Zanus AI Server: Kosten für Kauf oder Eigenbau
Zanus AI nennt für seinen privaten No-Code-Server keinen festen Preis. Der Vergleich zeigt Kosten für einen GPU-Mietserver und wann eine API günstiger ist.
Was Zanus AI mit Stand Oktober 2026 verkauft
Zanus AI verkauft einen privaten KI-Server für Unternehmen. Die Frage hinter den meisten Suchanfragen dazu lautet, was ein vergleichbarer privater KI-Server im Eigenbau kostet. Kurz gefasst: Das Gerät ist eine No-Code-Box, deren Preis auf Anfrage erfolgt, die vorkonfiguriert geliefert wird und komplett ohne Internetverbindung betrieben werden kann. Die Do-it-yourself-Variante ist ein gemieteter GPU-Server (Graphics Processing Unit), auf dem Open-Weight-LLMs (Large Language Models) hinter einem Inference-Server, einer Chat-Oberfläche, einem Vektorspeicher und einem Agent-Framework laufen. Dies erfordert eine Person, die Linux bedienen kann. Welcher Weg der richtige ist, hängt von vier Faktoren ab: Wer übernimmt die technische Umsetzung, wo darf die Datenhaltung erfolgen, können Sie eine 6 kW-Maschine mit Strom versorgen und wie viele Token verbrauchen Sie tatsächlich pro Tag.
Alle Informationen zu Zanus stammen von zanusai.com sowie den Live-Preisdaten unter zanus.ai/pricing, abgerufen am 17. Oktober 2026, und für die Server-Seiten sowie die Preise erneut am 20. Oktober 2026. Das Unternehmen beschreibt sich selbst als "eine privat geführte amerikanische C-Corp, spezialisiert auf High-Tech-KI-Lösungen und Engineering, mit Hauptsitz in Pompano Beach, Florida", was laut eigener Webseite im Großraum Fort Lauderdale liegt. Es gibt an, dass Hardware und Software "in den USA entworfen und montiert" werden.
Das Produkt besteht aus drei Ebenen. Front Office AI ist der Teil, mit dem Ihre Kunden interagieren: Telefon, Web-Chat, Angebote und Buchungen. Back Office AI ist das, was auf der eigenen Seite als "das KI-Betriebssystem des Unternehmens" bezeichnet wird, und die Airtight AI-Seite zählt "15+ Module". Die auf der Website genannten Funktionen umfassen KI-Chat, Kundendaten, Aufträge, Dokumente, Terminplanung, Automatisierungen und eine KI-API (Application Programming Interface). Auf die Frage "Benötigen wir Entwickler auf unserer Seite?" antwortet die Back Office-Seite mit "Nein. Sie benötigen die Person, die den Prozess kennt." Die dritte Ebene, Private On-Premises AI, ist dasselbe System auf Zanus-Hardware in Ihrem Gebäude. Das Menü der Website führt es nun unter dem Namen Airtight AI, "On-Premises KI-Server", und bezeichnet es als separates Produkt zu den gehosteten Plänen. Es läuft mit "Zanus OS", wird mit "dauerhaften Lizenzen, vollständig in Ihrem Besitz" verkauft und ist "Air-Gap-fähig", wobei es Offline-Update-Pakete akzeptiert, wenn Sie es vom Internet getrennt halten. Die Server-Seite listet zudem eine zweite Maschine, den On-Prem Tokens Server: dieselbe Hardware und dasselbe Zanus OS als "reiner generativer Endpunkt" mit einer OpenAI-kompatiblen API und ohne die Geschäftsmodule. Dies kommt der Do-it-yourself-Box am nächsten, die Zanus verkauft.
