Neulich stand hier so’n Karton. Dell Pro Max mit GB10 steht drauf. 15 mal 15 Zentimeter, 1,2 Kilo. Sieht aus wie’n Router, der sich wichtig macht. Kostet 3.770 Euro. Wat willste machen.
Dann erzählt mir der IT-Mensch, das Ding rechnet sich in einem Jahr von selbst. Ich so: Klar, und mein Toaster macht mir auch die Steuererklärung. Aber der guckt mich an, so ganz ernst, und sagt: Nee, wirklich. Zwei Stunden Berichtsschreiberei pro Woche bei 40 Euro die Stunde sind 4.000 Euro im Jahr. Die Kiste kostet einmal knapp unter 4.000. Nach zwölf Monaten hat sich das amortisiert. Ich nicke. Verstehe nur Bahnhof, aber ich nicke.
Das Reporting-Problem, oder: Warum alle immer wissen wollen, wie oft was angeklickt wurde
Jedes Unternehmen hat heute mehrere Datenquellen. Google Analytics hier, Newsletter-Statistiken da, Social Media noch woanders. Und dann ruft einer an – meistens montags, kurz vor Feierabend – und will wissen: „Wie lief denn die Kampagne im dritten Quartal?“ Und du denkst: Welche Kampagne? Welches Quartal? Welches Jahr eigentlich?
Früher hat das jemand gemacht. Vier Stunden pro Woche rumgeklickt, Excel-Tabellen zusammenkopiert, Zahlen verglichen. Ehrliche Arbeit. Aber halt auch Arbeit, die keiner machen will, weil’s langweilig ist und weil man sich dabei vorkommt wie jemand, der hauptberuflich Briefmarken zählt.
Und dann kommst du nicht drumherum: Du brauchst jemanden dafür. Teilzeit. Zwölf Stunden die Woche. Vier davon nur für Reporting. 8.000 Euro im Jahr, wenn du anständig bezahlst – was du solltest, weil alles andere asozial ist. Aber jetzt gibt’s halt auch diese Kiste. Die macht das. Von selbst. Quasi. Du musst sie einmal einrichten, dann läuft das.
n8n, oder: Endlich mal Software, die nicht aussieht wie aus den 90ern
Die Automation läuft über n8n – das ist so’ne Open-Source-Plattform. Hat vorgefertigte Integrationen für alle möglichen Datenquellen. Du klickst dich da durch, verbindest die Punkte, und nach ein paar Stunden hast du ’nen Workflow. Anfrage kommt rein per Mail, Kiste liest die Mail, versteht irgendwie, was gemeint ist – das macht ein Large Language Model, also künstliche Intelligenz, musst du wissen – und zieht sich dann die Daten aus Google Analytics oder wo auch immer.
Früher hättest du dafür einen Programmierer gebraucht, drei Monate Budget und am Ende hätte es trotzdem nicht funktioniert, weil sich in der Zwischenzeit die API geändert hat. Heute: Nachmittag hinsetzen, Workflow bauen, fertig. Fühlt sich an wie Zauberei, ist aber nur gute Software.
Klein gegen groß, oder: Warum das 20-Milliarden-Modell versagt hat
Jetzt wird’s interessant. Es gibt verschiedene KI-Modelle. Kleine, schnelle. Große, langsame. Die kleinen haben 20 Milliarden Parameter – keine Ahnung, was das bedeutet, klingt nach viel. Die großen haben 120 Milliarden. Klingt nach noch mehr.
Am Anfang hat man das kleine Modell getestet. Lief super. Die ersten 20 Anfragen: perfekt. Dann kam Nummer 27. Falsch. Und du denkst: Ja gut, passiert. Aber dann checkt man das mal durch, mit 1.000 historischen Anfragen, und stellt fest: Das kleine Modell schafft 97 Prozent Genauigkeit. Pro Schritt. Klingt gut, oder?
Ist es aber nicht. Weil so’n Reporting-Workflow hat nicht einen Schritt, sondern ein Dutzend. Mail lesen, Parameter rausziehen, Datenbank abfragen, Metriken aggregieren, formatieren, zurückschicken. Bei jedem Schritt 97 Prozent richtig bedeutet am Ende: 70 Prozent Gesamtzuverlässigkeit. Das heißt, jede dritte Anfrage ist Müll. Kannste nicht mit arbeiten.
Dann nimmt man das große Modell. 120 Milliarden Parameter. Das schafft 99,96 Prozent pro Schritt. Klingt nicht nach viel Unterschied, ist aber der Unterschied zwischen „jede Woche ein Fehler“ und „einmal im Jahr was Komisches“. Und plötzlich kannst du dem Ding vertrauen.
Die Pointe: Das große Modell ist langsam. Braucht vielleicht zwei Minuten für ’ne Anfrage statt zehn Sekunden. Aber wen juckt’s? Du hast vier Stunden pro Woche Budget für Reporting. Ob die Kiste jetzt zwei Minuten oder zehn Sekunden braucht – völlig egal. Hauptsache, das Ergebnis stimmt.
