Warum werden neue Server für KI von Quartal zu Quartal teurer und wie zahlt man nicht zu viel für die Infrastruktur?

Die Preise für KI-Server steigen schneller, als die meisten Unternehmen es real erfassen können – und das sogar dann, wenn wir von genau derselben Konfiguration sprechen. Derselbe Dell PowerEdge R750xa oder R7425, mit derselben CPU, demselben RAM und derselben GPU, kann heute mehrere Dutzend Prozent mehr kosten als vor einem oder zwei Jahren.

Und jetzt das Wichtigste – das ist kein Moment, in dem es sich lohnt, intuitiv zu handeln. Du siehst steigende Preise, aber ohne Kontext gerät man leicht in zwei Extreme: entweder zu viel zahlen, weil „es gleich teurer wird“, oder den Kauf hinauszögern und noch mehr zahlen. In der Praxis verlieren die Unternehmen am meisten, die diesen Preis nicht in seine Bestandteile zerlegen. Denn das Problem liegt nicht darin, dass der Server teuer ist. Das Problem ist, dass du oft nicht weißt, wofür genau du zahlst – und ob du das tatsächlich brauchst.

Warum steigen die Preise für KI-Server schneller als ihre Leistung – zahlst du wirklich mehr für dasselbe?

Ja – und das ist etwas, was für viele anfangs schwer zu akzeptieren ist. Du zahlst mehr für dieselbe Leistung, weil der Markt die Komponentenpreise anhebt, und nicht, weil die Hardware plötzlich mehr leistet.

• Eine identische Konfiguration kann heute um bis zu 50–100 % teurer sein als 2024.
• Der Preisanstieg resultiert aus Produktionskosten und Komponentenverfügbarkeit, nicht aus technologischem Fortschritt.
• Die Preisunterschiede zwischen den Quartalen sind real und bei größeren Konfigurationen spürbar.

Und jetzt betrachte das aus der Projektperspektive. Du planst ein Budget, gehst von einer konkreten Konfiguration aus – sagen wir 2× CPU, 128–256 GB RAM, 3× GPU vom Typ L4 oder A40 – und es scheint, als hättest du das Thema abgeschlossen. Du kommst nach einigen Monaten darauf zurück und plötzlich zeigt sich, dass die Kosten um zehn, manchmal mehrere Dutzend Prozent gestiegen sind. Die Hardware macht genau dasselbe. An ihren Möglichkeiten hat sich nichts geändert. Der Markt hat sich geändert.

Und das ist der Moment, in dem viele Unternehmen anfangen zu überlegen – ob sie die Konfiguration kürzen, die GPU wechseln oder das Projekt verschieben sollen. Dabei ist oft die bessere Herangehensweise eine bewusste Anpassung der Konfiguration an den realen Workload, statt anzunehmen, dass „teurer = besser“. Denn heute funktioniert das nicht mehr so einfach.

Was treibt die Preise für KI-Server wirklich hoch – RAM, GPU oder etwas, das man auf den ersten Blick nicht sieht?

Die größte Überraschung für viele ist, dass nicht die GPU der größte Kostenfaktor ist, sondern der RAM und die gesamte Plattform drum herum.

• Die Preise für Serverspeicher steigen dynamisch – um bis zu 40–50 % in kurzer Zeit.
• KI-Server arbeiten mit großen Volumina – 128 GB, 256 GB und oft 512 GB oder 1 TB RAM.
• Die Hersteller verlagern die Produktion in Richtung Speicher für KI, was die Verfügbarkeit klassischer Module einschränkt.

Und hier kommt etwas hinzu, das man beim ersten Blick auf die Spezifikation nicht sieht. Ein KI-Server ist keine „Kiste mit einer Grafikkarte“. Es ist ein ganzes Hardware-Ökosystem, das einen stabilen Betrieb unter hoher Last aufrechterhalten muss.

• Netzteile 2000–3200 W, weil GPU und CPU stabilen Strom brauchen
• Kühlung der Enterprise-Klasse, die mehrere Karten in einem Gehäuse bewältigen muss
• Schnelle NVMe-Laufwerke und RAID-Controller, damit die Daten mit den Berechnungen mithalten
• iDRAC-/iLO-Management, das es erlaubt, all das im Griff zu halten

Und plötzlich zeigt sich, dass die GPU nur ein Teil der Geschichte ist. Der Rest der Plattform wird ebenfalls teurer – und zwar parallel. Deshalb kann eine Konfiguration, die „auf dem Papier“ ähnlich aussieht, einen völlig anderen Endpreis haben. Und genau hier verbrennt man am leichtesten Budget, wenn man nur auf die Anzahl der Karten schaut und nicht auf das Gesamtbild.

