Der Name AutoGPT trägt weiterhin das Gepäck aus dem Jahr 2023, als man es unbegrenzt laufen ließ und innerhalb eines Abends 50 USD OpenAI-Credits verbrannte. Die aktuelle Plattform ist davon kaum wiederzuerkennen. Der visuelle Builder, der Block-Marktplatz und das explizite Token-Budget haben die Anforderungen an einen Server verändert.
Ich betreibe AutoGPT auf einem Hetzner-Server, der drei Produktions-Workflows bewältigt. Hier ist, was für eine Installation im Jahr 2026 ausreicht.
Was AutoGPT 2026 Tatsächlich fordert
Der Runtime besteht aus zwei Hauptteilen: das Backend (Python, FastAPI, der Agenten-Executor) und das Frontend (Next.js visueller Builder). Zusammen benötigen sie im Leerlauf etwa 1,2 GB Arbeitsspeicher. Jeder laufende Workflow fügt je nach genutzten Blocks 200 bis 500 MB hinzu.
Die Festplattennutzung ist interessanter. Der Block-Marktplatz lädt Docker-Images für viele Blocks, was schnell die 25 GB für das Registry-Spielraum beansprucht. Logs und Workflow-Zustände fügen in einigen Monaten weitere 10 bis 15 GB hinzu.
VPS-Vergleich für AutoGPT
| Anbieter | Plan | vCPU | RAM | Festplatte | Monatlich | Beste Einsatzmöglichkeit |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX23 | 4 | 16 GB | 160 GB NVMe | 29,74 EUR | Produktion, EU |
| Contabo VPS | VPS M | 6 | 16 GB | 200 GB NVMe | 8,49 EUR | Budget-Produktion |
| DigitalOcean | Premium AMD 8 GB | 4 | 8 GB | 160 GB NVMe | 56 USD | USA, einfache Bedienung |
| Hetzner CPX31 | CPX31 | 4 | 8 GB | 160 GB NVMe | 17,34 EUR | Leichte Nutzung |
Hetzner Cloud CCX23: Die Standardwahl für ernsthaften Einsatz
16 GB RAM und 4 dedizierte vCPUs bewältigen den AutoGPT-Runtime plus 4 bis 5 gleichzeitige Workflows bequem. Die NVMe-Festplatte ist entscheidend, da das Block-Registry und der Workflow-Zustand ständig darauf zugreifen. Die Falkenstein-Region sorgt für eine Netzwerk-Latenz zu externen Modell-APIs im Bereich von 60 bis 80 ms.
Was diese Wahl auszeichnet: AutoGPT ist empfindlich gegenüber Latenz im Hintergrund. Wenn ein Workflow 6 bis 8 Blocks chaint, streckt bereits eine zusätzliche Latenz von 100 ms pro Block die Laufzeit von 2 auf 3 Sekunden. Der dedizierte CPU des CCX23 hilft hier.
Vorteile, die es zu nennen gilt:
- Dedizierte CPU verhindert Störungen durch Nachbarprozesse bei Multi-Block-Keys
- NVMe bewältigt die Größe des Block-Registers ohne Probleme
- Snapshots sind für Workflow-Rollbacks preislich vernünftig
Der kleine Nachteil: Kein verwalteter Objektspeicher im selben Rechenzentrum, falls du große Block-Ausgaben auslagern willst.
Hole dir Hetzner: Hetzner Cloud.
Contabo VPS M: Das Preis-Leistungs-Wunder
8,49 EUR für 6 vCPU und 16 GB RAM sind konkurrenzlos. AutoGPT läuft darauf. Die geteilten CPU-Kerne zeigen sich, wenn du mehrere Workflows parallel startest; gelegentliche Latenzspitzen von 200 ms sind dann möglich, was auf Hetzner CCX nicht vorkommt.
Für eine Einzelnutzer-Installation oder Low-Frequency-Batch-Workflows ist Contabo das richtige Setup. Für Teams, die es interaktiv nutzen - die Latenzspitzen können nerven.
Vorteile:
- Beste Hardware-Spezifikation pro Euro auf dem Markt
- 200 GB NVMe bieten genug Platz für Block-Registry und Monatelange Logs
Probiere Contabo: Contabo VPS.
