{"id":789,"date":"2026-06-06T01:59:12","date_gmt":"2026-06-06T01:59:12","guid":{"rendered":"https:\/\/convly.ai\/how-to-install-ollama-2026\/"},"modified":"2026-08-01T06:47:16","modified_gmt":"2026-08-01T06:47:16","slug":"how-to-install-ollama-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/","title":{"rendered":"So installieren Sie Ollama im Jahr 2026: Schritt-f\u00fcr-Schritt-Anleitung f\u00fcr Mac, Windows und Linux"},"content":{"rendered":"<p>Die Installation von Ollama ist auf jedem g\u00e4ngigen Betriebssystem tats\u00e4chlich innerhalb von zwei Minuten erledigt. Dieser Leitfaden enth\u00e4lt die genauen Schritte f\u00fcr Mac, Windows und Linux, zeigt Ihnen, wie Sie Ihr erstes Modell ausf\u00fchren, und behandelt die wenigen Fehler, auf die Nutzer tats\u00e4chlich sto\u00dfen.<\/p>\n<p>Noch nie mit dem Tool gearbeitet? Beginnen Sie zun\u00e4chst mit <a href=\"https:\/\/convly.ai\/de\/what-is-ollama-complete-guide-2026\/\">einer Erkl\u00e4rung, was Ollama ist und wie es funktioniert<\/a>, und kehren Sie danach hierher zur\u00fcck, um es zu installieren.<\/p>\n<p><!--geo-block--><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_85 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a74652ae122e\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Umschalten<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a74652ae122e\"  aria-label=\"Umschalten\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Quick_answer_How_do_you_install_Ollama\" >Quick answer: How do you install Ollama?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Before_you_install_can_your_machine_run_it\" >Bevor Sie installieren: Ist Ihr Rechner daf\u00fcr geeignet?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Install_on_macOS\" >Installation unter macOS<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Install_on_Windows\" >Installation unter Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Install_on_Linux\" >Installation unter Linux<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Run_your_first_model\" >F\u00fchren Sie Ihr erstes Modell aus<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Verify_the_API_is_running\" >\u00dcberpr\u00fcfen Sie, ob die API l\u00e4uft<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Common_install_problems_and_fixes\" >H\u00e4ufige Installationsprobleme und L\u00f6sungen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Configure_Ollama_after_install_storage_memory_and_a_UI\" >Konfigurieren Sie Ollama nach der Installation: Speicherplatz, Arbeitsspeicher und eine Benutzeroberfl\u00e4che<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#FAQ\" >H\u00e4ufig gestellte Fragen (FAQ)<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Bottom_line\" >Fazit<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/convly.ai\/de\/how-to-install-ollama-2026\/#Related_articles\" >Verwandte Artikel<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Quick_answer_How_do_you_install_Ollama\"><\/span>Quick answer: How do you install Ollama?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Installing Ollama is a download-and-run process that takes around two minutes on every major operating system. On macOS, download the app from ollama.com or run <code>installieren Sie Ollama \u00fcber Homebrew mit \u201ebrew install ollama\u201c<\/code>; on Windows, run the official installer, which is native and needs no WSL; on Linux, run the one-liner <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>. Then pull and run your first model with <code>ollama run gemma4<\/code>, and confirm it works when the local API answers at <code>http:\/\/localhost:11434<\/code>.<\/p>\n<ul>\n<li><strong>macOS:<\/strong> download the app from ollama.com or run <code>installieren Sie Ollama \u00fcber Homebrew mit \u201ebrew install ollama\u201c<\/code>.<\/li>\n<li><strong>Windows:<\/strong> run the official <code>.exe<\/code> installer \u2014 native, no WSL required \u2014 then check <code>ollama --version<\/code>.<\/li>\n<li><strong>Linux:<\/strong> Ein einziger Befehl \u2013 <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>.<\/li>\n<li><strong>First model to run:<\/strong> <code>ollama run gemma4<\/code> downloads and runs a strong all-rounder in a single command.<\/li>\n<li><strong>RAM you need:<\/strong> roughly as much free RAM (or VRAM) as the quantized model size \u2014 around 4\u20135 GB for a 7B model and about 8 GB for a 13B model.<\/li>\n<\/ul>\n<div class=\"convly-tldr\">\n<h3>Wichtigste Erkenntnisse<\/h3>\n<ul>\n<li><strong>Mac:<\/strong> Laden Sie die App von ollama.com herunter oder <code>installieren Sie Ollama \u00fcber Homebrew mit \u201ebrew install ollama\u201c<\/code>.<\/li>\n<li><strong>Windows:<\/strong> Laden Sie den offiziellen Installer herunter und f\u00fchren Sie ihn aus \u2013 native Unterst\u00fctzung, kein WSL erforderlich.<\/li>\n<li><strong>Linux:<\/strong> Ein einziger Befehl \u2013 <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>.<\/li>\n<li><strong>Erstes Modell:<\/strong> <code>ollama run gemma4<\/code> l\u00e4dt ein leistungsstarkes Allround-Modell herunter und f\u00fchrt es aus.<\/li>\n<li><strong>\u00dcberpr\u00fcfen Sie, ob es funktioniert:<\/strong> Die API antwortet unter <code>http:\/\/localhost:11434<\/code>.<\/li>\n<\/ul>\n<\/div>\n<h2><span class=\"ez-toc-section\" id=\"Before_you_install_can_your_machine_run_it\"><\/span>Bevor Sie installieren: Ist Ihr Rechner daf\u00fcr geeignet?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama selbst ist sehr klein, doch die <em>Modellen<\/em> Modelle sind es nicht. Als Faustregel gilt: Sie ben\u00f6tigen ungef\u00e4hr so viel freien Arbeitsspeicher (RAM) oder Grafikspeicher (VRAM), wie das quantisierte Modell gro\u00df ist \u2013 etwa 4\u20135 GB f\u00fcr ein 7B-Modell, 8 GB f\u00fcr ein 13B-Modell und deutlich mehr f\u00fcr gr\u00f6\u00dfere Modelle. Falls Sie unsicher sind, welche Hardwarekapazit\u00e4ten Ihr System bietet, lesen Sie zun\u00e4chst unseren <a href=\"https:\/\/convly.ai\/de\/ollama-system-requirements-2026\/\">Leitfaden zu den Systemanforderungen f\u00fcr Ollama<\/a> , um ein Modell auszuw\u00e4hlen, das tats\u00e4chlich auf Ihrem System l\u00e4uft.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_macOS\"><\/span>Installation unter macOS<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Der einfachste Weg ist die native App:<\/p>\n<ol>\n<li>Gehen Sie zu <strong>ollama.com\/download<\/strong> und laden Sie die macOS-App herunter.<\/li>\n<li>\u00d6ffnen Sie die <code>.dmg-Datei<\/code> und ziehen Sie Ollama in den Ordner \u201eAnwendungen\u201c.<\/li>\n<li>Starten Sie die Anwendung \u2013 Ollama l\u00e4uft im Hintergrund, und der Befehl <code>ollama<\/code> steht anschlie\u00dfend in Ihrem Terminal zur Verf\u00fcgung.<\/li>\n<\/ol>\n<p>Sie bevorzugen die Kommandozeile? Verwenden Sie Homebrew:<\/p>\n<pre><code>installieren Sie Ollama \u00fcber Homebrew mit \u201ebrew install ollama\u201c\n<\/code><\/pre>\n<p>Auf Apple Silicon (M1\u2013M5) nutzt Ollama seit Version 0.19 automatisch die GPU \u00fcber Apples MLX-Backend, sodass Sie schnelle Inferenz ohne zus\u00e4tzliche Konfiguration erhalten.