VRAM defekt: Symptome erkennen, testen, reparieren oder neue GPU? Kosten 2026

Kurzantwort: VRAM defekt – was jetzt zählt

Ein VRAM-Defekt zeigt sich typischerweise durch Artefakte (bunte Streifen, Pixelfehler), Treiberabstürze unter Last, schwarze Bildschirme oder Fehlermeldungen wie „Display-Treiber reagiert nicht mehr“. Für KI-Server ist die Situation besonders ärgerlich: Die GPU läuft im Inferenzbetrieb stundenlang unter Volllast, und genau dabei treten VRAM-Fehler auf.

Bevor Sie Geld ausgeben: Der Defekt gehört erst per Software-Test bestätigt (OCCT, HWiNFO, CUDA-Speichertest). Dann gilt die Faustregel: Reparatur lohnt sich nur bei Karten mit hohem Restwert (ab ~500 EUR) und nachweislich einzelnem defekten Speicherchip. Bei allen anderen ist der Austausch gegen eine gebrauchte oder neue GPU wirtschaftlicher – die Kosten-Tabelle weiter unten rechnet es vor.

Dieser Leitfaden zeigt die 9 wichtigsten Symptome, die Diagnose-Schritte, echte Reparaturkosten und eine Entscheidungsmatrix – zugeschnitten auf KI-Workloads im Mittelstand, inklusive DSGVO-Einordnung beim Hardware-Ausfall.

Was ist VRAM und warum fällt er aus?

VRAM (Video-RAM) ist der Grafikspeicher direkt auf der GPU. Bei KI-Workloads hält er die Modellgewichte und den KV-Cache – der Speicherbedarf wächst mit Modellgröße und Kontextlänge, wie der Artikel zum KV-Cache und VRAM-Bedarf zeigt. Fällt VRAM aus, lädt das Modell nicht mehr oder die Inferenz liefert unsinnige Ergebnisse.

Die häufigsten Ursachen für VRAM-Defekte:

Für den Mittelstand ist der Gebrauchtmarkt die häufigste Defektquelle: Wer eine gebrauchte KI-GPU kauft, übernimmt oft eine Karte mit Mining-Vorgeschichte. Die Checkliste zum Gebrauchtkauf empfiehlt deshalb schon beim Kauf einen VRAM-Stresstest – wer das versäumt hat, findet hier die Nachhol-Diagnose.

9 Symptome: So erkennen Sie einen VRAM-Defekt

Nicht jedes Symptom ist eindeutig – das Diagramm unten zeigt die typischen Anzeichen in absteigender Trefferquote:

1. Artefakte (bunte Streifen, Pixelfehler, verzerrte Texturen)

Das klassischste Zeichen. Bei KI-Servern ohne Bildschirm: Artefakte in generierten Bildern, die an zufälligem Bildrauschen oder „verfaulten“ Bereichen erkennbar sind.

2. „Display-Treiber reagiert nicht mehr“ / Event-ID 4101

Windows beendet den Treiber bei Speicherfehlern. Unter Linux: nvrm-Fehler im dmesg oder CUDA-Fehler ECC error / memory error bei nvidia-smi.

3. Abstürze ausschließlich unter Last

Der Rechner läuft im Desktop stabil, stürzt aber beim LLM-Inferenz-Benchmark oder GPU-Stresstest ab – klassisch für thermisch bedingte Lötfehler.

4. Schwarze Bildschirme / kein Signal

Die Karte initialisiert den Speicher nicht mehr. Achtung: Auch Netzteil oder PCIe-Slot können das auslösen – erst ausschließen.

5. CUDA-OOM-Fehler trotz freiem VRAM

Lädt ein Modell mit 12 GB Bedarf auf einer 24-GB-Karte fehl, obwohl nichts anderes läuft, ist oft ein defekter Speicherbereich die Ursache: Der Treiber blendet fehlerhafte Seiten aus.

