Diese „RTX 5090 mit 84 GB“ ist ein KI-Monster
Eine GeForce RTX 5090 mit 84 GB VRAM? Genau diese Schlagzeile dürfte bei vielen KI-Enthusiasten zunächst für Aufsehen sorgen. Denn während lokale Sprachmodelle, Bildgeneratoren und KI-Agenten immer größer und anspruchsvoller werden, stößt selbst NVIDIAs aktuelles Consumer-Flaggschiff mit 32 GB Grafikspeicher schnell an praktische Grenzen.
Doch die Realität ist etwas differenzierter: NVIDIA baut keine neue GeForce RTX 5090 mit 84 GB. Stattdessen bringt der Konzern eine professionelle Workstation-GPU auf den Markt, die technisch stark an die RTX 5090 erinnert: die RTX PRO 5500 Blackwell Workstation Edition. Sie nutzt denselben großen GB202-Chip, kommt auf 21.760 CUDA-Kerne und besitzt mit 84 GB GDDR7-ECC ganze 2,6-mal so viel Speicher wie die GeForce RTX 5090.
Damit zielt NVIDIA weniger auf Gamer als auf Unternehmen, Entwickler und professionelle Anwender, die große KI-Modelle direkt am Arbeitsplatz oder in kompakten Rack-Systemen ausführen möchten.
RTX 5090 als professionelle Basis
Die RTX PRO 5500 basiert auf der Blackwell-Architektur und verwendet eine Variante des GB202-Grafikprozessors. Dieser Chip kommt auch in der GeForce RTX 5090 zum Einsatz. Mit 21.760 CUDA-Kernen entspricht die Rechenwerks-Ausstattung daher exakt dem Consumer-Flaggschiff.
Das bedeutet allerdings nicht, dass beide Karten in jeder Anwendung gleich schnell sind. Die RTX PRO 5500 ist auf einen anderen Einsatzzweck optimiert. NVIDIA stattet sie mit professionellen Treibern, ECC-Speicher, Workstation-Funktionen und einer für KI-Anwendungen deutlich größeren Speicherkapazität aus.
Die wichtigsten bislang bekannten Eckdaten:
- Blackwell-Architektur.
- GB202-GPU mit 170 aktiven Streaming Multiprocessors.
- 21.760 CUDA-Kerne.
- 84 GB GDDR7 mit ECC-Fehlerkorrektur.
- Speicherbandbreite von bis zu 1.398 GB/s.
- PCIe 5.0 x16.
- Bis zu vier DisplayPort-2.1b-Ausgänge.
- Drei NVENC-Encoder der neunten Generation.
- Drei NVDEC-Decoder der sechsten Generation.
- Leistungsaufnahme von bis zu 600 Watt.
- Unterstützung für luft- und flüssigkeitsgekühlte Systeme.
- Einsatz in rackmontierten Workstations.
NVIDIA nennt für die Karte unter anderem 3.615 KI-TOPS und 114 FP8-TFLOPS. Damit liegt sie bei der Rechenleistung unterhalb der RTX PRO 6000 Blackwell, die 24.064 Shader-Einheiten und 96 GB Speicher besitzt, positioniert sich aber deutlich oberhalb der RTX PRO 5000 Blackwell.
84 GB GDDR7 für lokale KI
Der wichtigste Unterschied zur GeForce RTX 5090 ist zweifellos der Speicher. Die RTX 5090 verfügt über 32 GB GDDR7. Das reicht für viele lokale KI-Anwendungen aus, wird aber zum begrenzenden Faktor, sobald größere Sprachmodelle, lange Kontextfenster oder mehrere parallele Workloads ins Spiel kommen.
Die RTX PRO 5500 bietet mit 84 GB nicht einfach nur mehr Reserven für Textmodelle. Der größere Speicher kann die gesamte Architektur eines lokalen KI-Systems vereinfachen. Statt ein Modell auf mehrere Grafikkarten aufzuteilen, könnte es vollständig auf einer einzigen GPU Platz finden. Das reduziert Kommunikationsaufwand und vereinfacht die Konfiguration.
Besonders interessant ist die Karte für:
- große quantisierte Large Language Models,
- lokale KI-Agenten mit langen Kontexten,
- multimodale Modelle,
- Bild- und Videogenerierung,
- Computer-Vision-Anwendungen,
- 3D-Rendering und Simulation,
- wissenschaftliche Berechnungen,
- mehrere parallel laufende Inferenzprozesse.
