Mac mini M4 für lokale KI 2026: 16 GB, 24 GB oder M4 Pro?

Der Mac mini M4 ist eine brauchbare lokale KI-Maschine, wenn du die RAM-Konfiguration nach Modellgröße, Kontext und parallelen Apps auswählst. Die kurze Kaufempfehlung lautet:

• 16 GB: Einstieg für kleine Modelle und gelegentliche lokale Chats.
• 24 GB: sinnvoll für 4B–8B und ausgewählte 12B-Modelle mit kontrolliertem Kontext.
• 32 GB: guter Einstieg für regelmäßige lokale KI und manche 20B–32B-Quantisierungen.
• 48 oder 64 GB am M4 Pro: mehr Reserve für größere Modelle, längeren Kontext und parallele Entwickler-Workflows; keine Garantie für jede sehr große oder MoE-Konfiguration.

Der M4 Pro bietet laut Apple 273 GB/s Speicherbandbreite statt 120 GB/s beim M4. Apple stellte am 25. August 2026 die Nachfolger M6 und M5 Pro vor. Wer noch einen M4 kauft, sollte die RAM-Bestückung, den Händlerpreis und die Garantie mit der aktuellen Generation vergleichen.

Wenn du heute neu kaufst, ist der Mac mini M6 die aktuelle Generation. Eine konkrete 24-GB-/512-GB-Konfiguration findest du in unserem Mac-mini-M6-Profil; Preis und Verfügbarkeit prüfst du direkt beim Händler.

Zusätzlicher Arbeitsspeicher dient keineswegs allein den reinen Modellgewichten. Unified Memory teilt sich dynamisch zwischen macOS, Hintergrundanwendungen, Modellarchitektur, Inferenz-Runtime und KV-Cache auf. Genau deshalb kann ein Modell zwar starten, aber bei langem Kontext trotzdem langsam oder instabil werden.

M4 gebraucht kaufen oder zum aktuellen Mac mini M6 wechseln?

Stand 11. Oktober 2026: Der Mac mini M4 und M4 Pro gehören zur Generation von 2024. Apple hat die Nachfolger M6 und M5 Pro am 25. August 2026 angekündigt; seit 22. September 2026 sind sie im Handel. Das ist für Gebraucht- und Restpostenkäufe relevanter als ein pauschales „M4 ist günstig“. Apples deutsche Einführungspreise für die Basismodelle liegen bei 1.049 € (M6) und 1.999 € (M5 Pro) inklusive Mehrwertsteuer. Diese Preise sind keine Angebote für eine identische RAM-/SSD-Ausstattung. Apple Ankündigung.

Mac mini	Speicherbandbreite laut Apple	Unified Memory	Einordnung
M4 (2024)	120 GB/s	16/24/32 GB	Gebraucht-/Restpostenoption für kleinere lokale Modelle
M4 Pro (2024)	273 GB/s	24/48/64 GB	Größere Modelle mit mehr Speicherreserve
M6 (2026)	170 GB/s	16 bis 32 GB	Aktuelles Basismodell; höhere Bandbreite als M4
M5 Pro (2026)	307 GB/s	bis 64 GB	Aktuelle Pro-Option für größere lokale Workloads

Was die Zahlen tatsächlich sagen: M6 bringt 170 statt 120 GB/s, also rechnerisch etwa 42 % mehr nominelle Speicherbandbreite als M4. M5 Pro bringt 307 statt 273 GB/s beim M4 Pro, rund 12 % mehr. Daraus lässt sich kein entsprechendes Plus bei der LLM-Tokenrate ableiten. Quantisierung, Runtime, Chip-Auslastung, Kontext, Modellarchitektur und Kühlung beeinflussen das Ergebnis. Apples Aussagen zu beschleunigter LM-Studio-Promptverarbeitung gelten für den hauseigenen Testaufbau, nicht automatisch für eine lange Token-für-Token-Ausgabe auf deinem Modell.

