Lokaler Coding-Assistent für den Mittelstand: Was DGX Spark, ASUS Ascent GX10 und Multi-RTX-Setups wirklich leisten

Coding-Assistenten sind 2026 kein Bonus mehr, sondern Bestandteil eines produktiven Entwickler-Workflows. Cursor, GitHub Copilot, Claude Code, Cline, Aider — die Werkzeuge sind ausgereift, die Akzeptanz hoch. Die unangenehme Nebenwirkung: jedes dieser Tools sendet Quellcode in Cloud-APIs außerhalb des eigenen Unternehmens. Für Open-Source-Projekte unproblematisch. Für Patente, proprietäre Algorithmen, regulierte Branchen und schlicht jeden mittelständischen Hersteller mit Wettbewerbsvorteil: eine offene Flanke.

Die gute Nachricht: 2026 sind lokale Coding-Assistenten erstmals praktisch konkurrenzfähig. Drei Hardware-Ansätze sind in unserem Budget-Korridor unter 10.000 € erreichbar — und tragen Modelle, die in vielen Benchmarks mit Closed-Source-Frontier-Modellen mithalten. Dieser Beitrag vergleicht die Ansätze ohne Marketing-Schaum und gibt eine ehrliche Empfehlung pro Team-Profil.

1. Warum lokal statt Copilot-Cloud

Drei wiederkehrende Argumente begegnen uns in Kundengesprächen:

Vertraulichkeit des Codes. Quellcode ist für viele Mittelständler ihr wertvollster Vermögensgegenstand. Patente, Trade Secrets, Wettbewerbsvorteile sind oft direkt darin codiert. Ein Coding-Assistent, der diesen Code an einen US-Hyperscaler sendet, ist je nach Regelwerk problematisch — von der DSGVO über Geheimschutzgesetze bis zu eigenen Kundenvereinbarungen.

Reproduzierbarkeit und Modellversionierung. Cloud-Modelle ändern sich ohne Vorwarnung. Was am Montag funktioniert, kann am Donnerstag anders reagieren — der Anbieter hat über Nacht die Modellgewichte aktualisiert. Bei einem lokalen Setup kontrollieren Sie, welcher Modell-Hash produktiv ist, und können bei Bedarf zurückrollen.

Kostenkontrolle bei produktiver Nutzung. Eine ernsthaft genutzte Coding-Subscription kostet pro Entwickler 20–40 € pro Monat. Bei 15 Entwicklern sind das 3.600–7.200 € pro Jahr. Eine lokale Investition von 8.000 € amortisiert sich damit in 12–24 Monaten — und danach ist die Grenznutzung kostenlos.

Was lokal noch nicht selbstverständlich ist: die letzten 5 % Modellqualität bei sehr komplexen mehrstufigen Aufgaben. Wer eine Architektur-Skizze für ein vollkommen neues Greenfield-Projekt braucht, fährt mit einem Frontier-Modell in der Cloud oft etwas besser. Wer Code refactoren, Tests generieren, Bugs finden, Pull-Request-Reviews ergänzen will — hier sind die offenen Modelle 2026 ebenbürtig.

2. Die drei Hardware-Ansätze im Vergleich

Im Budget-Korridor unter 10.000 € (für die Hardware allein, ohne Betriebskosten) bleiben drei Ansätze ernsthaft konkurrenzfähig:

Alle drei tragen die wichtigsten Open-Source-Coder-Modelle in produktiv nutzbarer Quantisierung. Der Unterschied liegt in Throughput pro Sekunde, gleichzeitiger Last (wie viele Anfragen parallel ohne Latenz-Einbruch), Platzbedarf und Strom.

3. NVIDIA DGX Spark

Der DGX Spark ist NVIDIAs erste “AI-Workstation-in-a-Box” auf dem GB10-Grace-Blackwell-Chip. Vorgestellt 2025, in den USA ab etwa 4.700 USD verfügbar, in Europa über NVIDIA-Partner und Distributoren erhältlich. Spezifikationen, die für unseren Use Case zählen:

• 128 GB Unified Memory zwischen CPU und GPU — kein PCIe-Engpass für große Modelle.
• GB10 Grace Blackwell mit 1 PFLOPS FP4-Performance, ~500 TFLOPS BF16-Performance.
• Größe wie eine kleine Workstation, passt unter den Schreibtisch oder ins Wandregal.
• Stromverbrauch um 170 W unter Last — bezahlbar, kühlbar, geräuscharm.
• Voll integrierte NVIDIA-Software-Suite (CUDA, cuBLAS, TensorRT, NIM).