Die 84 GB werden offenbar durch 28 GDDR7-Speicherchips mit jeweils 24 Gbit erreicht. Die Speicherbausteine sind dabei in einer sogenannten Clamshell-Konfiguration auf Vorder- und Rückseite der Platine angeordnet. Dadurch kann NVIDIA eine ungewöhnliche Kapazität realisieren, ohne auf einen völlig neuen GPU-Chip zurückgreifen zu müssen.
Mehr Speicher, aber weniger Bandbreite
Eine wichtige Einschränkung sollte man nicht übersehen: Mehr VRAM bedeutet nicht automatisch mehr Geschwindigkeit. Die RTX PRO 5500 besitzt zwar 84 GB Speicher, erreicht aber mit rund 1.398 GB/s eine niedrigere Speicherbandbreite als die GeForce RTX 5090. Diese kommt auf etwa 1.792 GB/s.
Für viele KI-Inferenzaufgaben ist die Kapazität trotzdem der entscheidende Vorteil. Ein Modell, das auf der RTX 5090 gar nicht erst vollständig in den Speicher passt, kann auf der RTX PRO 5500 überhaupt ausgeführt werden. Die Karte gewinnt also nicht zwingend durch höhere Rohleistung, sondern durch ihren größeren Arbeitsbereich.
Ein einfaches Beispiel: Eine 32-GB-Karte kann bei einem größeren Modell dazu gezwungen sein, Teile der Gewichte in den Arbeitsspeicher oder auf eine zweite GPU auszulagern. Das verursacht zusätzliche Latenzen. Eine GPU mit 84 GB kann das Modell möglicherweise vollständig im eigenen VRAM halten, selbst wenn ihre maximale Speicherbandbreite niedriger ist.
Für interaktive Agenten, lokale Chat-Systeme und multimodale Anwendungen kann genau dieser Unterschied entscheidend sein.
MIG und professionelle Funktionen
Ein weiterer Vorteil gegenüber der GeForce RTX 5090 ist die Unterstützung professioneller GPU-Funktionen. NVIDIA bewirbt die RTX PRO 5500 für multimodale, agentische und generative KI-Anwendungen. Dazu gehören auch Funktionen wie die Aufteilung der GPU in mehrere voneinander getrennte Instanzen.
Die RTX PRO 5500 soll sich in zwei Instanzen mit jeweils 42 GB Speicher aufteilen lassen. Das ist für Unternehmen interessant, die mehrere Modelle oder Nutzer voneinander isoliert auf derselben Hardware bedienen möchten. Eine Instanz könnte beispielsweise ein Sprachmodell ausführen, während eine zweite Instanz für Computer Vision oder Bildgenerierung zur Verfügung steht.
Hinzu kommt ECC-Unterstützung. Die Fehlerkorrektur ist im professionellen Umfeld wichtig, wenn Berechnungen über viele Stunden oder Tage laufen und fehlerhafte Speicherbits nicht unbemerkt bleiben dürfen. Für einen privaten Gaming-PC ist ECC meist kein entscheidendes Kaufargument. Bei wissenschaftlichen Simulationen, industriellen Anwendungen oder Unternehmenssystemen sieht das anders aus.
Auch die Videoausstattung ist auf professionelle Workloads zugeschnitten. Drei NVENC-Encoder und drei NVDEC-Decoder können bei paralleler Videoverarbeitung, Medienanalyse und KI-gestützter Videoproduktion Vorteile bringen. Über die DisplayPort-2.1b-Ausgänge lassen sich zudem hochauflösende Displays bis hin zu 8K- und 16K-Szenarien ansteuern.
Der ungewöhnliche Speicherbus
Bei den technischen Angaben gibt es derzeit noch eine offene Frage. Verschiedene Quellen nennen für die RTX PRO 5500 ein 416-Bit-Speicherinterface, während andere Berechnungen und Tabellen ein 448-Bit-Interface nahelegen. Die Angabe ist deshalb bemerkenswert, weil 84 GB GDDR7 und die genannte Bandbreite eine ungewöhnliche Kombination darstellen.
Mehrere Hardwaremedien berichten von 1.398 GB/s Speicherbandbreite und 416 Bit. Andere Darstellungen gehen von 448 Bit aus und erklären die Kapazität mit 28 Speicherchips in Clamshell-Anordnung. NVIDIA selbst hat nicht jede Detailangabe in gleicher Ausführlichkeit veröffentlicht.
Das sollte bei einer endgültigen Bewertung berücksichtigt werden. Die Karte ist offiziell gelistet, aber einzelne technische Werte und die Verfügbarkeit können sich bis zum Marktstart noch ändern.
