Apple Mac mini (M5 Pro, 24 GB, 512 GB): starker Mini-PC mit knappem Speicher

Top-Empfehlung24 GB Unified Memory und 307 GB/s: lokale 27B-Modelle in einem 12,7-cm-Würfel
- Configuration
- M5 Pro Chip, 15‑Core CPU und 16‑Core GPU, 24GB Gemeinsamer Arbeitsspeicher, 512 GB
- Prozessor
- Apple M5 Pro
- Arbeitsspeicher (RAM/VRAM)
- 24 GB
- Speicherbandbreite
- 307 GB/s
- 24 GB: 27B-Modelle als 4-Bit-Quant
- 307 GB/s: zügigere Token-Ausgabe
- 24 GB: wenig Puffer für Langkontext
Ein Sprachmodell wie Qwen 3.8-27B braucht in Q4-Quantisierung rund 16 GB. Bei den 24 GB gemeinsamem Speicher dieses Mac mini bleibt damit nur wenig Luft für Kontext und macOS. Genau diese Rechnung entscheidet, ob sich die 1.699 € für dich lohnen.
Der Mac mini mit M5 Pro bietet viel Rechenleistung auf kleinster Fläche. Für deine Kaufentscheidung zählt aber vor allem, was du lokal ausführen willst. Der Chip ist selten der Engpass, die 24 GB Arbeitsspeicher schon. Diese Konfiguration (MHQN4ZD/A, Silber, 512 GB SSD) lohnt sich deshalb für bestimmte Arbeitsprofile deutlich mehr als für andere.
Viel Chip auf wenig Fläche
Der M5 Pro ist die stärkere der beiden Chipvarianten im aktuellen Mac mini. 15 CPU-Kerne beschleunigen Kompilieren, Exportieren und das Arbeiten mit vielen Spuren, 16 GPU-Kerne helfen bei Effekten, Farbkorrektur und 3D-Vorschau. Apple hat den Rechner Ende August 2026 früher als üblich vorgestellt, ausdrücklich mit Blick auf die Nachfrage nach lokaler KI. Du brauchst also keinen Tower unter dem Schreibtisch, um ernsthaft mit ProRes-Material zu arbeiten.
Der Arbeitsspeicher setzt die Grenze, nicht der Chip
Bei Apple Silicon teilen sich CPU und GPU denselben Unified Memory. Das ist ein Vorteil gegenüber einem PC, dessen Grafikkarte nur ihren eigenen Grafikspeicher (VRAM) nutzt. Es bedeutet aber auch: Alles, was ein Sprachmodell braucht, muss in diese 24 GB passen, und zwar gemeinsam mit macOS und deinen offenen Programmen. Ein mittelgroßes Modell mit Q4-Quantisierung läuft. Größere Modelle oder lange Kontextfenster sprengen dagegen den Rahmen, egal wie schnell die Kerne rechnen.
Nachrüsten kannst du den Arbeitsspeicher beim Mac mini nicht, er sitzt fest im Chip-Paket. Die Entscheidung für 24 GB triffst du also einmal beim Kauf und für die gesamte Nutzungsdauer. Wer schon jetzt ahnt, dass lokale KI ein Schwerpunkt wird, sollte das vor der Bestellung bedenken und nicht erst ein Jahr später.
| Eckdaten dieser Konfiguration | Wert |
|---|---|
| Chip | Apple M5 Pro |
| CPU / GPU | 15 Kerne / 16 Kerne |
| Unified Memory | 24 GB |
| SSD | 512 GB |
| Gehäuse (Grundfläche) | 12,7 × 12,7 cm |
| Modellnummer | MHQN4ZD/A |
| Preis (amazon.de) | 1.699 € |
650 € Aufpreis wollen begründet sein
Seit dem Generationswechsel startet der Mac mini bei 1.049 € mit dem M6. Der Sprung auf 1.699 € ist also kein kleines Upgrade, sondern ein Aufpreis von rund 62 Prozent. Du bezahlst ihn für den Pro-Chip mit 15 CPU- und 16 GPU-Kernen und 307 GB/s Speicherbandbreite. Davon profitierst du, wenn deine Software diese Kerne regelmäßig auslastet. Für E-Mail, Office und Browser merkst du den Unterschied dagegen kaum.