Zu den Modellen gibt die Server-Seite an, dass die Box "die führenden Open-Weight-Familien" ausführt, die "bei der Konfiguration mit Ihnen ausgewählt und dimensioniert" werden, und dass man "Modelle jederzeit austauschen oder hinzufügen kann: neue Gewichte sind ein Download". Sie nennt weder die Familien, die GPUs, den RAM noch die Speichergröße, abgesehen von "RAID 10 NVMe". Zur Stromversorgung gibt die Airtight AI-Seite, die die On-Premises-Linie beschreibt, an, dass die Server an "Standard-Wechselstromkreisen" laufen, also an "den Steckdosen, die bereits in Ihrem Gebäude vorhanden sind", mit automatischer Spannungserkennung von 90 bis 240 V bei 50 oder 60 Hz. Die Installation erfordert "vier Standard-Steckdosen". Die Server-Seite gibt "maximal 6 kW" bei Volllast an und beschreibt die Einheit als leise und bürotauglich, ohne dass ein Serverraum erforderlich ist. Zum Preis: Die Box wird "per RFQ" (Angebotsanfrage) verkauft und "basierend auf GPU-Speicher (Modelle), RAM/Kontext und Token pro Tag dimensioniert". Es gibt keinen öffentlichen Preis für die Hardware. Das gehostete Front Office listet Preise in seinen Live-Daten, wie am 20. Oktober 2026 abgerufen. Die fünf gebündelten Pläne reichen von AI ANSWER für 329 $ pro Monat bis AI PRIVATE für 2.495 $ pro Monat, bzw. 3.290 $ bis 24.950 $ pro Jahr. Die jährliche Zahlung kostet etwa 16,7 % weniger als zwölf monatliche Zahlungen, und AI PRIVATE wird nur jährlich verkauft, sodass die tatsächliche Rechnung 24.950 $ pro Jahr beträgt. Die gleichen Komponenten werden auch à la carte ab 49 $ pro Monat verkauft, wobei die Pakete etwa 25 % bis 30 % günstiger sind als der Einzelkauf. Keines davon ist das Gerät selbst. Selbst AI PRIVATE, beschrieben als "KOMPLETT in Ihrer eigenen isolierten Umgebung", ist ein gehosteter Mandant. Die Front Office-Preisseite, abgerufen am 17. Oktober 2026, verweist jeden, der KI in seinen eigenen Räumlichkeiten wünscht, an die KI-Server, "ein separates Produkt, preislich auf Anfrage". Die Lieferung des Servers wird mit etwa drei Wochen vorkonfiguriert angegeben.
Dies ist die öffentliche Spezifikation. Nichts unterhalb dieses Punktes ergänzt diese oder stellt Vermutungen darüber hinaus an.
So sieht derselbe private AI-Server aus, wenn Sie ihn selbst aufbauen
Die Appliance bündelt vier Komponenten, die Sie einzeln mieten und selbst zusammenstellen können: eine GPU, einen Inferenzserver zum Laden von Open-Weight-Modellen, eine Chat-Oberfläche für Benutzer und einen Vektorspeicher mit einer Automatisierungsschicht, die Ihre Dokumente in Antworten umwandelt. Der Linux-Teil ist an einem Nachmittag erledigt. Die Geschäftsmodule benötigen Wochen. Dieser Unterschied ist der eigentliche Unterschied zwischen den beiden Wegen.
Wählen Sie zuerst die Hardware. Ein CPU-only-VPS (virtueller privater Server) mit 16 GB bis 32 GB RAM führt 7B- und 8B-Modelle für jeweils eine oder zwei Personen aus, mit einer Geschwindigkeit, die Sie in Tokens pro Sekunde messen sollten, bevor sich jemand darauf verlässt. Eine gemietete GPU mit 24 GB VRAM (dem Speicher der Grafikkarte) führt 8B-Modelle schnell genug für ein kleines Team aus und kann Modelle bis etwa 30B mit 4 Bit aufnehmen. 48 GB bis 80 GB entsprechen der 70B-Klasse. Welche Modelle auf welche Karte passen, wird in welche AI-Modelle Sie bei jeder Speichergröße selbst hosten können erläutert.
Installieren Sie den Inferenzserver. Die Linux-Installation von Ollama besteht aus einer Zeile. Die vollständige Anleitung finden Sie unter Ollama auf einem VPS ausführen, um ein LLM selbst zu hosten:
curl -fsSL https://ollama.com/install.sh | sh
sudo systemctl status ollama
ollama -vsystemctl status ollama sollte active (running) lauten. Auf einem Rechner ohne GPU gibt das Installationsprogramm WARNING: No NVIDIA/AMD GPU detected. Ollama will run in CPU-only mode. aus und fährt fort. Das ist für Tests in Ordnung, für Benutzer aber langsam.
Laden Sie ein Modell und sprechen Sie mit der API. Der Dienst lauscht nur auf Port 11434 an der Loopback-Adresse:
ollama pull qwen3:8b
curl http://127.0.0.1:11434/api/generate \
-d '{"model":"qwen3:8b","prompt":"Reply with one word: ready","stream":false}'Eine erfolgreiche Antwort ist ein JSON-Objekt mit einem Feld response und "done":true. Eine Antwort mit {"error":"model requires more system memory (6.4 GiB) than is available (3.8 GiB)"} und Ihren eigenen beiden Werten bedeutet, dass die Gewichte nicht in den RAM passen. Wählen Sie dann ein kleineres Modell oder eine kleinere Quantisierung.
