- Published on
KI-Server-Benchmarking: Leistung messen und vergleichen
- Authors

- Name
- Phillip Pham
- @ddppham
Benchmarking: Wie schnell ist Ihr KI-Server?
Ohne Benchmarking weiß man nicht ob die Investition lohnt. Hier messen Sie die Performance Ihres KI-Servers.
Wichtige Metriken
| Metrik | Beschreibung | Guter Wert |
|---|---|---|
| Tokens/Second | Ausgabe-Geschwindigkeit | >10 tok/s (70B) |
| TTFT (Time to First Token) | Latenz bis erste Antwort | <500ms |
| Throughput | Gesamtausgabe pro Sekunde | >50 tok/s (70B) |
| VRAM Usage | Auslastung des Videospeichers | <90% |
Einfacher Benchmark-Skript
import time
from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="sk-fake")
prompt = "Schreiben Sie einen 500-Wörter-Aufsatz über KI im Mittelstand."
# Benchmark: Tokens/Second
start = time.time()
response = client.chat.completions.create(
model="llama3.3:70b",
messages=[{"role": "user", "content": prompt}],
max_tokens=500,
temperature=0,
stream=True
)
total_tokens = 0
ttft = None
for chunk in response:
if ttft is None:
ttft = time.time() - start
total_tokens += 1
total_time = time.time() - start
tokens_per_second = total_tokens / total_time
print(f"TTFT: {ttft*1000:.0f}ms")
print(f"Tokens/Second: {tokens_per_second:.1f}")
print(f"Total Tokens: {total_tokens}")
Benchmark-Ergebnisse: Hardware-Vergleich
| Hardware | Modell | TTFT | Tokens/s | VRAM |
|---|---|---|---|---|
| RTX 4060 Ti | Qwen2.5-7B | 200ms | 30 | 85% |
| RTX 4090 | Llama3.3-8B | 150ms | 35 | 80% |
| RTX 4090 | Llama3.3-70B (q4) | 800ms | 12 | 90% |
| 2x RTX 4090 | Llama3.3-70B (q4) | 400ms | 30 | 85% |
| RTX 6000 Ada | Llama3.3-70B (q4) | 500ms | 15 | 75% |
| A100 80GB | Llama3.3-70B | 200ms | 60 | 60% |
LM-Evaluation-Harness: Modell-Benchmarks
# Modell-Benchmark mit LM Evaluation Harness
pip install lm-eval
lm_eval --model hf --model_args "pretrained=meta-llama/Llama-3.3-70B,inference" \
--tasks mmlu,humaneval,ifeval \
--batch_size 1
Fazit
Benchmarking ist kein Selbstzweck — es hilft bei der Hardware-Auswahl, bei Modell-Auswahl und bei der Performance-Optimierung.
👉 KI-Server Hardware Guide 👉 Pexon Consulting: Benchmarking & Testing
Quellen & Weiterführende Links
📖 Verwandte Artikel
Weitere interessante Beiträge zu ähnlichen Themen
KI-Server kaufen: Der komplette Leitfaden 2026 für den Mittelstand
KI-Server kaufen für den Mittelstand: Kaufentscheidung, Hardware, Kosten, Anbieter und ROI. Der komplette Leitfaden 2026 mit Vergleich kaufen vs. mieten vs. selbst bauen.
llama.cpp vs. Ollama: Runtime für lokale LLMs
llama.cpp vs. Ollama 2026: GGUF, API, GPU-Offload und wann welche Runtime auf dem KI-Server die bessere Wahl ist.
Lokale KI 2026: GPU-Wahl 16 GB vs. 24 GB
Lokale KI 2026: Welche GPU reicht wirklich — 16 GB MoE oder 24 GB Qwen? Quantisierung, Runtime und wann ein Cluster Überkauf ist.
Bereit für KI im Mittelstand?
Nutzen Sie unsere 10 kostenlosen KI-Tools und Praxis-Guides – oder sprechen Sie direkt mit unseren Experten.
Pexon Consulting – KI-Beratung für den Mittelstand | Scaly Academy – Geförderte KI-Weiterbildung (KI-Spezialist, KI-Experte, Workflow-Automatisierung)