Gute Wahl, wenn du regelmäßig Videos schneidest, größere Softwareprojekte kompilierst, Fotos in großen Serien bearbeitest oder gelegentlich mittelgroße Sprachmodelle lokal ausprobieren willst.
Eher nicht, wenn dein Hauptziel große Sprachmodelle mit langem Kontext sind. Dann zählt der Arbeitsspeicher mehr als die Zahl der Kerne, und Geräte mit deutlich mehr Unified Memory passen besser.
Kurz gesagt: Der Mac mini mit M5 Pro ist ein sehr kompakter Arbeitsrechner für kreative und technische Aufgaben. Wer ihn hauptsächlich als KI-Server kaufen will, bezahlt für Rechenkerne, die am zu knappen Arbeitsspeicher scheitern.
Design und Verarbeitung
Beim Mac mini mit M5 Pro steckt die Rechenleistung in einem Gehäuse, das auf dem Schreibtisch kaum Platz braucht. Mit seiner kleinen Grundfläche unterscheidet er sich am Schreibtisch vor allem von einem klassischen Tower, der unter dem Tisch Platz und Kabelwege braucht.
Gehäuse: Aluminium in Silber
Das Gehäuse besteht aus silbernem Aluminium. Die Konfiguration, um die es hier geht, trägt die Modellnummer MHQN4ZD/A. Diese Nummer lohnt sich beim Kauf zu prüfen, denn im Handel stehen mehrere Mac-mini-Varianten mit fast gleichem Namen nebeneinander, etwa der Mac mini M6 ab 1.049 € oder größere M5-Pro-Ausstattungen mit mehr Arbeitsspeicher. Von außen kannst du sie kaum unterscheiden. Erst die Modellnummer zeigt eindeutig, dass du den M5 Pro mit 15-Core-CPU, 16-Core-GPU, 24 GB Unified Memory und 512 GB SSD bekommst.
Aluminium hat im Alltag zwei Vorteile. Das Gehäuse ist formstabil, auch wenn ein Monitorfuß oder eine Dockingstation darauf steht. Außerdem leitet es Wärme besser ab als Kunststoff. Bei einem Rechner, der unter Dauerlast Videos rendert oder ein Sprachmodell lokal ausführt, ist das kein Detail. Messwerte zur Lautstärke unter Last nennt Apple für diese Konfiguration allerdings nicht. Wie leise der M5 Pro bei langen KI-Sitzungen wirklich bleibt, solltest du deshalb in unabhängigen Messungen nachlesen, bevor du ihn direkt neben dich ins Blickfeld stellst.
Platzbedarf: Passt unter den Monitorfuß
Mit 12,7 × 12,7 cm passt der Mac mini unter den Fuß der meisten Monitore, in ein Regalfach oder neben die Tastatur. Damit fallen Kabelsalat unter dem Tisch und eine Halterung für einen Tower weg. Im Homeoffice mit wenig Platz ist das ein echter Gewinn. Das gilt auch für Kreative, die den Schreibtisch für Grafiktablett, Audio-Interface oder Controller brauchen.
Zum Vergleich: Ein Gaming-PC mit einer Radeon RX 9070 XT, die laut heise für lokale KI inklusive Coding taugt, braucht selbst in einem Mini-ITX-Gehäuse ein Vielfaches an Volumen, weil dort eine Grafikkarte mit zwei bis drei Slots Platz finden muss. Der Mac mini löst das Platzproblem. Die Grenze beim Arbeitsspeicher löst er nicht, dazu mehr im Abschnitt zur lokalen KI.