600 Watt im Rack
Auch beim Energieverbrauch zeigt sich, dass die RTX PRO 5500 kein gewöhnliches Desktop-Produkt ist. NVIDIA gibt eine maximale Leistungsaufnahme von 600 Watt an. Damit liegt die Karte sogar leicht über der GeForce RTX 5090 mit 575 Watt.
Für eine Workstation oder einen Server ist das kein unlösbares Problem, verlangt aber eine entsprechend ausgelegte Stromversorgung und Kühlung. NVIDIA sieht die RTX PRO 5500 offenbar vor allem in rackmontierten Systemen. Je nach Anbieter soll sie luft- oder flüssigkeitsgekühlt werden können.
Für den privaten Einsatz bedeutet das: Ein einfacher Tower-PC mit Standard-Netzteil und begrenztem Luftstrom dürfte nicht die ideale Umgebung sein. Neben der GPU selbst müssen Netzteil, Gehäuse, Verkabelung und Kühlung professionell dimensioniert werden.
Preisfrage bleibt offen
NVIDIA hat bislang keinen offiziellen Endkundenpreis veröffentlicht. Genau hier dürfte die größte Hürde für Einzelanwender liegen. Professionelle RTX-PRO-Karten kosten traditionell deutlich mehr als vergleichbare GeForce-Modelle, weil nicht nur die Hardware, sondern auch Treiber, Support, Zertifizierungen und langfristige Verfügbarkeit in den Preis einfließen.
Zum Vergleich: Die RTX PRO 5000 Blackwell liegt je nach Speicherausbau deutlich unterhalb der RTX PRO 6000, während die RTX PRO 5500 mit 84 GB genau zwischen diesen Produktklassen angesiedelt ist. Tom’s Hardware erwartet deshalb einen Preis, der deutlich über einer GeForce RTX 5090 liegen könnte.
Für Unternehmen kann dieser Aufpreis gerechtfertigt sein, wenn dadurch mehrere kleinere GPUs, zusätzliche Server oder komplizierte Multi-GPU-Konfigurationen entfallen. Für private KI-Anwender dürfte eine RTX 5090 oder ein gemieteter GPU-Server wirtschaftlicher bleiben.
Unser Fazit
Die RTX PRO 5500 Blackwell ist eine interessante Antwort auf ein reales Problem: Die Rechenleistung moderner Consumer-GPUs wächst schneller als deren für lokale KI nutzbarer Speicher. Mit 84 GB GDDR7-ECC bringt NVIDIA eine GPU auf den Markt, die große Modelle in einer einzigen Workstation ausführen kann und dabei auf dem Niveau einer RTX 5090 rechnet.
Unsere Einschätzung fällt dennoch differenziert aus. Für professionelle KI-Workstations, lokale Agentensysteme, Simulationen und Unternehmen mit hohen Anforderungen an Speichergröße und Zuverlässigkeit ist die RTX PRO 5500 ausgesprochen spannend. Besonders die Kombination aus großem VRAM, ECC und möglicher GPU-Partitionierung hebt sie von der GeForce-Reihe ab.
Für Gamer und viele private KI-Enthusiasten dürfte sie dagegen überdimensioniert sein. Die 600 Watt Leistungsaufnahme, der erwartbar hohe Preis und die geringere Speicherbandbreite gegenüber der RTX 5090 sprechen gegen einen pauschalen Kauf. Wer vor allem Stable Diffusion, kleinere Sprachmodelle oder gelegentliche lokale KI-Experimente betreibt, fährt mit einer GeForce RTX 5090 oder einer günstigeren Karte wahrscheinlich besser.
Die eigentliche Bedeutung der RTX PRO 5500 liegt daher weniger darin, dass NVIDIA eine „RTX 5090 mit 84 GB“ gebaut hat. Sie zeigt vielmehr, wohin sich der GPU-Markt bewegt: weg von der reinen Grafikleistung und hin zu Karten, bei denen der verfügbare Speicher zum zentralen Verkaufsargument wird. Für lokale KI ist das eine wichtige Entwicklung, auch wenn die passende Hardware für Privatanwender vorerst teuer bleiben dürfte.
Hinweis: Dieser Artikel enthält Inhalte, die mit Unterstützung eines KI-Systems erstellt wurden. Die Inhalte wurden anschließend von einem Menschen mit ❤️ überprüft und bearbeitet, um Qualität und Richtigkeit sicherzustellen.