KI-Server jetzt bestellen: Hardware wird täglich teurer

Eine Konfiguration, zwei Preise, sechs Wochen dazwischen

Wir haben gerade einen neuen KI-Server bestellt. Die Konfiguration stand Mitte Juni fest, die Bestellung ging Anfang August raus. Zwischen diesen beiden Terminen liegen sechs Wochen und ein Preisunterschied, der in keiner Kalkulation vorgesehen war.

Die eingeplante Grafikkarte, eine AMD Radeon PRO W7800 mit 48 GB Grafikspeicher, lag im Juni noch unter 2.000 Euro. Bezahlt haben wir 2.600. Der Arbeitsspeicher stand bei rund 700 Euro auf der Liste, am Ende waren es knapp 1.000. Macht gut 900 Euro Aufschlag auf zwei Positionen, ohne dass sich an der Konfiguration irgendetwas geändert hätte.

Die Karte ist bewusst gewählt: 48 GB VRAM reichen aus, um ernsthaft große Sprachmodelle lokal zu betreiben, statt sie in Häppchen durch eine kleinere Karte zu schieben. Genau dieser große Speicherausbau ist inzwischen aber das Problem.

Das ist kein Pech beim Händler. Das ist der Markt.

Was die Zahlen sagen

Der Auslöser sitzt beim Arbeitsspeicher. TrendForce hat für das erste Quartal 2026 einen Anstieg der DRAM-Vertragspreise um rund 90 Prozent gemessen, im zweiten Quartal kamen über 50 Prozent dazu. Für das dritte Quartal, in dem wir gerade stecken, erwarten die Marktforscher weitere 13 bis 18 Prozent, bei NAND-Flash 10 bis 15 Prozent (Bericht vom 3. Juli 2026).

Samsung verhandelte mit seinen Abnehmern zuletzt über Aufschläge von bis zu 20 Prozent je Quartal. Gartner geht davon aus, dass DRAM- und SSD-Komponenten bis Jahresende insgesamt bei plus 130 Prozent landen.

Für den deutschen Handel lässt sich das nachrechnen. Ein durchschnittliches DDR5-Kit kostete im August 2025 rund 183 Euro und im November bereits 331 Euro, ein Plus von 81 Prozent. Serverspeicher der vorherigen Generation, also genau das, was in vielen Bestandsmaschinen steckt, legten im selben Zeitraum um etwa 170 Prozent zu (connect professional). Allein von Juni auf Juli 2026 stiegen die DDR5-Endkundenpreise im deutschen Einzelhandel noch einmal um durchschnittlich 7,1 Prozent, wie der Preisindex von 3DCenter zeigt.

Warum es die Grafikkarten mitreißt

Eine Grafikkarte ist zu einem erheblichen Teil Speicher. Steigt der DRAM-Preis, steigt der GPU-Preis mit, und zwar mit Verzögerung von wenigen Wochen.

Nvidia hat seinen Boardpartnern im Sommer 2026 die dritte Preiserhöhung binnen sieben Monaten angekündigt. Nach 10 bis 15 Prozent im Januar und einer weiteren Runde im Mai geht es diesmal um 20 bis 30 Prozent auf die GPU-Kits, und zwar quer durch die Palette statt nur beim Spitzenmodell (PC Games Hardware). Begründung: die Speicherkrise. Betroffen ist der Speicher, der direkt auf der Grafikkarte sitzt, und der macht bei KI-tauglichen Karten einen erheblichen Teil der Herstellungskosten aus.

Im Handel sieht das so aus: Eine RTX 5080 von Asus notierte vor der Krise bei rund 1.199 Euro, inzwischen liegen die Angebote je nach Ausführung zwischen etwa 1.600 und 1.760 Euro. Bei der RTX 5070 Ti klaffen die Preise besonders weit auseinander, von gut 900 Euro für einfache Modelle bis über 1.200 Euro für die aufwendigeren, und ein Hersteller hob den Preis für eine einzelne Variante innerhalb einer Woche um zwanzig Prozent an. Die RTX 5090 hat die 4.000-Euro-Marke gerissen. Bei großen Plattformen sind zeitweise ganze Modellreihen nicht mehr gelistet, weil Distributoren Ware zurückhalten.

Wer Preise vergleicht, sollte sich davon nicht in die Irre führen lassen: Die Spanne innerhalb einer Modellreihe ist derzeit größer als der Abstand zwischen zwei Modellreihen. Ein günstiges Spitzenmodell kann billiger sein als eine teure Mittelklasse.

AMD zieht mit, und zwar besonders bei viel Speicher

Wer jetzt denkt, das sei ein Nvidia-Problem, liegt falsch. Berichten zufolge hebt AMD ab August die Preise für seine GPU-Kits um mindestens zehn Prozent an, über das zweite Halbjahr gerechnet werden 10 bis 15 Prozent erwartet (Hardwareluxx). Offiziell bestätigt hat AMD das nicht. Die Begründung ist dieselbe wie bei Nvidia: anhaltend hohe Nachfrage nach Speicherbausteinen durch den Ausbau von KI-Rechenzentren.

