Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Analysen Open Source

Ollama vs LM Studio: Was soll deine lokalen Modelle ausführen?

Von ReviewRamble editors ·

Ollama und LM Studio erledigen dieselbe Grundaufgabe. Beide laden ein offenes Modell herunter, führen es auf deiner eigenen Hardware aus und behalten deine Prompts auf deinem Rechner. Keines kostet etwas für die lokale Nutzung. Die Wahl hängt also nicht von Preis oder Datenschutz ab, sondern davon, wie du arbeitest und was sonst noch mit dem Modell sprechen muss.

Die kurze Antwort

  • Du lebst im Terminal, oder eine andere App braucht ein lokales Modell im Hintergrund: Ollama (4.6). Ein Befehl lädt und startet ein Modell, und die meisten Editoren, Chat-Apps und Agenten-Tools führen es schon als Backend.
  • Du willst Modelle mit der Maus suchen, vergleichen und laden, oder richtest das für eine Kollegin ein, die noch nie ein Terminal geöffnet hat: LM Studio (4.4).
  • Du brauchst durchgehend Open Source: Ollama. Die Desktop-App von LM Studio ist Closed Source; nur CLI und SDKs stehen unter MIT-Lizenz.
  • Du nutzt einen Mac mit Apple Silicon: LM Studio führt neben GGUF auch MLX-Modelle aus, die auf Apples eigenem Framework für seine Chips aufbauen.
Screenshot der Website von Ollama
Ollama, offizielle Website

Wie sie sich unterscheiden

OllamaLM Studio
Was es istKommandozeilen-Tool mit Hintergrund-ServerDesktop-App mit eingebautem Server
LizenzOpen Source (MIT)Kostenlos privat und im Job; App Closed Source, CLI und SDKs MIT
ModellformateGGUF aus der eigenen BibliothekGGUF auf jeder Plattform, dazu MLX auf Apple Silicon
Modelle findenollama run plus ein Name aus einer kuratierten BibliothekHugging-Face-Suche in der App
Lokale APIPort 11434, REST plus ein OpenAI-kompatibler EndpunktOpenAI- und Anthropic-kompatible Endpunkte plus eigene REST-API
Standard-Kontext4.096 Tokens, sofern du ihn nicht erhöhstWird pro Modell beim Laden festgelegt
Parallele Anfragen1 pro Modell standardmäßig4 Slots standardmäßig seit 0.4.0
Passwort für die APIKeinsStandardmäßig aus; API-Tokens seit 0.4.0 verfügbar
Server ohne BildschirmDocker-Image und Installationsskriptllmster, dieselbe Engine ohne Fenster
Bezahlte ExtrasOllama Cloud, ab $20 im MonatAgenten-App Bionic, ab $20 im Monat

Ollama: die Standard-Infrastruktur

Ollamas Stärke ist, dass andere Software davon ausgeht, dass es da ist. Mit rund 187.000 GitHub-Sternen und fast wöchentlichen Releases (v0.40.16 erschien am 9. November 2026) ist es zur lokalen API geworden, zu der Coding-Agenten und Chat-Apps zuerst greifen. ollama launch verbindet ein lokales Modell in einem Schritt mit Claude Code, Codex, Copilot CLI oder OpenCode.

Seine Voreinstellungen sind für eine Person an einem Laptop gedacht. Laut FAQ liegt das Kontextfenster bei 4.096 Tokens, zu kurz für einen Coding-Agenten, der mehrere Dateien liest; erhöhe also OLLAMA_CONTEXT_LENGTH, bevor du dem Modell die Schuld gibst. Außerdem bearbeitet jedes Modell nur eine Anfrage gleichzeitig, solange du OLLAMA_NUM_PARALLEL nicht änderst.

LM Studio: die freundliche Oberfläche

LM Studio ist das Programm, das du jemandem gibst, der private KI ohne Befehle lernen will. Du suchst ein Modell, lädst es herunter und chattest, auf Wunsch mit angehängten Dokumenten. Laut Datenschutzerklärung verlassen lokale Chats nie den Rechner, und die App enthält keine Telemetrie.

Es ist auch ein fähiger Server. Schalte ihn ein, und er beantwortet Anfragen im Stil von OpenAI und Anthropic, sodass Claude Code mit einer geänderten Basis-URL darauf zugreifen kann. Seit Version 0.4.0 bedient er standardmäßig 4 Anfragen parallel, was einen gemeinsam genutzten Team-Rechner praktischer macht als Ollamas Werkseinstellung.

Der Sicherheitspunkt, den beide teilen

Beide Server lauschen standardmäßig nur auf deinem eigenen Rechner, und keiner verlangt ein Passwort, sofern du keins einrichtest. Ärger beginnt, wenn du sie fürs Netzwerk öffnest. Ollama hat überhaupt keine eingebaute Anmeldung, und im Januar 2026 zählten Forscher 175.000 Ollama-Server, die aus dem Internet erreichbar waren. Der Netzwerkmodus von LM Studio öffnet den Server für jedes Gerät in deinem Netz, und die eigene Dokumentation rät, vorher API-Tokens einzuschalten. Muss eines davon von einem anderen Rechner aus erreichbar sein, setze eine Anmeldung davor oder halte es in einem privaten Netz wie Tailscale.

Kosten

Lokal Modelle auszuführen kostet mit beiden Tools nichts außer der Hardware. LM Studio empfiehlt 16GB Arbeitsspeicher und unterstützt keine Intel-Macs. Beide Firmen verkaufen inzwischen etwas obendrauf: Ollama Cloud führt größere Modelle für dich aus, ab $20 im Monat mit $60 Guthaben, und LM Studios separate App Bionic bringt Agenten und gehostete Modelle für $20 oder $100 im Monat. Für Modelle auf deinem eigenen Rechner brauchst du keins davon.

Unser Fazit: Ollama ist der Motor, LM Studio das Armaturenbrett. Entwickler, die Skripte schreiben, Agenten laufen lassen oder Apps auf einem lokalen Modell bauen, werden mit Ollama glücklicher. Wer Modelle ausprobieren, nebeneinander vergleichen und alles in einem Fenster haben will, kommt mit LM Studio schneller ans Ziel. Viele installieren beide.

Der ReviewRamble-Brief

KI im Test. Einmal pro Woche, in deinem Postfach.

Die Urteile, die in KI, Robotik und Tech zählen, mit dem, was sich lohnt und was nicht. Kein Hype, keine Sammlung von allem.

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen