Die Basis-Hardware moderner Computer, erklärt für Menschen, die nie Elektrotechnik studieren wollten.
Grundlagen 12 min Einsteiger 13. April 2026
Genau jetzt, während du diesen Satz liest, schalten Milliarden winziger Schalter in deinem Gerät zwischen "an" und "aus" hin und her. Das ist buchstäblich das Einzige, was ein Computer kann. Wie lassen sich damit Videos schauen, Nachrichten schreiben oder mit einer KI sprechen?
Die Antwort beginnt mit drei physischen Bauteilen, die du in der Hand halten kannst - und einem überraschend einfachen Alphabet aus Einsen und Nullen. Am Ende dieses Artikels verstehst du, was bei jedem App-Start in deinem Gerät passiert und warum dieselbe Hardware heute künstliche Intelligenz antreibt.
Das Team im Computer: CPU, RAM und Speicher
CPU, RAM und Speicher
AnalogieDefinition
Stell dir ein Büro vor: Der Sachbearbeiter (CPU) sitzt am Schreibtisch (RAM) und hat ein Archiv den Flur hinunter (SSD/Festplatte). Der Sachbearbeiter kann nur bearbeiten, was auf dem Schreibtisch liegt. Aus dem Archiv holen dauert lange, deshalb bleiben häufig benötigte Akten auf dem Schreibtisch. Wenn du abends das Büro verlässt (Strom aus), wird der Schreibtisch leergeräumt - aber das Archiv bleibt.
Analogie:
Stell dir ein Büro vor: Der Sachbearbeiter (CPU) sitzt am Schreibtisch (RAM) und hat ein Archiv den Flur hinunter (SSD/Festplatte). Der Sachbearbeiter kann nur bearbeiten, was auf dem Schreibtisch liegt. Aus dem Archiv holen dauert lange, deshalb bleiben häufig benötigte Akten auf dem Schreibtisch. Wenn du abends das Büro verlässt (Strom aus), wird der Schreibtisch leergeräumt - aber das Archiv bleibt.
Definition:
Die CPU (Central Processing Unit) führt Befehle sequenziell aus - Rechnen, Vergleichen, Steuern. Der RAM (Random Access Memory) ist flüchtiger Arbeitsspeicher: extrem schnell (~100 Nanosekunden Zugriffszeit), aber bei Stromverlust sind alle Daten weg. SSD/Festplatte sind persistenter Speicher: deutlich langsamer (~100 Mikrosekunden bei SSDs), aber die Daten bleiben dauerhaft erhalten.
Wo die Büro-Analogie bricht: Ein echter Schreibtisch ist nicht 100.000-mal schneller erreichbar als ein echter Aktenschrank. Im Computer sind die Geschwindigkeitsunterschiede aber genau so extrem - RAM ist bei zufälligen Zugriffen rund 100.000-mal schneller als eine Festplatte.
~100 ns
RAM-Zugriff Flüchtig, aber extrem schnell
~100 µs
SSD-Zugriff 1.000x langsamer als RAM
~10 ms
Festplatten-Zugriff 100.000x langsamer als RAM
Was passiert beim Doppelklick auf ein Dokument?
1
Das Betriebssystem liest die Programmdaten (einige Megabyte) von der SSD
2
Programm und Dokument werden in den RAM geladen
3
Die CPU liest Befehle aus dem RAM und führt sie aus
4
Die GPU rendert das Fenster und zeigt den Text auf dem Bildschirm an
5
Beim Speichern werden die Änderungen vom RAM zurück auf die SSD geschrieben
Häufiger Irrtum: Speicherplatz vs. Arbeitsspeicher
"Der Speicher ist voll" kann zweierlei bedeuten: Entweder ist die SSD voll (keine Dateien passen mehr drauf) oder der RAM ist ausgelastet (Programme werden langsamer). Das sind völlig verschiedene Probleme mit verschiedenen Lösungen.
"Mehr RAM = schnellerer Computer" stimmt nur teilweise. Mehr RAM verhindert, dass Daten auf die langsame SSD ausgelagert werden müssen. Die eigentliche Rechengeschwindigkeit hängt aber von der CPU ab.
Warum hat dein Computer zwei Gehirne?
Neben der CPU steckt in den meisten Computern noch ein zweiter Prozessor: die GPU (Graphics Processing Unit). Während die CPU wenige, aber sehr leistungsstarke Rechenkerne hat, besitzt eine moderne GPU Tausende einfacherer Kerne, die gleichzeitig arbeiten.
Stell dir die CPU als Universitätsprofessor vor, der jedes Problem lösen kann - aber immer nur eines nach dem anderen. Die GPU dagegen ist wie ein Stadion mit 10.000 Grundschülern, die gleichzeitig einfache Additionsaufgaben lösen. Für eine komplizierte Integralrechnung gewinnt der Professor. Für 8 Millionen Pixel pro Bild gewinnt das Stadion haushoch.
