Zum Inhalt springen

#120Interview13. November 2026

Lokale KI auf eigenem Server: Christoph Burseg über Open-Weight-Modelle, China und Token-Freiheit

Zu Gast: Christoph Burseg

DGVAI #120

Jean-Luc Winkler spricht in Folge 120 von „Das Gelbe vom AI“ über lokale KI – diesmal als Interview-Folge, ohne Michael Witzenleiter am Mikro. Zu Gast ist Christoph Burseg, SEO-Berater und Host des Podcasts „Digitale Vorreiter:innen“ (Vodafone Business), der sehr konkret zeigt, wie Open-Weight-Modelle, Hardware-Entscheidungen und Token-Kosten zusammenhängen. Die Episode verbindet Praxis (eigene Server, Cluster, Throughput) mit einer strategischen Perspektive auf China, Abhängigkeiten und den kommenden Kostendruck im KI-Markt.

Christoph Burseg: SEO, Automatisierung – und der Weg zur lokalen KI

Christoph Burseg berät seit Jahren rund um organische Reichweite und Automatisierung und nutzt seit den frühen ChatGPT-Tagen „Vibe-Coding“, um sich Tools im Arbeitsalltag zu bauen. Aus ersten Experimenten mit lokalen Modellen (u. a. Gemma) entstand ein Setup, das heute den Großteil der Token lokal verarbeitet – nicht aus Basteltrieb, sondern aus Kosten-, Kontroll- und Skalierungsgründen. Im Gespräch geht es um lokale Diktier-Workflows (inklusive Live-Transkription), um Second-Brain-Architekturen ohne SaaS-Abhängigkeit und um Hardware, die in Token pro Sekunde gedacht wird.

Lokale KI als Kosten- und Kontrollhebel: Von 12 Token/s zum 256-GB-Cluster

Der Einstieg in lokale Modelle war zunächst gebremst durch Performance: ca. 12–15 Token pro Sekunde fühlten sich im Alltag zu langsam an, trotz des „guten Gefühls“, alles on-prem zu betreiben. Der Wendepunkt kam über Hardware: Statt weiter Cloud-GPUs stundenweise zu mieten (Christoph nennt als Beispiel 1,89 €/Stunde für H100-Klassenleistung), wurden zwei kompakte Rechner aufgebaut, die lokal hohe Durchsätze liefern. Im Mittelpunkt steht ein Setup mit ASUS Ascent GX10 (NVIDIA-Blackwell-Umfeld), je 128 GB Unified RAM; im Cluster dann 256 GB – genug, um größere Open-Weight-Modelle performant zu betreiben, mehrere Sessions parallel zu fahren und nachts Jobs laufen zu lassen, die in Cloud-Logik „zu teuer“ wären.

Ein zentraler Effekt: Token werden wie Infrastruktur behandelt – Fixkosten statt „Taxameter“. Dadurch werden Workloads möglich, die sonst aus Budgetgründen nicht stattfinden würden, etwa das automatisierte Auswerten großer Mengen YouTube-Transkripte über Hunderte Videos, um Fakten, Zahlen und Quellen für ein persönliches Knowledge-Repository vorzubereiten. Bei den Modellen steht für die agentische Arbeit aktuell DeepSeek 4.1 Flash 10.17 im Fokus; zuvor lief Qwen 3.8 Flash Next. Daneben existiert ein „Budget-Rechner“ (ca. 1.200 € netto), auf dem Qwen 3 27B in Q3-Quantisierung mit rund 50 Token/s läuft – als Testfeld für kleinere Spezialmodelle und als Beleg, dass „lokal“ nicht automatisch „10.000-Euro-Maschine“ bedeuten muss.

China, Open-Weights und das Strategierisiko: Billige Tokens heute, Abhängigkeit morgen

Christoph beschreibt den Aufstieg chinesischer Open-Weight-Modelle als strategisches Playbook, vergleichbar mit Chinas Dominanz bei der Verarbeitung seltener Erden (94 % Marktanteil in der Weiterverarbeitung als Referenzpunkt). Die Logik: günstigere Energie, weniger regulatorische Reibung, massiver Output an Computer-Science-Absolventen und Skalierung über Infrastruktur – kombiniert mit einer wachsenden Attraktivität von Open-Weights für Unternehmen, die Kosten senken und Kontrolle zurückgewinnen wollen. Als Signal nennt er Revolut: 90 % Reduktion externer Tokenkosten nach Wechsel auf Open-Weights – eine Zahl, die im Markt als Blaupause wirken dürfte.

Gleichzeitig wird die Kehrseite betont: Auch wenn heruntergeladene Weights nicht „zurückgenommen“ werden können, entsteht mittel- bis langfristig eine Abhängigkeit über Updates, State-of-the-Art-Modelle und Ökosysteme. In dieser Perspektive steht nicht die reine Modell-„Intelligenz“ im Vordergrund, sondern der geopolitische Hebel, der durch Normalisierung und Verbreitung entsteht. Ergänzt wird das durch Skepsis gegenüber dem US-Frontier-Preismodell: Wenn Open-Weights nur wenige Monate hinter Top-Modellen liegen und die Lücke eher schrumpft als wächst, wird es schwieriger, dauerhaft 20x Tokenpreis zu rechtfertigen – erst recht für Standardaufgaben („Monatszahlen-Präsentation“). Als zusätzliche Reibungsfläche benennt Christoph den „Fragment-Overhead“: KI-generierte Texte werden weitergereicht, kaum gelesen, noch seltener verantwortet – und anschließend wieder per KI zusammengefasst, wodurch Tokenkosten und Aufmerksamkeit gleichermaßen verbrannt werden.

Ein dritter Strang sind die kurzfristigen Erwartungen: eher Security-Einschläge (Zero-Days, Leaks, wachsende Angriffsflächen durch KI-gestützte Exploits) und wirtschaftliche Unruhe, wenn Umsätze, Bewertungen und Monetarisierungserwartungen großer Anbieter auseinanderlaufen. Jean-Luc ergänzt die Beobachtung, dass die realen Qualitätssprünge in praxisnahen Use-Cases kleiner ausfallen als die Ankündigungsdramaturgie vermuten lässt – wodurch der Fokus stärker vom „nächsten Modell“ zum „tatsächlichen Doing“ wandern dürfte.

🎙️ Folge in kompletter Länge anhören auf allen Podcast Portalen.


[Partnerschaft/Anzeige]

Partner-Tipp: Handelsblatt KI Summit 2026
16.–17. November · House of Communication, München

Auf der Today Stage geht es von Pilotprojekten zur Transformation, auf der Tomorrow Stage um die nächste Entwicklungsstufe von KI. Dazu kommen mehr als 600 KI-Expertinnen und -Experten, Breakout Sessions und eine Start-up Area. Rinascai ist mit eigenem Stand und einem Kunden-Use-Case auf der Bühne dabei. Die Community von „Das Gelbe vom AI“ erhält 10 % Rabatt, den Code gibt es bei Michael oder Jean-Luc.

Das könnte dich auch interessieren

Alle Folgen