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_Windows\"><\/span>Installation unter Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama l\u00e4uft nativ unter Windows \u2013 Sie ben\u00f6tigen nicht mehr WSL:<\/p>\n<ol>\n<li>Laden Sie den Windows-Installer von <strong>ollama.com\/download<\/strong>.<\/li>\n<li>F\u00fchren Sie die <code>.exe<\/code> aus und folgen Sie den Anweisungen.<\/li>\n<li>\u00d6ffnen <strong>PowerShell<\/strong> oder <strong>Eingabeaufforderung<\/strong> und geben Sie ein: <code>ollama --version<\/code> um zu best\u00e4tigen, dass die Installation erfolgreich war.<\/li>\n<\/ol>\n<p>Falls Sie eine NVIDIA-GPU besitzen, erkennt Ollama diese automatisch und nutzt CUDA. Keine komplizierten Treiberanpassungen erforderlich \u2013 vorausgesetzt, Ihre GPU-Treiber sind aktuell.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_Linux\"><\/span>Installation unter Linux<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ein einziger Befehl erledigt alles:<\/p>\n<pre><code>curl -fsSL https:\/\/ollama.com\/install.sh | sh\n<\/code><\/pre>\n<p>Dies installiert Ollama und richtet es als <code>systemd<\/code> -Dienst ein, der beim Systemstart automatisch gestartet wird. Um zu \u00fcberpr\u00fcfen, ob der Dienst l\u00e4uft:<\/p>\n<pre><code>systemctl status ollama\n<\/code><\/pre>\n<p>Unter Ubuntu und den meisten anderen Distributionen erkennt der Installer NVIDIA- und AMD-GPUs automatisch und konfiguriert das passende Backend. F\u00fcr AMD-Grafikkarten stellen Sie bitte sicher, dass ROCm installiert ist \u2013 weitere Informationen finden Sie in unserem ausf\u00fchrlichen Vergleich \u201e <a href=\"https:\/\/convly.ai\/de\/amd-rocm-vs-nvidia-cuda-2026\/\">ROCm vs. CUDA<\/a> \u201c, der den Stand der AMD-Unterst\u00fctzung im Jahr 2026 darstellt.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Run_your_first_model\"><\/span>F\u00fchren Sie Ihr erstes Modell aus<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Nach der Installation von Ollama k\u00f6nnen Sie ein Modell mit einem einzigen Befehl herunterladen und ausf\u00fchren:<\/p>\n<pre><code>ollama run gemma4\n<\/code><\/pre>\n<p>Beim ersten Aufruf wird das Modell (mehrere Gigabyte gro\u00df) heruntergeladen und anschlie\u00dfend wird eine Chat-Eingabeaufforderung ge\u00f6ffnet. Geben Sie eine Frage ein \u2013 erhalten Sie eine Antwort, vollst\u00e4ndig lokal auf Ihrem Rechner. Einige n\u00fctzliche Befehle:<\/p>\n<ul>\n<li><code>ollama list<\/code> \u2013 zeigt alle heruntergeladenen Modelle an.<\/li>\n<li><code>ollama pull qwen3<\/code> \u2013 l\u00e4dt ein Modell herunter, ohne es sofort auszuf\u00fchren.<\/li>\n<li><code>ollama rm gemma4<\/code> \u2013 l\u00f6scht ein Modell, um Speicherplatz freizugeben.<\/li>\n<li><code>ollama ps<\/code> \u2013 zeigt an, welche Modelle aktuell im Arbeitsspeicher geladen sind.<\/li>\n<\/ul>\n<p>Unsicher, mit welchem Modell Sie beginnen sollen? Unser Leitfaden zu den <a href=\"https:\/\/convly.ai\/de\/best-local-llms-to-run-on-ollama-2026\/\">besten lokalen LLMs f\u00fcr Ollama<\/a> empfiehlt Modelle je nach Einsatzszenario und Hardware.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Verify_the_API_is_running\"><\/span>\u00dcberpr\u00fcfen Sie, ob die API l\u00e4uft<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama stellt eine REST-API auf Port 11434 bereit. Um zu pr\u00fcfen, ob sie aktiv ist, f\u00fchren Sie aus:<\/p>\n<pre><code>curl http:\/\/localhost:11434\/api\/tags\n<\/code><\/pre>\n<p>Eine JSON-Antwort mit Ihrer Modellliste bedeutet, dass alles korrekt funktioniert. Diese Schnittstelle nutzen auch Ihre eigenen Anwendungen \u2013 und da Ollama eine OpenAI-kompatible API bietet, funktioniert viel vorhandener Code bereits nach einer einfachen \u00c4nderung der Basis-URL.