6. Plötzlich stark reduzierte VRAM-Anzeige

Zeigt nvidia-smi nur noch 8 von 24 GB an, hat die Karte Speicherseiten dauerhaft deaktiviert – ein sicheres Defekt-Signal.

7. System-Freezes, die nur per Reset enden

Kein Bluescreen, kein Log – der Rechner „hängt“ sekundenlang und stirbt. Häufig bei Speicherzugriffen auf defekte Adressbereiche.

8. Fehlerhafte KI-Ergebnisse (stille Korruption)

Das heimtückischste Symptom: Das Modell lädt, liefert aber falsche, sich ständig ändernde Antworten oder Token-Müll. Ohne Referenz kaum erkennbar – ein MTTM-/MatMul-Test deckt es auf.

9. WHEA-Fehler im Windows-Ereignisprotokoll

Hardwarefehler-Einträge mit „PCI Express“ oder „Memory Controller“ deuten auf die GPU hin, sind aber nicht immer eindeutig – Diagnose-Software bestätigt.

Wichtig: Treiberabstürze können auch durch Übertaktung, zu schwaches Netzteil oder Treiber-Bugs entstehen. Nur der gezielte Speichertest (nächster Abschnitt) bestätigt den VRAM-Defekt.

VRAM gezielt testen: Diagnose in 4 Schritten

Schritt 1: HWiNFO / GPU-Z – Grunddaten prüfen

HWiNFO zeigt die tatsächlich nutzbare Speichermenge und Temperatursensoren je Chip. Weicht die Anzeige von der Modellangabe ab, ist das bereits ein Hinweis.

Schritt 2: Speichertest mit OCCT VRAM-Test

Der OCCT-Speichertest (kostenlos, auch Portable) schreibt Muster in den VRAM und liest sie zurück. 15–30 Minuten unter Last decken die meisten Defekte auf. Bei Fehlern markiert OCCT den betroffenen Speicherbereich.

Schritt 3: CUDA-Speichertest auf dem KI-Server

Für LLM-Betrieb ist der CUDA-basierte Test die relevantere Prüfung, weil er den Speicher so beansprucht wie echte Inferenz:

# CUDA-Speichertest (memtestCL)
git clone https://github.com/ocladul/memtestCL
cd memtestCL && make && ./memtestCL
# oder direkt mit nvidia-smi den ECC-Status prüfen (bei A6000/A100 etc.):
nvidia-smi -q -d ECC

Auf Karten mit ECC-Speicher (A6000, A100, L40S) meldet nvidia-smi korrigierbare (correctable) und unkorrigierbare (uncorrectable) Fehler. Unkorrigierbare Fehler = sofortiger Garantie-/Reparaturfall. Der GPU-Vergleich RTX 4090 vs. A6000 vs. L40S erklärt, welche Karten ECC mitbringen.

Schritt 4: Stresstest unter realistischer Last

Ein LLM-Benchmark über 30–60 Minuten (z. B. llama.cpp-Perplexity oder ein Inferenz-Benchmark) ist der finale Beweis: Friert die Karte dabei ein oder liefert sie wechselhafte Ergebnisse, ist die Diagnose VRAM-Defekt so gut wie sicher.

Achtung Fallstrick: Ein kurzer Test kann falsch-negativ sein. Thermisch bedingte Lötfehler treten erst nach 20–40 Minuten Betriebstemperatur auf. Testen Sie mindestens 30 Minuten.

Reparatur vs. Tausch vs. Neu: Kosten-Tabelle 2026

Zusätzlich anfallen: Diagnosegebühr (30–60 EUR, oft bei Reparatur verrechnet), Versand (versichert 15–30 EUR), Ausfallzeit des KI-Servers (je nach Workload 500–5.000 EUR pro Woche – rechnen Sie das ein).

Preisanker für KI-Betrieb: Eine gebrauchte RTX 3090 mit 24 GB kostet 2026 rund 700–900 EUR und ersetzt eine defekte 12-GB-Karte oft komplett – für viele Mittelständler der wirtschaftlichste Weg, weil der VRAM-Bedarf von Modellen ohnehin wächst.

