> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/de/los-gehts/fine-tuning-for-beginners/unsloth-requirements.md).

# Unsloth-Anforderungen

Unsloth kann auf zwei Arten verwendet werden: über [Unsloth Studio](/docs/de/neu/studio/install.md), die Web-Oberfläche, oder über [Unsloth Core](#unsloth-core-requirements), die ursprüngliche codebasierte Version. Jede hat andere Anforderungen.

## **Anforderungen für Unsloth Studio**

* **Mac:** Training, MLX und GGUF-Inferenz werden ALLE unterstützt.
* **CPU: Unsloth funktioniert weiterhin ohne GPU**, für Chat + Datenrezepte.
* **Training:** Funktioniert auf **NVIDIA**, **AMD**, **Intel** GPUs und **Mac** Geräten

### <i class="fa-windows">:windows:</i> Window**s**

Unsloth Studio funktioniert direkt unter Windows ohne WSL. Zum Trainieren von Modellen stellen Sie sicher, dass Ihr System diese Anforderungen erfüllt:

**Anforderungen**

* Windows 10 oder Windows 11 (64-bit)
* NVIDIA-GPU mit installierten Treibern
* **App Installer** (enthält `winget`): [hier](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer)
* **Git**: `winget install --id Git.Git -e --source winget`
* **Python**: Version 3.11 bis, aber nicht einschließlich, 3.14
* Arbeiten Sie in einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba**

### <i class="fa-apple">:apple:</i> MacOS

Unsloth Studio funktioniert auf macOS-Geräten mit voller Unterstützung für Training, MLX und GGUF-Inferenz.

* macOS 12 Monterey oder neuer (Intel oder Apple Silicon)
* Installieren Sie Homebrew: [hier](https://brew.sh/)
* Git: `brew install git`&#x20;
* cmake: `brew install cmake`&#x20;
* openssl: `brew install openssl`
* Python: Version 3.11 bis, aber nicht einschließlich, 3.14
* Arbeiten Sie in einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba**

### <i class="fa-linux">:linux:</i> Linux & WSL

* Ubuntu 20.04+ oder ähnliche Distribution (64-bit)
* NVIDIA-GPU mit installierten Treibern
* CUDA-Toolkit (12.4+ empfohlen, 12.8+ für Blackwell)
* Git: `sudo apt install git`
* Python: Version 3.11 bis, aber nicht einschließlich, 3.14
* Arbeiten Sie in einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba**

### <i class="fa-microchip">:microchip:</i> Nur CPU

Unsloth Studio unterstützt CPU-Geräte für [Chat](#run-models-locally) für GGUF-Modelle und [Datenrezepte](/docs/de/neu/studio/data-recipe.md) ([Export](/docs/de/neu/studio/export.md) kommt sehr bald)

* Wie die oben für Linux genannten (außer den NVIDIA-GPU-Treibern) und macOS.

### **Training**

Unsloth Studio Training funktioniert derzeit auf NVIDIA, [AMD](/docs/de/los-gehts/install/amd.md), MLX- und Intel-Geräten. Sie können weiterhin das [ursprüngliche Unsloth Core](#unsloth-requirements) verwenden, um auf AMD- und Intel-Geräten zu trainieren. **Python 3.11–3.13** ist erforderlich.

| Anforderung      | Linux / WSL                                  | Windows                                                        |
| ---------------- | -------------------------------------------- | -------------------------------------------------------------- |
| **Git**          | Normalerweise vorinstalliert                 | Wird vom Setup-Skript installiert (`winget`)                   |
| **CMake**        | Vorinstalliert oder `sudo apt install cmake` | Wird vom Setup-Skript installiert (`winget`)                   |
| **C++-Compiler** | `build-essential`                            | Visual Studio Build Tools 2022                                 |
| **CUDA Toolkit** | Optional; `nvcc` automatisch erkannt         | Wird vom Setup-Skript installiert (auf den Treiber abgestimmt) |

## Anforderungen für Unsloth Core

* **Betriebssystem**: Funktioniert unter Linux und [Windows](https://docs.unsloth.ai/get-started/install-and-update/windows-installation)
* Unterstützt NVIDIA-GPUs seit 2018+ einschließlich [Blackwell RTX 50](/docs/de/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md) und [DGX Spark](/docs/de/blog/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth.md)
* Minimale CUDA-Fähigkeit 7.0 (V100, T4, Titan V, RTX 20 & 50, A100, H100, L40 usw.) [Überprüfen Sie Ihre GPU!](https://developer.nvidia.com/cuda-gpus) GTX 1070, 1080 funktionieren, sind aber langsam.
* Das offizielle [Unsloth-Docker-Image](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` ist auf Docker Hub verfügbar
  * [Docker](/docs/de/los-gehts/install/docker.md)
* Unsloth funktioniert auf [AMD](/docs/de/los-gehts/install/amd.md) und [Intel](/docs/de/los-gehts/install/intel.md) GPUs (befolgen Sie unsere [spezifischen Anleitungen](/docs/de/los-gehts/install.md)). Apple/Silicon/MLX ist in Arbeit
* Ihr Gerät sollte über `xformers`, `torch`, `BitsandBytes` und `triton` Unterstützung verfügen.
* Wenn Sie unterschiedliche Versionen von torch, transformers usw. haben, `pip install unsloth` installiert automatisch alle neuesten Versionen dieser Bibliotheken, sodass Sie sich keine Gedanken über die Versionskompatibilität machen müssen.

{% hint style="info" %}
Python 3.13 wird unterstützt!
{% endhint %}

### VRAM-Anforderungen für Fine-Tuning:

Wie viel GPU-Speicher brauche ich für das LLM-Fine-Tuning mit Unsloth?

{% hint style="info" %}
Ein häufiges Problem, wenn Sie einen OOM-Fehler erhalten oder der Speicher ausgeht, ist, dass Sie die Batch-Größe zu hoch eingestellt haben. Setzen Sie sie auf 1, 2 oder 3, um weniger VRAM zu verwenden.

**Für Benchmarks zur Kontextlänge siehe** [**hier**](/docs/de/grundlagen/unsloth-benchmarks.md#context-length-benchmarks)**.**
{% endhint %}

Sehen Sie sich diese Tabelle für VRAM-Anforderungen an, sortiert nach Modellparametern und Fine-Tuning-Methode. QLoRA verwendet 4-Bit, LoRA verwendet 16-Bit. Beachten Sie, dass je nach Modell manchmal mehr VRAM erforderlich ist, daher sind diese Zahlen das absolute Minimum:

| Modellparameter | QLoRA (4-Bit) VRAM | LoRA (16-Bit) VRAM |
| --------------- | ------------------ | ------------------ |
| 3B              | 3,5 GB             | 8 GB               |
| 7B              | 5 GB               | 19 GB              |
| 8B              | 6 GB               | 22 GB              |
| 9B              | 6,5 GB             | 24 GB              |
| 11B             | 7,5 GB             | 29 GB              |
| 14B             | 8,5 GB             | 33 GB              |
| 27B             | 22 GB              | 64 GB              |
| 32B             | 26 GB              | 76 GB              |
| 40B             | 30 GB              | 96 GB              |
| 70B             | 41 GB              | 164 GB             |
| 81B             | 48 GB              | 192 GB             |
| 90B             | 53 GB              | 212 GB             |
| 405B            | 237 GB             | 950 GB             |


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://unsloth.ai/docs/de/los-gehts/fine-tuning-for-beginners/unsloth-requirements.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.