Wenn du den Mac mini unter einen Monitorfuß stellst, achte auf genug Luft an den Seiten und hinten. Der M5 Pro kann bei langen Rechenaufgaben viel Wärme erzeugen. Ein zugestelltes Regalfach ist auf Dauer kein guter Platz.
Anschlüsse vorn: Kein Griff mehr hinter das Gerät
Im Alltag macht sich die Vorderseite am deutlichsten bemerkbar. Dort sitzen zwei USB-C-Anschlüsse und eine Kopfhörerbuchse. USB-Stick, SD-Kartenleser, externe SSD für einen kurzen Datenimport oder ein kabelgebundenes Headset schließt du direkt vorn an. Du musst den Rechner nicht drehen und nicht blind hinten nach der richtigen Buchse tasten.
Das ist gerade dann praktisch, wenn der Mac mini unter einem Monitorfuß steht, wo die Rückseite schwer zu erreichen ist. Die festen Verbindungen wie Bildschirme, Netzwerk und Dockingstation kommen hinten dauerhaft eingesteckt unter. Alles, was du täglich an- und absteckst, wandert nach vorn. Wer viel mit Kamera-Karten oder wechselnden Datenträgern arbeitet, etwa beim Videoschnitt, spart sich so etliche Handgriffe.
| Merkmal | Mac mini (M5 Pro, 24 GB, 512 GB) |
|---|---|
| Modellnummer | MHQN4ZD/A |
| Grundfläche | 12,7 × 12,7 cm |
| Gehäuse | Aluminium |
| Farbe | Silber |
| Anschlüsse vorn | 2 × USB-C, 1 × Kopfhörerbuchse |
| Anschlüsse hinten | 3 × Thunderbolt 4, 1 × HDMI, 1 × 2,5-Gbit-Ethernet |
Insgesamt ist das Design stimmig: wenig Platzbedarf, ein stabiles Gehäuse und eine Vorderseite, die an die Abläufe am Schreibtisch angepasst ist. Was das Gehäuse nicht beeinflusst, ist der Engpass dieser Konfiguration. Der liegt beim Arbeitsspeicher, nicht beim Platz auf dem Tisch.
Leistung im Arbeitsalltag
Auf dem Papier sieht der M5 Pro im Mac mini so aus: 15 CPU-Kerne, 16 GPU-Kerne und 307 GB/s Speicherbandbreite. Im Alltag zeigen sich diese Werte an drei Stellen. Code kompiliert schneller, die Vorschau im Schnittprogramm ruckelt seltener, und große Dateien öffnen ohne Wartezeit. Die Grenze setzt dagegen meist nicht der Chip, sondern der Umfang der 24 GB Arbeitsspeicher.
- Praktischer Nutzen: flüssigere Timelines mit ProRes RAW, kürzere Build-Zeiten bei mehrkernfähigen Compilern und schnelleres Laden großer Projekte.
- Engpass: CPU und GPU teilen sich 24 GB Unified Memory. Sind die voll, hilft dir keine zusätzliche Bandbreite mehr.
Bandbreite: der Wert, der beim Arbeiten zählt
Beim Unified Memory greifen CPU und GPU auf denselben Arbeitsspeicher zu. Daten müssen also nicht erst in einen separaten Grafikspeicher kopiert werden, wie es bei einem PC mit Grafikkarte nötig ist. Wie schnell dieser gemeinsame Speicher Daten liefert, bestimmt, wie gut die 16 GPU-Kerne ausgelastet werden.
Mit 307 GB/s und laut Apple bis zu doppelt so schnellem Speicher wie beim Vorgänger bekommt die GPU deutlich mehr Daten pro Sekunde. Wie viel davon in deinem Programm ankommt, hängt davon ab, wie stark es überhaupt durch den Speicher ausgebremst wird. Die doppelte Bandbreite heißt also nicht automatisch doppeltes Tempo.
Am meisten bringt das bei Aufgaben, die große Datenmengen durch den Speicher schieben. Dazu gehören ProRes RAW-Material in hoher Auflösung, Farbkorrektur mit mehreren Ebenen, 3D-Szenen mit großen Texturen und wissenschaftliche Datensätze, die du komplett in den Arbeitsspeicher lädst. Bei solchen Lasten scrubbst du flüssiger durch die Timeline und wartest kürzer, bis Vorschau und Export fertig sind. Für Office, Browser und Mail spielt der Wert dagegen keine Rolle.
Was die Kerne konkret bringen
| Aufgabe | Was am meisten hilft | Wo es eng wird |
|---|---|---|
| Videoschnitt mit ProRes RAW | GPU-Kerne, Speicherbandbreite | 512 GB SSD füllen sich mit RAW-Material schnell |
| Software-Builds, Container | 15 CPU-Kerne für parallele Kompilierung | Viele Container oder VMs belegen die 24 GB schnell |
| Fotobearbeitung, große RAW-Serien | CPU und GPU gemeinsam, schnelle SSD | Sehr große Panoramen und Ebenenstapel |
| 3D-Rendering | 16 GPU-Kerne, Bandbreite für Texturen | Komplexe Szenen, die mehr Speicher brauchen |
| KI-Funktionen in Apps | Neural Accelerators in den GPU-Kernen | Modellgröße durch den Arbeitsspeicher begrenzt |
Bei Softwareentwicklung zahlen sich die 15 CPU-Kerne vor allem aus, wenn dein Build-System parallel kompiliert, etwa bei großen Swift-, C++- oder Rust-Projekten. Ein inkrementeller Build nach einer kleinen Änderung nutzt dagegen meist nur wenige Kerne. Dort ist der Unterschied zum günstigeren Mac mini M6 kleiner, als die Kernzahl vermuten lässt.
Neural Accelerators richtig einordnen
Die „bis zu 4-mal schnellere KI-Leistung“ ist eine Angabe von Apple. Spürbar wird sie nur in Programmen, die die Neural Accelerators in den GPU-Kernen auch ansprechen. Das sind etwa KI-Funktionen in Schnitt- und Fotoprogrammen oder Frameworks für lokale KI. Am stärksten profitiert die rechenintensive Verarbeitung der Eingabe. Wie schnell danach Text erzeugt wird, hängt dagegen vor allem an der Bandbreite. Wie groß ein Sprachmodell sein darf, entscheiden aber allein die 24 GB. Das ordnen wir im Abschnitt zur lokalen KI genauer ein.
Einordnung im Vergleich
Der Balkenvergleich zeigt, wo dieser Mac mini bei den wichtigsten Kennzahlen liegt – irgendwo zwischen dem Mac mini M6 ab 1.049 € und Workstations wie dem Mac Studio. Bei Preis und Gehäusegröße ordnet er sich weit unten ein. Bei Rechenkernen und Bandbreite liegt er klar über den Einstiegsgeräten. Beim Arbeitsspeicher sind ihm die großen Workstation-Klassen deutlich voraus.
Spanne der hier verglichenen Produkte
Für Schnitt, Code und Bildbearbeitung passt die Leistung gut zum Preis. Einen Haken gibt es bei ProRes RAW: Mit der internen 512-GB-SSD brauchst du bei größeren Projekten schnell eine externe SSD, die du über Thunderbolt 4 anschließt. Ob größere Projekte bequem laufen, hängt also eher an SSD-Platz und Arbeitsspeicher als an der Rechenleistung.