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Common_install_problems_and_fixes\"><\/span>H\u00e4ufige Installationsprobleme und L\u00f6sungen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>\u201eollama: Befehl nicht gefunden\u201c (Mac\/Linux):<\/strong> Die Anwendung wurde zwar installiert, befindet sich aber nicht im <code>PATH<\/code>. Unter macOS stellen Sie sicher, dass die App mindestens einmal gestartet wurde; unter Linux \u00f6ffnen Sie nach der Installation eine neue Shell.<\/li>\n<li><strong>Modell-Downloads sind langsam oder h\u00e4ngen fest:<\/strong> Ollama l\u00e4dt gro\u00dfe Dateien herunter; ein h\u00e4ngender Download l\u00f6st sich meist durch erneutes Ausf\u00fchren von <code>ollama pull &lt;Modell&gt;<\/code> \u2013 der Vorgang wird fortgesetzt, statt von vorne zu beginnen.<\/li>\n<li><strong>GPU wird nicht genutzt:<\/strong> Pr\u00fcfen Sie <code>ollama ps<\/code> \u2013 zeigt die Ausgabe 100 % CPU-Auslastung an, so k\u00f6nnten Ihre GPU-Treiber veraltet sein oder das Modell zu gro\u00df f\u00fcr den verf\u00fcgbaren VRAM sein und daher auf die CPU ausgelagert werden. Probieren Sie stattdessen ein kleineres oder st\u00e4rker quantisiertes Modell aus.<\/li>\n<li><strong>\u201eOut of memory\u201c-Fehler:<\/strong> Das Modell ist gr\u00f6\u00dfer als Ihr verf\u00fcgbarer Arbeitsspeicher bzw. VRAM. Laden Sie stattdessen ein kleineres Quantisierungsformat herunter (achten Sie auf Varianten mit <code>q4<\/code> ) oder w\u00e4hlen Sie ein kleineres Modell. Unsere <a href=\"https:\/\/convly.ai\/de\/ollama-system-requirements-2026\/\">Leitfaden zu den Systemanforderungen<\/a> \u00dcbersicht zeigt, welche Modelle auf welcher Hardware laufen.<\/li>\n<li><strong>Port 11434 ist bereits belegt:<\/strong> Eine andere Ollama-Instanz l\u00e4uft bereits. Beenden Sie diese (<code>ollama ps<\/code> schlie\u00dfen Sie dann die App bzw. den Dienst), bevor Sie eine neue Instanz starten.<\/li>\n<\/ul>\n<p><!--ai-enriched--><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Configure_Ollama_after_install_storage_memory_and_a_UI\"><\/span>Konfigurieren Sie Ollama nach der Installation: Speicherplatz, Arbeitsspeicher und eine Benutzeroberfl\u00e4che<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die Installation von Ollama ist der einfache Teil. Einige Einstellungen entscheiden dar\u00fcber, ob Ollama im Hintergrund bleibt oder stillschweigend Festplattenspeicher und Arbeitsspeicher verbraucht. Alle diese Einstellungen erfolgen \u00fcber Umgebungsvariablen; wo Sie diese setzen, h\u00e4ngt vom Betriebssystem ab: Unter macOS verwenden Sie <strong>launchctl setenv<\/strong>, unter Linux bearbeiten Sie den Dienst mittels <strong>systemctl edit ollama.service<\/strong> und f\u00fcgen eine Zeile mit <code>Environment=<\/code> hinzu; unter Windows f\u00fcgen Sie eine Benutzer-Umgebungsvariable \u00fcber die Systemeinstellungen hinzu. Starten Sie Ollama nach jeder \u00c4nderung neu, damit diese wirksam wird.