Fügen Sie die Chat-Oberfläche hinzu. Open WebUI ist die übliche Wahl. Die README enthält einen Befehl für den Fall, dass Ollama auf demselben Host läuft:
docker run -d -p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data \
--name open-webui --restart always \
ghcr.io/open-webui/open-webui:mainRufen Sie Port 3000 unter der Adresse des Servers auf, erstellen Sie das erste Konto (es wird zum Administratorkonto) und öffnen Sie die Modellliste. Wenn die Liste leer ist, liegt die Ursache an der oben beschriebenen Loopback-Bindung: Im Container wird host.docker.internal zur Docker-Bridge-Adresse des Hosts aufgelöst. Ollama lauscht jedoch nur auf 127.0.0.1. Deshalb wird die Verbindung abgelehnt. docker logs open-webui zeigt Cannot connect to host host.docker.internal:11434. Beheben Sie das mit einem systemd-Override:
sudo systemctl edit ollama[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"sudo systemctl daemon-reload
sudo systemctl restart ollama0.0.0.0 bedeutet jede Schnittstelle, einschließlich der öffentlichen Schnittstelle. Ab diesem Zeitpunkt ist die API aus dem Internet erreichbar, sofern die Firewall Port 11434 nicht blockiert. Die API hat außerdem kein eigenes Passwort. Sichern Sie daher den Ollama-API-Endpunkt, bevor Sie ein einziges Unternehmensdokument laden. Wenn Open WebUI umfangreicher ist als gewünscht, gibt es schlankere Open-WebUI-Alternativen, die denselben Port verwenden.
Fügen Sie den Vektorspeicher hinzu. Qdrant läuft als einzelner Container. Binden Sie ihn an Loopback, da nur die Anwendungen auf diesem Rechner darauf zugreifen sollten:
docker run -d --name qdrant --restart always \
-p 127.0.0.1:6333:6333 -p 127.0.0.1:6334:6334 \
-v qdrant_storage:/qdrant/storage \
qdrant/qdrant
curl http://127.0.0.1:6333/collectionsBei einer neuen Installation liefert die Prüfung {"result":{"collections":[]},"status":"ok"} sowie ein Zeitmessungsfeld zurück. Open WebUI verfügt über einen integrierten Dokumentenspeicher, der für eine kleine Bibliothek ausreicht. Qdrant wird benötigt, wenn ein Agent-Framework Embeddings direkt abfragen muss.
Wenn das System gleichzeitig von mehr als einigen wenigen Personen verwendet wird, ersetzen Sie Ollama durch vLLM. vLLM bündelt Anfragen mehrerer Benutzer auf der GPU. Das offizielle Image umfasst die gesamte Installation:
docker run -d --runtime nvidia --gpus all \
-v ~/.cache/huggingface:/root/.cache/huggingface \
-p 127.0.0.1:8000:8000 --ipc=host \
vllm/vllm-openai:latest --model Qwen/Qwen3-8BWenn Docker meldet, dass could not select device driver mit GPU-Funktionen, ist das NVIDIA Container Toolkit nicht installiert. Docker kann die GPU dann nicht an den Container übergeben. Installieren Sie das Toolkit und starten Sie Docker neu. Führen Sie den Befehl anschließend erneut aus. Wann welcher Server vorzuziehen ist, wird in Ollama im Vergleich zu vLLM erläutert.
Die letzte Schicht ist das, was die Appliance als Module bezeichnet. Beim Mietmodell handelt es sich dabei um ein Agent-Framework, das aus dem Vektorspeicher liest, das Modell aufruft, Aktionen in Ihren anderen Systemen ausführt und protokolliert, was es getan hat. Die Kandidaten und ihre jeweiligen Stärken werden in die besten selbst gehosteten AI-Agenten verglichen. Wenn sich der Agent Benutzer über mehrere Sitzungen hinweg merken muss, stellt ein selbst gehosteter Mem0-Speicherserver diese Funktion bereit. Nichts davon ist vorhanden, bevor Sie es konfigurieren. Genau dafür bezahlen Sie bei der Appliance tatsächlich.