Warum werden GPUs von Monat zu Monat teurer – und hast du beim Serverkauf überhaupt Einfluss darauf?

GPUs werden teurer, weil sie heute eine der knappsten Ressourcen auf dem IT-Markt sind – und als Käufer hast du darauf sehr begrenzten Einfluss.

• Die Ausgaben für KI-Infrastruktur steigen weltweit um über 30 % im Jahresvergleich.
• Die Hersteller kommen mit den Lieferungen von Data-Center-Karten nicht nach.
• Die Preise derselben GPU-Modelle ändern sich im Zeitverlauf – manchmal sogar innerhalb eines Quartals.

Hier geht es nicht um die „Marge des Verkäufers“, sondern darum, dass die Lieferkette bis an die Grenze angespannt ist. Jedes Element – von der GPU über den Speicher bis zur Logistik – trägt seinen Teil zum Endpreis bei.

Und jetzt eine wichtige Entscheidung auf deiner Seite. Du kannst warten und darauf hoffen, dass die Preise fallen. Nur wird das 2026 eher nicht schnell passieren. Oder du gehst es pragmatisch an – die Konfiguration dann abschließen, wenn es geschäftlich Sinn ergibt, statt zu versuchen, „den perfekten Moment zu treffen“. Denn in diesem Segment gibt es einen solchen Moment oft schlicht nicht.

Heben die Hersteller die Preise für KI-Server absichtlich an – wie sieht die reale OEM-Politik und die B2B-Margen aus?

Nein, die Hersteller heben die Preise nicht an, „weil sie es können“ – sie heben sie an, weil die gesamte Lieferkette teurer wird und der Enterprise-Markt die Hardware ohnehin wegen der Verfügbarkeit kauft, nicht wegen des Preises.

• OEMs wie Dell, HPE oder Lenovo reagieren auf den Anstieg der Kosten für RAM, GPU und Produktion.
• Das B2B-Segment ist weniger preissensibel und mehr auf Lieferzeit und Verfügbarkeit ausgerichtet.
• Ein Teil der Produktion wird an die größten Kunden gelenkt, was den Preisdruck für den Rest des Marktes erhöht.

Was von außen als „teurer werdende Server“ sichtbar ist, ist in der Praxis das Ergebnis mehrerer sich überlagernder Dinge. Die Speicherhersteller begrenzen das Angebot an Standardmodulen, weil es sich für sie mehr lohnt, Komponenten für KI zu produzieren. Hinzu kommen die Verträge der Hyperscaler, die einen großen Teil der verfügbaren Ressourcen „auffressen“. Das Ergebnis? Weniger Hardware gelangt auf den offenen Markt, also steigt ihr Preis natürlich.

Und hier kommt eine wichtige Sache – die OEMs agieren nicht im luftleeren Raum. Wenn die Komponentenkosten um zehn und mehr Prozent steigen, muss der Endpreis des Servers das ebenfalls widerspiegeln. Und da im Enterprise-Segment die Kunden Hardware oft kaufen, „weil sie müssen“, und nicht, „weil sie wollen“, ist der Druck, einen niedrigen Preis zu halten, geringer als der Druck auf Verfügbarkeit. Das ändert die Spielregeln – und das sollte man bei der Planung von Käufen im Hinterkopf behalten.

Woher kommen steigende Preise schon vor der Lieferung – wie viel kostet das bloße „Warten“ auf einen Server?

Das Warten auf einen Server kostet real, denn in dieser Zeit werden Komponenten teurer, die Logistikkosten steigen und die Marktlage ändert sich.

• Lange Lieferzeiten führen dazu, dass der Preis am Bestelltag ≠ dem Preis am Liefertag ist.
• Distributoren tragen Kosten für Lagerung, Finanzierung und Absicherung der Hardware.
• Die Volatilität der GPU- und RAM-Preise führt zu Aktualisierungen der Angebote sogar während des Kaufprozesses.

In der Praxis sieht es so aus, dass du heute einen Server konfigurierst, ihn aber physisch erst in einigen Monaten erhältst. In der Zwischenzeit steigen die Speicherpreise, die Produktionskosten ändern sich und manchmal sogar die Wechselkurse. Und plötzlich zeigt sich, dass die Hardware, die „zu Beginn“ kalkuliert wurde, am Ende mehr kostet – obwohl sich an ihr nichts geändert hat.