Die Rechnung, oder: Wie man seinem Chef erklärt, dass sich ein Computer lohnt
Zwei Stunden Reporting pro Woche. 40 Euro die Stunde. 50 Wochen im Jahr – zwei Wochen Urlaub gönnen wir uns mal. Macht 4.000 Euro. Ein Dell Pro Max mit GB10 kostet ab 3.770 Euro in Deutschland. Amortisation nach zwölf Monaten.
Wenn der Mitarbeiter am Anfang noch nicht so schnell ist und vier Stunden braucht statt zwei: sechs Monate Amortisation. Und die Kiste macht keinen Urlaub, wird nicht krank, braucht keine Weihnachtspause. Läuft 52 Wochen durch. Wat willste machen.
Und das Beste: Die Daten bleiben im Haus. Keine Cloud. Keine monatlichen Gebühren für irgendwelche KI-Services. Kein amerikanisches Unternehmen, das mitlesen kann, wie deine Zahlen aussehen. Ist lokal. Steht unter’m Schreibtisch. Frisst 65 Watt. Weniger als drei Glühbirnen. Früher.
Was drin steckt, oder: ARM-Prozessor klingt nach Fitnessgerät
NVIDIA Grace Blackwell GB10 Superchip. 20 ARM-Kerne. 128 Gigabyte Arbeitsspeicher. Bis zu 4 Terabyte SSD. KI-Leistung: 1 PetaFLOP. Keine Ahnung. Klingt nach Star Trek.
Wichtig ist: Das Ding kann Modelle mit bis zu 200 Milliarden Parametern verarbeiten. Also dieses 120-Milliarden-Ding läuft da locker drauf. Und danach macht die Kiste nichts. Sitzt da rum. Wartet. Du könntest sie für andere Sachen nutzen – Dokumentenanalyse, Kundenanfragen sortieren, irgendwas mit Recherche. Aber meistens steht sie rum und glotzt Löcher in die Luft.
Was mich zu der Frage bringt: Wenn ich jetzt zwei von den Dingern kaufe und die zusammenschließe – können die sich dann unterhalten? Oder wird das so’n dystopischer Science-Fiction-Moment, wo die Maschinen anfangen, Pläne zu schmieden?
Skalierung, oder: Wenn eine Kiste nicht reicht, nimm zwei
Die Teile haben so’ne NVIDIA ConnectX-7 SmartNIC mit zwei 200-Gigabit-Ethernet-Ports drin. RDMA-Vernetzung. Bedeutet: Man kann mehrere zusammenschließen. Zwei Stück kosten dann 7.540 Euro, und zusammen schaffen die Modelle mit 405 Milliarden Parametern.
Früher hättest du dafür ’n Rechenzentrum gebraucht. Heute passen zwei Desktop-Computer unter den Schreibtisch. Die Zukunft ist seltsam, aber praktisch.
Europäische Perspektive, oder: DSGVO als Feature
In Amerika denken alle Cloud-first. Europa denkt erst mal: Datenschutz. DSGVO. Vertraulichkeit. „Wir geben unsere Kundendaten nicht einfach so raus, nur weil’s bequemer ist.“ Und das ist gut so. Nicht weil ich ein Moralapostel bin, sondern weil’s rechtlich Sinn macht und weil Vertrauen halt auch ein Geschäftsmodell ist.
Der Dell Pro Max mit GB10 ist genau dafür: Lokale KI. Keine Daten verlassen das Haus. Kein Hyperscaler guckt mit. Keine Logs bei OpenAI oder wem auch immer. Das Ding steht bei dir, rechnet bei dir, speichert bei dir. Ende der Diskussion.
Preislich liegt das System zwischen 3.770 und 5.200 Euro in Deutschland, je nach Händler und Ausstattung. In Österreich eher 6.559 Euro brutto. Ist nicht geschenkt, aber wenn du bedenkst, dass du damit eine Teilzeitstelle einsparst, die dir 8.000 Euro im Jahr kostet, ist das keine Investition in irgendeine Zukunftsvision. Das ist schlicht Betriebswirtschaft.
Wat bleibt
Die schnellste Antwort ist nicht immer die beste. Manchmal reicht die zuverlässigste. Und manchmal sitzt die Lösung nicht in der Cloud, sondern unter’m Schreibtisch. 15 mal 15 Zentimeter. 1,2 Kilo. Rechnet sich in einem Jahr.
Man könnte jetzt sagen: „Aber es gibt doch bessere Lösungen! Cloud-Services sind schneller! Oder ein RTX-Workstation-PC!“ Ja, stimmt alles. Aber das ist vielleicht der Punkt: Es muss nicht perfekt sein. Es muss funktionieren. Und bezahlbar. Und lokal. Und so, dass du’s deinem Chef in drei Sätzen erklären kannst, ohne dass der die Augen verdreht.
Die Kiste macht das. Wat willste machen.