Kosten: ein Angebot im Vergleich zu einer monatlichen Rechnung
Hier gibt es keine Zanus-Nummer, die Sie einsetzen könnten. Eine erfundene Nummer wäre nicht hilfreich. Die Website beschreibt jedoch, wie das Angebot dimensioniert wird: anhand des GPU-Speichers für die Modelle, des RAM für den Kontext und der Anzahl Ihrer Tokens pro Tag. Das sind dieselben Variablen, die den Preis der gemieteten Variante bestimmen. Sie können daher zumindest Ihre Seite des Vergleichs nachvollziehbar berechnen.
Bei der gemieteten Variante besteht der Preis aus einer festen monatlichen Miete für die GPU und der Arbeitszeit der Person, die sie betreibt. Die Miete ändert sich nicht, unabhängig davon, ob die Karte ungenutzt bleibt oder dauerhaft ausgelastet ist. Der Vergleich mit einer API, die pro Token abrechnet, ist deshalb eine Break-even-Rechnung: Teilen Sie die monatliche Miete durch den gemischten Preis der API pro 1,000,000 Tokens. Das Ergebnis ist die Anzahl der Millionen Tokens pro Monat (multiplizieren Sie mit 1,000,000, um die Tokenanzahl zu erhalten), die tatsächlich über das System laufen müssen, bevor der Besitz der GPU günstiger ist als der Kauf von Tokens. Unterhalb dieses Volumens ist die API kostengünstiger. Die Berechnung und die Fallstricke bei Leerlaufzeit und Batch-Größe finden Sie unter GPU-VPS im Vergleich zu API-Tokens: Wo der Break-even liegt.
Bei der Appliance ist die Kostenstruktur anders: Sie umfasst einen Kaufpreis, eine dauerhafte Softwarelizenz, Stromkosten sowie die anhand der Anzahl der Tokens pro Tag vorgenommene Dimensionierung zum Zeitpunkt des Angebots. Ein Angebot, das auf das heutige Volumen ausgelegt ist, bildet zugleich eine Obergrenze. Wenn das Volumen darüber hinaus wächst, benötigen Sie ein weiteres Angebot. Bei einer gemieteten GPU ändern Sie stattdessen den Tarif.
Wer übernimmt die technische Umsetzung
Der Vorteil des Appliance-Modells besteht darin, dass niemand diese Aufgaben übernehmen muss. Auf die Frage „Brauchen wir Entwickler auf unserer Seite?“ antwortet der Anbieter: „Nein. Sie brauchen die Person, die den Prozess kennt.“ Genau darum geht es. Sie führen trotzdem eine Änderung des Geschäftsprozesses durch. Die Mitarbeiter müssen neue Werkzeuge erlernen. Außerdem muss jemand das Wissen hochladen und das Telefonmenü erstellen. Niemand muss jedoch wissen, was eine systemd-Unit ist.
Für den gemieteten Weg benötigen Sie eine Person, die alle oben genannten Befehle ohne Hilfe ausführen kann und dies anschließend weiterhin übernimmt. Konkret ist diese Person für die Updates des Betriebssystems, die Docker-Images, die Firewall und TLS-Zertifikate, die Backups des Vektorspeichers und des Chatverlaufs, die Modellupdates sowie das Monitoring zuständig. Das Monitoring muss beispielsweise erkennen, wenn der GPU-Treiber nach einem Kernelupdate nicht mehr funktioniert. Planen Sie für die Erstinstallation einen Arbeitstag und danach einige Stunden pro Monat ein. Planen Sie zusätzlich die eigentliche Arbeit ein: Beim gemieteten Weg gibt es keine Kundentabelle, Lieferantenliste, keinen Kalender und keinen Buchungsablauf. Jede dieser Funktionen erfordert entweder eine Integration, die Sie für Ihre bestehenden Systeme entwickeln, oder ein Agent-Framework, das Sie konfigurieren und anschließend absichern müssen, wenn es sich unerwartet verhält. Wenn niemand im Unternehmen diese Aufgabe übernehmen möchte, ist die Antwort „keine Entwickler erforderlich“ mehr wert als jede Hardware-Spezifikation.
Wo die Daten liegen
Der stärkste Vorteil der Appliance ist die physische Kontrolle. „Ihre Daten verlassen Ihr Gebäude nie: keine Cloud, keine Weitergabe, kein Zugriff durch Dritte“ beschreibt ein Gerät, das Sie vom Netzwerk trennen und trotzdem weiterverwenden können. Für eine Klinik oder eine Kanzlei mit einer vertraglichen Vorgabe, dass Daten vor Ort bleiben müssen, ist das der entscheidende Punkt. Kein VPS kann diese Anforderung erfüllen.
