RTX 5090 VRAM: Wie viel VRAM hat die RTX 50er-Serie wirklich?

RTX 5090 VRAM: Wie viel VRAM hat die RTX 50er-Serie wirklich?

Die kurze Antwort: Die RTX 5090 hat 32 GB GDDR7-VRAM, die RTX 5080 16 GB, die RTX 5070 Ti 16 GB und die RTX 5070 12 GB. Für KI-Server ist vor allem die RTX 5090 mit 32 GB interessant — sie ist die erste Consumer-GPU, die ein 70B-Modell in 4-Bit-Quantisierung komplett in den Speicher bekommt.

Die eigentliche Frage hinter der Suche ist aber meistens eine andere: Reicht der VRAM der RTX 5090 für mein KI-Modell? Dieser Beitrag beantwortet das mit konkreten Zahlen — für alle vier Karten der 50er-Serie, im Vergleich zur Vorgänger-Generation und mit einer klaren Modell-VRAM-Tabelle für den eigenen KI-Server.

Die VRAM-Werte der RTX 50er-Serie im Überblick

Die wichtigste Zahl: Die RTX 5090 verdoppelt den VRAM der RTX 4090 nicht — sie erhöht ihn von 24 GB auf 32 GB, also um ein Drittel. Zusammen mit der deutlich höheren Bandbreite (1.792 GB/s statt 1.008 GB/s) ist sie für LLM-Inferenz spürbar schneller pro Modell.

Was bedeutet das für KI-Server?

Der VRAM entscheidet, welches Modell in die Karte passt. Die Faustregel: 1 GB VRAM pro Milliarde Parameter bei 4-Bit-Quantisierung, 2 GB pro Milliarde bei 8-Bit.

Die entscheidende Erkenntnis für den Mittelstand: Die RTX 5090 mit 32 GB erreicht die magische Grenze, ab der die interessantesten Open-Weight-Modelle laufen — aber 70B-Modelle wie Llama 3.3 brauchen selbst quantisiert mehr als 32 GB. Wer 70B-Modelle lokal betreiben will, landet bei zwei RTX 5090 im Verbund oder einer A100 mit 80 GB.

RTX 5090 vs. RTX 4090 für KI: Der echte Unterschied

Für Token-Speed bei gleichem Modell ist die RTX 5090 dank der Bandbreite rund 40–60 % schneller als die RTX 4090. Für den Preisunterschied von ca. 400–600 EUR lohnt sich das bei produktiver Nutzung fast immer — die Details stehen im GPU-Vergleich für KI-Inferenz.

Achtung Sackgassen: Die drei häufigsten VRAM-Fehler

1. "Mehr VRAM ist immer besser." Nicht für den Mittelstand. Wer nur 7B-14B-Modelle braucht, kauft mit der 5090 Leistung, die ungenutzt bleibt. Die RTX 5070 Ti mit 16 GB reicht für die meisten Einstiegs-Szenarien — und kostet ein Drittel.

2. "Quantisierung löst alles." 4-Bit-Quantisierung halbiert den VRAM-Bedarf, aber große Modelle (70B+) passen trotzdem nicht in 32 GB. Und stark quantisierte Modelle verlieren messbar Qualität. Die Quantisierungs-Rechnung zeigt, wo die Grenze sinnvoll ist.

3. "Die 5090 kann 70B-Modelle." Nein. 70B braucht ~35 GB bei Q4 — das passt nicht in 32 GB. Wer 70B will, braucht zwei GPUs oder eine Datacenter-Karte. Das ist der am häufigsten unterschätzte Punkt bei der 5090.

Schritt für Schritt: VRAM-Bedarf vor dem Kauf berechnen

Schritt 1: Modell wählen

Das Open-Weight-Modell, das Ihre Anwendung braucht (Llama, Qwen, Mistral). Die Modellauswahl für On-Premise finden Sie im Modell-Vergleich.

