KI-Supercomputer für den Schreibtisch: NVIDIA DGX Spark und DGX Station (GB300) starten 2026
NVIDIA brachte die DGX Spark ab 3.999 USD (inzwischen 4.699 USD UVP), und die DGX Station mit dem GB300 Grace Blackwell Ultra Superchip – 748 GB kohärenter Speicher, 20 PetaFLOPs – kommt 2026 über ASUS, Dell, Gigabyte, HP, MSI und Supermicro. Rechenzentrums-Inferenz wird zum steckerfertigen Desktop-Gerät.
Jahrelang bedeutete „KI im eigenen Haus" den Gang in den Serverraum: Racks, Drehstrom, laute Lüfter und ein Kühlkonzept. Wer ein großes Sprachmodell lokal betreiben wollte, brauchte Rechenzentrums-Hardware. Genau diese Grenze verschiebt NVIDIA 2026 – mit zwei Geräten, die aussehen wie ein Desktop-Rechner, aber die Leistung eines kleinen Rechenzentrums mitbringen: der DGX Spark als Einstieg und der DGX Station mit dem GB300 Grace Blackwell Ultra als Flaggschiff.
Für den Mittelstand ist das mehr als ein Produkt-Update. Es senkt die Einstiegshürde für On-Premise-KI dramatisch: kein Serverraum, keine Spezialkühlung, steckerfertig unter dem Schreibtisch. In diesem Artikel ordnen wir beide Geräte ein, klären die Preise und Verfügbarkeiten – und beantworten die wichtigste Frage: Wann lohnt sich so eine Desktop-Maschine, und wann bleibt ein klassischer Rack-Server die bessere Wahl?
Die DGX Spark für den Einstieg
Die DGX Spark ist NVIDIAs kompaktester Personal-AI-Rechner – ein Gerät ungefähr in Buchgröße, das man neben den Monitor stellt. Zum Marktstart (Founders Edition, Oktober 2025) lag der Preis bei 3.999 USD. Aufgrund der Knappheit an LPDDR5x-Speicher hat NVIDIA den Listenpreis im Februar 2026 auf 4.699 USD angehoben; das ist der aktuell gültige UVP. Einzelne Händler verkaufen die Spark gelegentlich noch für rund 3.999 USD – wer sie sucht, sollte also Preise vergleichen.
Technisch steckt in der Spark der GB10 Grace Blackwell Superchip: eine 20-Kern-Arm-CPU, gekoppelt mit einer Blackwell-GPU, dazu 128 GB LPDDR5x Unified Memory und eine 4 TB NVMe-SSD. Der geteilte Speicher ist der Clou: CPU und GPU greifen auf denselben Adressraum zu, sodass sich auch größere Modelle laden lassen, ohne ständig zwischen System- und Grafikspeicher zu kopieren.
- Niedrige Einstiegsschwelle: Für den Preis eines gut ausgestatteten Notebooks steht ein echtes KI-Entwicklungssystem bereit.
- Entwicklung und Prototyping: Modelle testen, Inferenz lokal ausprobieren, Fine-Tuning kleinerer Modelle – alles ohne Cloud-Abo.
- Datensouverän von Anfang an: Die Daten bleiben auf dem Gerät, kein Upload zu einem externen Anbieter.
- Leise & steckerfertig: Läuft am normalen Bürostromnetz, kein Serverraum nötig.
Für wen die Spark gedacht ist: Entwicklerinnen und Entwickler, die KI-Anwendungen bauen und lokal testen wollen; kleine Teams, die einen ersten Piloten fahren; und Unternehmen, die On-Premise-KI ausprobieren möchten, bevor sie in größere Hardware investieren. Als Produktions-Server für viele gleichzeitige Nutzer ist sie dagegen nicht ausgelegt.
