg: NVIDIA bringt am 23. Oktober eine 64-GB-DGX-Spark-Variante für 4,999 US-Dollar auf den Markt, die über die gleichen sechs OEMs vertrieben wird. Zwei dieser Geräte lassen sich über ein 200-GbE-Kabel zu einem 128-GB-Pool verbinden. NVIDIA gibt die Leistung des Cluster-Paares mit bis zu 1.7x einer einzelnen 128-GB-Einheit unter Qwen3.8 27B an – eine Angabe, die wir noch nicht getestet haben. Der CUDA-Software-Stack ist weiterhin der umfangreichste in diesem Segment.
Die einzige unüberwindbare Grenze der Plattform ist der Speicherplatz: Jedes GB10-System erreicht maximal etwa 4 TB auf einem einzelnen kurzen M.2-Steckplatz. Unsere Lösung für acht Spark-Systeme mit gemeinsamem Speicher ist die Flottenlösung: ein einzelnes verwaltetes QLC-Array, das über die 100-GbE-Ports jedes Spark-Systems angebunden wird. Dabei erreichte ein Client Lesegeschwindigkeiten von 10.8 GiB/s, was der schnellsten internen M.2-SSD entspricht, die wir in einem GB10-System gemessen haben. Ein zentral gehostetes 78-GB-Modell erreichte dabei Geschwindigkeiten, die nur 13 % über denen einer lokalen NVMe-SSD lagen.
Lesen Sie den vollständigen Testbericht zum DGX Spark.
Beste GB10-Implementierung: Acer Veriton GN100
Bei den GB10-OEM-Systemen ist das Wärmemanagement der entscheidende Faktor, und das Veriton GN100 stach in unseren Tests besonders hervor. Alle GB10-Systeme verwenden dieselbe Silizium- und Speicherkonfiguration, daher hängt die dauerhafte Leistung maßgeblich von der Kühlung ab. Unser Vergleich der Wärmeentwicklung verschiedener OEM-Systeme ist unseres Wissens der einzige seiner Art, der bisher veröffentlicht wurde.
Lesen Sie den vollständigen Testbericht zum Veriton GN100.
Beste x86-Alternative: AMD Ryzen AI Halo
Wenn Sie Windows oder einen Standard-x86-Software-Stack benötigen, ist Strix Halo die ideale Lösung. AMDs Ryzen AI Max+ 395-Plattform kombiniert 128 GB gemeinsamen Speicher mit einem Dual-OS-System und bewältigte in unseren Tests Modelle der 200-Billionen-Parameterklasse – ein direkter Konkurrent für den DGX Spark, jedoch ohne die Verpflichtung zum Arm/DGX-Betriebssystem.
Lesen Sie den vollständigen Testbericht zu Ryzen AI Halo.
Beste Wahl ohne dedizierte Grafikkarte: HP Z2 Mini G1a
Die Z2 Mini G1a lief mit GPT-OSS 120B ganz ohne dedizierte Grafikkarte. HPs Mini-Workstation vereint AMDs Ryzen AI Max+ PRO-Prozessor in einem kompakten, leisen und IT-freundlichen Gehäuse und ist nach wie vor der beste Beweis dafür, dass x86-Systeme mit einheitlichem Speicher die Leistungsfähigkeit kleiner Bürorechner revolutioniert haben.
Lesen Sie den vollständigen Testbericht zum Z2 Mini G1a.
Bestes GB300-System: MSI XpertStation WS300
Die WS300 ist die erste GB300 DGX Station in unserem Labor und setzt neue Maßstäbe für Appliance-Systeme. Der Grace Blackwell Ultra Superchip vereint 748 GB kohärenten Speicher (252 GB HBM3e und 496 GB LPDDR5X) mit 20 PetaFLOPS FP4-Rechenleistung. In unseren Tests diente sie als 433 GB großer GLM-5.2-Checkpoint, wobei 216 GB an Experten-Gewichten im Grace-Speicher abgelegt waren – ein Modell, das eigentlich nicht für den Einsatz auf einem Schreibtisch geeignet ist. Wie jedes System der DGX-Klasse läuft sie mit DGX OS anstelle von Windows; dies ist die notwendige Konfiguration für einen so großen Speicher.
Preis und Leistung positionieren ihn eher im oberen Bereich der Tower-Klasse als bei den darüber liegenden GB10-Gehäusen, doch kein anderes Gerät der Appliance-Klasse bietet ein so großes Modell. Die naheliegende Frage, ob ein 1,300-Watt-System in einem Tower-Gehäuse die Leistung teilweise drosselt, ist nun beantwortet: Unsere detaillierten Temperaturmessungen des WS300 ergaben einen 2.8-stündigen Dauerbetrieb, bei dem der Blackwell-Ultra-Chip konstant 60 °C erreichte, mit einem stabilen Takt von 2.07 GHz ohne Einbrüche und einer verbleibenden Temperaturreserve von rund 20 °C unter Volllast.
GB300-Alternative: Die ASUS ExpertCenter Pro ET900N G3 ist die zweite GB300 DGX-Station in unserem Test und bestätigt die Leistungsfähigkeit der Plattform: In 14 Modellen und zwei Workloads lagen 24 von 28 Vergleichswerten des Spitzendurchsatzes innerhalb von 2 % der WS300, und die Modelle mit kohärentem Datenpool erreichten vergleichbare oder sogar bessere Werte. ASUS stattet den 27 kg schweren Tower mit Tragegriffen, einem separaten Lüfter über den 400G-Optikkäfigen und einem 80 PLUS Titanium-Netzteil aus. Beide Tower bieten die gleiche Plattformleistung; lesen Sie unseren Testbericht zur ET900N G3 für einen Vergleich der beiden Tower.
Cluster-Skalierung: Zwei dieser Tower, die über ihre eigenen 400G-Ports miteinander verkabelt sind, werden jetzt gemessen, nicht versprochen: Unser GB300-Cluster-Test kombinierte die ASUS- und HP-Stationen mit zwei DACs, erreichte 98 % der Leitungsrate auf den NCCL-Kollektiven und steigerte GLM-5.2, ein 433-GB-Modell, das eine einzelne Station nur bedienen kann, indem 215 GB an Gewichten in den Grace-Speicher ausgelagert werden, von 139 Ausgabetoken pro Sekunde bei 32 Streams auf 1,525, auf dem Weg zu 3,141 bei 256.
Modelle, die auf eine Station passen, skalieren unterschiedlich: Die Disaggregation von Prefill und Decodierung verdreifachte den Durchsatz von GLM-5.3 Flash bei kurzen Eingabeaufforderungen, und DeepSeek V4.1 Flash erreichte 5,248 Token pro Sekunde, die höchste Leistung im Set.
Lesen Sie den vollständigen Testbericht zur XpertStation WS300.
Im Labor: HP ZGX Fury AI Station
Die HP ZGX Fury AI Station ist das dritte System der GB300-Klasse, das unser Labor erreicht hat, nach der MSI WS300 und der ASUS ET900N G3, deren Ergebnisse im Zwei-Tower-Test innerhalb von 2 % beieinander lagen.
Die HP ZGX Fury AI Station befindet sich aktuell in unserem Labor. Sie basiert auf derselben NVIDIA GB300 Grace Blackwell Ultra Plattform wie die oben erwähnte MSI XpertStation WS300 und bietet damit die erste Gelegenheit, die Implementierungen der DGX Station-Architektur zweier Hersteller im direkten Vergleich zu untersuchen: Wärmeentwicklung, Geräuschentwicklung, Dauertaktfrequenzen und die praktische Erfahrung im Umgang mit dem Gerät.
Die ersten öffentlichen Ergebnisse liegen bereits vor: Die ZGX Fury diente als zweiter Tower in unserem GB300-Clustertest mit zwei Stationen und führte Dekodierungsoperationen für die disaggregierte GLM-5.3-Flash-Konfiguration sowie die Hälfte aller Tensor-Parallel-Läufe durch. Der Einzeltest läuft derzeit, und die ZGX Fury wird in die Rangliste aufgenommen, sobald ihre eigenen Benchmark-Ergebnisse vorliegen.
