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.

Mehr RAM ist nicht nur Platz für größere Gewichte. Unified Memory wird gleichzeitig von macOS, Apps, Modell, Runtime und KV-Cache genutzt. Genau deshalb kann ein Modell zwar starten, aber bei langem Kontext trotzdem langsam oder instabil werden.

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

Ollama dokumentiert außerdem Teile der OpenAI-kompatiblen /v1-API, 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

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. Nicht nur den erfolgreichen Start, sondern Antwortzeit und Stabilität messen.

Datenschutz und Offline-Betrieb

Ollama und LM Studio können Modelle vollständig lokal ausführen. Das ist aber nur dann wirklich ein lokaler Workflow, wenn dein gewähltes Modell und deine Tools keine Cloud-Funktionen aufrufen.³⁵

Bei Ollama lassen sich Cloud-Funktionen mit OLLAMA_NO_CLOUD=1 oder disable_ollama_cloud in der Server-Konfiguration deaktivieren; die FAQ nennt außerdem Modellpfade und lokale Servereinstellungen.⁹ LM Studio dokumentiert, dass Chat, Dokument-RAG und lokaler Server nach dem Download offline funktionieren. Modellsuche, Downloads und Runtime-Updates benötigen weiterhin Internet.⁶

Lokaler Betrieb schützt nicht automatisch vor jedem Risiko:

• Ein offener Server im LAN braucht Authentifizierung und Firewall-Regeln.
• Coding-Agenten können Dateien verändern oder Befehle ausführen.
• Browser- oder MCP-Tools können Daten an externe Dienste senden.
• Backups und Logs können sensible Prompts enthalten.

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

Beispiel bei 0,35 €/kWh:

Nutzung	Annahme	Kosten pro Monat
1 Stunde täglich	40 W während Inferenz	ca. 0,42 €
4 Stunden täglich	50 W während Inferenz	ca. 2,10 €
Dauerlast	60 W rund um die Uhr	ca. 15,12 €

Das sind Rechenbeispiele, keine Labormessungen. Für eine echte Kalkulation brauchst du ein Messgerät an deinem konkreten Mac und dein reales Nutzungsmuster.

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.

Eigene Beispielszenarien. Miss den Verbrauch deines konkreten Systems, bevor du eine Kaufentscheidung auf Stromkosten stützt.

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.

Nimm M4 Pro mit 48 oder 64 GB, wenn 20B–32B-Modelle, lange Coding-Sitzungen, mehrere Apps und größere Kontexte zum Alltag gehören. Die höhere Speicherbandbreite macht sich hier zusätzlich bemerkbar.

Hinweis zur Verfügbarkeit (Stand: 22. August 2026): Apple hat im Zuge der globalen Speicherknappheit mehrere Mac-mini-Konfigurationen aus dem Store genommen — darunter den M4 mit 32 GB und den M4 Pro mit 64 GB. Die Tech-Specs listen diese Optionen weiterhin als konfigurierbar; ob und wann sie wieder bestellbar sind, ist offen. Vor einem Kauf die aktuelle Store-Konfiguration 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.

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 ↩