KI-Video-Workstation fürs Marketing: welche NVIDIA RTX PRO Blackwell für Wan 2.2, LTX-2.5

Welche Workstation für KI-Videos, nach Aufgabe

Für KI-Videos im Marketing ist eine Workstation mit einer NVIDIA RTX PRO 6000 Blackwell Workstation Edition oder Max-Q (96 GB) die Größe, die die großen offenen Modelle Wan 2.2 A14B, LTX-2.5 und die Avatar-Modelle in 16-Bit-Genauigkeit hält. Eine RTX PRO 5000 Blackwell mit 72 GB hält sie in komprimierten Formaten, und eine RTX PRO 4000 oder 4500 mit 24 oder 32 GB passt für Entwürfe mit dem kleinen Wan-Modell, für Upscaling, Stimmen und Standbilder. Eine zweite Karte lässt zwei Aufträge gleichzeitig laufen; wenn mehrere Personen zur selben Zeit erzeugen, bedient ein Server sie besser.

Dieser Vergleich richtet sich an Freelancer, kleine Studios und interne Marketingteams, die einen Rechner für Produktclips, Social-Media-Anzeigen, Sprechervideos und Upscaling kaufen wollen, und an die IT-Person, die ihn betreut. Er stellt vier Kartenstufen nebeneinander, erklärt, was die Einrichtung der Software umfasst, und behandelt Hauptspeicher, Datenträger, Strom und Lautstärke. Die Arbeitsabläufe selbst stehen in unseren Leitfäden zu Produktvideos aus Fotos, zu lokalen KI-Avatar-Videos, zu einer lokalen Alternative zu Runway und Kling und zum KI-Video-Upscaling, und unser Leitfaden zu den GPU-Anforderungen der Videogenerierung nennt den Speicherbedarf je Modell für Teamserver.

Ein Begriff ist für den größten Teil dieses Artikels wichtig. VRAM ist der Speicher auf der Grafikkarte. Die Dateien eines Videomodells müssen dort liegen, während es arbeitet; was nicht passt, wird zwischen Karte und Hauptspeicher des Rechners hin- und hergeschoben (Offloading), was funktioniert, jeden Clip aber langsamer macht.

Vier RTX-PRO-Stufen für Video im Vergleich

Kartenspeicher, Bandbreite und Leistung aus NVIDIAs Datenblättern; Modellspeicher aus den Modellkarten von Wan (24 GB für TI2V-5B, 80 GB für A14B, jeweils mit Offloading) und aus den Dateigrößen auf Hugging Face (Comfy-Org Wan 2.2 repackaged, Lightricks/LTX-2.5), gelesen am 30. Oktober 2026, Summen nach unserer Rechnung.

Warum der Speicher die Stufe bestimmt. Wan2.2-TI2V-5B, das kleine Wan-Modell, erzeugt 720p mit 24 Bildern pro Sekunde und läuft laut Karte mit Offloading auf „a GPU with at least 24GB VRAM“; das ComfyUI-Tutorial bringt es mit eigenem Offloading sogar auf 8 GB. Die großen Modelle Wan2.2 A14B nennen „at least 80GB VRAM“ für ihren 720p-Befehl. Die FP8-Dateien von ComfyUI für das A14B-Bild-zu-Video-Modell haben 14,3 GB je Experte und kommen mit dem FP8-Text-Encoder (6,7 GB) und dem VAE auf etwa 35,6 GB. Der Transformer von LTX-2.5 mit 22 Milliarden Parametern hat in 16 Bit 42 GB, in INT8 21,5 GB und in NVFP4 18,7 GB, und sein Text-Encoder Gemma 4 12B kommt mit 26,3 GB hinzu, in INT8 mit 15,4 GB. Unser Leitfaden zu Avatar-Videos addiert die Avatar-Ketten: etwa 28,5 GB für InfiniteTalk in FP8 und 49,6 GB in 16 Bit. Grafikspeicher für die Bilder während der Berechnung kommt zu jedem Wert hinzu und wächst mit Auflösung und Länge.