Der ZGX Fury ist neben dem Dell Pro Precision mit GB300 eines der ersten beiden Systeme, die Microsoft für die DGX Station für Windows benannt hat . NVIDIA kündigte die Windows-Version für das vierte Quartal an. Die Hardware entspricht den GB300-Towern, die wir unter Ubuntu getestet haben. Ob Server-Stacks nativ unter Windows oder unter WSL laufen, ist für diese Version noch offen.
Am Horizont: AMD Threadripper Halo Station
Die auf der IFA 2026 angekündigte und noch in keinem Labor getestete Threadripper Halo Station von AMD ist die erste direkte Antwort auf die GB300-Klasse. Der Ansatz von AMD ist ein umgekehrtes Konzept im Vergleich zu NVIDIA: Anstelle eines großen, zusammenhängenden Speicherpools kombiniert AMD einen 96-Kern-Threadripper PRO auf einer Plattform mit bis zu 2 TB Achtkanal-DDR5-Speicher und 128 PCIe-5.0-Lanes mit zwei 600-Watt-Instinct-MI350P-Beschleunigern, die jeweils 144 GB HBM3E-Speicher unterstützen. Zudem ist die Erweiterung auf bis zu vier Grafikkarten mit insgesamt 576 GB HBM-Speicher möglich. Das gesamte System ist flüssigkeitsgekühlt, und der x86-Host umgeht die im WS300-Test bemängelten Probleme mit der Arm-Toolchain.
Die offene Frage ist, wie gut die Modelle PCIe-angeschlossene Grafikkarten mit NVLink-C2C-Kohärenz kombinieren. Da AMD bisher weder Benchmarks noch Preise oder Verfügbarkeit bekannt gegeben hat, bleibt dieses Produkt vorerst nur eine Beobachtungsmöglichkeit. Details finden Sie in unserem Ankündigungsbericht ; das Produkt wird in die Rangliste aufgenommen, sobald die Hardware im Labor verfügbar ist.
Ebenfalls getestet: KI-Geräte für den Schreibtisch
Diese Systeme wurden dem gleichen Laborprozess unterzogen und sind solide Optionen, die keinen Kategorieplatz belegten: Dell Pro Max mit GB10 , ASUS Ascent GX10 , GIGABYTE AI TOP ATOM , HP ZGX Nano G1n und HP EliteDesk 8 Mini G1a.
Workstation-Türme für lokale KI
Wenn die Reaktionszeit wichtiger ist als der Anschaffungspreis (interaktive Programmierassistenten, Mehrbenutzerbetrieb, agentenbasierte Pipelines mit langen Tool-Aufrufketten), ist dedizierter VRAM weiterhin die beste Wahl. Die hier aufgeführten Tower-PCs werden nach Inferenzdurchsatz und maximaler Speicherkapazität bewertet. Für jeden Tower-PC geben wir die getestete GPU-Konfiguration sowie die maximale Gehäusekapazität an, da die tatsächliche Kapazität des Gehäuses genauso wichtig ist wie die im Test verbaute. Ein Tower-PC benötigt mindestens zwei GPUs, um in dieser Kategorie aufgeführt zu werden. Tower-PCs mit einer einzelnen GPU, einschließlich solcher mit einer 96 GB RTX PRO 6000, werden auf unserer Seite „Beste Desktop-Workstations“ in unserer Windows-Client-Suite bewertet, da sie eine andere Fragestellung beantworten.