Die DGX Station mit GB300
Die DGX Station ist die andere Liga. Sie nutzt den GB300 Grace Blackwell Ultra Desktop Superchip – dieselbe Architektur-Generation, die auch in NVIDIAs Rechenzentrums-Systemen steckt – und liefert bis zu 20 PetaFLOPs KI-Rechenleistung. Der entscheidende Wert für große Modelle ist jedoch der Speicher: 748 GB kohärenter Speicher, den CPU und GPU gemeinsam adressieren.
Diese Speichergröße ist der eigentliche Türöffner. Modelle, die sonst über mehrere GPUs in einem Server verteilt werden müssten, passen auf einer einzigen Station in den Speicher. Das vereinfacht den Betrieb enorm: kein Sharding über mehrere Karten, keine komplexe Verteilung – ein großes Sprachmodell läuft am Stück auf einem Gerät, das unter dem Schreibtisch steht.
- GB300 Grace Blackwell Ultra: Rechenzentrums-Architektur im Desktop-Formfaktor.
- 748 GB kohärenter Speicher: Platz für sehr große Modelle ohne Multi-GPU-Verteilung.
- 20 PetaFLOPs: Leistung für anspruchsvolle Inferenz und lokales Training.
- Verfügbarkeit ab Frühjahr 2026: vorgestellt auf der GTC im März 2026, Auslieferung über Partner ab dem Frühjahr; HP zielt auf August 2026.
Praxisbeispiel: Abteilungs-KI ohne Serverraum
Eine Konstruktionsabteilung mit rund einem Dutzend Mitarbeitenden will ein großes Sprachmodell zur Recherche in technischen Normen und internen Spezifikationen nutzen – strikt lokal, weil die Dokumente vertraulich sind. Statt einen halben Serverschrank anzuschaffen, stellt die IT eine DGX Station in einen abschließbaren Nebenraum. Das Modell läuft dank der 748 GB Speicher am Stück, die Abteilung greift per Netzwerk darauf zu, und die Daten verlassen das Gebäude nie. Für diese Nutzergröße ist die Station die pragmatischste Lösung.
Die Vertriebspartner
NVIDIA verkauft die DGX Station nicht als fertiges Endkundengerät im Direktvertrieb, sondern über einen Kreis von Fertigungspartnern. Bestätigt für die Auslieferung 2026 sind ASUS, Dell, Gigabyte, HP, MSI und Supermicro; auf NVIDIAs eigener Seite taucht zusätzlich Exxact auf.
Ein Hinweis zur Einordnung: In der ursprünglichen GTC-Ankündigung von März 2025 wurden auch BOXX und Lambda genannt. Diese beiden zählen jedoch nicht zu den bestätigten Auslieferungspartnern der 2026er-Welle – Gigabyte und Exxact sind neu hinzugekommen. Wer heute nach Angeboten sucht, sollte sich an der aktuellen Liste orientieren.
Bei den Preisen gilt Zurückhaltung. Die meisten Hersteller veröffentlichen keine Listenpreise und nehmen keine direkten Web-Bestellungen entgegen – der Weg führt über eine Vertriebsanfrage. Wo doch Zahlen sichtbar wurden, liegen sie im sechsstelligen Bereich, aber deutlich unter manch kursierender Schätzung: Die MSI XpertStation WS300 wurde etwa mit rund 85.000 USD gehandelt (TechRadar) und mit knapp 97.000 USD bei CDW gelistet.
| Merkmal | DGX Spark | DGX Station |
|---|---|---|
| Superchip | GB10 Grace Blackwell | GB300 Grace Blackwell Ultra |
| Speicher | 128 GB LPDDR5x (unified) | 748 GB kohärent |
| Rechenleistung | Personal-AI-Klasse | bis 20 PetaFLOPs |
| Preis | ab 3.999 USD (UVP 4.699 USD) | sechsstellig, ~85–100k+ USD |
| Zielgruppe | Entwicklung, Pilot, Einzelplatz | Abteilungen, große Modelle |
Desktop statt Serverraum
Der eigentliche Paradigmenwechsel liegt nicht in den Teraflops, sondern im Formfaktor. Bisher hieß On-Premise-KI: Rack, redundante Netzteile, Klimatisierung, Lärmschutz. Beide DGX-Geräte sind dagegen Bürogeräte. Sie brauchen keinen Serverraum und keine spezielle Kühlinfrastruktur – ein normaler Arbeitsplatz oder ein kleiner Technikraum genügt.
