KI-Server für Spielestudios: Assets, Stimmen, Lip-Sync und automatisierte Tests

Was ein KI-Server für ein Spielestudio leistet

Ein Spielestudio nutzt einen KI-Server für die Produktion eines Spiels: Concept Art und Texturen, grobe 3D-Props, Platzhalterstimmen und Lip-Sync, Hilfe bei Code und Lokalisierung sowie Agenten, die Test-Builds spielen. Ein Server mit vier NVIDIA RTX PRO 6000 Blackwell Server Edition ist die Größe, die wir für ein Studio mit mehreren Teams zuerst durchrechnen würden: Jede Aufgabe passt auf eine Karte mit 96 GB oder einen Teil davon, sodass Grafik, Audio, Code und Tests gleichzeitig laufen. Welche Modelle das Studio in der EU nutzen darf, entscheidet die Lizenzseite jedes Modells, und diese Prüfung kommt vor der Hardware.

Dieser Leitfaden richtet sich an Studioleitung, Produktion und Technical Directors sowie an die IT- oder Pipeline-Leitung, die die Maschine betreiben wird. Er behandelt die Arbeit, die der Server übernimmt, die Modelle und was ihre Lizenzen sagen, wie zwei, vier oder acht Karten die Aufgaben aufteilen, und die technischen Einzelheiten. Der Server dient dem Team, das das Spiel macht; Funktionen im Spiel, die während des Spielens ein Modell aufrufen, sind eine andere Architekturfrage und hier nicht behandelt. Unsere Leitfäden zum KI-Server für Kreativagenturen und zum GPU-Render-Server vertiefen Bild, Video und Rendering.

Die KI-Arbeit eines Studios, Aufgabe für Aufgabe

Concept Artists erzeugen Varianten einer Figur, eines Props oder eines Stimmungsbilds und übermalen dann die Variante, die sie behalten. Environment Artists machen aus Referenzfotos Texturentwürfe. Eine 3D-Artistin, die fünfzig Hintergrund-Props für ein Level braucht, kann mit groben Meshes aus Bildern beginnen und die Zeit in die Props stecken, die die Kamera aus der Nähe zeigt.

Audio- und Animationsteams nutzen Sprachsynthese für Platzhalterdialoge, damit eine Szene zeitlich abgestimmt und abgenommen werden kann, bevor die Sprecher aufnehmen, und Lip-Sync-Modelle, die ein Gesicht aus einer Tonspur bewegen. Die Programmierung nutzt einen Code-Assistenten auf dem eigenen Engine-Code des Studios, der bei den meisten Studios im Haus bleiben muss. Produktion und Lokalisierung entwerfen Übersetzungen von Strings und Dialogen. Die QA lässt Agenten Builds immer wieder spielen, um Stellen zu finden, an denen die Figur hängen bleibt oder ein Level nicht abschließbar ist.

Die Aufgaben unterscheiden sich in einem Punkt, der für den Server zählt. Ein Bild oder eine Sprachzeile dauert Sekunden, eine Code-Antwort ebenso, aber das Training eines Testagenten oder ein nächtlicher Stapel von Assets belegt eine Karte für Stunden. Die Zahl der Personen, die im selben Moment warten, und die langen Aufträge, die eine Karte halten, bestimmen die Kartenzahl stärker als das Tagesvolumen.

Was jede Aufgabe auf einer Karte braucht

Modellkarten auf Hugging Face von black-forest-labs, stabilityai und nvidia (Audio2Face-3D v3.0), NVIDIAs TTS-NIM-Support-Matrix 26.05.0, wie in unserem Leitfaden zum Voice-Agent zitiert, das Repository von gpt-oss-120b und das ML-Agents-Repository auf GitHub, gelesen am 24. Oktober 2026.

Bilder und Texturen. FLUX.2 [klein] 4B läuft laut Karte mit „as little as 13GB VRAM“ und steht unter Apache 2.0, mit Gewichten „available for commercial use“. NVIDIA nennt für eine RTX PRO 6000 Server Edition 0,20 FLUX-Bilder pro Sekunde in FP4 bei Batch 1, nach unserer Rechnung etwa 720 pro Stunde, ohne Variante, Auflösung oder Schrittzahl anzugeben, wie unser FLUX-Leitfaden erklärt. Eine in MIG-Instanzen geteilte Karte gibt jedem Artist oder Werkzeug eine eigene Warteschlange.

3D-Props. Stable Fast 3D von Stability AI nimmt ein Bild eines Objekts mit 512 × 512 Pixeln und liefert ein texturiertes Mesh mit UV-Abwicklung, einer laut Karte relativ niedrigen Polygonzahl und Materialparametern wie Roughness und Metallic. Die Karte sagt, das Modell sei trainiert, aus einem einzelnen Bild in unter einer Sekunde ein 3D-Modell zu erzeugen, und nennt 1 Milliarde Parameter. GPU-Speicher gibt sie nicht an; nach unserer Rechnung belegen 1 Milliarde Parameter in FP32 etwa 4 GB, ein kleiner Teil einer Karte mit 96 GB.

