Stell dir vor, du hast 800 Euro mühsam zusammengespart. Du sitzt vor deinem Rechner, die aktuelle Generation ist gerade erschienen, und du liest Benchmarks. Du siehst die glänzenden Balkendiagramme der neuen 70er-Karte und denkst dir: „Die Architektur ist neuer, die Effizienz ist besser, das muss der richtige Weg sein.“ Also klickst du auf Kaufen. Drei Tage später versuchst du, ein lokales Large Language Model zu trainieren oder eine komplexe 3D-Szene in Blender mit hochauflösenden Texturen zu rendern. Plötzlich bleibt der Bildschirm schwarz oder die Software stürzt mit einem „Out of Memory“-Fehler ab. Du hast gerade den klassischen Fehler beim Thema RTX 3090 vs RTX 5070 begangen: Du hast Rohleistung mit Kapazität verwechselt. Ich habe diesen Moment bei Dutzenden von Klienten erlebt, die dachten, dass neuere Hardware automatisch alte Probleme löst. Sie enden mit einer Karte, die zwar schnell rechnet, aber die Datenmengen ihrer Projekte schlicht nicht halten kann.
Die VRAM-Falle beim Vergleich RTX 3090 vs RTX 5070
Der größte Irrtum, den ich in der Praxis sehe, ist der Glaube, dass Rechenkerne fehlenden Speicher ersetzen können. Wer professionell mit KI arbeitet oder 4K-Videoschnitt betreibt, stolpert hier über eine harte Grenze. Die 3090er-Karte aus dem Jahr 2020 kam mit 24 GB Videospeicher auf den Markt. Das war damals absurd viel und ist heute das absolute Minimum für viele ernsthafte Anwendungen. Wenn du nun das neuere Modell betrachtest, wirst du feststellen, dass Nvidia hier oft spart. Meistens landen wir bei 12 oder 16 GB.
Das Problem ist physikalischer Natur. Wenn dein Datensatz 20 GB groß ist, passt er nicht in 12 GB Speicher. Punkt. Es spielt keine Rolle, ob die Chips der neueren Karte 30 % schneller takten oder eine modernere Architektur besitzen. Sobald der Speicher voll ist, muss das System auf den Arbeitsspeicher des Computers auslagern. Das ist so, als würdest du versuchen, einen Porsche über einen Feldweg zu jagen – die potenzielle Geschwindigkeit bringt dir gar nichts, weil der Untergrund dich ausbremst. Ich habe Entwickler gesehen, die von einer gebrauchten 3090 auf eine neue Mittelklasse-Karte umgestiegen sind und plötzlich doppelt so lange für ihre Workflows brauchten, weil der Datendurchsatz zum RAM alles ruinierte.
Warum das Marketing dich belügt
Man muss verstehen, wie diese Karten beworben werden. Die Hersteller fokussieren sich auf Frames pro Sekunde in Videospielen. Dort ist Speichermanagement oft optimiert. Aber im Arbeitsalltag, bei CUDA-Berechnungen oder komplexen Simulationen, zählt die nackte Kapazität. Die 5070 mag in einem Spiel mit Frame Generation glänzen, aber Frame Generation generiert keine echten Daten für deine KI-Modelle. Sie ist eine optische Täuschung für das menschliche Auge, kein Werkzeug für präzise Berechnungen.
Die falsche Hoffnung auf DLSS und Frame Generation
Ein weiterer Punkt, an dem viele scheitern, ist die Überbewertung von Software-Tricks. Viele Käufer denken, dass die exklusiven Features der 50er-Serie den Hardware-Vorsprung der alten Flaggschiffe wettmachen. Das ist ein teurer Trugschluss. In der Welt der professionellen Anwendung gibt es kein DLSS für Stable Diffusion oder neuronale Netze. Dort zählt nur, was die Transistoren und der Speicher tatsächlich leisten.
Ich erinnere mich an einen freien Grafiker, der dachte, er tut sich einen Gefallen mit der modernsten Technik. Er kaufte die neue Karte, weil er die „Zukunftssicherheit“ wollte. Er arbeitete an einer Stadt-Szene für ein Indie-Game. Mit der alten Karte konnte er das gesamte Modell inklusive aller 8K-Texturen im Speicher halten. Mit der neuen Karte musste er die Texturen komprimieren, was nicht nur Zeit kostete, sondern auch das Endergebnis verschlechterte. Er hatte für mehr Geld eine schlechtere Arbeitsumgebung gekauft, nur weil er auf die Werbeversprechen von „KI-gestützter Performance“ hereingefallen war.