Bester Tower für lokale KI: Dell Precision 7875
Zwei RTX PRO 6000 Blackwell GPUs machen den Precision 7875 zum schnellsten System im Standard-Formfaktor, das wir je für lokale Inferenz getestet haben. Mit einem Threadripper PRO 9995WX und insgesamt 192 GB VRAM auf zwei Karten speichert er 100B-Modelle vollständig im GPU-Speicher und bietet dabei eine interaktive Time-to-First-Token-Leistung, die kein anderes System mit einheitlichem Speicher erreicht. Allerdings gibt es eine Grenze: Das Gehäuse des 7875 unterstützt maximal zwei Grafikkarten mit doppelter Breite. Unsere Dual-GPU-Konfiguration ist daher die maximale Bestückung; eine dritte Grafikkarte kann nicht nachträglich hinzugefügt werden.
Lesen Sie den vollständigen Testbericht zum Precision 7875.
Beste Multi-GPU-Plattform: HP Z8 Fury G6i
Der Z8 Fury G6i ist der ideale Tower für alle, die ihr System mit mehr GPUs erweitern möchten. Unser Testsystem war mit zwei RTX PRO 6000 Max-Q-Karten und insgesamt 192 GB VRAM ausgestattet. Das Gehäuse, das von zwei Netzteilen mit einer Gesamtleistung von bis zu 2700 W versorgt wird, unterstützt jedoch bis zu vier Blackwell-Karten und 384 GB VRAM. Genau diese Differenz zwischen der getesteten Konfiguration und dem Maximum macht den Unterschied: Kein anderer von uns getesteter OEM-Tower bietet mehr Spielraum für GPUs, und der Wechsel von zwei auf vier Karten erfordert keinen Gehäusewechsel.
Lesen Sie den vollständigen Testbericht zum Z8 Fury G6i.
Die extreme Wahl: Comino Grando RTX PRO 6000
768 GB VRAM in einem flüssigkeitsgekühlten 4U-Gehäuse: Der Grando ist für Käufer gedacht, deren Modell in kein anderes Gehäuse passt. Unser Testgerät war mit acht RTX PRO 6000 Blackwell-Karten mit je 96 GB ausgestattet – dem Maximum des Gehäuses. Die Flüssigkeitskühlung von Comino hält alle acht Karten unter Volllast und ohne Drosselung. Das ist mehr GPU-Speicher als in vielen Rack-Servern – und das in einem Gehäuse, das trotzdem problemlos neben einem Schreibtisch Platz findet. Der Grando besticht durch seinen Preis, nicht durch seine Lautstärke, und ist bewusst der Ausreißer in dieser Liste: ein Beweis dafür, wo die Grenzen des Machbaren im Desktop-Bereich liegen.
Lesen Sie die vollständige Comino Grando-Rezension
Wie wir rangieren
Drei Regeln bestimmen die Rangliste von StorageReview. Erstens werden nur im Labor getestete Systeme berücksichtigt : Systeme, die nicht getestet wurden, können zwar erwähnt werden, aber keine eigene Kategorie erhalten. Zweitens wird jedes System pro Messkriterium nur einmal bewertet. Die oben genannten Tower-PCs waren bis Oktober 2026 auch in unserer Rangliste für Desktop-Workstations nach SPECworkstation- und Rendering-Leistung gelistet. Seitdem werden dort nur noch Systeme mit einer GPU berücksichtigt. Die Ergebnisse aus dieser Liste sind weiterhin in den jeweiligen Testberichten enthalten. Hier werden die Systeme nach Inferenzdurchsatz und maximaler Speicherkapazität bewertet. Drittens gibt es eine Mindestanforderung: Ein System benötigt zwei oder mehr GPUs, getestet mit vLLM unter Linux, oder einen Shared Memory Pool mit mindestens 96 GB verfügbarem Speicher. Tower-PCs mit einer GPU, selbst mit einer 96-GB-Karte, werden auf unserer Seite „Beste Desktop-Workstations“ in unserer Windows-Client-Suite gelistet .
Die Rangliste basiert auf einem Gesamtergebnis aus vLLM-Online-Durchsatz, Zeit bis zum ersten Token, Zeit pro Ausgabetoken, MAMF-Recheneffizienz, GDSIO-Speicherleistung und Straßenpreis. Bei Punktgleichheit innerhalb einer Kategorie entscheidet die Redaktion. Anbieter erhalten die Rangliste erst nach Veröffentlichung, und die Platzierung auf dieser Seite ist unbezahlt.