<\/p>\n<p>Die vier wichtigsten Variablen lauten:<\/p>\n<ul>\n<li><strong>OLLAMA_MODELS<\/strong> \u2013 legt fest, wo Modelle gespeichert werden. Modelle sind gro\u00df, und die Standardpfade liegen auf Ihrem Systemlaufwerk (<code>~\/.ollama\/models<\/code> unter macOS, <code>\/usr\/share\/ollama\/.ollama\/models<\/code> unter Linux, <code>C:\\Users\\&lt;Sie&gt;\\.ollama\\models<\/code> unter Windows). Weisen Sie diese Variable auf ein gr\u00f6\u00dferes oder schnelleres Laufwerk, bevor Sie mehrere Modelle herunterladen. Stellen Sie unter Linux sicher, dass der Benutzer \u201eollama\u201c Lese- und Schreibzugriff auf das neue Verzeichnis besitzt. <code>ollama<\/code> user can read and write the new directory.<\/li>\n<li><strong>OLLAMA_KEEP_ALIVE<\/strong> \u2013 legt fest, wie lange ein Modell nach einer Anfrage im Arbeitsspeicher verbleibt. Der Standardwert betr\u00e4gt f\u00fcnf Minuten. Setzen Sie diesen Wert auf <code>-1<\/code> um ein Modell dauerhaft im Arbeitsspeicher zu halten, sodass die erste Anfrage nie langsam ist, oder auf <code>0<\/code> um das Modell unverz\u00fcglich zu entladen und den VRAM sofort freizugeben, sobald Sie fertig sind.<\/li>\n<li><strong>OLLAMA_CONTEXT_LENGTH<\/strong> \u2013 definiert das Kontextfenster. Ollama verwendet standardm\u00e4\u00dfig konservativ 4096 Token, weshalb lange Dokumente stumm abgeschnitten werden. Erh\u00f6hen Sie diesen Wert (z.\u202fB. auf 8192 oder h\u00f6her), falls Ihr Modell dies unterst\u00fctzt, und kombinieren Sie dies mit <strong>OLLAMA_FLASH_ATTENTION=1<\/strong> , um die zus\u00e4tzlichen Speicherkosten gering zu halten.<\/li>\n<li><strong>OLLAMA_HOST<\/strong> \u2013 legt fest, an welche Adresse der Server gebunden wird. Standardm\u00e4\u00dfig lauscht Ollama nur auf <code>127.0.0.1:11434<\/code>, sodass kein anderes Ger\u00e4t in Ihrem Netzwerk darauf zugreifen kann. Setzen Sie diesen Wert auf <code>0.0.0.0:11434<\/code> , um Ollama von einem anderen Rechner, einem Smartphone oder einem Docker-Container aus nutzen zu k\u00f6nnen.<\/li>\n<\/ul>\n<p>Ein wichtiger Hinweis zu dieser letzten Einstellung: Die Ollama-API verf\u00fcgt \u00fcber <strong>keine integrierte Authentifizierung<\/strong>. Wenn Sie Ollama an <code>0.0.0.0<\/code> binden, kann jeder, der Zugriff auf Port 11434 hat, Modelle auf Ihrer Hardware ausf\u00fchren. F\u00fchren Sie diesen Schritt daher ausschlie\u00dflich in einem vertrauensw\u00fcrdigen lokalen Netzwerk durch und sch\u00fctzen Sie den Zugriff gegebenenfalls durch einen Reverse-Proxy oder eine Firewall-Regel, falls der Rechner \u00f6ffentlich erreichbar ist.<\/p>\n<p>Abschlie\u00dfend: Die Kommandozeile eignet sich gut zum Testen, ist aber f\u00fcr den t\u00e4glichen Einsatz m\u00fchsam. Die g\u00e4ngige L\u00f6sung hierf\u00fcr ist <strong>Open WebUI<\/strong>, eine selbstgehostete, ChatGPT-\u00e4hnliche Oberfl\u00e4che, die mit Ihrer lokalen Ollama-Instanz kommuniziert. Der schnellste Weg f\u00fchrt \u00fcber Docker: Der Container stellt seinen Dienst intern auf Port 8080 bereit; mappen Sie diesen daher mit <code>-p 3000:8080<\/code> auf einen Host-Port und rufen Sie <code>http:\/\/localhost:3000<\/code>im Browser auf. Konfigurieren Sie anschlie\u00dfend die Verbindung zu Ihrer Ollama-Instanz. Sie erhalten Chatverlauf, Modellumschaltung und Dokument-Uploads \u2013 alles vollst\u00e4ndig auf Ihrem eigenen Rechner.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>H\u00e4ufig gestellte Fragen (FAQ)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Wie installiere ich Ollama unter Windows?<\/h3>\n<p>Laden Sie den nativen Installer von ollama.com\/download herunter und f\u00fchren Sie die <code>.exe<\/code>.exe aus. Ollama l\u00e4uft nativ unter Windows \u2013 WSL ist nicht erforderlich \u2013 und nutzt bei Vorhandensein einer NVIDIA-GPU automatisch CUDA. Best\u00e4tigen Sie die Installation mit <code>ollama --version<\/code> ollama --version in PowerShell.