Der Stromverbrauch und das Netzteil-Dilemma
Ein Punkt, der oft ignoriert wird, ist die Infrastruktur deines PCs. Hier gewinnt die neuere Karte scheinbar haushoch. Die alte 3090 ist ein Heizstrahler. Sie zieht unter Last locker 350 bis 400 Watt, und Lastspitzen können ein schwaches Netzteil sofort in die Knie zwingen. Viele unterschätzen das. Sie kaufen die Karte gebraucht für einen guten Preis und merken dann, dass sie für 150 Euro ein neues Netzteil und vielleicht sogar ein neues Gehäuse brauchen, weil das Monsterteil nicht reinpasst.
Die 5070 ist hier wesentlich zivilisierter. Sie läuft kühler, leiser und passt in fast jedes Standardgehäuse. Wer also nur ein kompaktes System hat und nicht das gesamte Innenleben austauschen will, sieht hier einen Vorteil. Aber Vorsicht: Wenn du die Leistung brauchst, ist die Effizienz zweitrangig. Was bringt dir eine niedrige Stromrechnung, wenn dein Projekt nicht fertig wird? In meiner Zeit als Berater war das oft das schwierigste Gespräch. Ein Kunde wollte Strom sparen, aber seine Render-Farm-Kosten explodierten, weil die einzelnen Rechner zu wenig Speicher für die Szenen hatten. Am Ende zahlte er drauf.
Gebrauchtkauf vs. Garantie und Sicherheit
Wenn wir über den Vergleich RTX 3090 vs RTX 5070 sprechen, reden wir oft über den Markt für Gebrauchtware gegen Neuware. Eine 3090 findest du heute fast nur noch gebraucht. Das birgt Risiken, die viele unterschätzen. Diese Karten wurden oft für Mining genutzt oder in schlecht belüfteten Gehäusen gequält. Die Wärmeleitpads auf der Rückseite der 3090 sind berüchtigt dafür, nach zwei Jahren zu verschleißen, was dazu führt, dass der Speicher überhitzt und die Karte runtertaktet.
Hier ist ein realistisches Vorher/Nachher-Szenario aus meiner Praxis:
Ein kleiner Architektur-Betrieb kaufte drei gebrauchte 3090er über ein Online-Auktionshaus, um Kosten zu sparen. Sie ignorierten die Warnung, die Karten zu warten. Nach sechs Monaten fiel die erste Karte aus – Kurzschluss durch ausgelaufenes Silikonöl der billigen Pads. Da es keine Garantie mehr gab, war das Geld weg. Die restlichen Karten mussten mühsam zerlegt und mit neuen Pads bestückt werden, was Arbeitszeit und Nerven kostete.
Ein Konkurrenzbetrieb kaufte direkt die neuen 5070er-Modelle mit voller Händlergarantie. Sie hatten zwar weniger VRAM und mussten ihre Projekte in kleinere Stücke aufteilen, was die Workflow-Effizienz um etwa 15 % senkte, aber sie hatten drei Jahre Ruhe. Wenn eine Karte zickte, ging sie zurück und Ersatz kam innerhalb von 48 Stunden.
Wer keine Lust hat, mit dem Schraubendreher an einer 1000-Euro-Karte zu hantieren, sollte die Finger vom Gebrauchtmarkt lassen. Wer aber das Maximum an Rohdaten-Verarbeitung braucht und das Risiko managen kann, für den führt kein Weg an der alten Hardware vorbei.
Bandbreite und das Interface-Problem
Es gibt einen technischen Aspekt, der in Foren kaum besprochen wird: die Speicheranbindung. Die 3090 hat ein 384-Bit-Interface. Das ist eine riesige Autobahn für Daten. Die 5070er-Modelle werden höchstwahrscheinlich wieder auf 128 oder 192 Bit beschnitten. Warum ist das wichtig?
Stell dir vor, du schaufelst große Mengen Wasser. Die 3090 hat ein breites Rohr. Die 5070 hat ein dünneres Rohr, durch das das Wasser aber mit höherem Druck gepresst wird. Bei kleinen Mengen ist das dünne Rohr genauso effektiv. Aber sobald du die volle Kapazität brauchst, wird das schmale Interface zum Flaschenhals. Das merkst du besonders bei hochauflösendem Video-Grading in DaVinci Resolve. Wenn du dort mit 8K-Material arbeitest, fühlt sich die alte Karte trotz ihres Alters oft flüssiger an, weil die Datenmengen ungehinderter fließen können. Die neuere Karte muss ständig „tricksen“ und puffern, was zu Mikrorucklern in der Timeline führt.