Stimmen. Magpie TTS Multilingual ist NVIDIAs Sprachsynthesemodell für 12 Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Italienisch und Japanisch, unter der NVIDIA Open Model License. NVIDIAs TTS-NIM-Container reserviert bei Batch 8 10,87 GB und bei Batch 32 31,55 GB, wie unser Leitfaden zum Voice-Agent-Server aus der Support-Matrix zitiert. Chatterbox Multilingual mit 0,5 Milliarden Parametern und 23 Sprachen unter der MIT-Lizenz ergänzt Polnisch, Niederländisch, Schwedisch und weitere, und laut Karte trägt jede erzeugte Audiodatei das Perth-Wasserzeichen von Resemble AI.

Lip-Sync. Audio2Face-3D v3.0 erzeugt laut Karte 3D-Gesichtsanimationen aus Audio: Es nimmt auf 16 kHz neu abgetastetes Audio und liefert Bewegung für Haut, Zunge, Kiefer und Augäpfel. Die Karte nennt das Audio2Face-SDK und TensorRT als Laufzeit, Linux und Windows, führt die Blackwell-Architektur unter den unterstützten auf und nennt unter den getesteten GPUs die L40S und eine „Pro 6000 Blackwell“ ohne Angabe der Edition. Sie warnt, das Modell könne bei Audio geringer Qualität ungenaue Lippenstellungen erzeugen; Animatoren prüfen das Ergebnis also.

Code und Text. gpt-oss-120b mit einem Checkpoint von 65,3 GB passt auf eine Karte mit 96 GB und hält nach unserer Regel für Nutzer je Karte 19 Konversationen mit 32K Token gleichzeitig: 0,9 × 95,6 GiB vom Treiber gemeldeter Speicher − 3 GiB je Karte = 83,04 GiB nutzbar, abzüglich 60,8 GiB Gewichte, geteilt durch 1,125 GiB je Konversation. Für Coding-Agenten, die an großen Teilen einer Codebasis arbeiten, legt unser Server für Coding-Agenten ein Kartenpaar mit Qwen3-Coder-Next auf höchstens etwa 35 Sitzungen mit 64K Token bei je 50 Token pro Sekunde aus; bei diesem Mixture-of-Experts-Modell ist das nach unserer Schätzung eine Obergrenze. Übersetzungen von Strings und Dialogen behandelt unser Leitfaden zur maschinellen Übersetzung on-premise.

Testagenten. Unitys ML-Agents-Toolkit macht laut Repository Spiele und Simulationen zu Umgebungen für das Training intelligenter Agenten und nennt „automated testing of game builds and evaluating different game design decisions pre-release“ als Einsatzzwecke. Seine Algorithmen beruhen auf PyTorch, das Repository steht unter Apache 2.0, und die neueste Version ist Release 23 vom 28. August 2025. Eine GPU-Angabe macht das Repository nicht; ein erster Agent auf einer Karte zeigt die Größe.

Was die Lizenzseiten sagen

Für ein kommerzielles Spiel braucht jedes Modell eine Lizenz, die die kommerzielle Nutzung dort abdeckt, wo das Studio arbeitet. Die Tabelle gibt die Lizenzseiten und Modellkarten wieder, wie sie am 24. Oktober 2026 lauteten; Bedingungen ändern sich, lesen Sie sie daher vor einer Produktionsentscheidung erneut. Wir geben nur wieder, was die Seiten sagen, und über jede Nutzung entscheidet Ihre Rechtsabteilung.

Modellkarten und Lizenzdateien auf Hugging Face von black-forest-labs, stabilityai, tencent (LICENSE, Release-Datum 13. Juni 2025), ResembleAI und nvidia sowie NVIDIAs Magpie-TTS-Blog vom 10. August 2026, gelesen am 24. Oktober 2026; FLUX.2 [dev] und gpt-oss wie in unserem FLUX-Leitfaden und im Leitfaden für Kreativagenturen zitiert.

Zwei Einträge verdienen einen genaueren Blick. Die Lizenz von Hunyuan3D 2.1, veröffentlicht am 13. Juni 2025, definiert ihr „Territory“ als „the worldwide territory, excluding the territory of the European Union, United Kingdom and South Korea“, und ihre Präambel sagt in Großbuchstaben, dass sie dort nicht gilt. Nach diesem Wortlaut deckt die Lizenz ein Studio nicht ab, das das Modell in der EU nutzt. Dieselbe Lizenz verlangt von Lizenznehmern, deren Produkte oder Dienste im Kalendermonat vor dem Veröffentlichungsdatum mehr als 1 Million monatlich aktive Nutzer hatten, eine Lizenz bei Tencent anzufragen, und verbietet, das Modell oder seine Ausgaben zur Verbesserung anderer KI-Modelle zu verwenden.

