CrewAI wird für alles empfohlen, von Forschungsagenten bis hin zu Kundenservice-Bots, und die Spezifikations-Empfehlungen auf Reddit sind äußerst inkonsistent. Einige Threads sagen 32 GB RAM, andere 1 GB. Ich habe CrewAI vier Monate lang in Produktion auf drei verschiedenen VPS-Konfigurationen getestet. Hier ist, was tatsächlich passt.
Die echte CrewAI-Bilanz
Die CrewAI-Bibliothek ist wirklich klein. Ein Python-Prozess mit einer geladenen Crew benötigt etwa 200 bis 300 MB. Weitere Agenten in derselben Crew zusammen erhöhen den Speicherbedarf vielleicht um 50 MB pro Agent. Die Anzahl der Agenten ist nicht der Kostentreiber.
Was die Kosten treibt:
- LLM-Client-Puffer (insbesondere bei Streaming und strukturiertem Output)
- Die Memory-Funktion, die Embeddings-Modelle lädt, wenn aktiviert
- Tool-Overhead, besonders Browser-Tools oder lokale Code-Ausführung
- Gleichzeitige Crew-Läufe, da jeder Lauf mehrere HTTP-Verbindungen zur Model-API offen hält
Für eine typische Crew mit 4 bis 6 Agenten, Websuche und ein paar API-Tools, reicht 4 GB RAM und 2 vCPU bequem aus. Jeder, der Ihnen empfiehlt, 16 GB bereitzustellen, plant eher für self-hosted LLMs, nicht für CrewAI selbst.
VPS-Vergleich für CrewAI
| Anbieter | Plan | vCPU | RAM | Festplatte | Monatlich | Beste Verwendung |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX13 | 2 | 8 GB | 80 GB NVMe | 14,86 EUR | Produktions-Crews, EU |
| Contabo VPS | VPS S | 4 | 8 GB | 100 GB NVMe | 4,50 EUR | Hobby- und Nebenprojekte |
| DigitalOcean | Premium AMD 4 GB | 2 | 4 GB | 80 GB NVMe | 28 USD | USA, geringe Betriebsbelastung |
| Hetzner CPX11 | CPX11 | 2 | 2 GB | 40 GB SSD | 5,18 EUR | Solo-Entwickler, einzelne Crew |
Hetzner Cloud CCX13: Die zuverlässige Wahl für Produktion
Dedizierte CPU-Leistung ist für CrewAI wichtiger als viele denken, weil die Crew oft mehrere parallele Agentenaufrufe startet und geteilte CPU-Pläne Latenzabweichungen einführen können. Die zwei dedizierten Kerne des CCX13 bieten vorhersehbare Performance, selbst wenn 3 bis 4 Crew-Läufe gleichzeitig laufen.
Warum ich das für Kundenarbeit wähle: vorhersehbare Antwortzeiten, wenn mehrere Crews gleichzeitig aktiv sind. Geteilte CPU-Pläne können einen 5-Sekunden-Lauf auf 12 Sekunden ziehen, wenn viel “Noise” im Nachbarschaftsnetzwerk herrscht.
Vorteile:
- Dedizierte CPU minimiert Latenzstreuung
- NVMe verarbeitet strukturierte Ausgabes logs problemlos
- Hetzner-Netzwerk hat stabile Latenz unter 100 ms zu allen großen LLM-APIs
Der Nachteil: 14,86 EUR im Monat sind etwa das Dreifache der günstigsten Option. Für Produktivsysteme lohnt es sich, für Experimente eher Overkill.
Hol dir Hetzner: Hetzner Cloud.
Contabo VPS S: Für Experimente und Nebenprojekte
4,50 EUR im Monat für 4 vCPU und 8 GB RAM sind kaum zu schlagen für nicht-kritische Arbeiten. CrewAI läuft darauf gut. Die geteilte CPU zeigt gelegentlich Latenzspannen von 300 bis 500 ms unter Volllast, was bei interaktiven Anwendungen wichtiger ist als bei Batch-Job-Ausführungen.
Vorteile:
- Günstigste realistische Option für CrewAI
- 8 GB RAM bieten Spielraum für die Memory-Funktion plus größere Embedding-Modelle
- 100 GB NVMe sind ausreichend für Crew-Zustand und Logs
Echter Nachteil: Die Einrichtung dauert 2 bis 4 Stunden, was bei Iterationen an Infrastruktur lästig ist.