Kaufentscheidung: Vergleiche zuerst eine gleichwertige RAM- und SSD-Konfiguration, dann effektiven Endpreis, Rückgabe/Garantie und den gemessenen Arbeitsablauf. Ein gebrauchter M4 mit 32 GB kann für einen bestimmten lokalen Agenten nützlicher sein als ein neuer M6 mit 16 GB – obwohl der M6 die höhere Bandbreite hat. Umgekehrt ist ein knapp rabattierter M4 kein automatisches Schnäppchen. Wer einen neuen Rechner kaufen will, sollte vor dem Kauf prüfen, ob der Mehrpreis zur aktuellen Generation bei gleicher Ausstattung überhaupt groß ist.

Gebrauchten Mac mini vor dem Bezahlen prüfen

Ein günstiger M4 ist nur dann ein guter Kauf, wenn RAM, Eigentumsstatus und tatsächlicher Endpreis stimmen. Nutze diese überprüfbare Reihenfolge:

1. Exakte Konfiguration feststellen: Unter „Über diesen Mac“ Chip und Unified Memory vergleichen; SSD-Größe in den Systemeinstellungen nachsehen. Eine externe SSD ersetzt keine 24 oder 32 GB Unified Memory.
2. Aktivierungssperre entfernen lassen: Der bisherige Eigentümer muss den Mac aus seinem Apple Account lösen und gemäß Apples Übergabeanleitung zurücksetzen. Prüfe bei der Neueinrichtung, dass keine Anmeldung beim bisherigen Eigentümer erforderlich ist. Siehe auch Apple: Aktivierungssperre.
3. Unternehmensverwaltung klären: Erscheint während der Einrichtung unerwartet eine Fernverwaltungs- oder Organisationsmeldung, muss der Händler die Berechtigung und Freigabe vor dem Kauf klären. Ein Zurücksetzen allein beweist keine freie Übertragbarkeit.
4. Gleiche Ausstattung vergleichen: Gebraucht-M4 mit 24/32 GB und passender SSD gegen einen entsprechend konfigurierten M6 vergleichen, nicht gegen dessen Basismodell. Rückgabe, Gewährleistung und notwendige Adapter mitrechnen.
5. Eigene Modellaufgabe testen: Wenn eine Vorführung möglich ist, Modell-Tag, Quantisierung und Kontext festhalten. Unter Aktivitätsanzeige den Speicherdruck und mit ollama ps die Modellladung kontrollieren. ollama ps allein misst weder Qualität noch Tokens/s.

Abbruchkriterium: Ohne geklärte Aktivierungssperre und RAM-Ausstattung keine Kaufzusage. Ein nominell schnellerer Chip hilft nicht, wenn das Zielmodell wegen Speicherdruck unbenutzbar bleibt.

---

Hardware: M4 oder M4 Pro?

Apples offizielle Daten für den Mac mini (2024) nennen folgende Konfigurationen:¹

Merkmal	Mac mini M4	Mac mini M4 Pro
CPU/GPU Basismodell	10-Core CPU, 10-Core GPU	12-Core CPU, 16-Core GPU
Konfigurierbar	–	14-Core CPU, 20-Core GPU
Unified Memory	16 GB, optional 24 oder 32 GB	24 GB, optional 48 oder 64 GB
Speicherbandbreite	120 GB/s	273 GB/s
Basis-SSD	256 GB	512 GB

Für tokenweise LLM-Inferenz ist Speicherbandbreite ein relevanter Hardwarefaktor: Das Modell muss seine Gewichte fortlaufend aus dem gemeinsamen Speicher lesen. Der M4 Pro bringt laut Apple 273 GB/s statt 120 GB/s beim M4; daraus folgt aber kein eigener Mac-Benchmark oder eine feste Tokens-pro-Sekunde-Garantie.¹

Unified Memory ist trotzdem kein kostenloser Ersatz für unbegrenzten VRAM. Der gesamte Speicherpool steht nicht allein dem Modell zur Verfügung. macOS, Browser, IDE, Docker, Eingabedaten und KV-Cache konkurrieren um dieselben Gigabytes.