Stable Fast 3D ist für Organisationen mit einem Jahresumsatz von 1.000.000 US-Dollar oder weniger kostenlos für Forschung, nicht kommerzielle und kommerzielle Nutzung; darüber verlangt die Karte vor der kommerziellen Nutzung eine Enterprise-Lizenz von Stability AI, auch für feinabgestimmte Versionen. Ein Studio, das während eines Projekts über diese Schwelle wächst, braucht die Enterprise-Lizenz ab diesem Zeitpunkt; nehmen Sie die Umsatzprüfung also in den Projektplan auf.

Stimmen, Sprecher und der AI Act

Synthetische Sprache bedeutet in einem Studio meist Platzhalterzeilen, die später durch Aufnahmen ersetzt werden, oder Stimmen für Nebenfiguren. Aufnahmen eines identifizierbaren Sprechers sind personenbezogene Daten im Sinne der DSGVO, und der Vertrag mit dem Sprecher regelt, was das Studio aufnehmen, damit trainieren oder synthetisieren darf; diese Frage gehört zu Ihrer Rechtsabteilung, bevor ein Stimmmodell eine Aufnahme verarbeitet. Unter NVIDIAs Sprachsynthesemodellen ist Magpie TTS Zeroshot in NVIDIAs Support-Matrix mit beschränktem Zugang gelistet, wie unser Voice-Agent-Leitfaden anmerkt.

Artikel 50 des AI Act gilt seit dem 2. August 2026. Anbieter von KI-Systemen, die synthetische Audio-, Bild-, Video- oder Textinhalte erzeugen, kennzeichnen die Ausgabe maschinenlesbar, mit Ausnahmen für unterstützende Bearbeitung, und Betreiber legen Deepfakes offen. Für generative Systeme, die vor dem 2. August 2026 in Verkehr gebracht wurden, legt der durch die Verordnung (EU) 2026/1744 geänderte AI Act für diese Kennzeichnung den 2. Dezember 2026 fest (Artikel 111 Absatz 4). Ein Studio, das seine eigene Generierungspipeline zusammenstellt, kann ihr Anbieter sein. Unser Artikel zum EU AI Act bietet allgemeine Informationen; die nationale Praxis kann abweichen, und wie er auf die Werkzeuge des Studios und auf das Spiel anzuwenden ist, entscheidet Ihre Rechtsabteilung.

Wir bauen Server für Studios, die diese Aufgaben verbinden; schicken Sie uns die Werkzeuge Ihrer Teams, die Zahl der Personen, die gleichzeitig arbeiten, und die geplanten Modelle, und unser Team antwortet mit einer Konfiguration, die jeder Aufgabe ihre Karte zuweist.

Zwei, vier oder acht Karten für ein Studio

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Max-Q-Workstation aus unserem Leitfaden zur Workstation mit vier Max-Q; Leistung der Server nach unserer Schätzung (Karten bei 600 W, zwei AMD EPYC 9135, 9355 oder 9555 für zwei, vier oder acht Karten, plus 15 Prozent für den Rest des Servers).

Eine Workstation mit vier Karten. NVIDIA nennt bis zu vier RTX PRO 6000 Max-Q in einer Workstation, 300-W-Karten mit Radiallüfter und je 96 GB. Ein Studio ohne Serverraum bekommt so 384 GB GPU-Speicher unter dem Schreibtisch, und unser Leitfaden zur Workstation mit vier Max-Q behandelt Gehäuse und die etwa 2 kW Wärme. Die Max-Q ist die Workstation-Karte; in einem Rack gehört sie nur in ein Gehäuse, dessen Hersteller sie listet, und für den Dauerbetrieb im Rack empfehlen wir die Server Edition.

Zwei Karten. Unser Einstiegsserver hat zwei RTX PRO 6000 Server Edition mit zwei AMD-EPYC-Prozessoren, 384 GB DDR5-ECC und zwei NVMe-Laufwerken. Eine Karte betreibt Bild- und Stimmen-Warteschlangen in bis zu vier MIG-Instanzen mit 24 GB; auf der anderen läuft tagsüber gpt-oss-120b für Code und Text, nachts trainiert sie Testagenten. Er passt an eine Zuleitung mit 230 V und 16 A.

Vier Karten. Der Inferenzknoten mit 768 GB Arbeitsspeicher und vier NVMe-Laufwerken gibt jedem Team während der Arbeitszeit seine Karte: Grafik, Audio, Code und QA. Nachts können die Karten für Grafik und Audio rendern oder Asset-Stapel erzeugen, und die QA-Karte trainiert weiter Agenten. Bei voller Leistung braucht er 32 A oder Drehstrom, bei der 450-W-Begrenzung zieht er etwa 2,7 kW.

Acht Karten. Ein Server mit acht Karten passt zu einem Studio, das mehrere Projekte zugleich betreibt, oder zu einem Code-Modell, das mehr Speicher braucht als ein Paar. Unser Vergleich ein Server mit acht GPUs oder zwei mit vier zeigt, wann zwei Maschinen die bessere Wahl sind, etwa damit eine weiterläuft, während die andere gewartet wird.

Für die IT- und Pipeline-Leitung des Studios

1. Warteschlangen. ComfyUI unter GPL-3.0 unterstützt FLUX und Qwen Image und beschreibt asynchrones Queueing, wie unser FLUX-Leitfaden anmerkt; betreiben Sie eine Instanz je Karte oder je MIG-Instanz, damit ein langer Stapel keinen Artist aufhält.
2. MIG. Bis zu vier Instanzen mit 24 GB auf jeder Edition der RTX PRO 6000. NVIDIAs Voraussetzungen sind Linux, Treiber 575.51.03 oder neuer, ein aktuelles vBIOS und der DisplayModeSelector im Compute-Modus, der die Display-Ausgänge abschaltet. NVIDIAs MIG-Leitfaden hält fest, dass NCCL mit MIG nicht unterstützt wird; Training über mehrere Karten nutzt also ganze Karten.
3. Artists aus der Ferne. Die Server Edition ist die einzige Edition der RTX PRO 6000 mit vGPU, ab vGPU 19.0. NVIDIA RTX Virtual Workstation wird je gleichzeitigem Nutzer lizenziert, wie unser Leitfaden zu den vGPU-Profilen erklärt.
4. Engines und Rendering. Epic unterstützt mehrere GPUs für den Path Tracer der Unreal Engine nur über SLI mit NVLink-Brücken, die die RTX PRO 6000 nicht hat; er rendert daher einen Auftrag je Karte, wie unser Render-Leitfaden anmerkt.
5. Speicherplatz. Halten Sie Modelle, erzeugte Assets sowie Prompt, Seed und Modellrevision jeder Ausgabe auf NVMe, damit sich ein Ergebnis reproduzieren und seine Lizenz nachvollziehen lässt. Unser Leitfaden zu NVMe-Speicher für einen GPU-Server behandelt Laufwerksklassen.
6. Software bei Lieferung. Der Server kommt auf Wunsch mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime. Halten Sie das NVIDIA Container Toolkit auf 1.17.8 oder neuer und den Treiber auf einer Version, die NVIDIA in seinem Sicherheitsbulletin vom 30. September 2026 als behoben nennt. NVIDIAs Speech-NIM-Container brauchen für den Produktivbetrieb eine Lizenz für NVIDIA AI Enterprise, offene Gewichte laufen auch außerhalb von NIM.

Wo der Server steht: Strom und Wärme

Nach unserer Schätzung zieht der Server mit zwei Karten und zwei EPYC 9135 etwa 1,8 kW an der Steckdose und passt an eine Zuleitung mit 230 V und 16 A, die bei 80 Prozent 2,94 kW trägt. Der Server mit vier Karten und zwei EPYC 9355 zieht mit den Karten bei 600 W etwa 3,4 kW, bei der 450-W-Begrenzung etwa 2,7 kW, und der Server mit acht Karten und zwei EPYC 9555 etwa 6,3 kW. In Lärm und Wärme sind das Rechenzentrumsmaschinen, die in einen Serverraum oder ein gemietetes Rack gehören, wie unser Leitfaden zum GPU-Server im Büro erklärt. Die Max-Q-Workstation ist mit etwa 2 kW Wärme die Variante für die Studiofläche.

Den Server bei uns bestellen

Sie können dieses System bei uns kaufen: Unser Team legt die Konfiguration nach Ihrer Last und Ihrem Budget aus und antwortet innerhalb eines Werktages. Wir bauen Server auf Bestellung mit zwei, vier oder acht RTX PRO 6000 Server Edition und liefern Workstations mit vier Max-Q, vor der Lieferung montiert und getestet, in die gesamte EU geliefert mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. NVIDIA-AI-Enterprise- und vGPU-Lizenzen kommen auf dieselbe Rechnung wie die Hardware. Unser Service Private AI/ML mit unserem Engineering-Partner Vixen.UNO richtet die offenen Modelle und den Code-Assistenten on-premise mit kontrolliertem Zugriff ein. Beschreiben Sie die Aufgaben Ihres Studios und wie viele Personen sie gleichzeitig nutzen, und wir legen die Karten danach aus.

FAQ