Für den gemieteten Weg muss man es klar sagen: Ein VPS ist ein Computer im Rechenzentrum eines anderen Unternehmens. Ihre Prompts, Ihre Dokumente, die Antworten des Modells und der Vektorindex werden im RAM eines Hosts verarbeitet, der dem Anbieter gehört. Sie liegen außerdem auf einem Datenträger, auf den der Anbieter physisch zugreifen kann. „Private AI“ auf einem VPS bedeutet, dass die Daten vor dem Modellanbieter und dem öffentlichen Internet geschützt sind, und nicht mehr. Ihr Hosting-Anbieter kann weiterhin darauf zugreifen. Ein Kunde oder Auditor, der fragt, wo die Daten liegen, erhält daher den Namen einer Stadt statt der Bezeichnung eines Raums in Ihrem Gebäude. Die Verschlüsselung ruhender Daten schützt den Datenträger, wenn er ausgebaut wird. Sie schützt nicht die Daten im Arbeitsspeicher, während das Modell eine Antwort erstellt.
Auch dieses Maß an Datenschutz ist eine Konfiguration und keine Voreinstellung. Der obige Open WebUI-Befehl veröffentlicht Port 3000 auf allen Schnittstellen. Dadurch ist die Anmeldeseite im öffentlichen Internet erreichbar, bis Sie sie hinter einem privaten Netzwerk oder einem Reverse Proxy betreiben, Registrierungen schließen und Gruppenberechtigungen festlegen. TLS verschlüsselt die Verbindung. Es hält jedoch keine Fremden fern. Der Freigabeleitfaden von Open WebUI weist außerdem darauf hin: „Das Freigabefenster kann einen Chat auch auf die Open WebUI Community-Site hochladen.“ Deaktivieren Sie daher Community Sharing in den Administratoreinstellungen oder setzen Sie ENABLE_COMMUNITY_SHARING=false vor dem ersten Start, wenn keine Daten den Server verlassen dürfen.
Die mittlere Lösung besteht aus eigener Hardware in einem gemieteten Rack oder einem Dedicated Server, den niemand sonst nutzt. Damit bleiben die freie Modellwahl und die monatlichen Kosten des gemieteten Wegs erhalten, während der größte Teil des physischen Unterschieds entfällt. Gleichzeitig kommt der Teil zurück, den die Appliance abnimmt: Jemand muss die Maschine aufbauen.
Stromversorgung und Platzbedarf
Eine 6 kW-Maschine ist kein Büro-PC, benötigt laut Herstellerangaben jedoch keine neue Verkabelung. Die Airtight AI-Seite von Zanus beschreibt die On-Premises-Produktlinie und gibt an, dass die Server an "Standard-Wechselstromkreisen" betrieben werden können, also an "Steckdosen, die bereits in Ihrem Gebäude vorhanden sind". Sie werden an "vier Standard-Steckdosen" angeschlossen und unterstützen einen automatischen Spannungsbereich von 90 bis 240 V. Auf die Frage nach einem "speziellen Elektriker" oder "Drehstromanschluss" antwortet der Hersteller mit Nein und ergänzt: "Keine Neuverkabelung, keine Genehmigungen." Die Server-Übersicht zeigt neben dem 6 kW-Wert weiterhin ein Symbol für einen "Standard 50 A-Stromkreis bei 115/220 V". Die Rechnung ergibt sich daraus: Bei 115 V entsprechen 6 kW etwa 52 A insgesamt, also rund 13 A pro Steckdose. Die 50 A beziehen sich somit auf die Gesamtlast der Maschine, nicht auf einen einzelnen zu installierenden Stromkreis. Eine Standard-Wandsteckdose in den USA ist an einen 15 A- oder 20 A-Stromkreis angeschlossen. Wenn sich vier Steckdosen einen solchen Kreis teilen, würde dieser bei Volllast auslösen. Prüfen Sie daher, ob die vier Steckdosen am Aufstellort auf separate Stromkreise verteilt sind, und fragen Sie nach, welche Konfiguration für Ihr Angebot gilt. Laut Website ist das Gerät leise, bürotauglich und erreicht die Spitzenlast nur während des Betriebs. Der Stromverbrauch im Leerlauf wird nicht veröffentlicht.