Eigene Übersicht auf Basis der Apple-Spezifikationen und heuristischer Modellgrößen. Die Grenzen verschieben sich mit Quantisierung, Kontextlänge und parallelen Apps; dies ist kein eigener Benchmark.¹

RAM-Empfehlung nach Modellklasse

Konfiguration	Geeignete Modellklasse	Praktische Einordnung
M4, 16 GB	etwa 1B–4B; einzelne 8B mit kleinem Kontext	günstiger Einstieg, wenig Reserve
M4, 24 GB	4B–8B; ausgewählte 12B	guter Alltagsbereich für lokale Chats und Coding-Hilfe
M4, 32 GB	8B–14B komfortabel; größere Q4-Modelle kontrolliert	sinnvoll für regelmäßige Nutzung
M4 Pro, 24 GB	ähnliche Größen wie M4 24 GB, aber höhere Bandbreite	schneller, RAM bleibt das Limit
M4 Pro, 48–64 GB	20B–32B komfortabler; größere Modelle als Experiment	beste Mac-mini-Klasse für ernsthafte lokale Workflows

Diese Tabelle ist keine Garantie. Eine große Modelldatei braucht zur Laufzeit mehr als ihre Dateigröße: Runtime, KV-Cache und andere Prozesse kommen hinzu. Sehr große Modelle sind deshalb kein pauschal empfehlenswerter Mac-mini-Workflow.

Kaufregel: Wähle nicht nach dem größten Modell, das einmal lädt, sondern nach dem größten Modell, das neben deinen üblichen Apps mit dem benötigten Kontext stabil läuft.

Vier Wege zu lokaler KI

1. Ollama: schneller Einstieg und lokaler Server

Ollama verwaltet Modelle und stellt auf macOS eine lokale API bereit. Ollama dokumentiert macOS Sonoma 14 oder neuer sowie Apple-M-CPUs mit CPU- und GPU-Unterstützung; Modellbestände können zweistellige bis dreistellige GB-Größen erreichen.²

ollama pull qwen3:4b
ollama run qwen3:4b

Nützliche Befehle:

ollama list          # installierte Modelle
ollama ps            # geladene Modelle, Kontext und Offload
ollama rm qwen3:4b   # Modell entfernen

Ollama ist eine praktische Wahl für CLI, Skripte, Coding-Tools und einen lokalen HTTP-Endpunkt. Cloud Models werden dagegen zu Ollamas Cloud ausgelagert und brauchen ein Konto; das ist nicht dasselbe wie lokale Inferenz.³

Die offizielle Ollama-Dokumentation führt Schnittstellen der OpenAI-kompatiblen /v1-API auf, darunter Chat Completions und Vision für kompatible lokale Modelle. API-Kompatibilität bedeutet nicht, dass jede Cloud-Funktion vorhanden ist.⁴

2. LM Studio: GUI, Modellvergleich und API

LM Studio bietet eine Desktop-Oberfläche zum Suchen, Laden und Vergleichen lokaler Modelle. Die aktuelle Dokumentation nennt GGUF- und MLX-Runtimes auf Apple Silicon sowie einen lokalen Server; Offline-Chats, Dokument-RAG und der lokale Server funktionieren nach dem Modelldownload ohne Internet.⁵⁶

LM Studio ist sinnvoll, wenn du:

• Modelle ohne Terminal durchsuchen willst,
• GGUF- und MLX-Varianten vergleichen möchtest,
• Dokumente lokal per RAG nutzen willst,
• einen lokalen OpenAI-kompatiblen Endpunkt brauchst.

3. llama.cpp: maximale Kontrolle

llama.cpp ist eine zentrale Inferenzbasis für GGUF-Modelle. Direkt verwendet bietet es Kontrolle über Quantisierung, GPU-Offload, Kontext und Sampling:

llama-cli -m modell-q4_k_m.gguf -p "Erkläre Unified Memory." -n 256

Das ist der richtige Weg für reproduzierbare Tests und Spezialkonfigurationen, aber weniger bequem als Ollama oder LM Studio.

4. MLX und mlx-lm: Apple-Silicon-nativ

MLX ist ein Apple-Silicon-Framework; die offiziellen MLX-Beispiele zeigen unter anderem LLM-, LLaMA-, Mistral-, Vision- und Whisper-Beispiele. Mit mlx-lm lassen sich viele Community-Konvertierungen direkt aus Python laden.⁷

pip install mlx-lm

from mlx_lm import load, generate

model, tokenizer = load("mlx-community/Qwen3-4B-4bit")
answer = generate(
    model,
    tokenizer,
    prompt="Nenne drei Vorteile lokaler KI.",
    max_tokens=256,
)
print(answer)

MLX lohnt sich, wenn du Python beherrschst und Modell, Speicher und Messung selbst kontrollieren willst. Für den ersten lokalen Chat sind Ollama und LM Studio einfacher.

Modellwahl nach RAM

Konkrete Tags ändern sich schneller als die Hardware. Nutze deshalb Modellklassen als Ausgangspunkt:

Freier Speicherbereich	Sinnvolle erste Tests	Typische Aufgaben
unter 10 GB	1B–4B Q4	Zusammenfassungen, kurze Texte, einfache Extraktion
10–18 GB	4B–8B Q4	Chat, Coding-Hilfe, kleinere RAG-Workflows
18–30 GB	8B–14B und ausgewählte effiziente Modelle	bessere Qualität, Vision, längere Dokumente
30–50 GB	20B–32B Q4	anspruchsvollere Coding- und Analyseaufgaben
über 50 GB	größere Q4-Experimente	nur mit kontrolliertem Kontext und realistischen Tempoerwartungen

Wähle für den Einstieg meist Q4_K_M. Diese Quantisierung bietet häufig einen guten Kompromiss aus Qualität und Speicherbedarf. Q8 oder BF16 benötigen deutlich mehr RAM und sind nicht automatisch die bessere praktische Wahl.

Kontext und KV-Cache

Das Kontextfenster umfasst Prompt, Chatverlauf, Tooldefinitionen und häufig auch Bildtokens. Der KV-Cache speichert Zwischenergebnisse der Attention-Schichten und wächst mit der verwendeten Kontextlänge.

Ollama dokumentiert aktuell kontextabhängige Standardwerte nach verfügbarem VRAM: unter 24 GiB 4K, 24–48 GiB 32K und ab 48 GiB 256K. Auf einem Apple-Silicon-Mac sind diese Schwellen keine direkte RAM-Garantie; ein größerer Kontext erhöht den Speicherbedarf und sollte mit ollama ps geprüft werden.⁸

OLLAMA_CONTEXT_LENGTH=8192 ollama serve
# Nur wenn du den Server selbst im Terminal startest.

Bei der laufenden macOS-App wirkt diese Variable so nicht: Verwende dafür launchctl setenv OLLAMA_CONTEXT_LENGTH 8192 und starte die App neu, oder setze im interaktiven ollama run mit /set parameter num_ctx 8192 den Kontext für das geladene Modell. Das Modell muss nicht die beworbenen Maximalwerte nutzen.⁹

Anschließend prüfst du mit:

ollama ps

ob das Modell vollständig auf der GPU bleibt oder teilweise auf die CPU ausgelagert wird.

Praktische Reihenfolge:

1. Modell mit 4K oder 8K starten.
2. Typische Apps und den echten Workflow öffnen.
3. Speicher und Offload prüfen.
4. Kontext schrittweise erhöhen.
5. Neben dem geglückten Ladevorgang gezielt reale Antwortlatenzen und Dauerstabilität unter Last messen.

Datenschutz, Netzwerk und zuverlässiger Offline-Betrieb

Das Modell allein entscheidet nicht über Datenschutz. Ollama und LM Studio können heruntergeladene Modelle offline ausführen. Ein Agent, eine Browser-Erweiterung, MCP oder die optionalen Cloud-Funktionen können dennoch Dienste im Internet aufrufen. Vor vertraulichen Prompts deshalb den gesamten Datenweg prüfen.³⁵⁶

Ollama-Cloud auf macOS wirklich abschalten

Für die standardmäßig als macOS-App gestartete Ollama-Instanz ist die robuste Variante eine Serverkonfiguration in ~/.ollama/server.json:

{
  "disable_ollama_cloud": true
}

Vorhandene Einstellungen nicht überschreiben: Falls server.json schon existiert, ergänze nur den Schlüssel. Danach die Ollama-App vollständig beenden und neu starten. Im Server-Log sollte Ollama cloud disabled: true stehen. Alternativ kannst du launchctl setenv OLLAMA_NO_CLOUD 1 verwenden, musst aber ebenfalls die macOS-App neu starten. Für einen ausdrücklich im Terminal gestarteten Server gilt OLLAMA_NO_CLOUD=1 ollama serve. Eine bloße Shell-Zuweisung verändert keine bereits laufende App. Diese Sperre deaktiviert auch Ollamas integrierte Websuche.⁹

API absichern, statt nur „lokal“ anzunehmen

Ollama bindet im Standardfall an 127.0.0.1:11434. Erweitere OLLAMA_HOST nicht leichtfertig auf 0.0.0.0: Dann wird der Dienst über Netzwerkinterfaces erreichbar. Bei erforderlichem Fernzugriff nutze VPN oder einen abgesicherten Reverse-Proxy mit Authentifizierung, TLS und restriktiver Firewall. Ein roher Ollama-Port gehört nicht offen ins Internet.⁹

LM Studio verlangt für seine lokale API standardmäßig kein Zugriffstoken. Ab LM Studio 0.4.0 kannst du unter Developer → Server Settings → Require Authentication API-Tokens aktivieren. Prüfe dort ebenfalls Serve on Local Network und Enable CORS, bevor du auf andere Geräte zugreifen lässt.¹⁰¹¹

Agenten mit Dateirechten oder Shell-/MCP-Tools können unabhängig vom lokalen Modell Daten lesen, Dateien verändern oder extern kommunizieren. Beschränke Berechtigungen, prüfe Backups und Logdateien, und teste einen zuvor heruntergeladenen lokalen Modell-Request ohne Internetverbindung.

Modelldateien auf eine externe SSD auslagern

Ollama nutzt unter macOS standardmäßig ~/.ollama/models. Eine externe SSD schafft Speicherplatz, aber keinen zusätzlichen Unified Memory. Laut Ollama wird ein alternativer Modellordner über OLLAMA_MODELS festgelegt.⁹

# Beispiel: Das Volume muss eingehängt und beschreibbar sein.
mkdir -p "/Volumes/AI-SSD/OllamaModels"
launchctl setenv OLLAMA_MODELS "/Volumes/AI-SSD/OllamaModels"
# Danach Ollama als macOS-App vollständig beenden und neu starten.

Ersetze AI-SSD durch den tatsächlichen Volumenamen. Vorhandene Modelle werden dadurch nicht automatisch kopiert: Plane deren Migration oder erneuten Download, prüfe ollama list und teste Schreibrechte sowie Verhalten bei getrenntem Laufwerk. Nutzt du statt der App einen eigenen Terminal-Server, gib OLLAMA_MODELS beim Start dieses Serverprozesses an. Eine Umgebungsvariable im CLI-Client verschiebt keinen bestehenden Servermodellordner.

Stromkosten und Amortisation

Apples maximale kontinuierliche Leistungsaufnahme von 155 W ist keine Schätzung für einen typischen Chat. Die tatsächliche Last hängt von Modellgröße, Kontext, Ausgabelänge und Nutzungsdauer ab.¹

Die monatlichen Stromkosten berechnest du so:

durchschnittliche Leistung in kW × Stunden pro Monat × Strompreis pro kWh

Modellrechnung für 30 Tage bei 0,35 €/kWh und angenommenen 4 W Leerlaufverbrauch. Das sind keine gemessenen M4- oder M4-Pro-Werte:

Nutzung	Angenommene tägliche Last	Energie in 30 Tagen	Kosten
Leicht	23 h × 4 W Leerlauf + 1 h × 40 W	3,96 kWh	1,39 €
Gemischt	20 h × 4 W Leerlauf + 4 h × 50 W	8,40 kWh	2,94 €
Dauerlast	24 h × 60 W	43,20 kWh	15,12 €

Die Beispielkosten enthalten auch den angenommenen Leerlauf. Peripheriegeräte, echte Inferenzlast und der Stromtarif verändern das Ergebnis. Für eine Kaufentscheidung solltest du die Leistungsaufnahme direkt an der Steckdose messen.