Lokale KI: Was mit 24 GB realistisch geht
Bei lokalen Sprachmodellen entscheidet vor allem der Arbeitsspeicher, welches Modell du laden kannst. Die Rechenleistung des Chips ist zweitrangig. Beim Mac mini teilen sich CPU und GPU die 24 GB als Unified Memory. Davon gehen aber noch macOS, offene Apps und der Puffer für den Kontext ab. Außerdem darf die GPU unter macOS standardmäßig nicht den gesamten gemeinsamen Speicher belegen. Realistisch bleiben für die Modellgewichte gut 16 GB, nicht 24.
Die Rechnung: Parameter mal Bits
Als Faustregel braucht eine Q4-Quantisierung etwa 0,55 bis 0,6 Byte pro Parameter, einschließlich Verwaltungsaufwand. Daraus ergeben sich diese ungefähren Werte:
| Modell | Typ | Gewichte als Q4 (ca.) | Auf 24 GB |
|---|---|---|---|
| Gemma 4 12B | dicht, multimodal | 7–8 GB | komfortabel, viel Platz für Kontext |
| Gemma 4 26B A4B | MoE, rund 4 Mrd. Parameter aktiv | 15–16 GB | läuft gut, schnelle Antworten |
| Qwen 3.8-27B | dicht | rund 16 GB | passt, aber kaum Platz für Kontext |
| Gemma 4 31B | dicht | 18–19 GB | sehr eng, nur mit Kompromissen |
Qwen 3.8-27B ist der spannendste Kandidat. Laut heise schlägt das Modell in mehreren Benchmarks Claude Opus 4.6, das im Februar 2026 noch das führende Cloud-Modell war. Die Unsloth-Variante UD-Q4_K_XL wiegt rund 16 GB und lässt sich damit laden. Der Haken liegt beim Kontext: Jeder zusätzliche Token im Gesprächsverlauf belegt Speicher im KV-Cache. Bei 24 GB insgesamt bleiben dafür nur wenige Gigabyte übrig. Die native Kontextlänge von 262.144 Token kannst du auf diesem Mac mini also nicht ansatzweise nutzen. Für Chats und kurze Programmieraufgaben reicht es. Ein ganzes Code-Repository oder ein langes PDF passt nicht hinein.
Gemma 4 ist auf 24 GB entspannter. Die 12B-Version braucht nur etwa ein Drittel des Speichers und verarbeitet zusätzlich Bilder und Audio. Beim 26B A4B benötigen die Gewichte ähnlich viel Speicher wie bei Qwen. Weil das Mixture-of-Experts-Modell pro Token aber nur rund 4 Mrd. Parameter abruft, liefert es auf den 307 GB/s Bandbreite deutlich mehr Token pro Sekunde als ein dichtes 27B-Modell. Beim dichten 31B wird es eng: Dafür musst du auf eine Q3-Quantisierung ausweichen und mit Qualitätsverlust rechnen, oder du schließt nebenbei fast alle anderen Programme.
Wo die Bandbreite die Grenze zieht
Auch das Tempo kannst du grob abschätzen. Ein dichtes Modell muss für jeden erzeugten Token einmal seine kompletten Gewichte aus dem Speicher lesen. Bei 307 GB/s und 16 GB Gewichten liegt die theoretische Obergrenze bei knapp 19 Tok/s. In der Praxis kommt weniger an. Zum Mitlesen ist das flüssig, für lange Code-Ausgaben eher zäh. Spekulatives Decoding wie MTP, das Qwen 3.8 in llama.cpp unterstützt, kann diese Grenze etwas nach oben verschieben.
Der Vergleich mit 128 GB
Wie viel mehr Speicher bringt, zeigt ein Bericht auf dev.to: Auf einem MacBook Pro M5 mit 128 GB läuft dasselbe Qwen 3.8-27B in derselben Q4-Quantisierung. Dort wurde der Kontext per YaRN sogar auf 512K Token gestreckt. Das Modell ist identisch, der Unterschied liegt allein im Speicher. Genau dieser Unterschied trennt einen Chatbot für kurze Fragen von einem Assistenten, der ganze Projekte im Blick behält.