<\/p>\n<h3>Wie installiere ich Ollama unter Linux?<\/h3>\n<p>Ausf\u00fchren <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>. Dadurch wird Ollama installiert und als systemd-Dienst registriert. \u00dcberpr\u00fcfen Sie die Installation mit <code>systemctl status ollama<\/code>. Der Installer erkennt NVIDIA- und AMD-GPUs automatisch.<\/p>\n<h3>Kann ich Ollama \u00fcber Homebrew installieren?<\/h3>\n<p>Ja \u2013 <code>installieren Sie Ollama \u00fcber Homebrew mit \u201ebrew install ollama\u201c<\/code> funktioniert unter macOS. Die native App von ollama.com ist genauso gut und bietet zudem eine Anwesenheit in der Men\u00fcleiste; der Homebrew-Weg ist praktisch, wenn Sie s\u00e4mtliche Software \u00fcber die Kommandozeile verwalten.<\/p>\n<h3>Wo speichert Ollama Modelle?<\/h3>\n<p>Standardm\u00e4\u00dfig unter Mac und Linux im Verzeichnis <code>~\/.ollama\/models<\/code>, unter Windows hingegen im Benutzerprofil. Modelle k\u00f6nnen mehrere Gigabyte gro\u00df sein; verwenden Sie daher <code>ollama list<\/code> um nachzuvollziehen, was Sie bereits heruntergeladen haben, und <code>ollama rm &lt;Modell&gt;<\/code> zum Aufr\u00e4umen.<\/p>\n<h3>Ist die Installation von Ollama sicher?<\/h3>\n<p>Ja. Ollama ist Open-Source (MIT-lizenziert) und weit verbreitet. F\u00fcr das Linux-One-Liner-Installations-Skript gilt die \u00fcbliche Vorsicht: Es handelt sich um das offizielle Skript des Projekts; falls Sie dies bevorzugen, k\u00f6nnen Sie jedoch zuvor die Datei <code>install.sh<\/code> herunterladen und pr\u00fcfen, bevor Sie sie ausf\u00fchren.<\/p>\n<h3>Warum schneidet Ollama lange Eingaben oder Dokumente immer wieder ab?<\/h3>\n<p>Ollama verwendet standardm\u00e4\u00dfig ein Kontextfenster mit 4096 Token, unabh\u00e4ngig davon, wie viele Token das Modell tats\u00e4chlich verarbeiten kann; l\u00e4ngere Eingaben werden daher ohne Warnung abgeschnitten. Erh\u00f6hen Sie diesen Wert, indem Sie den Server mit <code>OLLAMA_CONTEXT_LENGTH<\/code> auf einen h\u00f6heren Wert (z. B. 8192 oder mehr) festlegen \u2013 allerdings h\u00f6chstens bis zur vom Modell unterst\u00fctzten Obergrenze. Ein gr\u00f6\u00dferer Kontext beansprucht mehr Arbeitsspeicher; aktivieren Sie daher <code>OLLAMA_FLASH_ATTENTION=1<\/code> , um die zus\u00e4tzliche Speicherlast auszugleichen, und achten Sie auf Ihren verf\u00fcgbaren Arbeitsspeicher- oder VRAM-Puffer.<\/p>\n<h3>Wie greife ich von einem anderen Computer im Netzwerk auf Ollama zu?<\/h3>\n<p>Standardm\u00e4\u00dfig lauscht Ollama nur auf localhost und ist daher f\u00fcr andere Ger\u00e4te unsichtbar. Legen Sie <code>OLLAMA_HOST=0.0.0.0:11434<\/code> fest und starten Sie Ollama neu. Stellen Sie dann \u00fcber die LAN-IP-Adresse des Host-Computers an Port 11434 eine Verbindung her. Beachten Sie, dass die API keine Authentifizierung bietet; stellen Sie Ollama daher ausschlie\u00dflich in einem Netzwerk bereit, dem Sie vertrauen. Falls der Rechner von au\u00dferhalb Ihres Heim- oder B\u00fcro-Netzwerks erreichbar ist, verwenden Sie eine Firewall-Regel oder einen Reverse-Proxy.<\/p>\n<h3>Wie verhindere ich, dass Ollama das Modell bei jeder Anfrage neu l\u00e4dt?