Die Analogie hat Grenzen: GPU-Kerne sind nicht "dumm" - sie können verschiedene Operationen ausführen, haben eigene Register und Caches und werden von aufwendiger Scheduling-Hardware koordiniert.
Warum Parallelismus unverzichtbar ist
Ein 4K-Bildschirm hat 3.840 x 2.160 = rund 8,3 Millionen Pixel. Bei 60 Bildern pro Sekunde müssen 500 Millionen Pixel-Updates pro Sekunde berechnet werden - mit Farbe, Beleuchtung, Schatten. Das ergibt leicht Milliarden Rechenoperationen pro Sekunde, weit mehr als eine CPU allein schaffen kann.
CPU
Wenige leistungsstarke Kerne (z.B. 8). Flexibel, schneller Kontextwechsel. Ideal für komplexe, sequenzielle Aufgaben: Betriebssystem, Programmlogik, Entscheidungen.
GPU
Tausende einfachere Kerne (z.B. 10.000+). Massiv parallel. Ideal für gleichartige Berechnungen auf vielen Datenpunkten: Pixel-Rendering, Matrixoperationen, KI-Training.
Vom Pixel zur Matrix: Warum GPUs KI antreiben
Neuronale Netze bestehen im Kern aus Matrixmultiplikationen - Tausende gleichartige Rechenoperationen auf großen Zahlenfeldern. Genau das, was GPUs am besten können.
Mit NVIDIA CUDA (2007) wurde es erstmals praktikabel, GPUs für allgemeine Berechnungen jenseits der Grafik zu nutzen. Seitdem haben GPU-Hersteller spezielle Tensor Cores eingeführt, die besonders effizient für KI-Aufgaben sind.
Häufiger Irrtum: "GPUs sind nur für Spiele"
Grafikkarten wurden lange mit Gaming assoziiert. Heute sind GPUs zentrale Bausteine in Rechenzentren für Wissenschaft, Medizin und vor allem KI-Entwicklung. Und: Mehr GPU-Speicher (VRAM) bedeutet nicht automatisch mehr Bilder pro Sekunde - VRAM bestimmt, wie viele Daten gleichzeitig verarbeitet werden können.
Interaktiv: GPU-Daten-Explorer
Sortiere und filtere echte GPU-Modelle nach VRAM, Rechenleistung (TFLOPS), Stromverbrauch und Preis. Vergleiche Gaming-Karten mit Datacenter-GPUs und beobachte, warum die A100 und H100 so viel teurer sind — und warum VRAM für KI-Modelle entscheidend ist.
GPU-Vergleich für KI
Auto
10 von 10 GPUs
GPU
VRAM
TFLOPS ▼
TDP
Preis
Jahr
H100 SXM NVIDIA
80 GB
989
700 W
$30,000
2023
A100 80GB NVIDIA
80 GB
312
300 W
$15,000
2020
RTX 4090 NVIDIA
24 GB
82.6
450 W
$1,599
2022
RX 7900 XTX AMD
24 GB
61.4
355 W
$949
2022
RTX 4080 NVIDIA
16 GB
48.7
320 W
$1,199
2022
RTX 4070 Ti NVIDIA
12 GB
40.1
285 W
$799
2023
RTX 3090 NVIDIA
24 GB
35.6
350 W
$900
2020
M2 Ultra Apple
192 GB
27.2
150 W
$4,399
2023
RTX 4060 Ti 16GB NVIDIA
16 GB
22.1
165 W
$499
2023
RX 7600 AMD
8 GB
21.5
165 W
$269
2023
H100 SXM
Spitzen-GPU für Rechenzentren (TFLOPS = Tensor Core FP16). Transformer Engine für optimales LLM-Training. Preis stark schwankend (25.000-40.000 USD je nach Verfügbarkeit).
VRAM
80 GB
TFLOPS
989
TDP
700 W
Effizienz
1.4 TFLOPS/W
Tipp: Für lokale LLM-Inferenz (z.B. ein 7B-Modell in INT4) reichen bereits 6 GB VRAM. Für Training oder größere Modelle sind 24+ GB nötig. Die TFLOPS/Watt-Effizienz zeigt, wie viel Rechenleistung pro Watt Strom erzielt wird. Hinweis: TFLOPS-Werte von Consumer-GPUs (Shader) und Datacenter-GPUs (Tensor Core) sind nicht direkt vergleichbar.
Das digitale Alphabet: Bits, Bytes und Binärcode
Ein Bit (Binary Digit) ist die kleinste Informationseinheit und kann genau zwei Zustände annehmen: 0 oder 1. Ein Byte besteht aus 8 Bits und ermöglicht 256 verschiedene Kombinationen. Computer nutzen Binärcode, weil Transistoren - ihre Grundbausteine - zwei zuverlässige Zustände haben: leitend (an/1) und sperrend (aus/0).