Nach unserer Regel für den nutzbaren Speicher, 90 Prozent des vom Treiber gemeldeten Speichers abzüglich 3 GiB je Karte, bietet eine RTX PRO 5000 mit 48 GB etwa 40,0 GiB (43 GB); sie hält also den FP8-Satz von Wan oder den NVFP4-Satz von LTX mit etwa 7 bis 9 GB Reserve, und die 72-GB-Karte bietet 61,5 GiB und hält beide mit mehr Platz. Die 96-GB-Karte ist die erste, die die 80 GB von Wan erfüllt und LTX-2.5 in 16 Bit hält (etwa 68 GB Dateien). Von den 95,6 GiB, die der Treiber auf einer RTX PRO 6000 meldet, sind nach derselben Regel 83,0 GiB nutzbar; neben den 16-Bit-Dateien von LTX-2.5 bleiben damit etwa 19 GiB für Bilder und Dekodierung. Senden Sie uns die geplanten Clips, wir nennen Ihnen die Karte, die sie fasst.

Warum die Rechenleistung der Karte die Zeit bestimmt. Videodiffusion ist vor allem Rechenarbeit: Unser Artikel zum Wan-2.2-Server zählt etwa 5,2 × 10^17 Operationen für einen fünfsekündigen 720p-Clip mit dem A14B-Modell bei den voreingestellten 40 Schritten. NVIDIAs AI-TOPS-Werte zeigen den Abstand zwischen den Stufen: 1.178 für die RTX PRO 4000 (Datenblatt), 1.617 für die RTX PRO 4500, 2.064 für die RTX PRO 5000, 3.511 für die Max-Q und 4.000 für die RTX PRO 6000 Workstation Edition. Kein Herausgeber nennt Minuten je Clip für Wan 2.2, LTX-2.5 oder die Avatar-Modelle auf einer RTX-PRO-Karte, und eine unabhängige Messung haben wir nicht gefunden. Der einzige veröffentlichte Video-KI-Test auf diesen Karten, den wir gefunden haben, ist der Test von Puget Systems vom Juni 2025 (aktualisiert Juli 2025): In Topaz Video AI 6.2, Verbesserung bei 1920 × 1080, war die RTX PRO 6000 Blackwell Workstation Edition 30 Prozent schneller als die RTX 6000 Ada. Der Test verbesserte vorhandenes Material und enthielt keine Erzeugung.

Die Software: Oberflächen, Modelle und Lizenzen

Eine Workstation mit Betriebssystem und Treibern allein kann noch kein Video erzeugen. Dazu braucht es die Oberflächen, die Modelle in den Formaten, die zur Karte passen, und fertige Workflows.

GitHub-Releases und README von Comfy-Org/ComfyUI; Modellkarten und Lizenzdateien von Wan-AI, Lightricks, MeiGen-AI, meituan-longcat und ResembleAI auf Hugging Face; SeedVR2-Tutorial von ComfyUI; gelesen am 30. Oktober 2026.

ComfyUI ist die Hauptoberfläche. Das README nennt Wan 2.2, LTX-Video 2 und 2.3 und weitere Videomodelle, beschreibt eine asynchrone Warteschlange und eine lokale API und bringt Workflow-Templates mit; laut Lightricks liegen offizielle LTX-2.5-Templates in ComfyUI. Der App-Modus, den NVIDIAs Blog vom 10. März 2026 App View nennt, „presents workflows in a simplified interface“: Eine Mitarbeiterin im Marketing gibt einen Prompt ein, wählt ein Bild und startet den Auftrag, während die Knotenansicht für die Person bleibt, die die Workflows baut.

Wan2GP, eine Oberfläche in einem Fenster für dieselben Modelle, steht unter einer eigenen Lizenz (WanGP Community License 2.0) und gehört nicht zur Software, die wir einrichten.