Schritt 2: VRAM-Bedarf rechnen

Parameter × Bytes pro Parameter = VRAM-Bedarf
70 Mrd × 0,5 Byte (4-Bit) = 35 GB
70 Mrd × 1,0 Byte (8-Bit) = 70 GB

Schritt 3: Kontext-Länge dazurechnen

Jede Einheit Kontext kostet zusätzlich VRAM. Faustregel: 2 GB Puffer für 128K Kontext plus Betriebssystem und WebUI.

Schritt 4: Karte wählen

Schritt 5: Komplett-Konfiguration prüfen

VRAM allein reicht nicht: CPU, RAM und Netzteil müssen zur GPU passen, und die Stromkosten gehören in die Gesamtrechnung.

RTX 5090 kaufen: Was der VRAM kostet

Einordnung: Die RTX 5090 kostet in der Anschaffung fast das Doppelte der 5080, liefert aber die doppelte Bandbreite und den doppelten VRAM. Für Unternehmen, die täglich 30B-Modelle betreiben, ist das die wirtschaftlichste Einzelkarte — für den Einstieg reicht die 5080.

Entscheidungsmatrix: Welche RTX-Karte für welchen Zweck?

Fazit: 32 GB sind die neue Grenze — aber nicht für 70B

Die RTX 5090 mit 32 GB GDDR7 ist 2026 die stärkste Consumer-GPU für KI-Server. Sie ist die erste Karte, die 30B-Modelle komfortabel und schnell lokal betreiben kann — ein klarer Sprung gegenüber der RTX 4090 mit 24 GB. Wer 70B-Modelle braucht, kommt um Multi-GPU oder Datacenter-Hardware nicht herum.

Für den Mittelstand gilt: Kaufen Sie nicht den größten VRAM, sondern den richtigen für Ihr Modell. Die RTX 5080 mit 16 GB reicht für die meisten Einstiegs- und RAG-Szenarien, die RTX 5090 lohnt sich, sobald 30B-Modelle produktiv laufen sollen.

Sie wollen den VRAM-Bedarf für Ihre konkreten Modelle durchrechnen lassen und die passende Hardware konfigurieren? Sprechen Sie uns an, und wir skizzieren gemeinsam die wirtschaftlichste KI-Server-Konfiguration.

Häufige Fragen

Wie viel VRAM hat die RTX 5090?

Die RTX 5090 hat 32 GB GDDR7-VRAM mit einer Speicherbandbreite von 1.792 GB/s. Das ist ein Drittel mehr VRAM als die RTX 4090 (24 GB) bei deutlich höherer Bandbreite.

Welche RTX-Karte hat wie viel VRAM?

RTX 5090: 32 GB. RTX 5080: 16 GB. RTX 5070 Ti: 16 GB. RTX 5070: 12 GB. Zum Vergleich: RTX 4090: 24 GB, RTX 4080 Super: 16 GB.

Reicht die RTX 5090 für 70B-Modelle?

Nein. Ein 70B-Modell braucht ca. 35 GB VRAM bei 4-Bit-Quantisierung — das passt nicht in die 32 GB der RTX 5090. Für 70B-Modelle brauchen Sie zwei RTX 5090 im Verbund oder eine A100 mit 80 GB.

Wie viel VRAM brauche ich für ein KI-Modell?

Faustregel: 1 GB VRAM pro Milliarde Parameter bei 4-Bit-Quantisierung, 2 GB pro Milliarde bei 8-Bit. Ein 8B-Modell braucht also ca. 6–12 GB, ein 30B-Modell ca. 20–40 GB.

Lohnt sich die RTX 5090 gegenüber der RTX 4090?

Für produktive KI-Nutzung ja: 32 GB statt 24 GB VRAM und rund 40–60 % mehr Token-Durchsatz dank höherer Bandbreite. Der Aufpreis von ca. 400–600 EUR amortisiert sich bei regelmäßiger Nutzung schnell.

Welche GPU brauche ich für einen KI-Server mit 30B-Modellen?

Die RTX 5090 mit 32 GB ist die einzige Consumer-GPU, die 30B-Modelle komfortabel betreiben kann. Alternativ zwei RTX 5080 oder eine gebrauchte A100 — die vollständige Übersicht finden Sie im GPU-VRAM-Rechner.