Damit wird KI-Hardware für Organisationen zugänglich, die nie eine Rechenzentrums-Infrastruktur aufbauen wollten. Eine Abteilung, ein kleines Ingenieurbüro, eine Kanzlei – wer ein einzelnes leistungsstarkes Modell lokal betreiben möchte, muss dafür nicht mehr die IT-Landschaft umbauen.
- Kein Serverraum, keine Spezialkühlung: Aufstellen, anschließen, loslegen.
- Ideal für Abteilungen und kleine Teams: die Skalierungsstufe zwischen Einzelplatz und Rechenzentrum.
- Türöffner für On-Premise-KI: auch für Unternehmen ohne eigene RZ-Erfahrung.
- Ergänzung, nicht Ersatz: Für hohe, dauerhafte Multi-User-Last bleiben Rack-Server die Basis.
Das ist auch der Punkt, an dem sich die Desktop-Geräte von der Edge-KI abgrenzen: Edge-Geräte bringen kleine Modelle direkt an die Maschine oder ins Feld. Die DGX Station dagegen bringt ein großes Modell ins Büro – näher an der Rechenzentrums-Leistung als an einem Sensor-Gateway.
Wann DGX Station, wann Rack-Server
Die spannende Frage für die IT-Planung: Reicht eine DGX Station, oder braucht es doch einen klassischen On-Premise-Server im Rack? Die Antwort hängt weniger am reinen Modell als am Nutzungsprofil.
Für die DGX Station spricht
- Ein einzelnes, sehr großes Modell soll im Büro laufen – die 748 GB machen Multi-GPU-Verteilung überflüssig.
- Die Nutzerzahl ist überschaubar (Abteilung, kleines Team), die Last kommt in Wellen statt als Dauervolllast.
- Es gibt keinen Serverraum und keinen Wunsch, einen aufzubauen.
- Datensouveränität hat Priorität, die Skalierung muss aber nicht unbegrenzt sein.
Für einen Rack-Server spricht
- Viele gleichzeitige Nutzer und dauerhaft hohe Inferenz-Last – der Produktionsbetrieb für ein ganzes Unternehmen.
- Mehrere Modelle parallel, Ausfallsicherheit und Redundanz sind gefordert.
- Es besteht bereits eine RZ-Infrastruktur, in die sich weitere GPUs einfügen.
- Der Bedarf wächst absehbar über das hinaus, was ein einzelnes Desktop-Gerät leisten kann.
In der Praxis ergänzen sich beide Welten oft: die DGX Station als abteilungsnahe Maschine für spezialisierte Aufgaben, der Rack-Server als zentrale Produktionsplattform. Und ein Faktor gehört in jede Entscheidung: NVIDIAs jährliche Architektur-Kadenz. Wer heute investiert, sollte wissen, in welchem Rhythmus die Generationen folgen.
| Jahr | Architektur |
|---|---|
| 2024 | Blackwell |
| 2025 | Blackwell Ultra (B300) |
| 2026 | Rubin (Vera Rubin, Produktion Mitte 2026) |
| 2027 | Rubin Ultra |
| 2028 | Feynman |
Der jährliche Takt bedeutet nicht, dass eine heute gekaufte GB300-Maschine morgen wertlos ist – ein gutes Modell liefert über Jahre Nutzen. Aber er sollte in die Budget- und Abschreibungsplanung einfließen: Wer maximale Zukunftssicherheit sucht, wägt ab, ob ein Kauf jetzt oder das Warten auf die nächste Generation sinnvoller ist.