Was darauf läuft:

• Qwen3-Coder-30B-A3B in Q4_K_M-Quantisierung mit ca. 60 Tokens/Sek. Idealer Allzweck-Coder für ein 1–5-Personen-Team.
• DeepSeek-Coder-V2-Lite-16B mit ca. 90 Tokens/Sek. Gut für Inline-Completions, sehr responsiv.
• Qwen3-Coder-480B-A35B in Q4 — geht knapp, bei 15–25 Tokens/Sek. Modellqualität auf Frontier-Niveau, aber für interaktive Inline-Completions zu langsam. Eher für Refactoring-Sessions geeignet.
• Llama-3.3-70B als Generalist für längere Erklärungen, Architektur-Diskussionen.

Stärken: kompakt, sparsam, plug-and-play. Schwächen: weniger Throughput als eine RTX-6000-Pro-Workstation, kein einfacher Multi-GPU-Ausbau.

Wer profitiert: Solo-Entwickler oder kleine Teams (1–5 Personen) ohne Server-Infrastruktur. Auch ideal als zweites Gerät pro Senior-Entwickler — direkt unter dem Schreibtisch, immer verfügbar.

4. ASUS Ascent GX10

Der ASUS Ascent GX10 nutzt denselben GB10-Grace-Blackwell-Chip wie der DGX Spark, ist aber als klassische Workstation-Form ausgelegt — Tower-Gehäuse, austauschbares Netzteil, klassische I/O-Ports. Vorteil für Unternehmen mit IT-Standardisierung: Sie kaufen ein Gerät, das in den bestehenden Workstation-Lifecycle passt.

Technisch praktisch identisch zum DGX Spark in Bezug auf Speicher und Compute. Unterschiede:

• Mehr Erweiterbarkeit: zusätzliche M.2-Slots für lokalen Storage (RAG-Index direkt auf dem Gerät), PCIe-Slot für Netzwerkkarte.
• Standard-Workstation-Geräuschpegel — geringfügig lauter als der DGX Spark.
• Preis leicht höher in der Region 4.500–5.500 €, durch breiteren Wiederverkaufskanal aber leichter in Mengen beschaffbar.
• Bessere Wahl für Unternehmen, die Hardware über IT-Procurement kaufen und nicht über NVIDIA-Direktvertrieb gehen.

Was läuft, läuft identisch zum DGX Spark. Die Wahl zwischen DGX Spark und Ascent GX10 ist primär eine Frage des Beschaffungskanals und der Form, nicht der Performance.

Wer profitiert: Unternehmen mit etabliertem Workstation-Procurement, IT-Standards, die “Tower, keine Black Box” verlangen.

5. Multi-RTX-6000-Pro-Setups

Die NVIDIA RTX 6000 Pro (Blackwell-Generation, GB202) ist die professionelle Workstation-Karte, die NVIDIA als Nachfolger der RTX 6000 Ada positioniert. Wichtigste Spezifikation für unseren Use Case: 96 GB GDDR7 VRAM pro Karte — eine Verdopplung gegenüber der RTX 6000 Ada (48 GB).

Setup-Varianten:

1× RTX 6000 Pro in Workstation:

• Plattform: Threadripper-Pro-Workstation oder Xeon-W-Workstation mit 7–8.000 € Gesamtkosten.
• 96 GB VRAM erlauben Modelle bis ~90B in BF16 oder ~180B in INT8-Quantisierung.
• ~600 W unter Volllast.
• Throughput: ca. 90–120 Tokens/Sek bei einem mittelgroßen Coder-Modell (Qwen3-Coder-30B), genug für ein 5–15-Personen-Team mit zeitlich verteilter Nutzung.

2× RTX 6000 Pro in Workstation:

• ~14.000–18.000 € Gesamtkosten — knapp über unserem 10.000 €-Budget.
• 192 GB VRAM aggregiert. Modelle wie DeepSeek-Coder-V3 (671B MoE) laufen in INT4 ohne CPU-Offload.
• ~1.200 W unter Volllast — Stromversorgung und Kühlung müssen ernsthaft geplant werden.
• Throughput für 15–30 Entwickler simultan.