Praxistipp für mehr Spielraum
Mit dem Terminal-Befehl sudo sysctl iogpu.wired_limit_mb=… kannst du der GPU mehr vom gemeinsamen Speicher zuteilen. Bei 24 GB sind etwa 19 bis 20 GB vertretbar. Die Einstellung gilt nur bis zum nächsten Neustart. Lass macOS genug Reserve, sonst lagert das System auf die SSD aus und die Geschwindigkeit bricht ein. Bevorzuge außerdem MoE-Modelle wie Gemma 4 26B A4B: Sie liefern auf dieser Hardware das beste Verhältnis aus Qualität und Tempo.
Arbeitsspeicher lässt sich nicht nachrüsten
Wie oben beschrieben, entscheidest du über den Speicher nur einmal beim Kauf. Rechne dabei nicht mit dem Modell von heute: Qwen 4 steht laut heise kurz vor der Veröffentlichung, und neue Modellgenerationen werden selten kleiner.
| Configuration | M5 Pro Chip, 15‑Core CPU und 16‑Core GPU, 24GB Gemeinsamer Arbeitsspeicher, 512 GB |
|---|---|
| Prozessor | Apple M5 Pro |
| Arbeitsspeicher (RAM/VRAM) | 24 GB |
| Speicherbandbreite | 307 GB/s |
Vorteile
- 24 GB: 27B-Modelle als 4-Bit-Quant
- 307 GB/s: zügigere Token-Ausgabe
- KI-Beschleuniger je GPU-Kern: schnellere Prompts
- 12,7 cm: passt unter jeden Monitor
- 2,5-Gbit-Ethernet: schnelle Modell-Downloads im LAN
Nachteile
- 24 GB: wenig Puffer für Langkontext
- RAM nicht nachrüstbar, Kauf ist endgültig
- 512 GB füllen sich mit Modellen schnell
Preis-Leistung: Für wen sich 1.699 € lohnen
Der Mac mini M6 startet bei 1.049 €, diese Konfiguration mit M5 Pro kostet 650 € mehr. Für den Aufpreis bekommst du eine 15-Core-CPU, eine 16-Core-GPU mit Neural Accelerator in jedem Kern, 307 GB/s Speicherbandbreite, 24 GB Unified Memory, drei Thunderbolt-4-Anschlüsse und Unterstützung für drei externe Bildschirme. Ob sich das lohnt, hängt nicht vom Chip ab, sondern von deinen Projekten: Gibt es bei dir regelmäßig Phasen, in denen der Rechner rendert, kompiliert oder Daten durchschiebt und du darauf wartest? Und reichen dir 24 GB Arbeitsspeicher auf Dauer?
Wo sich der Aufpreis bezahlt macht
Videoschnitt ist der deutlichste Fall. Bei ProRes RAW, mehreren Spuren und Farbkorrektur bremsen GPU-Kerne und Speicherbandbreite am meisten. Wenn du für Kunden schneidest, zahlen sich kürzere Exportzeiten und eine flüssigere Timeline direkt in Arbeitszeit aus, besonders wenn du parallel an mehreren Projekten arbeitest.
In der Softwareentwicklung zahlen sich die vielen CPU-Kerne bei großen Builds, Containern und Testläufen aus. Die 24 GB reichen für IDE, Browser, ein paar Docker-Container und einen lokalen Code-Assistenten. Bei der Fotobearbeitung profitierst du von der GPU bei KI-Masken, Rauschunterdrückung und Stapelexporten großer RAW-Serien.
Für gelegentliche Experimente mit lokaler KI ist die Konfiguration ebenfalls ein guter Einstieg: Modelle bis etwa zur 27B-Klasse in Q4 passen, wie die Rechnung im KI-Abschnitt zeigt. Wenn du Sprachmodelle ausprobieren, Prompts testen oder einen Coding-Assistenten offline nutzen willst, kommst du hier gut zurecht.
