Video RAM vs. VRAM: So viel Grafikspeicher braucht Ihre KI wirklich

TL;DR: Dedizierter Video RAM (VRAM) ist 20–100x schneller als Shared Memory. Für ein 7B-Modell reichen 8–12 GB, für 13B–30B brauchen Sie 24–48 GB, für 70B+ sind 96–288 GB nötig. Mittelständische Unternehmen mit DSGVO-konformer KI setzen meist auf 24–48 GB GPUs (RTX 5090, L40S, A5000) oder mieten H100/B200 in der Cloud. Entscheidend ist: Das Modell muss komplett in den VRAM passen – ein Overflow in Shared Memory kostet 80–90 % Performance.

Video RAM vs. VRAM: Was ist der Unterschied?

Video RAM (VRAM) und dedizierter Grafikspeicher meinen dasselbe: den physischen Speicher auf Ihrer Grafikkarte, der nur für die GPU zugänglich ist. Der Begriff "Video RAM" stammt aus der Zeit, als GPUs ausschließlich für Video-Rendering genutzt wurden. Heute umfasst VRAM auch den Speicher für KI-Modell-Gewichte, KV-Cache und Zwischenergebnisse während der Inferenz.

Wichtig: Shared Memory (geteilter Systemspeicher) ist kein echter VRAM. Wenn Ihre GPU mehr Speicher braucht als sie hat, borgen Grafikkarten sich automatisch Systemspeicher (DDR5-RAM) über den PCIe-Bus. Dieser ist jedoch 20–100x langsamer – mit drastischen Folgen für KI-Inferenz.

Die Performance-Kluft ist kein gradueller Unterschied, sondern eine Wand: Ein Modell, das in 24 GB VRAM passt, läuft mit 40 Tokens/s. Sobald es in Shared Memory ausweicht, fällt die Geschwindigkeit auf 3–5 Tokens/s – ein Verlust von 90 %+ (Quelle: Spheron Benchmarks 2026).

VRAM-Bedarf nach LLM-Modell (praxisnah, 2026)

Die folgende Tabelle zeigt den minimalen VRAM-Bedarf für populäre Modelle in verschiedenen Quantisierungen. Werte sind Richtwerte für Batch Size 1 ohne KV-Cache-Overhead:

Praxisregel: Für den deutschen Mittelstand reichen meist Modelle der 7B–30B-Klasse. Diese passen in 24–48 GB VRAM und decken 90 % der Use Cases ab (Chatbot, Dokumentenanalyse, Klassifikation).

GPU-Vergleichstabelle mit EUR-Preisen (Stand September 2026)

Workstation-/Consumer-GPUs (Kauf)

Data-Center-GPUs (Kauf)

Cloud GPU-Miete (EUR/Stunde, Stand September 2026)

Für Unternehmen ohne Investitionsbudget oder als Übergangslösung:

Praxisbeispiel: Ein produzierendes Unternehmen mit 5 Mitarbeitern, die täglich 8 Stunden einen KI-Assistenten nutzen, verbraucht ca. 0,5 Tokens/s pro Mitarbeiter. Ein RTX-5090-Server (32 GB VRAM) reicht für eine Qwen 3.8 27B im Q4, unterstützt 10+ parallele Nutzer und kostet einmalig ~2.500 EUR. Die Alternative (Cloud: RTX 5090, 0,80 EUR/h, 8h/Tag, 22 Tage) kostet ~140 EUR/Monat + Marge.

DSGVO-Einordnung für KI-VRAM-Kauf

Bei der Wahl des KI-Servers sind DSGVO-Aspekte entscheidend:

• §203 StGB / §80 SGB X: Personenbezogene KI-Verarbeitung im Gesundheits- und Sozialwesen erzwingt On-Premise. Cloud-GPU-Miete ist nur mit AVV und EU-Hosting zulässig.
• EU-AI-Act (Risk Level): Hochrisiko-KI-Systeme (z. B. Bonitätsprüfung, medizinische Diagnostik) benötigen dokumentierte Kontrolle über die gesamte Verarbeitungskette – inklusive GPU-Infrastruktur. On-Premise mit lokalen GPUs vereinfacht die Zertifizierung erheblich.
• Stand der Technik: Der BSI empfiehlt für 2026 verschlüsselte Inferenz (Confidential Computing), die nur auf aktuellen Data-Center-GPUs (H100, B200) oder mit speziellen Lösungen möglich ist – nicht auf Consumer-GPUs.

DSGVO-Checkliste beim GPU-Kauf:

Entscheidungsmatrix: Welche GPU für Ihr Unternehmen?

Fazit

Video RAM und VRAM sind identisch – der entscheidende Faktor ist, ob Ihr KI-Modell komplett in den dedizierten GPU-Speicher passt. Ein Overflow in Shared Memory (System-RAM) vernichtet bis zu 90 % der LLM-Performance und ist für den Produktivbetrieb im Mittelstand nicht tragbar.

Für die meisten Unternehmen reichen 24–32 GB VRAM (RTX 4090 oder RTX 5090) für Modelle der 7B–27B-Klasse. Bei höheren Anforderungen oder DSGVO-Pflichten sind 48 GB professionelle GPUs (L40S) oder Cloud-Miete die richtige Wahl.

Aktuelle GPU-Mietpreise und VRAM-Konfigurationen ändern sich quartalsweise – ein regelmäßiger Hardware-Gap-Check hilft, die richtige Entscheidung zu treffen.

FAQ

Video RAM vs. VRAM – ist das nicht dasselbe? Ja. Video RAM ist die historische Bezeichnung für VRAM (Video Random Access Memory). Im KI-Kontext wird durchgängig von VRAM gesprochen – gemeint ist immer der dedizierte Grafikspeicher auf der GPU.

Kann ich Shared Memory statt VRAM für KI nutzen? Technisch ja, praktisch nein. Ein Modell, das statt 40 GB/s aus Shared Memory auf 1.000+ GB/s VRAM-Bandbreite zugreift, verliert 80–90 % seiner Tokens-pro-Sekunde.

Wieviel VRAM brauche ich für Llama 3 70B? In Q4-Quantisierung ca. 40 GB, in Q8 ca. 70 GB, in FP16 ca. 140 GB. Für den Mittelstand ist Llama 3 70B meist zu groß – Qwen 3.8 27B oder Llama 3 8B sind oft ausreichend und passen in günstigere GPUs.

Wie erkenne ich, ob mein Modell in den VRAM passt? VRAM-Bedarf ≈ Parameter × Bytes pro Parameter × 1,2 (KV-Cache-Overhead). Für Q4 sind das 0,5 Bytes pro Parameter, für Q8 1 Byte, für FP16 2 Bytes. Beispiel: 7B × 0,5 × 1,2 ≈ 4,5 GB Q4 – passt auf jede GPU mit 8+ GB VRAM.

Was kostet eine KI-GPU für den Mittelstand? Ein RTX-5090-KI-Server (32 GB, 2.500 EUR) reicht für 10+ Nutzer mit 27B-Modellen in Q4. Wer günstiger einsteigen will: Gebrauchte RTX 3090 (24 GB, ~1.000 EUR) für 7B–13B-Modelle. Cloud-Miete ab 0,60 EUR/h für Entwicklung.

Ist Cloud-GPU-Miete DSGVO-konform? Ja, mit Auftragsverarbeitungsvertrag (AVV) und EU-Hosting. Für personenbezogene Daten (Gesundheit, Personal) ist On-Premise mit dediziertem VRAM die sicherere Wahl.