Stärken: maximale Modellgröße, höchster Throughput pro Token, einfache lineare Skalierung durch weitere Karten. Schwächen: Strom, Lärm, Wärme, deutlich höherer Platzbedarf — kein “unter den Schreibtisch”-Gerät mehr.

Wer profitiert: mittelständische Software-Häuser mit 10+ Entwicklern, eigener Server-Infrastruktur, gegebenenfalls auch eigener Eval- oder CI-Last, die parallel zur Entwickler-Inferenz auf derselben Hardware mitläuft.

6. Welche Modelle wirklich laufen

Stand Mai 2026 sind dies die produktiv einsatzfähigen offenen Coding-Modelle:

Top-Tier (großer Speicherbedarf):

• Qwen3-Coder-480B-A35B — MoE, etwa 35B aktiv pro Token, sehr starke Coding-Performance. Läuft in INT4 auf 2× RTX 6000 Pro oder mit Einschränkungen auf einem DGX Spark.
• DeepSeek-Coder-V3 (671B MoE) — vergleichbare Top-Performance. Selbe Hardware-Anforderungen.

Mid-Tier (gut nutzbar überall):

• Qwen3-Coder-30B-A3B — kompakt, schnell, sehr gute Performance für die meisten Coding-Aufgaben. Default-Empfehlung für DGX Spark / Ascent GX10.
• DeepSeek-Coder-V2-Lite-16B — sehr responsiv, ideal für Inline-Completions.
• Codestral 22B v2 (Mistral) — gut für Refactoring und Code-Review.

Generalisten mit Coding-Fähigkeit:

• Llama-3.3-70B — guter Allrounder, bei reinem Code etwas hinter den Spezialmodellen.

Empfohlene Aufteilung im produktiven Setup:

• Inline-Completion (autocomplete): kleines, schnelles Modell — DeepSeek-Coder-V2-Lite-16B oder Qwen3-Coder-30B.
• Chat- und Refactoring-Anfragen: mittelgroßes Modell — Qwen3-Coder-30B oder Codestral 22B v2.
• Komplexe mehrstufige Reasoning- oder Architektur-Aufgaben: großes Modell — Qwen3-Coder-480B-A35B oder DeepSeek-Coder-V3 (wenn Hardware es trägt).

Mehr Hintergrund zu Inference-Performance und Quantisierung sowie zu QLoRA-Quantisierung haben wir separat aufgearbeitet.

7. TCO-Vergleich und Empfehlung

Über 3 Jahre für ein 10-Personen-Team:

Die ehrliche Empfehlung — abhängig vom Team-Profil:

• 1–4 Entwickler, Sovereignty-Fokus, kein Server-Raum: DGX Spark oder ASUS GX10 pro Entwickler. Volle Souveränität, plug-and-play, kein Setup-Aufwand.
• 5–15 Entwickler, IT-Infrastruktur vorhanden: 1× RTX 6000 Pro Workstation als geteilte Inferenz, kombiniert mit OpenAI-kompatibler API (vLLM oder TGI). Beste TCO, höchste Modellauswahl. Unser klarer Empfehlungs-Default 2026.
• 15+ Entwickler, hohe Parallel-Last: 2× RTX 6000 Pro Workstation oder direkt ein Server-Setup mit H100/H200.

Was Sie nicht tun sollten: einen RTX-4090-Gaming-PC kaufen und hoffen, dass das “auch reicht”. Die 24 GB VRAM reichen für kleine Modelle, aber für ernsthafte Coder-Modelle ist die Karte 2026 zu klein. Sie sparen 4.000 €, verlieren aber die Mehrheit der nutzbaren Modelle.

Wer den Schritt geht, baut nicht nur einen Coding-Assistenten. Sie bauen die Grundlage für KI in der Softwareentwicklung im eigenen Haus — von Test-Generierung über Code-Review bis hin zu eigenen Agenten-Workflows. Die Hardware ist 2026 reif, die Modelle sind reif, die Werkzeuge sind reif. Was fehlt, ist meist nur die Entscheidung — und ein erfahrener Partner für das Setup. Wenn Sie wissen wollen, was in Ihrem konkreten Fall passt: reden Sie mit uns.