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.

Wie sie sich unterscheiden
| Ollama | LM Studio | |
|---|---|---|
| Was es ist | Kommandozeilen-Tool mit Hintergrund-Server | Desktop-App mit eingebautem Server |
| Lizenz | Open Source (MIT) | Kostenlos privat und im Job; App Closed Source, CLI und SDKs MIT |
| Modellformate | GGUF aus der eigenen Bibliothek | GGUF auf jeder Plattform, dazu MLX auf Apple Silicon |
| Modelle finden | ollama run plus ein Name aus einer kuratierten Bibliothek | Hugging-Face-Suche in der App |
| Lokale API | Port 11434, REST plus ein OpenAI-kompatibler Endpunkt | OpenAI- und Anthropic-kompatible Endpunkte plus eigene REST-API |
| Standard-Kontext | 4.096 Tokens, sofern du ihn nicht erhöhst | Wird pro Modell beim Laden festgelegt |
| Parallele Anfragen | 1 pro Modell standardmäßig | 4 Slots standardmäßig seit 0.4.0 |
| Passwort für die API | Keins | Standardmäßig aus; API-Tokens seit 0.4.0 verfügbar |
| Server ohne Bildschirm | Docker-Image und Installationsskript | llmster, dieselbe Engine ohne Fenster |
| Bezahlte Extras | Ollama Cloud, ab $20 im Monat | Agenten-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.