Die Lizenzen der Modelle zählen im Marketing mehr als bei den meisten Anwendungen, weil Kunden- und Werbearbeit kommerziell ist. Wan 2.2, InfiniteTalk und SeedVR2 stehen unter Apache 2.0, die Gewichte von LongCat-Video-Avatar-1.5 und Chatterbox unter MIT. Die LTX-2.x Community License verlangt von „Entities with annual revenues of at least $10,000,000“ eine kostenpflichtige Lizenz und zählt dabei „all subsidiaries, affiliates, and companies under common Control“ zusammen. LTX-2.5 gehört nicht zu der Einrichtung, die wir liefern; ein Unternehmen, das die Lizenzbedingungen erfüllt, installiert es selbst unter dieser Lizenz. HunyuanVideo 1.5 und MiniMax H3 installieren wir nicht, weil ihre Lizenzen die EU ausschließen. Sprecher- und Stimmclips, die Gesicht oder Stimme einer echten Person nachbilden, brauchen deren Einwilligung, und Artikel 50 der KI-Verordnung verpflichtet Betreiber ab dem 2. August 2026, Deepfakes offenzulegen; unser Leitfaden zu Avatar-Videos behandelt beides, und Ihre Rechtsberatung bestätigt, was für Ihre Clips gilt.

Updates. ComfyUI nennt einen wöchentlichen Release-Zyklus, und neue Modelle bringen neue Workflows mit. Legen Sie im Team fest, wer die Installation aktualisiert, und lassen Sie nach jedem Update einen Referenz-Workflow erneut laufen, bevor die Kundenarbeit weitergeht.

Sie können die Workstation allein bestellen, die Einrichtung von ComfyUI, Wan 2.2, den Avatar- und Sprachmodellen und SeedVR2 allein oder beides zusammen: die Workstation mit allem fertig installiert und eingerichtet; schreiben Sie uns, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

Komprimierte FP8- und NVFP4-Modelle auf Karten mit 48 und 72 GB

FP8 und NVFP4 speichern jedes Gewicht in 8 oder etwa 4 Bit statt in 16, die Dateien schrumpfen also: ein Experte von Wan 2.2 von 28,6 auf 14,3 GB, der Transformer von LTX-2.5 von 42 auf 18,7 GB. NVIDIA berichtete in seinem Blog vom 10. März 2026, NVFP4 mache die Erzeugung in ComfyUI „2.5x faster and VRAM is reduced by 60%“, FP8 „1.7x faster and VRAM is reduced by 40%“. Gemessen wurden diese Werte auf Karten der GeForce RTX 50 Series, im Diagramm eine RTX 5090; für RTX PRO hat NVIDIA keinen solchen Wert veröffentlicht. Die RTX-PRO-Blackwell-Karten haben dieselben FP4-Tensor-Cores, und die Karte von LTX-2.5 führt ihre NVFP4-Datei mit Blackwell-GPUs.

Das erlaubt einer Karte mit 48 oder 72 GB, Modelle zu betreiben, deren 16-Bit-Dateien 96 GB brauchen. Komprimierte Gewichte können das Bild leicht verändern; vergleichen Sie deshalb einige Clips in beiden Formaten, bevor Sie Kundenarbeit auf die kleineren Dateien umstellen.

Hauptspeicher, Datenträger, Strom und Lautstärke

Hauptspeicher. Offloading nutzt den Hauptspeicher des Rechners. Nach der Rechnung in unserem Artikel zum Wan-2.2-Server hält jeder A14B-Auftrag in 16 Bit dort etwa 69 GB. Unsere Workstation-Konfigurationen folgen NVIDIAs Regel von mindestens doppeltem GPU-Speicher, also 192 GB neben einer 96-GB-Karte und 384 GB neben zwei; unser Leitfaden Wie viel RAM ein GPU-Server braucht erklärt die Regel.