Strom ist der einzige Betriebskostenfaktor, der sich exakt beziffern lässt, da es sich um eine einfache Rechnung handelt. Bei 6 kW entspricht jede Stunde unter Volllast 6 kWh:
Die Daten hinter diesem Diagramm
[
{
"label": "1 h/day at full load",
"kwh_per_month": 180,
"cost_usd_month": 27
},
{
"label": "4 h/day at full load",
"kwh_per_month": 720,
"cost_usd_month": 108
},
{
"label": "8 h/day at full load",
"kwh_per_month": 1440,
"cost_usd_month": 216
},
{
"label": "24 h/day at full load",
"kwh_per_month": "4,320",
"cost_usd_month": 648
}
]Ein Gerät, das eine Stunde pro Tag arbeitet, kostet bei einem Preis von 0,15 USD pro kWh etwa 27 USD pro Monat. Ein Gerät, das rund um die Uhr unter Volllast läuft, verbraucht 4,320 kWh und kostet etwa 648 USD. Die Angabe des Herstellers liegt bei "etwa 1 USD pro Stunde" unter Volllast, was auf einen etwas höheren Tarif hindeutet, als in der Tabelle angenommen. Verwenden Sie daher Ihren eigenen Stromtarif. Die gesamte Energie verlässt die Maschine als Wärme, bei Spitzenlast etwa 20.000 BTU (British Thermal Units) pro Stunde, die von der Klimaanlage des Raums abgeführt werden müssen.
Beim Mietmodell sind Strom und Kühlung in der Miete enthalten, und der Anbieter trägt die Last des Stromkreises im Rechenzentrum. Der Nachteil ist, dass Sie den Zähler nicht einsehen können: Ein GPU-Plan kostet das Gleiche, egal ob er eine Stunde am Tag oder 24 Stunden läuft.
Modellauswahl
Das Gerät wird mit Modellen ausgeliefert, die bei der Konfiguration gemeinsam mit Ihnen aus den „führenden Open-Weight-Familien“ ausgewählt wurden. Die Seite gibt an, dass neue Gewichte heruntergeladen werden können. Laut den Herstellerseiten sind die Modelle „von Zanus-Ingenieuren installiert, getestet und optimiert“ sowie „von Zanus-Ingenieuren aktualisiert“. Welche Familien unterstützt werden, wie ein Austausch innerhalb von Zanus OS erfolgt und ob ein Modell außerhalb der Herstellerliste geladen werden kann, ist nicht öffentlich dokumentiert. Klären Sie dies daher vor Vertragsabschluss.
Der gemietete Pfad führt alles aus, für das veröffentlichte Gewichte vorliegen und das in den Arbeitsspeicher passt, sofern Ihr Inference-Server dies unterstützt. Ein neues Open-Weight-Release ist ein ollama pull, sobald es die Ollama-Bibliothek erreicht oder als Hugging-Face-Repository-Name an vLLM übergeben wird, sofern vLLM dessen Architektur nativ oder über das Transformers-Modell-Backend unterstützt. Bei den großen Familien geschieht dies oft am Tag der Veröffentlichung, eine Garantie gibt es jedoch nicht. Prüfen Sie dies daher, bevor Sie ein Modell einplanen, das in dieser Woche erschienen ist. Wenn Sie eine bestimmte Quantisierung oder ein eigenes Fine-Tuning wünschen, importieren Sie die GGUF-Datei selbst in Ollama. Der Haken besteht auch in der anderen Richtung: Sie sind selbst für die Evaluierung verantwortlich. Niemand hat das Modell auf Ihre Dokumente oder Ihre Tokens pro Tag dimensioniert. Der erste Monat dient daher dazu, herauszufinden, welches Modell bei welcher Geschwindigkeit ausreicht und welche Quantisierung Ihr Arbeitsspeicher zulässt.
Der private KI-Antwortdienst: ein Modul gegen ein Projekt
Ein Großteil des Datenverkehrs zum Thema „privater KI-Server“ zielt eigentlich auf eine telefonische Empfangskraft ab. Behandeln Sie diesen Anwendungsfall daher separat.