Fazit für den Mittelstand
Personal-AI-Superrechner senken die Einstiegshürde für eigene KI so weit wie nie zuvor. Die Botschaft für den Mittelstand ist klar: Man muss kein Rechenzentrum betreiben, um souveräne, lokale KI zu nutzen. Ein steckerfertiges Gerät unter dem Schreibtisch genügt für viele Szenarien.
Unsere Empfehlung als Einordnung:
- DGX Spark als Pilot: Für den ersten Schritt, für Entwicklung und Machbarkeitsnachweise ist die Spark das risikoarme Einstiegsgerät – zum Preis eines besseren Notebooks.
- DGX Station für Abteilungen: Wo ein großes Modell produktiv für ein Team laufen soll, spielt die Station mit 748 GB und 20 PetaFLOPs ihre Stärke aus – ohne Serverraum.
- Beratung für die Dimensionierung: Ob Desktop-Gerät oder Rack-Server, welches Modell, welcher Speicher – das hängt am konkreten Anwendungsfall. Hier lohnt sich eine kurze Bedarfsanalyse, bevor Budget fließt.
- Steckerfertig statt Cloud-Abo: Einmalige Investition und volle Datenkontrolle statt monatlicher Cloud-Kosten und Datenabfluss – das rechnet sich für viele Mittelständler schnell.
Ob DGX Spark, DGX Station oder ein maßgeschneiderter On-Premise-Server: Wir helfen Ihnen, die richtige Dimensionierung für Ihren Anwendungsfall zu finden – herstellerneutral und auf Ihren tatsächlichen Bedarf zugeschnitten. Ein guter Startpunkt ist unser KI-Schnellcheck.
Häufig gestellte Fragen
Was kostet die DGX Spark?
Die DGX Spark startete zum Marktstart bei 3.999 USD. Wegen der Knappheit an LPDDR5x-Speicher hat NVIDIA den Listenpreis im Februar 2026 auf 4.699 USD angehoben – der aktuell gültige UVP. Einzelne Händler verkaufen das kompakte Personal-AI-Gerät gelegentlich noch für rund 3.999 USD. Es richtet sich an Entwickler und kleinere Inferenz-Workloads.
Wie leistungsfähig ist die DGX Station?
Sie nutzt den GB300 Grace Blackwell Ultra Desktop Superchip mit 748 GB kohärentem Speicher und liefert bis zu 20 PetaFLOPs KI-Rechenleistung. Komplettsysteme bewegen sich im sechsstelligen Bereich – beobachtete Preise liegen je nach Hersteller bei rund 85.000 bis über 100.000 USD; einen offiziellen Listenpreis nennen die meisten Anbieter nicht.
Ab wann ist die DGX Station verfügbar?
NVIDIA hat die DGX Station auf der GTC im März 2026 vorgestellt; die Auslieferung über Partner beginnt im Frühjahr 2026. Bestätigte Fertigungspartner sind ASUS, Dell, Gigabyte, HP, MSI und Supermicro (NVIDIA listet zusätzlich Exxact). HP zielt auf August 2026. Öffentliche Listenpreise nennen die meisten Hersteller nicht.
Ersetzt ein Desktop-Gerät einen Serverraum?
Für einzelne große Modelle und kleine Teams ja – eine DGX Station braucht keinen Serverraum und keine Spezialkühlung. Für Multi-User-Produktion mit hoher, dauerhafter Last bleibt ein Rack-Server die bessere Wahl. Welche Dimensionierung passt, klärt am besten eine Beratung.
KI-Hardware richtig dimensionieren
DGX Spark, DGX Station oder Rack-Server? Wir beraten Sie herstellerneutral zur passenden On-Premise-Lösung für Ihren Anwendungsfall – kostenlos und unverbindlich.