Datenträger. Die Modelle dieses Artikels belegen zusammen einige hundert GB: Allein die 16-Bit-Experten des A14B-Bild-zu-Video-Modells haben 57,2 GB, Transformer und Text-Encoder von LTX-2.5 in 16 Bit 68,3 GB, das Repository des LongCat-Avatars 74,9 GB. Planen Sie schnellen NVMe-Speicher für die Modelle getrennt vom Speicher für Projekte und fertige Clips, und bewahren Sie Prompt, Seed und Modellversion mit jedem Clip auf.

Strom und Wärme. Videogenerierung hält die Karte je Clip minutenlang unter Volllast, planen Sie deshalb mit dem vollen Wert. Die Stufen mit einer Karte nehmen allein auf der Karte 145 bis 600 W auf. Unser Artikel zu zwei RTX PRO 6000 Workstation Edition schätzt für einen solchen Tower etwa 1,8 kW an der Steckdose, 7,8 A an 230 V, innerhalb eines 16-A-Stromkreises bei 80 Prozent Planung, und weist darauf hin, dass die Durchström-Kühler ihre Wärme im Gehäuse abgeben; zwei solche Tower passen nicht an einen Stromkreis. Zwei Max-Q kommen auf etwa 1,1 kW und vier auf etwa 1,8 bis 2 kW, wie unser Leitfaden zum Max-Q-Strombedarf schätzt, und all das wird zu Wärme im Raum.

Drei oder vier Karten. NVIDIA nennt bis zu vier Max-Q in einer Workstation. Puget Systems (Juli 2025) stellte fest, dass direkt benachbarte Max-Q-Karten kaum Luft ansaugen können, und empfiehlt einen freien Slot dazwischen; Exxact (aktualisiert März 2026) berichtet, dass alle vier benachbarten Karten ohne seine eigene Luftführung drosselten und mit ihr volle 300 W bei bis zu 85 °C hielten. Drei oder vier Max-Q gehören deshalb nur in ein Gehäuse, das dafür gebaut ist, wie unser Leitfaden zur Workstation mit vier Max-Q beschreibt, und zwei Karten der Workstation Edition sind für diese Ausführung das realistische Maximum.

Lautstärke. Volllast über Minuten hält die Lüfter lange auf hoher Drehzahl. Stellen Sie die Workstation dort auf, wo sie keine Telefonate stört, oder in einen Nebenraum, während das Team über den Browser in ComfyUI arbeitet.

Wann eine Workstation nicht mehr reicht

Ein Videoauftrag belegt eine Karte für Minuten, deshalb bestimmt die Zahl der Personen, die im selben Moment erzeugen, die Kartenzahl stärker als das Tagesvolumen. Eine Person arbeitet gut mit einer Karte. Schicken zwei oder drei Personen gleichzeitig Aufträge, wartet jeder auf den vorherigen, und eine zweite Karte hilft. Darüber hinaus ist ein Server mit einem Auftrag je Karte das bessere Werkzeug: Vier RTX PRO 6000 Server Edition erzeugen vier Clips gleichzeitig und nehmen nach unserer Schätzung etwa 3,4 kW auf, was einen Serverraum mit einem Anschluss mit 32 A oder Drehstrom braucht. Die Server Edition ist zudem die einzige Ausführung der RTX PRO 6000 mit vGPU, für Gestalter, die aus der Ferne arbeiten.

Unsere Leitfäden zum KI-Server für Kreativagenturen, zu GPU-Server oder Workstations für ein Team und zum Wan-2.2-Videoserver behandeln diesen Schritt.

Wir liefern RTX-PRO-Workstations von einer RTX PRO 4000 bis zu zwei RTX PRO 6000 Workstation Edition oder vier Max-Q und Server für größere Teams; nennen Sie uns, welche Videos Sie machen, wie viele Personen gleichzeitig erzeugen und wo der Rechner stehen soll, und wir schlagen Ihnen die passende Stufe vor.

FAQ