Auf Seiten von Zanus ist der Telefon-Agent AI Phone Teil von Front Office AI. Der Eintrag in den Live-Preisdaten vom 20. Oktober 2026 besagt, dass er „beim ersten Klingeln antwortet, 24/7, 365 Tage im Jahr“, dass „der Anrufer frei in einer von 40 Sprachen spricht“ und dass „Sie Stimme und Persona pro Funktion wählen“, inklusive Telefonnummern und einem von Ihnen eingerichteten IVR-Menü (Interactive Voice Response). Lesen Sie die Sprachzeile neben dem FAQ des Anbieters: „Englisch ist enthalten; 40 Sprachen sind als professionell erstellte Einmalpakete verfügbar“, die pro Paket berechnet werden. Jede Sprache außer Englisch ist also ein zusätzlicher Kauf. Der Telefon-Agent wird ausschließlich als gehosteter Dienst verkauft. AI Phone kostet einzeln 99 $ pro Monat (990 $ pro Jahr), wobei ein Operator zum Stand vom 17. Oktober 2026 enthalten ist. Das günstigste Paket, AI ANSWER für 329 $ pro Monat, ergänzt Chat, E-Mail, Webformulare, Buchungsfunktionen und einen Avatar; beide Preise gelten mit Stand vom 20. Oktober 2026. Der Anbieter gibt an, dass Front Office „in einer privaten Cloudflare-Umgebung läuft, die Ihrem Unternehmen gewidmet ist“ und „keinen Server benötigt“. Kein Front Office-Plan bietet eine On-Premises-Option: Selbst der Top-Plan, AI PRIVATE, ist eine isolierte gehostete Umgebung. Der Anbieter verweist jeden, der KI im eigenen Gebäude nutzen möchte, auf seine On-Premises-KI-Server, „ein separates Produkt“. Welche Sprachmodelle verwendet werden und wie hoch die Antwortlatenz ist, wird nicht veröffentlicht.
Auf dem gemieteten Pfad ist ein Sprach-Agent ein separates Projekt gegenüber dem oben genannten Chat-Stack und zudem ein schwierigeres. Er benötigt vier zusätzliche Komponenten: einen Telefonie-Einstiegspunkt (einen SIP-Trunk, wobei SIP für Session Initiation Protocol steht, oder eine Telefonie-API, die Ihnen das Audio übergibt), Speech-to-Text (STT), das LLM und Text-to-Speech (TTS). Alle müssen so verkettet sein, dass ein Anrufer innerhalb von etwa einer Sekunde nach Beendigung eines Satzes eine Antwort hört. Jedes Glied in der Kette erhöht die Verzögerung, daher müssen die Modelle klein sein und die GPU muss sich in der Nähe befinden. Die STT- und TTS-Hälften, inklusive der lokal laufenden Engines und deren Geschwindigkeit, finden Sie unter selbst gehostetes Speech-to-Text und Text-to-Speech auf einem VPS. Rechnen Sie damit, dass der Telefon-Agent länger in Anspruch nimmt als der gesamte oben genannte Chat-Stack, und erwarten Sie, dass die erste Version Anrufer unterbricht. Wenn die Empfangskraft das einzige Ziel ist, ist ein gehostetes Sprachprodukt – inklusive der Front Office-Pläne von Zanus – der kürzere Weg, und der Chat-Server ist in diesem Fall eine Ablenkung.
Die Entscheidungsregel
Kaufen Sie die Hardware, wenn alle vier Bedingungen erfüllt sind: Ein Vertrag oder eine Regulierungsbehörde schreibt vor, dass die Daten im Haus bleiben müssen, kein Mitarbeiter Linux betreiben will, Sie über vier Standardsteckdosen an getrennten Stromkreisen am Aufstellort verfügen und die Module auf der Seite zu Ihren tatsächlichen Arbeitsabläufen passen. Der Angebotspreis ist die Gebühr dafür, keinen eigenen Techniker zu benötigen. Lassen Sie sich die Modellliste und das Austauschverfahren schriftlich geben, bevor Sie unterschreiben.
Mieten und bauen Sie selbst, wenn eine Person die Verantwortung für den Server übernehmen kann, die Daten bei einem von Ihnen geprüften Hosting-Anbieter liegen dürfen, Sie das Modell selbst wählen möchten und Ihre Auslastung so konstant ist, dass sich die monatlichen GPU-Kosten gegenüber dem oben genannten Break-even-Punkt lohnen. Sie erhalten Zugriff auf jedes Open-Weight-Modell, das Ihr Inference-Server unterstützt, meist kurz nachdem es veröffentlicht wurde, und erhalten eine Rechnung, die Sie im Folgenden Monat anpassen können. Die Integrationen müssen Sie jedoch selbst als Hausaufgabe umsetzen.
Nutzen Sie eine API, wenn die Auslastung schwankend oder gering ist, die Daten nicht sensibel sind, niemand eigene Infrastruktur betreiben möchte und die Lösung noch in dieser Woche funktionieren muss. Unterhalb des Break-even-Volumens ist dies günstiger und der Start ist immer schneller. Fügen Sie später eine selbst gehostete Ebene hinzu, falls die Token-Kosten oder die Datenrichtlinien Sie dazu zwingen.