DSGVO und Recht: Wenn KI-Hardware ausfällt

Ein VRAM-Defekt ist aus Datenschutzsicht kein reines Technikthema, sobald auf dem Server personenbezogene Daten verarbeitet werden – das gilt für lokale KI-Systeme besonders, weil sie ja gerade wegen der Datenhoheit betrieben werden.

• Verfügbarkeit als Pflicht (Art. 32 DSGVO): Die Sicherheit der Verarbeitung umfasst ausdrücklich die Verfügbarkeit. Ein KI-Server, der wochenlang zur Reparatur geht, ohne dass Wiederherstellungsprozesse greifen, ist ein dokumentationspflichtiger Umstand. Halten Sie fest, wie lange der Ausfall dauerte und wie Sie die Wiederherstellung sichergestellt haben.
• Verschlüsselung vor Versand: Vor dem Versand der GPU an eine Werkstatt müssen gespeicherte Daten (SSDs/NVMe im selben System) sicher entfernt oder das Laufwerk mitverschlüsselt werden. VRAM selbst ist flüchtig – aber nicht das restliche System.
• Auftragsverarbeitung bei Fremdreparatur: Lässt ein Dienstleister die Karte reparieren, die Teil einer Verarbeitung personenbezogener Daten ist, brauchen Sie eine AVV (Art. 28 DSGVO), wenn der Dienstleister Zugriff auf Datenbestände haben kann. Bei reiner Hardware-Reparatur ohne Datenzugriff ist der Fall in der Praxis meist unkritisch – dokumentieren Sie das aber.
• Dokumentation: Ein kurzer Vermerk im Verzeichnis von Verarbeitungstätigkeiten (Art. 30 DSGVO) über den Ausfall und die Wiederherstellung wirkt im Audit souverän – insbesondere bei KRITIS-nahen Betrieben oder Auftragsdaten.
• Inventar-/Asset-Tracking: GPUs mit ECC-Fehlerzählern, die ausgetauscht werden, sollten im Anlagenbestand mit Grund (Defekt) und Entsorgungsweg erfasst werden – das schließt den Kreis bei Prüfungen.

Entscheidungsmatrix: Reparieren, tauschen oder neu?

Die pragmatische Empfehlung für KI-Betrieb: Reklamieren, wenn möglich. Sonst: Bei Karten ab 500 EUR Restwert einmal reparieren lassen und die Karte als Zweit-/Test-GPU einplanen. Für Produktions-Workloads eine gebrauchte Karte mit bestandenem VRAM-Test kaufen – die Kauf-Checkliste und der VRAM-Rechner helfen bei Auswahl und Bedarfsprüfung. Prüfen Sie zugleich, ob Sie die Hardware ohnehin upgraden wollten – dann sparen Sie die Reparatur komplett ein (siehe Hardware-Guide KI-Server 2026).

Häufige Fehler bei der VRAM-Diagnose

Fazit

Ein VRAM-Defekt ist bei KI-Servern im Mittelstand kein Randthema: Gebrauchte GPUs, Dauerlast und der wachsende Speicherhunger von LLMs machen Speicherfehler zur häufigsten Hardware-Todesursache. Wer die 9 Symptome kennt, gezielt mit OCCT und CUDA-Speichertest diagnostiziert und die Kosten-Tabelle ehrlich rechnet, entscheidet schnell: Reklamation, gezielte Reparatur bei wertvollen Karten – oder der Tausch gegen eine getestete Gebraucht-GPU. Der Restwert der Karte und die Ausfallkosten des Servers, nicht das Bauchgefühl, bestimmen den Weg.

Bleibt es beim Tausch: Testen Sie jede Karte vor dem Einbau 30 Minuten unter Last. Das schützt nicht nur vor dem nächsten Ausfall, sondern auch vor dem nächsten Streit mit dem Verkäufer. Und wenn die Karte noch Garantie hat – reklamieren Sie. Das ist immer der günstigste Weg.

