KI-Hardware kaufen oder mieten?
Was ein eigener GPU-Server wirklich kostet, was dieselbe Leistung zur Miete kostet und ab wann sich der Kauf rechnet. Wir legen die Zahlen offen und sagen dir, wann sich der Kauf lohnt. Meistens tut er es nicht.
Deine Ausgangslage
Kommt dir das bekannt vor?
- Eure Daten dürfen nicht in eine US-Cloud, also steht die Frage nach eigener Hardware im Raum?
- Jemand hat ein Angebot für einen KI-Server auf den Tisch gelegt und ihr könnt es nicht einordnen?
- Eure Beschaffung kennt Investitionen, aber keine Miete?
- Ihr wollt wissen, was das Thema kostet, bevor ihr ein Projekt daraus macht?
Was du hier bekommst
Zahlen statt Meinung.
- Marktübliche Preise für gekaufte GPU-Server, nach Ausbaustufe
- Die Mietpreise daneben, damit du beide Wege vergleichen kannst
- Die Amortisationsrechnung, auch wenn sie gegen unsere Empfehlung spricht
- Neun Gründe, warum wir trotzdem meistens abraten – und was gegen die Miete spricht
Was ein eigener GPU-Server kostet
Wir haben marktübliche Indikationen für Server mit NVIDIA-RTX-PRO-6000-Karten zusammengetragen, betrieben in einem deutschen Rechenzentrum, in vier Ausbaustufen von zwei bis acht GPUs. Der Kaufpreis enthält Hardware und Support, die Betriebspauschale deckt Housing, Strom, Netz und Monitoring. Daneben steht, was dieselbe Karte zur Miete kostet.
Die Zahlen zeigen wir angemeldeten Interessenten. Trag deine E-Mail-Adresse ein, der Seibert-Account ist kostenlos.
Inhalt wird geladen...
Neun Gründe gegen den Kauf
Der Produktzyklus bei KI-Beschleunigern ist kürzer als jede Abschreibungsdauer. Wer heute sechsstellig investiert, betreibt Ende des Jahres Hardware, die technisch überholt ist. Unser AI-Engineer Henning Ziech hat das nach einem Jahr Praxis mit gemieteten Beschleunigern ausführlich aufgeschrieben: Warum wir GPUs mieten statt kaufen.
Neue Generation im Jahrestakt
H100, H200, B200, B300, und die nächste Generation ist angekündigt. Du schreibst über vier bis fünf Jahre ab, also über drei bis vier Generationen hinweg.
Alte Karten werden unbrauchbar, nicht langsam
Ein Modell, das nicht in den Speicher passt, läuft nicht langsamer. Es läuft gar nicht. Neue Rechenformate unterstützen ältere Karten architektonisch nicht.
Fixe Kosten gegen fallende Preise
Die Kosten pro Anfrage sinken bei gleicher Qualität laufend. Ein Kauf friert den heutigen Preis für Jahre ein, während die Alternative jedes Quartal günstiger wird.
Der Restwert ist eine Wette
Die Preise für die Vorgängergeneration sind eingebrochen, sobald die nächste breit verfügbar war. Frag jeden Anbieter nach einer Rücknahmegarantie zum kalkulierten Restwert.
Die Lieferzeit frisst eine halbe Generation
Enterprise-GPU-Server haben Vorlaufzeiten von Monaten. Ein Teil der Nutzungsdauer ist verbraucht, bevor die erste Zeile Code darauf läuft. Beim Mieten ist ein Upgrade ein Klick statt eines Beschaffungsprojekts.
Fixe Kapazität passt nie
Der Bedarf kommt schubweise. Bei Lastspitzen entsteht eine Warteschlange, im Leerlauf laufen Abschreibung und Strom weiter. Miete skaliert auf null, Kauf nicht.
Der Bedarf ist meist gar nicht gemessen
Gleichzeitig sinkt die nötige Hardwareklasse: Modelle werden pro Qualitätsstufe deutlich effizienter. Eine Kaufentscheidung ist unumkehrbar, eine Mietentscheidung jederzeit korrigierbar.
Der Modellmarkt dreht sich noch schneller
In den vergangenen zehn Tagen sind vier ernstzunehmende offene Modelle erschienen, mit sehr verschiedenen Hardwareprofilen. Eines läuft auf einem Laptop, das nächste braucht mehrere GPUs. Eine feste Konfiguration legt dich auf eines dieser Profile fest.
Der eigentliche Lock-in sitzt in der Software
Das Blech ist unkritisch, darauf laufen Linux, CUDA und vLLM. Kritisch sind die proprietären Plattformschichten der Komplettpakete und Rahmenverträge mit Mindestlaufzeit und Mindestabnahme. Wer nur Hardware kaufen wollte, hat am Ende oft ein Ökosystem gekauft.
Wann der Kauf trotzdem richtig ist
Es gibt Fälle, in denen die Wirtschaftlichkeit nicht die entscheidende Frage ist. Dann kaufen wir mit dir zusammen ein, statt dir das Thema auszureden.
- Eure Beschaffung kennt Investitionen, aber keine Mietverträge. Das ist bei Behörden und im öffentlichen Sektor häufig so.
- Die Anlage muss physisch bei euch stehen, ohne Netzverbindung nach außen.
- Auflagen aus Aufsicht, Geheimschutz oder Konzernrichtlinie schließen fremde Rechenzentren aus.
- Ihr habt eine dauerhaft hohe, gemessene Grundlast, die eine Maschine ohne Leerlauf auslastet.
Achte in dem Fall besonders auf den Vertrag hinter der Hardware. Die Plattformsoftware und die Mindestabnahme binden dich länger als das Blech.
Und was spricht gegen das Mieten?
Damit die Argumentation ehrlich bleibt: Mieten hat einen realen Nachteil, und er ist nicht der Preis. Es ist die Verfügbarkeit. Wer eine gemietete GPU-Instanz abschaltet, gibt sie zurück in den Pool. Ob du sie kurzfristig wiederbekommst, entscheidet der Markt.
Genau das ist der Grund, warum manche Teams trotz aller Wirtschaftlichkeit eigene Hardware wollen: Wer sie besitzt, hat sie garantiert. Unsere Praxiserfahrung sieht bisher anders aus. Pausierte Instanzen konnten wir bislang problemlos wieder hochfahren, auch bei aktuellen Generationen. In Knappheitsphasen kann sich das ändern – dann helfen reservierte Kapazität oder feste Laufzeitkontingente. Sie kosten Aufschlag und bleiben trotzdem reversibler als ein Kauf.
Es gibt noch einen dritten Weg
Zwischen kaufen und selbst betreiben liegt eine Variante, die oft übersehen wird: Inference direkt als Schnittstelle bei einem europäischen Anbieter einkaufen, EU-gehostet und DSGVO-konform. Du bekommst den Datenschutzrahmen und sparst dir Beschaffung und Betrieb komplett.
Der Preis dafür ist weniger Kontrolle über Modellversionen und Betriebsdetails. Für viele Anwendungsfälle ist das genau der richtige Tausch – und auch diese Entscheidung bleibt umkehrbar.
Was wir stattdessen anbieten
Wir betreiben offene KI-Modelle auf eigenen GPUs in der EU, mit festen Monatspreisen statt Abrechnung pro Anfrage. Du fängst mit einzelnen Plätzen an und wächst bis zum dedizierten Server, ohne den Anbieter zu wechseln. Wir übernehmen Miete, Einrichtung und Betrieb, damit ihr ohne hohe Kapitalbindung herausfindet, ob lokale Modelle etwas für euch sind. Wenn du danach immer noch kaufen willst, hast du deinen Bedarf endlich gemessen.
Häufige Fragen
Was Interessenten uns zuerst fragen.
Woher stammen diese Preise?
Woher stammen diese Preise?
Aus aktuellen Angeboten, die uns als Betreiber selbst vorliegen, gerundet auf Größenordnungen. Sie sind eine Planungsgrundlage, kein Angebot. Preise für KI-Hardware ändern sich derzeit im Wochenrhythmus, teilweise sind Lieferanten nur wenige Tage an ihre Zusage gebunden.
Was kostet der Betrieb zusätzlich zur Hardware?
Was kostet der Betrieb zusätzlich zur Hardware?
Die Betriebspauschale in der Tabelle deckt Housing, Strom, Netz und Monitoring im Rechenzentrum. Nicht enthalten sind Einrichtung, Modellbetrieb, Updates und Support für eure Nutzenden. Diesen Teil übernehmen wir, getrennt beauftragt, damit du siehst, was was kostet.
Rechnet sich der Kauf bei uns vielleicht doch?
Rechnet sich der Kauf bei uns vielleicht doch?
Möglich. Entscheidend ist eure gemessene Auslastung über den Tag und über das Jahr. Wir rechnen das mit euren Zahlen durch und legen beide Varianten nebeneinander. Wenn der Kauf gewinnt, sagen wir das.
Könnt ihr uns die Hardware beschaffen?
Könnt ihr uns die Hardware beschaffen?
Ja. Wir arbeiten mit Partnern zusammen, die Hardware liefern und im Rechenzentrum betreiben. Wir holen die Angebote ein, prüfen die Konfiguration gegen euren Anwendungsfall und übernehmen danach Einrichtung und Betrieb.
Welche Modelle laufen auf dieser Hardware?
Welche Modelle laufen auf dieser Hardware?
Aktuelle Open-Weight-Modelle, also frei verfügbare Modellgewichte, die vollständig auf eurer oder unserer Hardware laufen. Es gibt keine Verbindung zum Modellhersteller, keine Telemetrie, keinen Abfluss von Anfragen.
Lass uns deinen Fall durchrechnen
