- NVIDIA hat auf der GTC 2026 den DGX Spark (ab 4.699 USD, 128 GB RAM, 1 PFLOP) und die DGX Station (748 GB RAM, 20 PFLOPS) vorgestellt — lokale KI-Supercomputer fuer deinen Schreibtisch.
- NemoClaw ist der neue Open-Source-Stack fuer AI Agents, die lokal auf deiner Hardware laufen. Keine Cloud, keine Token-Kosten, volle Kontrolle.
- Open Models wie Nemotron 3, Qwen 3.5 und Mistral Small 4 laufen jetzt optimiert auf RTX PCs und DGX Systemen.
- Jensen Huang nennt das die "Agentic Era" — KI-Agenten die eigenstaendig planen, handeln und sich weiterentwickeln.
Ich hab mir die Jensen-Huang-Keynote am Montag reingezogen. Zwei Stunden, schwarze Lederjacke, die ueblichen Superlative. Aber dieses Mal war das anders. Dieses Mal ging’s nicht um irgendwelche Datacenter-Racks, die sich normale Menschen eh nicht leisten koennen. Dieses Mal hat NVIDIA was gezeigt, das mich als Maker und Tech-Nerd echt gepackt hat: Lokale KI-Power. Fuer deinen Schreibtisch. Ohne Cloud.
Lass mich das aufdröseln.
Was auf der GTC 2026 passiert ist
Jensen hat ein neues Bild gemalt. Er nennt’s den “5-Layer Cake” — fuenf Schichten, die zusammen die KI-Infrastruktur der Zukunft bilden. Energy, Chips, Systems, Models, Applications. Klingt erstmal abstrakt, aber die Kernaussage ist simpel: KI wird zur Industrieproduktion. So wie Fabriken frueher Autos vom Band haben rollen lassen, produzieren “AI Factories” jetzt halt Intelligenz.
Die Zahl, die haengenbleibt: NVIDIA rechnet mit 1 Billion Dollar Auftragsvolumen fuer KI-Infrastruktur bis 2027. Eine Billion. Das ist eine Verdoppelung der bisherigen Prognosen.
Der Grund? Inferenz explodiert. Training war gestern — jetzt muessen die Modelle Milliarden Mal am Tag tatsaechlich “denken” und Antworten liefern. Jensen sagt dazu: “The inference inflection has arrived.” Und genau deshalb braucht’s neue Hardware. Nicht nur in Rechenzentren, sondern auch bei dir zu Hause.
DGX Spark — Lokaler KI-Supercomputer fuer 4.699 Dollar
Der DGX Spark ist das Geraet, ueber das grad alle reden. Und zwar zu Recht.
Die Specs: GB10 Grace Blackwell Superchip, 20-Kern ARM CPU, 128 GB Unified Memory (LPDDR5x), 4 TB SSD, 1 PFLOP KI-Rechenleistung. Das Ganze wiegt 1,2 Kilo und sieht aus wie eine etwas zu gross geratene Apple TV Box.
Was heisst das in der Praxis? Du kannst Modelle mit bis zu 200 Milliarden Parametern lokal ausfuehren. Das ist quasi Llama 3.1 405B mit etwas Kompression, oder Nemotron 3 Super 120B ohne irgendwelche Tricks. Lokal. Ohne Internet. Ohne dass OpenAI oder Google mitliest.
Zwei DGX Sparks lassen sich ueber ConnectX-7 verbinden — dann packst du sogar 405 Milliarden Parameter ohne Kompromisse.
Was mich nervt: Der Preis ist von 3.999 auf 4.699 USD gestiegen. NVIDIA sagt “Memory-Supply-Constraints”. Ich sag: Das tut trotzdem weh. Und die Speicherbandbreite von 273 GB/s ist fuer ein 4.700-Dollar-Geraet echt duenn. In den Developer-Foren gibt’s schon Beschwerden ueber Flaschenhals-Probleme bei intensiven Agent-Workflows.
Trotzdem: Fuer Entwickler und Maker, die ernsthaft mit lokaler KI arbeiten wollen, ist das grad das spannendste Geraet auf dem Markt. Punkt.
| Spec | DGX Spark |
|---|---|
| Chip | GB10 Grace Blackwell |
| RAM | 128 GB LPDDR5x |
| Rechenleistung | 1 PFLOP (FP4) |
| Storage | 4 TB SSD |
| Netzwerk | ConnectX-7 |
| Preis | 4.699 USD |
| Max. Modellgroesse | ~200B Parameter (solo), ~405B (dual) |
DGX Station — Der Endgegner mit 748 GB RAM
Wenn der DGX Spark der Einstieg ist, dann ist die DGX Station halt der Endgegner. Hier steckt der GB300 Grace Blackwell Ultra Desktop Superchip drin. Das Ding hat 748 GB kohaerenten Speicher und liefert 20 PFLOPS KI-Rechenleistung.