Wo du dein Geld besser anders ausgibst
Bei großen Sprachmodellen oder langem Kontext stößt du an die Grenze. Modellgewichte, Kontextspeicher (KV-Cache) und macOS teilen sich dieselben 24 GB. Mehr GPU-Kerne helfen dir dann nicht weiter, weil das Modell schlicht nicht in den Speicher passt. Wenn du ernsthaft mit Modellen jenseits der 27B-Klasse oder mit Kontexten im sechsstelligen Token-Bereich arbeiten willst, solltest du mehr Arbeitsspeicher konfigurieren oder gleich zum Mac Studio mit M5 Max oder M5 Ultra greifen. Der Mac Studio bietet bis zu 512 GB Unified Memory.
Für reine Büroarbeit brauchst du den M5 Pro nicht. Office, Browser, Videokonferenzen und Mail lasten auch den Mac mini M6 ab 1.049 € nicht aus. Die gesparten 650 € steckst du dort besser in einen guten Monitor, eine größere SSD oder ein Backup-Laufwerk.
| Nutzerprofil | Lohnt sich der M5 Pro? | Ausschlaggebend |
|---|---|---|
| Videoschnitt mit ProRes RAW | Ja | GPU-Leistung und 307 GB/s Bandbreite |
| Softwareentwicklung mit großen Builds | Ja | 15 CPU-Kerne, Platz für Container |
| Fotobearbeitung mit großen RAW-Serien | Ja | GPU-beschleunigte KI-Funktionen |
| Lokale KI bis etwa 27B (Q4) | Ja, mit Einschränkungen | ca. 16 GB Modellgewichte passen in 24 GB |
| Große Sprachmodelle, langer Kontext | Nein | 24 GB Arbeitsspeicher sind zu knapp |
| Office, Browser, Streaming | Nein | Der Mac mini M6 reicht und spart 650 € |
Passt zu
- Videoschnitt mit ProRes RAW, mehreren Spuren und häufigen Exporten
- Softwareentwicklung mit großen Projekten, Containern und lokalem Code-Assistenten
- Fotobearbeitung mit KI-Masken, Rauschunterdrückung und Stapelexporten
- Gelegentlichen Experimenten mit lokalen Sprachmodellen bis etwa 27B, z. B. Qwen 3.8-27B oder Gemma 4 26B A4B
Eher nichts für dich
- Wenn du große Sprachmodelle oder langen Kontext willst: Plane mehr Arbeitsspeicher ein oder nimm den Mac Studio mit bis zu 512 GB
- Für reine Büroarbeit, denn hier genügt der Mac mini M6 für 650 € weniger
Verfügbarkeit: vor dem Kauf prüfen
Wegen des Engpasses bei Speicherchips waren viele Mac-Konfigurationen lange kaum lieferbar. Prüf deshalb vor dem Kauf, ob deine Wunschausstattung tatsächlich lieferbar ist. Brauchst du den Rechner sofort für laufende Projekte, kann die verfügbare Variante den Ausschlag geben. Für lokale KI ist eine größere Speicherausstattung trotzdem oft die bessere Wahl, auch wenn du dafür länger wartest.
Unterm Strich ist der Mac mini mit M5 Pro für 1.699 € ein fairer Preis für kreative und technische Arbeit. Für lokale KI ist er dagegen eine Einstiegsmaschine mit klarer Obergrenze. Wenn du schon jetzt absehen kannst, dass du über die 27B-Klasse hinauswillst, kaufst du besser gleich mehr Arbeitsspeicher.
Fazit
Der Mac mini mit M5 Pro ist ein kompakter, leistungsstarker Arbeitsrechner für kreative und technische Aufgaben. Auf 12,7 × 12,7 cm bekommst du eine 15-Core-CPU, eine 16-Core-GPU und 307 GB/s Speicherbandbreite. Das reicht für Videoschnitt mit ProRes RAW, große Xcode- oder Docker-Projekte und umfangreiche Fotobibliotheken, ohne dass ein Tower unter dem Schreibtisch steht. Die Anschlüsse vorn sparen dir im Alltag den Griff hinter das Gerät.