Das Märchen von der Zukunftssicherheit
Ich hasse das Wort Zukunftssicherheit. Es existiert in der Welt der Computerhardware nicht. Jedes Mal, wenn jemand fragt, welche Karte länger hält, sage ich: diejenige, die heute deine Arbeit erledigt. Wenn du heute Software nutzt, die 20 GB VRAM verlangt, ist die 5070 für dich schon heute veraltet, noch bevor sie in deinem Rechner steckt. Wenn du nur in 1440p spielst und ab und zu ein Video schneidest, ist die 3090 für dich ein unnötiger Klotz am Bein, der dein Zimmer im Sommer auf 30 Grad aufheizt.
Es geht darum, den aktuellen Schmerzpunkt zu identifizieren. Viele Nutzer kaufen Hardware für Szenarien, die sie nie erreichen. Sie kaufen die 3090, weil sie „vielleicht mal“ KI machen wollen, zocken dann aber doch nur Counter-Strike. Das ist Geldverschwendung. Umgekehrt kaufen Leute die 5070, weil sie „modern“ ist, und verzweifeln dann, wenn ihr erstes ernsthaftes KI-Projekt an der Speichergrenze verhungert.
Wie du eine Entscheidung triffst, die du nicht bereust
Du musst aufhören, auf die Modellnummern zu schauen. Schau auf deine Software. Öffne den Task-Manager oder ein Monitoring-Tool während deiner intensivsten Arbeitssitzung. Wie viel Speicher belegst du? Wenn du konstant bei 10 oder 11 GB liegst, ist die 5070 eine riskante Wahl. Software wird nicht sparsamer. Updates machen Programme hungriger, nicht effizienter.
- Arbeitest du mit großen Sprachmodellen (LLMs) lokal? Nimm die 3090.
- Machst du professionelles 3D-Rendering für Kunden? Nimm die 3090 (und lern, wie man sie wartet).
- Bist du Streamer und Gelegenheitszocker? Nimm die 5070.
- Hast du ein kleines Gehäuse und ein Netzteil unter 750 Watt? Nimm die 5070 oder kalkuliere 250 Euro extra für Upgrades ein.
Ich habe Ingenieure gesehen, die monatelang über Benchmarks philosophierten, nur um am Ende festzustellen, dass ihre spezielle Simulationssoftware auf der neueren Architektur noch gar nicht optimiert war. In der echten Welt gewinnt oft das Modell, das am meisten „Platz“ bietet, nicht das, das die schönsten Marketing-Folien hat.
Realitätscheck
Erfolg in diesem Bereich bedeutet nicht, die schnellste Karte zu besitzen. Es bedeutet, ein System zu haben, das deine Arbeit nicht unterbricht. Die Wahrheit ist hart: Die meisten von euch brauchen keine 3090, aber diejenigen, die sie brauchen, werden mit einer 5070 niemals glücklich sein. Es gibt keinen magischen Mittelweg. Du musst dich entscheiden, ob du ein Bastler bist, der ein altes Flaggschiff zähmt, oder ein Nutzer, der Garantie und Effizienz über maximale Kapazität stellt.
Wer glaubt, dass er mit der 5070 ein „Schnäppchen“ macht, das alles kann, was das alte Topmodell konnte, lügt sich selbst an. Nvidia ist meisterhaft darin, ihre Produkte so zu beschneiden, dass man immer einen Grund findet, noch mehr Geld auszugeben. Wenn du wirklich professionell arbeiten willst, ohne alle zwei Jahre neu zu kaufen, ist Speicher durch nichts zu ersetzen – außer durch noch mehr Speicher. Wer das ignoriert, zahlt am Ende doppelt: einmal für die neue Karte und ein zweites Mal, wenn er merkt, dass er sie doch gegen ein Modell mit mehr VRAM tauschen muss. Das ist kein theoretisches Gerede, das ist der bittere Alltag auf dem Hardwaremarkt. Such dir aus, auf welcher Seite dieser Gleichung du stehen willst. Es gibt keine Trostpreise für den Kauf der „falschen“ Karte, nur verlorene Zeit und ein leeres Bankkonto.