Mal kurz einordnen: 20 PFLOPS. Das ist 20-mal mehr als der Spark. Du kannst damit Modelle mit bis zu 1 Billion Parametern lokal ausfuehren. Das ist GPT-4-Klasse. Auf deinem Schreibtisch. Fluessig gekuehlt, weil bei der Abwaerme sonst dein Buero zum Saunaclub wird.
Fuer wen ist das? Fuer Forschungslabs, kleine Unternehmen, oder Leute mit einem sehr entspannten Verhaeltnis zu ihrem Bankkonto. Der Preis ist noch nicht offiziell, aber wir reden hier wahrscheinlich ueber Mittelklassewagen-Territorium.
Aber der Punkt ist: Diese Rechenpower war vor zwei Jahren noch Cloud-exklusiv. Jetzt steht sie halt unter deinem Tisch. Das ist schon wild.
NemoClaw — Das Betriebssystem fuer deine KI-Agenten
Hardware ohne Software ist ein teurer Tuerstopper. Deshalb hat NVIDIA NemoClaw vorgestellt — den Open-Source-Stack, der AI Agents auf lokaler Hardware zum Laufen bringt.
NemoClaw baut auf OpenClaw auf. OpenClaw ist quasi das Android fuer KI-Agenten — ein offenes Framework, in dem Agenten planen, handeln, sich Dinge merken und aus Fehlern lernen koennen. NemoClaw packt da Enterprise-Features oben drauf: Security Guardrails, lokale Modell-Optimierung und fertige Konnektoren fuer Salesforce, SAP, Microsoft 365.
Was mich daran begeistert: Die Agenten laufen komplett lokal. Auf deinem DGX Spark, auf deiner RTX 5090, oder sogar auf einer RTX 4090 mit genug VRAM. Keine API-Calls, keine Token-Kosten, keine Latenz durchs Internet. Deine Daten bleiben in deinem Netzwerk.
Die Agenten koennen echt was:
- Sehen — Bildschirminhalte und Kameradaten analysieren
- Planen — Komplexe Aufgaben in Teilschritte zerlegen
- Handeln — Software bedienen wie ein Mensch
- Lernen — Aus eigenen Fehlern bessere Strategien entwickeln
NVIDIA nennt das “Self-evolution Loops”. Der Agent probiert was, bewertet das Ergebnis, und merkt sich den besten Weg fuer naechstes Mal. 24/7, ohne dass du irgendwas tun musst.
Fuer uns Maker ist das grad mega spannend. Stell dir vor: Du arbeitest an einem ESP32 Smart-Home-Projekt und dein lokaler Agent hilft dir beim Code-Debugging, schaut sich die Sensor-Daten an und schlaegt Optimierungen vor. Ohne Cloud. Ohne Abo. Das ist die Zukunft, die ich mir schon seit Jahren wuensche.
Open Models: Nemotron, Qwen und Mistral lokal ausfuehren
Das Geilste an der ganzen Geschichte: Du brauchst nicht mal NVIDIAs eigene Modelle. Der NemoClaw-Stack ist offen. Du kannst quasi jedes Open-Source-Modell drauf laufen lassen.
NVIDIA hat aber trotzdem eigene Modelle mitgebracht:
- Nemotron 3 Nano 4B — Klein, schnell, perfekt fuer Edge-Devices und schnelle Antworten
- Nemotron 3 Super 120B — Das grosse Ding. Frontier-Qualitaet, laeuft auf dem DGX Spark
Dazu kommen Optimierungen fuer Community-Modelle:
- Qwen 3.5 — Alibabas Flaggschiff, jetzt mit NeMo-Optimierung 30-40% schneller auf RTX Hardware
- Mistral Small 4 — Kompakt und effizient, ideal fuer Agenten-Workflows
Was das praktisch heisst: Wenn du schon mit lokalen KI-Tools wie Ollama oder LM Studio arbeitest, wird das jetzt nochmal deutlich besser. Die TensorRT-LLM Optimierungen von NVIDIA bringen laut CES-Update bis zu 2,5x Performance-Verbesserung gegenueber dem Launch.
Und fuer Leute die feintunen wollen: Unsloth hat auf der GTC das Unsloth Studio vorgestellt — ein Web-UI, das Fine-Tuning fuer ueber 500 Modelle vereinfacht. Das zusammen mit einem DGX Spark ist halt schon ne Ansage.
RTX PCs und die RTX 5090 — Was das fuer Gamer und Maker heisst
Nicht jeder will sich einen DGX Spark hinstellen. Das checkt auch NVIDIA. Deshalb laeuft NemoClaw auch auf normalen GeForce RTX PCs und RTX PRO Workstations.