Für lokale KI musst du die Konfiguration aber genau prüfen. Bei Sprachmodellen begrenzen die 24 GB Unified Memory, wie groß ein Modell sein kann. Weil sich CPU, GPU und macOS den gemeinsamen Speicher teilen, bleiben für Modellgewichte realistisch gut 16 GB.
Ein sehr guter Mini-PC für Kreative und Entwickler, die viel Leistung auf wenig Fläche brauchen. Für mittlere Sprachmodelle reicht er, für große Modelle und langen Kontext fehlt ihm Arbeitsspeicher.
Die 24 GB sind die bewusste Grenze
Bei mittleren Sprachmodellen kommst du mit dieser Konfiguration gut zurecht. Gemma 4 12B und 26B A4B laufen komfortabel, Qwen 3.8-27B passt gerade so. Für langen Kontext, Browser, IDE und weitere Programme bleibt dann aber wenig Luft. Wenn du gelegentlich lokal codest, Texte zusammenfassen lässt oder Dokumente offline durchsuchst, ist das ein brauchbares Setup.
Bei großen Modellen reicht der Speicher nicht mehr. Gemma 4 31B wird bereits knapp. Modelle jenseits von 70B oder Kontextfenster im sechsstelligen Token-Bereich kannst du mit 24 GB nicht sinnvoll betreiben. Auch Auslagern auf die SSD hilft hier nicht, weil die Generierung dann auf wenige Token pro Sekunde einbricht.
| Dein Schwerpunkt | Passt diese Konfiguration? |
|---|---|
| Videoschnitt, Fotobearbeitung, Softwareentwicklung | Ja, dafür ist der M5 Pro gebaut |
| Lokale Sprachmodelle bis etwa 27B in Q4 | Ja, aber mit wenig Reserve für Kontext |
| Modelle ab etwa 31B oder sehr langer Kontext | Nein, hier brauchst du deutlich mehr RAM |
| Büro, Web, Streaming | Ja, aber der Aufpreis lohnt sich dafür nicht |
Für wen sich die 1.699 € lohnen
Der Mac mini M5 Pro lohnt sich, wenn du Leistung brauchst, die du jeden Tag nutzt: Exporte in Final Cut, Builds, große RAW-Serien oder bis zu drei externe Bildschirme gleichzeitig. Dann ist der Aufpreis von 650 € gegenüber dem Mac mini M6 ab 1.049 € gerechtfertigt. Wenn du hauptsächlich mailst, Office nutzt und im Web unterwegs bist, reicht das Einstiegsmodell, und du sparst das Geld.
Steht lokale KI bei dir an erster Stelle, solltest du den Speicher vor dem Chip planen. Eine Konfiguration mit mehr Unified Memory oder ein Mac Studio mit M5 Max oder M5 Ultra (bis zu 512 GB) ist dann die bessere Wahl. Das gilt auch für Strix-Halo-Nachfolger wie den GMKtec EVO-X5 Pro mit 192 GB, der allerdings ab 6.799 $ in einer ganz anderen Preisklasse liegt. Zur Einordnung: Ein MacBook Pro M5 mit 128 GB schafft mit Qwen 3.8-27B einen Kontext von 512K Token. Davon ist die 24-GB-Version weit entfernt.
Unsere Empfehlung in einem Satz
Kauf den Mac mini M5 Pro mit 24 GB als kompakten, schnellen Arbeitsrechner, der nebenbei auch lokale KI kann. Wenn lokale KI dein Hauptgrund für den Kauf ist, investier das Geld in mehr Arbeitsspeicher statt in mehr Rechenkerne.