DigitalOcean Premium AMD: Für einfache Bedienung
56 USD im Monat sind hoch, aber die Benutzerfreundlichkeit von DigitalOcean erleichtert AutoGPT-Operationen. Snapshots in 30 Sekunden, verwaltete Datenbanken für den Workflow-Status, einfache Regionenauswahl. Wenn du AutoGPT einmal aufsetzen willst und nicht viel daran tinkern möchtest, ist das die richtige Wahl.
Ehrlich gesagt: 8 GB RAM sind hier die Untergrenze. Die nächste Preisklasse steigt auf 96 USD im Monat, was schwer zu rechtfertigen ist.
Hole dir DigitalOcean: DigitalOcean.
Hetzner CPX31: Für leichte Nutzung
Wenn du AutoGPT für persönliche Experimente betreibst und hauptsächlich externe API-Aufrufe machst, reicht der CPX31 mit 8 GB RAM für 17,34 EUR im Monat. Die shared CPU ist bei geringer gleichzeitiger Last ausreichend.
Nicht für Teams oder produktive Einsätze empfohlen. Für Solo-Entwickler, die die Plattform erkunden.
Was ich empfehlen würde
Für ein Team, das zuverlässig arbeiten soll: Hetzner CCX23. Für Einzelpersonen mit kleinem Budget: Contabo VPS M. Die AutoGPT-Cloud-Plattform überspringen, es sei denn, dein monatliches Token-Budget liegt unter 30 USD - dann rechnet es sich noch.
Die umfassendere VPS-Übersicht findet sich bei den SelfHostVPS Rankings. AutoGPT veröffentlicht alle 6 bis 8 Wochen bedeutende Updates - überprüfe also vor der Größe die aktuellen Disk- und Speicheranforderungen anhand von docker-compose.
Frequently asked questions
Ist AutoGPT im Jahr 2026 immer noch das Token-verbrennende Monster von 2023?
Nein, die Neufassung wurde Ende 2024 veröffentlicht, und die Version 2026 nutzt einen blockbasierten visuellen Builder mit expliziten Token-Budgets pro Workflow. Du kannst die Ausgaben pro Lauf begrenzen, was bei der ursprünglichen Version berüchtigt nicht möglich war. Die Laufzeit ist immer noch Python-lastig, aber die Orchestrierung ist jetzt vernünftig. Hosting ist eher mit dem Betrieb von n8n vergleichbar als mit dem eines Experiments.
Welche VPS-Spezifikationen entsprechen den Blocks im AutoGPT-Marktplatz?
Jeder Block im Marktplatz deklariert seinen eigenen Ressourcenbedarf. Leichte Blocks (LLM-Aufrufe, Web-Fetch, Transformationen) benötigen fast nichts. Schwerere Blocks wie lokale Bildgenerierung oder Videobearbeitung verlangen eine GPU. Für eine Standardinstallation mit dem üblichen Blockset sind 4 vCPU und 8 GB RAM mit 80 GB NVMe die sinnvolle Grundlage. Eine GPU wird nur hinzugefügt, wenn du GPU-intensive Blocks installierst.
Soll ich Docker Compose oder die AutoGPT-Cloud-Plattform verwenden?
Selbst-hosten mit Docker Compose, wenn dir Datenresidenz wichtig ist, du private Blocks hinzufügen möchtest oder du voraussichtlich mehr als 100 USD monatlich auf der Cloud ausgibst. Die Cloud-Plattform ist wirklich gut für niedrigen Nutzungsgrad geeignet und nimmt dir den Betrieb ab. Der Break-even-Point gegen einen Hetzner CCX23 liegt bei etwa 50 USD Cloud-Nutzung pro Monat.
Braucht AutoGPT eine GPU auf dem VPS?
Nur wenn du Blocks installierst, die eine benötigen. Die Standardmarktplatz-Blocks nutzen alle externe APIs (OpenAI, Anthropic, ElevenLabs, Bildgenerierungsdienste) und haben keine lokalen Rechenanforderungen. GPU wird relevant, wenn du Stable Diffusion, lokalen Whisper oder lokale LLM-Blocks hinzufügst. Die meisten Nutzer von AutoGPT im Produktionseinsatz benötigen nie eine GPU auf dem VPS.