FAQ
Was verkauft Zanus AI eigentlich?
Stand Oktober 2026 beschreibt zanusai.com drei Ebenen. Front Office AI verwaltet Telefonie, Web-Chat, Angebote und Buchungen als gehostete Abonnements. Back Office AI ist das KI-Betriebssystem des Unternehmens mit „15+ Modulen“, das laut Anbieter ohne Entwickler auskommt. Private On-Premises AI, mittlerweile unter dem Namen Airtight AI als separates Produkt geführt, ist dieselbe Software auf Zanus-Hardware, die „Zanus OS“ in Ihren Räumlichkeiten ausführt. Sie wird als vollständig erworbenes System mit Air-Gap-Fähigkeit verkauft. Der Preis der Hardware erfolgt auf Anfrage (RFQ). Der Anbieter gibt an, dass das System an vier Standardsteckdosen betrieben werden kann, ohne dass Elektriker, Neuverkabelungen oder Genehmigungen erforderlich sind; die Server-Seite nennt eine maximale Leistungsaufnahme von 6 kW. Der Hauptsitz des Unternehmens befindet sich in Pompano Beach, Florida.
Was kostet ein privater Zanus AI-Server?
Es gibt keinen öffentlichen Preis für die Hardware. Die Server-Seite gibt „Preis auf Anfrage“ an, basierend auf GPU-Speicher, RAM und Ihren Token pro Tag. Stand 20. Oktober 2026 kosten die gehosteten Front Office-Pakete zwischen 329 $ und 2.495 $ pro Monat oder 3.290 $ bis 24.950 $ pro Jahr. Einzelne Komponenten sind à la carte ab 49 $ pro Monat erhältlich, AI Phone kostet 99 $. Dabei handelt es sich um gehostete Abonnements ohne On-Premises-Option, daher gibt es keinen Preis für die Hardware-Box. Um einen Vergleich anzustellen, kalkulieren Sie den Mietweg mit denselben Variablen und ermitteln Sie den Break-Even-Punkt gegenüber API-Token.
Kann ich einen privaten KI-Server auf einem VPS ohne GPU aufbauen?
Ja, für eine kleine Anzahl von Benutzern und kleine Modelle. Ein reiner CPU-VPS mit 16 GB bis 32 GB RAM führt 7B- und 8B-Modelle über Ollama mit einigen Token pro Sekunde aus, was für das Testen eines Dokumentenassistenten ausreicht. Für ein Team, das das System gleichzeitig nutzt, oder für einen Sprachassistenten, bei dem die Antwortzeit entscheidend ist, reicht dies nicht aus. Messen Sie die Token pro Sekunde auf Ihrem Tarif, bevor das System produktiv genutzt wird.
Ist ein selbstgehostetes LLM auf einem VPS wirklich privat?
Es kann gegenüber dem Modellanbieter und dem öffentlichen Internet privat sein, aber nur, wenn Sie es entsprechend konfigurieren: Die Firewall blockiert Port 11434, die Chat-Oberfläche ist nur über ein privates Netzwerk oder einen TLS-Reverse-Proxy erreichbar, Registrierungen sind deaktiviert, Berechtigungen sind gesetzt und die Community-Sharing-Funktion von Open WebUI ist deaktiviert, damit niemand Chats auf die Open WebUI-Community-Seite hochladen kann. TLS verschlüsselt die Verbindung; es hält Fremde jedoch nicht von der Anmeldeseite fern. Der Hosting-Anbieter ist die Ausnahme: Dessen Mitarbeiter können auf den Datenträger zugreifen, und der Host führt das Modell im Arbeitsspeicher aus. Wenn ein Vertrag vorschreibt, dass Daten in Ihrem Gebäude bleiben müssen, erfüllt ein VPS diese Anforderung nicht. Eigene Hardware in Ihrem Büro oder in einem gemieteten Rack erfüllt sie hingegen.
Beinhaltet der Do-it-yourself-Weg eine telefonische Empfangskraft?
Nicht standardmäßig. Ein Sprachassistent ist ein separates Projekt: ein Telefonie-Einstiegspunkt, Speech-to-Text, das LLM und Text-to-Speech müssen so eng miteinander verknüpft sein, dass ein Anrufer innerhalb von etwa einer Sekunde eine Antwort erhält. Dies ist der schwierigste Teil des Mietweges und der Bereich, in dem ein gehostetes Sprachprodukt – wie die Front Office-Pläne von Zanus – die meiste Zeit einspart.