Lokale KI amortisiert sich nicht automatisch gegenüber einem 20-Euro-Abo. Berücksichtige:

• Kaufpreis und Aufpreis für RAM,
• Stromverbrauch,
• Wertverlust und Restwert,
• wirklich ersetzte API- oder Abo-Kosten,
• weitere Nutzung des Macs außerhalb von KI,
• Datenschutz und Offline-Fähigkeit als nicht-finanzielle Vorteile.

Bei leichter Nutzung können günstige APIs wirtschaftlicher bleiben. Regelmäßige Verarbeitung privater Dateien, planbare hohe Nutzung und Offline-Bedarf sprechen stärker für den lokalen Mac.

Ollama in sechs Schritten

1. Ollama von ollama.com/download installieren.
2. Terminal öffnen und ein kleines Modell laden:

ollama pull qwen3:4b

3. Modell starten:

ollama run qwen3:4b

4. Einen überprüfbaren Testprompt verwenden.
5. Mit ollama ps Speicher und Offload prüfen.
6. Erst dann Modellgröße oder Kontext erhöhen.

Kaufempfehlung

Nimm 16 GB, wenn du lokale KI nur ausprobieren und vor allem kleine Modelle nutzen willst.

Nimm 24 GB, wenn 4B–8B deine Hauptklasse ist und du ein gutes Preis-Leistungs-Verhältnis suchst.

Nimm 32 GB, wenn der normale M4 regelmäßig als lokale KI-Arbeitsmaschine dienen soll und du ausgewählte größere Quantisierungen testen möchtest.

Prüfe M4 Pro mit 48 oder 64 GB, wenn 20B–32B-Modelle, lange Coding-Sitzungen und parallele Apps deinen Alltag bestimmen. Höhere Speicherbandbreite kann Inferenz beschleunigen; ohne identischen Modelltest lässt sich der reale Vorteil nicht beziffern.

Verfügbarkeit: M4 und M4 Pro sind Geräte der vorherigen Generation. Die Apple-Spezifikationen zeigen die damaligen Ausstattungsoptionen und sind keine aktuelle Lieferzusage. Bei Restposten und Refurbished-Angeboten die tatsächlich verbaute RAM-Menge prüfen.

Kaufe nicht 64 GB mit der Erwartung, damit jedes sehr große oder MoE-Modell komfortabel zu betreiben. Ein Modell, das in den Speicher passt, kann immer noch zu langsam sein oder zu wenig Kontextreserve lassen.

Wenn die 256- oder 512-GB-SSD voll wird: Modellordner lassen sich auf eine externe NVMe-SSD auslagern. Ein geeignetes externes Gehäuse kann ausreichen; ein Hub-Stand ist optional. Externer SSD-Speicher erhöht weder Unified Memory noch die mögliche Modellgröße.

Verwandte Artikel

• Ollama auf dem Mac mini M4 einrichten
• LM Studio vs. Ollama
• Unified Memory für lokale LLMs
• Gemma 4 auf dem Mac
• Open-Weight-LLMs auf dem Mac

Quellen

Footnotes

1. https://support.apple.com/de-de/121555 ↩ ↩² ↩³ ↩⁴

2. https://docs.ollama.com/macos ↩

3. https://docs.ollama.com/cloud ↩ ↩²

4. https://docs.ollama.com/api/openai-compatibility ↩

5. https://www.lmstudio.ai/docs ↩ ↩²

6. https://www.lmstudio.ai/docs/app/offline ↩ ↩²

7. https://github.com/ml-explore/mlx-examples ↩

8. https://docs.ollama.com/context-length ↩

9. https://docs.ollama.com/faq ↩ ↩² ↩³ ↩⁴

10. https://lmstudio.ai/docs/developer/core/authentication ↩

11. https://lmstudio.ai/docs/developer/core/server/settings ↩