Häufig gestellte Fragen zu lokalen KI-Desktop-Anwendungen
Welcher Desktop eignet sich am besten für agentenbasierte KI?
Agentenbasierte Workloads wie die Codierung von Agenten, Tool-Aufruf-Pipelines und mehrstufige autonome Aufgaben reagieren im Gegensatz zur Nutzung einzelner Chats empfindlich auf Durchsatz und Latenz, da Agenten viele Modellaufrufe mit umfangreichem Kontext verketten. Dies spricht für Tower-Systeme: Der dedizierte VRAM des Dell Precision 7875 ermöglicht die kontinuierliche Verarbeitungsgeschwindigkeit des ersten Tokens und sorgt so für reaktionsschnelle Prozesse in langen Agentenketten. Für kostengünstige Experimente mit Agentensystemen bietet sich ein Gerät der GB10-Klasse an, das dieselben Prozesse mit geringerer Geschwindigkeit ausführt. Unsere vollständigen Empfehlungen zur Dimensionierung finden Sie unter RAM, GPU & Speicher für Agentenbasierte KI.
Wie viel Arbeitsspeicher benötige ich, um ein 70B-Modell lokal auszuführen?
Als Faustregel gilt: Ein 70B-Modell mit 4-Bit-Quantisierung benötigt vor Kontextberechnungen etwa 40–48 GB modellzugänglichen Speicher; für eine komfortable interaktive Nutzung mit längeren Kontexten ist mehr Speicher erforderlich. Daher eignen sich Appliances mit 128 GB integriertem Speicher gut für Modelle der 70B-Klasse, und deshalb werden Desktop-PCs mit einer einzelnen GPU auf unserer Seite „Beste Desktop-Workstations“ aufgeführt.
Benötige ich eine spezielle Stromversorgung für diese Systeme?
Für die Appliance-Klasse gilt: Nein. GB10-Boxen und Strix Halo-Systeme laufen problemlos an einer Standard-Bürosteckdose. Bei den Tower-PCs sollte man sich hingegen mit dem Gebäudeeigentümer beraten. Ein voll konfigurierter HP Z8 Fury G6i kann mit zwei Netzteilen mit einer Gesamtleistung von bis zu 2700 W betrieben werden – mehr, als ein Standard-15-A-Stromkreis mit 120 V liefern kann. Der Comino Grando hingegen verwendet Hot-Swap-Netzteile mit 2000 W, die eine Eingangsspannung von 180–264 V benötigen und bei 110 V auf 1000 W reduziert werden.
Bevor Sie die Produkte oben auf dieser Seite kaufen, prüfen Sie, welche Leistung Ihre Steckdose bietet. Ein separater Stromkreis oder ein 208/240-V-Anschluss können einen Teil der tatsächlichen Kosten einer kompletten GPU-Ausstattung ausmachen. Die Wärmeentwicklung unterliegt denselben Gesetzmäßigkeiten, da jedes verbrauchte Watt letztendlich in den Raum abgegeben wird.
Wie wäre es mit einem Mac Studio?
Aktuell nicht, und nicht nur, weil wir noch keinen Labortest durchgeführt haben. Apple hat den Verkauf der Mac Studio-Konfigurationen mit großem Arbeitsspeicher eingestellt. Diese Konfigurationen waren der einzige wirkliche Vorteil des Geräts für lokale KI-Anwendungen: genügend Arbeitsspeicher für sehr große Modelle. Ohne diese Konfigurationen ist das aktuelle Angebot keine ernstzunehmende Option für diese Seite. Apple wird den Mac Studio voraussichtlich dieses Jahr aktualisieren; sollten die Optionen mit großem Arbeitsspeicher wieder verfügbar sein, werden wir ein Gerät testen und unsere Einschätzung überdenken.
Amazon