Home-Server-Setups von Ben Davis: 10Gb-Haupt-Rack und 2.5Gb-Zweit-Rack

LinkBen DavisSammlung

YouTuber Ben Davis dokumentiert die Komponenten und Kosten seiner zwei Home-Server-Setups. Neben einem umfangreichen 10Gb-Haupt-Rack für knapp 19.400 US-Dollar stellt er ein kleineres 2,5Gb-Rack für rund 2.540 US-Dollar vor.

Das Wichtigste

  1. Das Haupt-Rack umfasst 23 Komponenten im Gesamtwert von 19.410,99 US-Dollar und ist für 10Gb-Netzwerk ausgelegt.
  2. Zu den Kernkomponenten des Haupt-Racks zählen unter anderem eine Firewalla Gold Pro, ein Synology DS1825+, zwei NVIDIA DGX Spark Einheiten sowie ein Framework Desktop mit Ryzen AI Max+ 395.
  3. Der größte Kostenblock des Haupt-Racks entfällt mit 12.792,96 US-Dollar auf Rechenleistung und Interconnect.
  4. Das sekundäre Setup für den Standort seiner Eltern nutzt 2,5Gb-Netzwerk, umfasst 9 Komponenten und kostet insgesamt 2.542,06 US-Dollar.
  5. Im Zweit-Rack kommen eine Firewalla Orange, ein Synology DS225+ NAS und Seagate Exos 26TB Festplatten zum Einsatz.
  6. Davis hebt Firewalla als die empfehlenswerteste Komponente beider Setups hervor.

Warum das relevant ist

Für Medienschaffende und Entwickler demonstrieren die Setups konkrete Hardware-Zusammenstellungen für anspruchsvolle lokale Datenverarbeitung, High-Speed-Netzwerke (10Gb und 2,5Gb) sowie lokale Compute-Kapazitäten mit detaillierten Stücklisten samt Preisen.

Einordnung

Davis ordnet seine beiden Systeme klar nach Einsatzzweck ein: Das primäre Rack bezeichnet er selbst als Overkill für die meisten Nutzer, begründet die Investition jedoch mit den Bandbreitenanforderungen seiner beruflichen Tätigkeit als YouTuber. Das kleinere System dient als pragmatische Alternative für Standardanforderungen. Bemerkenswert ist der starke Fokus auf Firewalla für das Routing und die Trennung von Speichersystemen (Synology) und dedizierten Compute-Einheiten (NVIDIA DGX Spark, Framework Desktop).

Erwähnte Links

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Ähnliche Einträge

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Video

    Video:Heavy Metal Cloud

    Nvidia DGX Spark im Praxistest: Setup, vLLM-Serving und Vergleich mit dem Mac Studio

    Heavy Metal Cloud testet die DGX-Spark-Varianten von Gigabyte und ASUS mit Grace-Blackwell-Architektur für lokales KI-Inference und Medien-Rendering. Neben einer Schritt-für-Schritt-Anleitung für Docker, vLLM und ComfyUI zeigt das Video Vor- und Nachteile gegenüber Apples Mac Studio.

    KI & AI· Anleitung

  • X-Post:Mia

    Spark Hardware Ecosystem and Server Infrastructure Discussion

    This post highlights the growing community interest in Spark hardware setups and server infrastructure, specifically focusing on network equipment like MikroTik routers. Users are actively sharing their experiences with rack designs, fleet management, and the integration of these components into recursive self-improvement projects.

    594Lesezeichen33.589Aufrufe

    DevOps

  • X-Post:C. Michael Gibbs

    Effiziente Kühlung für Nvidia DGX Spark im DeskPi-Rack

    C. Michael Gibbs beschreibt eine Kühlungslösung für Nvidia-DGX-Spark-Systeme in einem Rack-Gehäuse. Mit sechs Noctua-Lüftern und gezieltem Luftstrom soll die Lebensdauer und Performance der Hardware gesichert werden.

    42Lesezeichen7491Aufrufe

    KI & AI· Anleitung

  • Link:NVIDIA

    NVIDIA DGX Spark: Desktop-KI-Supercomputer mit Grace-Blackwell-Chip

    NVIDIA stellt mit dem DGX Spark einen kompakten Desktop-Supercomputer vor, der speziell auf lokale autonome Agenten und generative KI-Workloads ausgelegt ist. Das System basiert auf dem GB10 Grace Blackwell Superchip und bietet 128 GB kohärenten Unified Memory.

    KI & AI· Tool

  • Video

    Video:AIProgrammingHardware

    Software-Ökosystem und GitHub-Repositories für den NVIDIA DGX Spark

    Das Video stellt wichtige Open-Source-Repositories und Workflows für den Desktop-KI-Supercomputer NVIDIA DGX Spark vor. Das auf dem GB10 Grace-Blackwell-Superchip basierende System verfügt über 128 GB Unified Memory und zielt auf lokale LLM-Inferenz, Training und Multi-Agenten-Systeme ohne Cloud-Abhängigkeit ab.

    KI & AI· Sammlung

Zurück zur Wissensbasis

Lassen Sie uns über Ihr Projekt sprechen

Kontakt aufnehmen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.