Morsecode überträgt Nachrichten mit nur zwei Signalarten - kurz und lang. Ähnlich codiert das Binärsystem alles mit 0 und 1. Verschiedene Kombinationen ergeben verschiedene Bedeutungen, und die "Sprache" wird vom interpretierenden System bestimmt, nicht vom Muster selbst.
Die Analogie bricht, weil Morsecode zeitbasiert ist: Die Signaldauer ist Teil der Kodierung. Bits dagegen sind positionsbasiert - jedes Bit in einem Byte hat einen festen Stellenwert: 128, 64, 32, 16, 8, 4, 2, 1.
Schritt für Schritt: Der Buchstabe "A" in Binärcode
Binär: 0100 0001 — nur Position 64 und 1 sind "an"
4
64 + 1 = 65 = "A" - dasselbe Bitmuster könnte auch die Zahl 65 oder einen Helligkeitswert bedeuten
Entscheidend: Das Muster 01000001 hat keine eingebaute Bedeutung. Erst das Programm, das die Bits liest, entscheidet, ob es sich um einen Buchstaben, eine Zahl oder etwas anderes handelt.
1 Byte
Ein Buchstabe Ein einzelnes ASCII-Zeichen
~5 MB
Ein Smartphone-Foto Millionen von Farbwerten pro Pixel
~14 GB
Ein großes KI-Modell Milliarden von Gewichtswerten
Warum Bits und Bytes für den weiteren Lernpfad wichtig sind: Begriffe wie "32-Bit-Float", "8-Bit-Quantisierung" oder "Tokenisierung" bauen direkt auf diesem Verständnis auf. Wer das digitale Alphabet beherrscht, kann spätere Fachbegriffe schneller einordnen.
Die wichtigsten Erkenntnisse
Die CPU ist das Gehirn, das Befehle Schritt für Schritt ausführt - schnell und flexibel, aber auf wenige Aufgaben gleichzeitig beschränkt.
Der RAM ist der kurzfristige Arbeitsplatz: extrem schnell, aber flüchtig - bei Stromausfall ist alles weg.
SSD/Festplatte ist das Langzeitarchiv: dauerhaft, aber bei zufälligen Zugriffen tausende Male langsamer als RAM.
Die GPU enthält Tausende einfachere Kerne, die parallel arbeiten - ursprünglich für Grafik, heute der Motor hinter KI-Training.
Alle digitalen Daten - Text, Bilder, KI-Modelle - sind letztlich in Bits (Nullen und Einsen) codiert, nur in völlig verschiedenen Größenordnungen.
Quiz: Hardware-Basics
Frage 1 / 4
Noch offen
Was passiert mit dem Inhalt des RAM bei einem Stromausfall?
1. Was passiert mit dem Inhalt des RAM bei einem Stromausfall?
☐ A) Er wird automatisch auf die SSD gesichert
☐ B) Er geht vollständig verloren
☐ C) Er bleibt 30 Minuten lang erhalten
☐ D) Er wird komprimiert und in den Cache geschrieben
2. Dein Computer wird langsam. Der Task-Manager zeigt 95% RAM-Auslastung. Was ist die wahrscheinlichste Ursache?
☐ A) Die SSD ist voll
☐ B) Die CPU überhitzt
☐ C) Zu viele Programme sind offen und Daten werden auf die langsamere SSD ausgelagert
☐ D) Die GPU hat zu wenig VRAM
3. Ein KI-Entwickler will ein neuronales Netz mit Millionen von Matrixmultiplikationen trainieren. Welche Hardware-Komponente ist dafür am wichtigsten?
☐ A) Eine schnelle CPU mit hoher Taktfrequenz
☐ B) Eine große SSD mit viel Speicherplatz
☐ C) Eine GPU mit vielen parallelen Kernen
☐ D) Möglichst viel RAM
4. Das Bitmuster 01000001 liegt im Speicher. Kannst du ohne weiteren Kontext seine Bedeutung bestimmen?
☐ A) Ja, es ist der Buchstabe A
☐ B) Ja, es ist die Zahl 65
☐ C) Nein, dasselbe Bitmuster kann je nach Programm verschiedene Bedeutungen haben
☐ D) Ja, es ist ein Pixel-Farbwert
Auflösung: 1) B · 2) C · 3) C · 4) C
Verständnischeck
Dein Laptop stürzt ab und der Bildschirm wird schwarz. Nach dem Neustart ist dein nicht gespeichertes Dokument weg. Warum?
Ein KI-Entwickler trainiert ein neuronales Netz. Die CPU ist zu 5% ausgelastet, die GPU zu 98%. Erkläre, warum das normal ist.
Du siehst das Bitmuster 01000001. Dein Textprogramm zeigt "A", dein Taschenrechner zeigt "65". Erkläre den Unterschied.