Entscheidend für alle, die einen KI-Server planen, ist ein Detail dieser Entwicklung. Der Spotpreis für GDDR6-Speicher ist von etwa 2,30 Euro pro Gigabyte auf knapp 7 Euro gestiegen, also auf das Dreifache. Bei einer Karte mit 16 GB macht das ein paar Dutzend Euro Materialkosten aus. Bei 48 GB sind es mehrere Hundert.

Genau deshalb trifft die Krise Workstation- und KI-Karten härter als Gaming-Modelle. Für lokale Sprachmodelle ist der Grafikspeicher aber die eine Größe, an der man nicht sparen kann. Er entscheidet darüber, welches Modell überhaupt läuft. Unsere W7800 ist also nicht zufällig um 600 Euro teurer geworden, sondern weil sie überdurchschnittlich viel von dem enthält, was gerade knapp ist.

Was der Handel selbst dazu sagt

Interessanter als die Analystenprognosen sind die Aussagen derer, die die Ware tatsächlich bewegen. Der Fachdienst CRN hat mehrere Distributoren dazu befragt (Bericht):

Patrick Zammit, CEO von TD Synnex, bringt es auf den Punkt: „Der Preis ist ein noch größeres Problem als der Mangel." Sein Haus rechnet damit, dass die durchschnittlichen Verkaufspreise für Hardware 2026 um 10 bis 20 Prozent oder mehr steigen. Die Speicherpreise hätten sich allein in den vergangenen drei Monaten verdoppelt.

Paul Bay, CEO von Ingram Micro, formuliert vorsichtiger und beschreibt die offene Frage, wie die Endkundennachfrage auf die Preise reagiert. Jason Bystrak von D&H Distributing sagt über Kunden, die noch abwarten: „Nach dem zu urteilen, was wir hören, werden diese Leute bald erkennen, dass es ernst ist."

Ein Detail aus demselben Bericht sagt mehr über die Lage als jede Prozentzahl: Distributoren haben die Gültigkeit ihrer Angebote von 30 auf 15 Tage halbiert. Wer heute ein Angebot bekommt, hat zwei Wochen Zeit. Danach wird neu gerechnet.

Auf der Herstellerseite passiert dasselbe. Dell und Lenovo bereiten Aufschläge von bis zu 15 Prozent auf Komplettsysteme vor. Micron hat sich aus dem Consumer-Geschäft der Marke Crucial zurückgezogen, um die großen strategischen Kunden bedienen zu können. Sumit Sadana von Micron nennt das eine „schwierige Entscheidung", was es aus Sicht eines Mittelständlers, der eine Handvoll Module braucht, sicher auch ist.

Warum das nicht nächstes Quartal vorbei ist

Es wäre schön, das als kurzfristige Delle abzuhaken. Die Ursache spricht dagegen.

Die Speicherhersteller schichten ihre Fertigung planvoll um: weg vom normalen Arbeitsspeicher, hin zu einer besonders schnellen Bauart, die in den großen KI-Beschleunigern der Rechenzentren steckt. Dort sind die Margen deutlich höher. Das ist keine Panne in der Lieferkette, sondern eine betriebswirtschaftliche Entscheidung. Samsung und SK Hynix haben allein OpenAI die Lieferung von bis zu 900.000 DRAM-Wafern monatlich zugesagt, was etwa 40 Prozent der Weltproduktion entspricht.

SK-Hynix-Chef Kwak Noh-Jung erwartet das schlimmste Angebotsjahr der Branchengeschichte erst für 2027, eine Entspannung frühestens 2028 (Hardwareluxx). Die UBS stellt für 2027 einem Angebotszuwachs von 19,3 Prozent einen Bedarfszuwachs von 36,2 Prozent gegenüber. Die Hersteller investieren massiv, aber der Umbau eines bestehenden Werks dauert mindestens drei Jahre, ein Neubau über fünf. Was jetzt gebaut wird, liefert um 2029 herum.

Übersetzt heißt das: Der Preis, den Sie heute für Hardware sehen, ist auf absehbare Zeit der günstigste, den Sie sehen werden.

Was das für ein KI-Projekt im Mittelstand bedeutet

Die Rechnung für einen lokalen KI-Server war bisher unkompliziert. Einmalige Hardwarekosten gegen laufende Cloud- oder API-Gebühren, dazu der Vorteil, dass Kundendaten, Verträge und interne Dokumente das Haus nicht verlassen. Bei ernsthafter Nutzung amortisiert sich so eine Maschine im Bereich von ein bis zwei Jahren.