FAQ

Wie erkenne ich, ob der VRAM defekt ist?

Drei zuverlässige Signale: Artefakte (bunte Streifen/Pixelfehler) auch im BIOS, „Display-Treiber reagiert nicht mehr“ mit Event-ID 4101 unter Last und CUDA-Fehler wie „memory error“ bei nvidia-smi. Bestätigen lässt sich der Defekt nur per Speichertest (OCCT VRAM-Test oder CUDA-Speichertest über 30 Minuten).

Was kostet eine VRAM-Reparatur?

Eine GPU-Reparatur-Werkstatt verlangt 2026 zwischen 80 und 300 EUR, je nach Aufwand: BGA-Nacharbeit ab 80 EUR, einzelner VRAM-Chip-Tausch 120–300 EUR. Inklusive Diagnose (30–60 EUR) und Versand liegt eine Reparatur meist zwischen 130 und 350 EUR. Wirtschaftlich lohnt sie sich nur, wenn die Karte einen Restwert über der Reparaturkosten hat.

Kann ein defekter VRAM repariert werden?

Ja, in 60–90 Prozent der Fälle: Durch Nacharbeit der Lötverbindungen (Reflow/Reballing) oder den Austausch eines einzelnen defekten Speicherchips. Die Erfolgsquote hängt stark von der Werkstatt-Qualität ab. Ein Rebound (erneuter Defekt) ist bei thermisch geschädigten Karten nach 6–12 Monaten möglich – deshalb eignen sich reparierte Karten eher als Test-GPU als für Produktions-KI.

Warum reicht 12 GB VRAM nicht mehr für KI-Modelle?

Modelle wachsen schneller als der VRAM: Aktuelle LLMs benötigen je nach Quantisierung 8–24 GB, mit KV-Cache für lange Kontexte deutlich mehr. Der VRAM-Rechner für KI-Modelle zeigt den Bedarf präzise. Eine defekte 8- oder 12-GB-Karte ist deshalb oft ohnehin ein Anlass für ein Upgrade auf 16 oder 24 GB.

Ist eine Grafikkarte mit VRAM-Defekt noch nutzbar?

Eingeschränkt: Solange der Treiber fehlerhafte Speicherbereiche ausblendet, läuft die Karte für einfache Aufgaben (Desktop, Office). Für KI-Inferenz ist sie unbrauchbar – Modelle laden fehlerhaft oder liefern stille Korruption. Eine solche Karte sollten Sie nicht verkaufen, ohne den Defekt zu offenbaren.

Ist ein VRAM-Defekt ein Garantiefall?

Ja, wenn die Garantie noch läuft (Hersteller geben 2–3 Jahre, Profi-Karten wie A6000 oft 3 Jahre). VRAM-Defekte zählen zu den Sachmängeln, außer bei nachweisbarer Fehlbehandlung (Übertaktung, Miner-Betrieb ist kein Ausschlussgrund). Auch bei Gebrauchtkarten greift beim gewerblichen Verkäufer die gesetzliche Gewährleistung – prüfen Sie Ihre Rechte, bevor Sie eine Reparatur zahlen.

Weiterführende Artikel:

• KI-Server gebraucht kaufen: Checkliste 2026 – den VRAM-Test vor dem Kauf einbauen
• VRAM erhöhen für KI: 4 Wege zu mehr GPU-Speicher – den Engpass beheben statt ersetzen
• VRAM-Rechner für KI-Modelle – Bedarf präzise kalkulieren
• GPU-Vergleich RTX 4090 vs. A6000 vs. L40S – ECC-Speicher und Fehlertoleranz im Vergleich
• Eigener KI-Server: Hardware-Guide 2026 – die Neukonfiguration zum Kostenvergleich

Quellen:

• OCCT – Speichertest und Stresstest (offizielles Tool)
• HWiNFO – Sensoren und Speicherbelegung
• nvidia-smi Doku – ECC-Status, Speicherfehler
• memtestCL – CUDA-Speichertest (GitHub)