Die RTX 5090 ist dabei das interessanteste Stueck Hardware fuer Endverbraucher: 32 GB GDDR7 VRAM, 512-Bit Speicherinterface, 5th Gen Tensor Cores. Durch das NVFP4-Format passen Modelle in den VRAM, die frueher 80 GB gebraucht haetten.
RTX PRO Blackwell Workstations gehen noch weiter: Bis zu 4.000 TOPS lokale KI-Performance. Die RTX PRO 4500 Blackwell Server Edition liefert 100x Performance fuer Vision AI und 50x fuer Vektor-Datenbanken im Vergleich zur Vorgaengergeneration.
Die grosse Frage ist halt: Was bringt dir das im Alltag? Ich sag’s mal so — du koenntest theoretisch eine Runde zocken, waehrend im Hintergrund dein lokaler KI-Agent deine Mails sortiert, Code debuggt und deine naechste Praesentation vorbereitet. Das ist kein Sci-Fi, das ist der Workflow von 2026.
| Kriterium | Cloud-KI (API) | Lokale KI (RTX/DGX) |
|---|---|---|
| Latenz | Hoch (Internet-Ping) | Quasi null |
| Datenschutz | Anbieter-abhaengig | Deine Daten, dein Netzwerk |
| Kosten | Abo + Token-Gebuehren | Einmalige Hardware |
| Offline | Nein | Ja |
| Zensur | Anbieter-Filter | Deine Regeln |
Vera Rubin und Feynman — Was danach kommt
Jensen hat auch einen Blick in die Zukunft geworfen. Die Vera Rubin Plattform (Nachfolger von Blackwell) bringt den neuen Transformer Engine mit NVFP4-Hardwarebeschleunigung und 50 PFLOPS Inferenzleistung pro GPU. NVLink der 6. Generation liefert 3,6 TB/s Bandbreite — eine Verdoppelung gegenueber Blackwell.
Und dann ist da Feynman (geplant 2027/28). Hier wird’s richtig abgefahren: 1,6nm-Prozess, Silicon Photonics (Datenuebertragung per Licht statt Kupfer) und die Rosa CPU. NVIDIA verspricht 14-fache Performance gegenueber Blackwell bei aehnlichem Stromverbrauch.
Das ist noch ein paar Jahre weg. Aber es zeigt die Richtung: Lokale KI wird nicht nur guenstiger, sondern exponentiell leistungsfaehiger. Was heute ein DGX Spark fuer 4.700 Dollar leistet, steckt in drei Jahren vielleicht in einem Laptop.
Meine ehrliche Einschaetzung
Ich find das ehrlich gesagt ziemlich geil. Nicht alles — die Preisentwicklung beim DGX Spark nervt, die RTX 5090 ist quasi nicht verfuegbar zu normalen Preisen, und Jensen’s Vergleiche sind manchmal etwas… enthusiastisch.
Aber der Kern stimmt: Lokale KI wird real. Nicht als Spielerei, sondern als ernsthaftes Werkzeug. NemoClaw mit Open Models auf eigener Hardware — das ist fuer Entwickler, Maker und alle die Datenschutz ernst nehmen ein echter Gamechanger.
Was mich am meisten ueberzeugt: Du bist nicht mehr abhaengig. Kein OpenAI-Abo das ploetzlich teurer wird. Keine API die abgeschaltet wird. Keine Zensur-Filter die dir vorschreiben, was dein Modell antworten darf. Deine Hardware, dein Modell, deine Regeln.
Wer sich fuer lokale KI interessiert, sollte jetzt anfangen. Nicht mit einem DGX Spark — fang erstmal mit Ollama auf deinem bestehenden PC an. Aber behalt im Hinterkopf: Die Hardware wird besser, die Models werden effizienter, und in zwei Jahren ist das, was heute ein 4.700-Dollar-Geraet braucht, wahrscheinlich Standard.
Die KI-Revolution landet auf deinem Schreibtisch. Ob du bereit bist oder nicht.
— TRMT
Quellen & Links
- NVIDIA Blog: RTX AI Garage GTC 2026 NemoClaw — Offizielle Ankuendigung zu RTX PCs und DGX Spark mit NemoClaw
- NVIDIA GTC 2026 Live Updates — Alle GTC 2026 Ankuendigungen im Ueberblick
- Everything NVIDIA Announced at GTC 2026 — The Neuron — Ausfuehrliche Analyse aller Ankuendigungen
- DGX Spark Review — Constellation Research — Unabhaengiges Review und Einschaetzung
- CNBC: Jensen Huang GTC 2026 Keynote — Keynote-Zusammenfassung
- DeeperInsights: GTC 2026 Highlights — Recap der wichtigsten Highlights