Teste Contabo: Contabo VPS.
DigitalOcean Premium AMD: Für US-basierte Operationen
Wenn dein Team, Modell-APIs und Integrationen alle im US-East sind, macht die Latenz zu DigitalOcean NYC3 einen spürbaren Unterschied bei Crews, die mehrere Tool-Calls chainen. 28 USD im Monat sind nicht billig im Vergleich zu Hetzner, aber Snapshot-System und verwaltete Datenbanken reduzieren den operativen Aufwand.
Ehrliche Einschätzung: Der Wert liegt in der Plattform, nicht im reinen Rechenpotenzial. Wenn dir das DigitalOcean-Ökosystem egal ist, liefert Hetzner mehr Leistung pro Dollar.
Hole dir DigitalOcean: DigitalOcean.
Hetzner CPX11: Der günstigste funktionierende Weg
Für einen Solo-Entwickler, der eine einzelne Crew interaktiv laufen lässt, reicht der CPX11 mit 2 GB RAM aus. CrewAI passt, die LLM-Client-Puffer passen, aber die Memory-Funktion kannst du bei großen Embedding-Modellen nicht aktivieren.
Nutze das für persönliche Projekte und Demos. Steige auf, sobald die Arbeit wichtiger wird.
Was ich empfehlen würde
Für Kundenarbeit oder produktive CrewAI-Implementierungen: Hetzner CCX13. Für Experimente und Hobbyprojekte: Contabo VPS S. Die CrewAI Enterprise Cloud ist für geringes Volumen geeignet, aber Self-Hosting auf einem gut dimensionierten VPS bietet mehr Flexibilität und ist bei mehr als 40 EUR monatlich an Nutzung günstiger.
Das vollständige VPS-Bild findest du im SelfHostVPS Vergleich. CrewAI ist stabil genug, dass die Hosting-Anforderungen sich 2026 kaum verändert haben; die Empfehlungen hier sollten noch eine Weile gelten.
Frequently asked questions
Welche VPS-Spezifikation braucht CrewAI für eine Crew mit 5 Agenten?
CrewAI selbst ist leicht, der Python-Prozess benötigt unabhängig von der Crewgröße etwa 200 bis 400 MB Resident Memory. Eine 5-Agenten-Crew mit den Standard-Tools passt in 2 GB RAM. Der Speicherbedarf entsteht durch die LLM-Client-Puffer und etwaige Embeddings, wenn die Memory-Funktion aktiviert ist. Planen Sie mit 4 GB, um Spielraum zu haben, aber Sie benötigen keine 16 GB, es sei denn, Sie hosten das Modell selbst.
Benötigt CrewAI eine GPU auf derselben VPS?
Nein, in 90 % der Setups. CrewAI ruft externe LLM-Endpunkte (OpenAI, Anthropic, Groq, Together) an, und die VPS braucht nur CPU. GPU wird nur relevant, wenn Sie das Sprachmodell selbst hosten, z.B. mit Ollama oder vLLM auf derselben Maschine. Die meisten produktiven CrewAI-Einsätze verwenden externe Modelle und laufen auf CPU-only-Knoten.
Wie schneidet CrewAI im Vergleich zu LangGraph hinsichtlich der Hosting-Anforderungen ab?
CrewAI ist im Dauerbetrieb leichter, die Abstraktion ist dünner und der Speicherverbrauch geringer. LangGraph fügt den LangChain-Abhängigkeitsbaum plus den Graph-Statusautomaten hinzu, was den Resident Memory für ähnliche Workflows ungefähr verdoppelt. Wenn Hosting-Kosten eine Rolle spielen und Ihr Anwendungsfall rollenbasierte Zusammenarbeit ist, gewinnt CrewAI beim Preis.
Sollte ich CrewAIs Enterprise Cloud nutzen oder selbst hosten?
Selbst hosten, wenn Sie Datenhoheit benötigen, private Tools integrieren wollen oder mehr als 50 Crew-Ausführungen pro Tag planen. Die Enterprise Cloud ist praktisch für geringes Volumen und reduziert den operativen Aufwand. Der Break-even im Vergleich zu Hetzner CCX13 liegt bei etwa 40 bis 60 EUR monatlich an Cloud-Nutzung, abhängig vom gewählten Plan.