Hinzu kommt noch ein Aspekt – die Verfügbarkeit. Wenn eine Komponente schwer zu beschaffen ist, steigt ihr Preis schneller als der Rest der Konfiguration. Deshalb siehst du oft Situationen, in denen GPU oder RAM den Preis des gesamten Servers nach oben „ziehen“. Und genau deshalb suchen Unternehmen, die ihr Budget im Griff behalten wollen, immer häufiger sofort verfügbare Hardware – denn die Zeit arbeitet in diesem Fall gegen den Käufer.

Brauchst du wirklich einen so starken KI-Server – wo verbrennen Unternehmen am häufigsten Budget?

Nein, in den meisten Fällen brauchst du keine maximale Konfiguration – und trotzdem beginnen viele Unternehmen genau damit.

• Der Kauf „auf Vorrat“ führt dazu, dass bis zur Hälfte der Serverleistung ungenutzt bleibt.
• Ein großer Teil der Workloads erfordert weder Top-GPUs noch die maximale Menge.
• Der Preisunterschied zwischen einer „idealen“ und einer „ausreichenden“ Konfiguration kann enorm sein.

Aus der Perspektive von KI-Projekten siehst du am häufigsten ein Szenario – das Budget ist da, also wird Hardware „aus dem oberen Regal“ gekauft. 3–4 GPUs der A100-Klasse, 1 TB RAM, schnelles NVMe – alles sieht beeindruckend aus. Das Problem tritt später auf, wenn sich zeigt, dass real nur ein Teil dieser Leistung genutzt wird.

Eine viel sinnvollere Herangehensweise ist der Start mit einer Konfiguration, die den Großteil der Bedürfnisse abdeckt – z. B. ein Server mit 2–3 GPUs vom Typ L4, T4 oder A40 und 128–256 GB RAM – und erst danach die Skalierung. In vielen Fällen liefert das 80 % des Effekts bei 40–50 % des Budgets. Und das ist genau der Punkt, an dem Unternehmen Geld verbrennen – nicht durch schlechte Hardware, sondern durch ein schlecht gewähltes Leistungsniveau.

Neu oder recertifiziert – wo verlierst du beim Kauf eines KI-Servers real Geld?

Am meisten verlierst du dann, wenn du automatisch annimmst, dass neue Hardware die einzige sinnvolle Option ist – denn in vielen Fällen ist das schlicht nicht wahr. Recertifizierte Server können um 20–40 % günstiger bei gleicher Leistung sein und haben oft eine vollständige Konfiguration (RAID, RAM, GPU) und sind sofort einsatzbereit. Zudem eliminiert die sofortige Verfügbarkeit das Risiko eines Preisanstiegs während der Wartezeit.

Das sind oft Maschinen nach POC-Projekten, Demos oder stornierten Bestellungen, die Tests durchlaufen haben und auf den Markt zurückkehren. Und für viele Unternehmen ist das ein realer Vorteil – du kannst einen Dell PowerEdge R7425, R750xa oder C4140 mit GPU zu einem Bruchteil des Preises eines neuen Sets haben, ohne Kompromisse bei der Leistung.

Zudem ist ein solcher Server oft bereits konfiguriert – du hast RAID, redundante Netzteile, iDRAC oder iLO einsatzbereit. Du verlierst keine Zeit mit dem Zusammenbau und der Konfiguration, sondern beginnst mit der Arbeit. Und plötzlich zeigt sich, dass du statt monatelang zu warten und mehr zu zahlen, schneller und günstiger zugleich handeln kannst.

FAQ

Werden die Preise für KI-Server weiter steigen?

In nächster Zeit ja – vor allem wegen steigender Kosten für Speicher, GPU und der begrenzten Verfügbarkeit von Komponenten.

Lohnt es sich, jetzt einen Server zu kaufen oder zu warten?

Wenn du ein fertiges Projekt und Budget hast, bedeutet das Hinauszögern des Kaufs oft einen höheren Preis in der Zukunft.

Braucht jedes KI-Projekt Top-GPUs?

Nein – viele Anwendungen laufen gut auf Karten der Mittelklasse und einer vernünftigen Menge RAM.

Eignet sich ein recertifizierter Server für die Produktion?

Ja, wenn er geprüft und durch Garantie abgedeckt ist – hinsichtlich der Leistung unterscheidet er sich nicht von einem neuen.

Was beeinflusst den Preis eines KI-Servers am meisten?

Am häufigsten RAM und GPU, aber auch Stromversorgung, Kühlung und die gesamte Plattform rund um die Grafikkarten.