Diese Rechnung geht weiterhin auf. Sie wird nur jeden Monat ein Stück schlechter. Jeder Monat Zögern verschiebt den Break-even nach hinten, und zwar nicht um Tage, sondern bei den aktuellen Steigerungsraten um Wochen.

Ein Einwand liegt nahe: Wenn Hardware teurer wird, müsste die Cloud doch attraktiver werden. Kurzfristig stimmt das. Nur kaufen die großen Anbieter dieselben Speicherbausteine, und zwar in ganz anderen Mengen. Steigende Beschaffungskosten landen dort mit Verzögerung ebenfalls in den Preislisten, nur sieht man es als Kunde nicht so unmittelbar wie auf einer Rechnung über 2.600 Euro.

Wer im ersten Halbjahr über einen eigenen KI-Server nachgedacht und ihn vertagt hat, zahlt heute für dieselbe Leistung spürbar mehr. Wer jetzt vertagt, wiederholt das.

Tipp: Speicher großzügig gleich mitbestellen. Nachrüsten ist die teuerste Variante, weil genau die Komponente, die Sie später brauchen, die stärksten Aufschläge hat. Ein Server mit 128 GB RAM heute ist günstiger als 64 GB heute plus 64 GB in einem Jahr.

Was danach an laufenden Kosten bleibt

Bei der Anschaffung hört die Kalkulation nicht auf, deshalb hier die Zahlen aus dem Betrieb. Wir haben an einem unserer KI-Server nachgemessen, was er tatsächlich aus der Steckdose zieht:

Der entscheidende Punkt steckt in der ersten Zeile: Die Maschine muss nicht durchlaufen. Unsere legt sich schlafen, wenn niemand sie braucht, und wacht bei der ersten Anfrage in etwa 19 Sekunden wieder auf. Bei acht Stunden täglicher Nutzung mit gemischter Last landet man bei ungefähr 1,5 bis 2 Kilowattstunden am Tag. Bei üblichen Gewerbestrompreisen sind das grob 15 bis 25 Euro im Monat.

Dazu kommt, was jeder Server braucht: ein Platz mit Strom und Netzwerk, gelegentliche Wartung, irgendwann ein Ersatzteil. Wer keinen eigenen Serverraum hat, kann die Maschine auch stellen lassen. Was das kostet, steht auf unserer Übersicht zu KI-Servern.

Der Hebel, der beim Speicher wirklich spart

Weil Grafikspeicher gerade die teuerste Komponente ist, lohnt ein Blick auf die Softwareseite. Sprachmodelle lassen sich in unterschiedlicher Genauigkeit speichern. Die feinere Variante braucht fast doppelt so viel Platz wie die gröbere, und die naheliegende Annahme lautet: mehr Genauigkeit, bessere Ergebnisse.

Wir haben das an unseren eigenen Modellen durchgemessen, über zweihundert Durchläufe. Das Ergebnis: Bei denselben Aufgaben lieferten beide Varianten dieselben Ergebnisse. Die feinere kostete zehn Gigabyte mehr Speicher und ein Fünftel Tempo, ohne dass eine einzige Aufgabe dadurch besser gelöst worden wäre. Details dazu stehen in unserem Beitrag über Quantisierung.

Für die Beschaffung heißt das: Zehn Gigabyte weniger Grafikspeicher können bei den aktuellen Preisen mehrere Hundert Euro ausmachen. Bevor Sie die größere Karte bestellen, sollten Sie prüfen, ob Sie den Platz wirklich brauchen oder ob eine andere Einstellung denselben Zweck erfüllt.

Kein Grund zur Panik, aber einer zur Entscheidung

Hektisch kaufen ist keine Strategie. Eine falsch dimensionierte Maschine bleibt auch dann falsch, wenn sie 900 Euro günstiger war.

Sinnvoll ist die umgekehrte Reihenfolge: Erst klären, welche Aufgaben die KI im Betrieb übernehmen soll, welche Modelle dafür realistisch nötig sind und wie viel VRAM die brauchen. Daraus ergibt sich die Konfiguration. Und die sollte dann zügig bestellt werden, nicht im nächsten Quartal.

Für einen Einstieg mit lokalen Sprachmodellen im Bereich 20 bis 35 Milliarden Parametern reicht deutlich weniger Hardware, als die meisten vermuten. Das ist die Größenordnung, in der ein Modell Lieferantenverträge vorprüft oder Supportanfragen beantwortet, und dafür braucht es keine Maschine der obersten Kategorie.

Wir haben unsere Entscheidung getroffen und die 900 Euro Lehrgeld bezahlt. Ihre muss nicht so teuer werden.

Sie planen KI im eigenen Haus und wollen wissen, welche Hardware Ihr Anwendungsfall tatsächlich braucht? Sprechen Sie uns an. Wir rechnen das gemeinsam durch, herstellerunabhängig und mit offenen Zahlen. Ob am Ende gekauft, gemietet oder erst einmal abgewartet wird, entscheiden Sie.