<\/h3>\n<p>Diese Verz\u00f6gerung entsteht durch das Entladen des Modells aus dem Arbeitsspeicher zwischen den Nutzungsvorg\u00e4ngen. Ollama h\u00e4lt ein Modell standardm\u00e4\u00dfig f\u00fcnf Minuten lang im Speicher; setzen Sie <code>OLLAMA_KEEP_ALIVE=-1<\/code> fest, um es dauerhaft im Arbeitsspeicher zu halten \u2013 so erfolgen Prompt-Antworten sofort. Der Nachteil ist, dass das Modell Ihren Arbeitsspeicher oder Ihre VRAM kontinuierlich belegt; verwenden Sie stattdessen <code>0<\/code> , falls Sie den Speicher unmittelbar nach Abschluss einer Anfrage wieder freigeben m\u00f6chten.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Bottom_line\"><\/span>Fazit<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Auf jedem Betriebssystem ist die Installation von Ollama ein einfacher Download-und-Ausf\u00fchren-Vorgang, der etwa zwei Minuten dauert \u2013 und Ihr erstes lokales Modell ist nur einen Befehl entfernt. W\u00e4hlen Sie ein Modell, das zu Ihrer Hardware passt, stellen Sie sicher, dass die API auf Port 11434 antwortet, und schon l\u00e4uft ein privater, kostenloser LLM auf Ihrem eigenen Rechner. Von hier aus k\u00f6nnen Sie erkunden, <a href=\"https:\/\/convly.ai\/de\/best-local-llms-to-run-on-ollama-2026\/\">welche Modelle geeignet sind<\/a> und <a href=\"https:\/\/convly.ai\/de\/ollama-system-requirements-2026\/\">wie viel Hardware jedes einzelne Modell ben\u00f6tigt<\/a>.<\/p>\n<p><!--related-block--><\/p>\n<div class=\"convly-related\">\n<h2><span class=\"ez-toc-section\" id=\"Related_articles\"><\/span>Verwandte Artikel<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><a href=\"https:\/\/convly.ai\/de\/deepseek-v4-flash-vs-gemini-3-5-flash\/\">DeepSeek V4-Flash vs Gemini 3.5 Flash: Specs, Pricing &amp; Which to Choose (2026)<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/claude-5-new-ai-models-june-2026\/\">Gibt es einen Claude 5? Claude Fable 5 und alle wichtigen KI-Modelle im Juni 2026<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/llm-hallucinations-complete-guide\/\">Halluzinationen bei Sprachmodellen im Jahr 2026: Warum sie auftreten und wie man sie verhindert<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/prompt-engineering-techniques\/\">Prompt-Engineering im Jahr 2026: 12 Techniken, die tats\u00e4chlich funktionieren<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/what-is-ollama-complete-guide-2026\/\">Was ist Ollama? Der umfassende Leitfaden zum lokalen Ausf\u00fchren von LLMs im Jahr 2026<\/a><\/li>\n<\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Installing Ollama takes about two minutes on any OS. Here are the exact steps for Mac, Windows, and Linux, plus how to run your first model and fix the errors people actually hit.<\/p>","protected":false},"author":1,"featured_media":1813,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[3],"tags":[637,634,256,635,638,636],"class_list":["post-789","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-llms","tag-how-to-install-ollama","tag-install-ollama","tag-local-llm","tag-ollama-install","tag-ollama-setup","tag-ollama-tutorial"],"_links":{"self":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/789","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/comments?post=789"}],"version-history":[{"count":4,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/789\/revisions"}],"predecessor-version":[{"id":1514,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/789\/revisions\/1514"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media\/1813"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media?parent=789"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/categories?post=789"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/tags?post=789"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}