Stromkosten für den Homelab-KI-Server 2026: Der Überblick
Die Hardware ist gekauft, das Modell läuft lokal, der erste Token-Stream rauscht durchs Terminal — und Monate später kommt die Jahresabrechnung vom Stromversorger.
Beim Kauf denkst du in Euro pro Grafikkarte, im Betrieb zahlst du in Cent pro Kilowattstunde. Die zweite Zahl läuft still im Hintergrund weiter, auch wenn gerade gar nichts inferiert wird.
Zur Ausgangslage
Die verfügbaren Quellen nennen für deutschen Haushaltsstrom Spannen zwischen rund 0,25 und 0,40 €/kWh — sie widersprechen sich also, und die Bandbreite ist erheblich. Für dich zählt ohnehin nur eine Zahl: der Arbeitspreis auf deiner eigenen Abrechnung.
Was daraus wird, zeigt ein Beispiel aus einem Homelab-Stromrechner: 94 Watt Durchschnittslast über 24 Stunden ergeben 823 kWh im Jahr und landen bei rund 326 Euro. Das ist ein Homelab ohne dedizierte KI-Beschleuniger. Steckt eine potente GPU im Gehäuse, verschiebt sich die Zahl nach oben — aber selten so drastisch, wie die Netzteil-Aufkleber suggerieren.
Dieser Ratgeber für aimageddon.de sortiert eine einzige Frage: Was kostet dich der Betrieb? Die Kaufentscheidung bleibt bewusst außen vor. Wir betreiben keine eigenen Labormessungen — die Werte hier sind Anker aus Rechnern und Fachpublikationen. Verbindlich ist allein, was deine eigene Steckdose zählt.
Was ein KI-Homelab wirklich verbraucht
Die Wattwerte der üblichen Verdächtigen
Die Leistungsaufnahme einer KI-Kiste ist zum überwiegenden Teil eine GPU-Frage. Alles andere im System ist im Vergleich Rauschen — relevant wird es erst dadurch, dass es 8.760 Stunden im Jahr anliegt.
Entscheidend ist die Unterscheidung zwischen Board-Power-Limit (was die Karte maximal ziehen darf) und dem, was sie bei deiner tatsächlichen Arbeitslast zieht. Inferenz mit einem quantisierten Modell lastet eine große GPU selten dauerhaft aus, Fine-Tuning schon.
| Komponente | Idle | Unter KI-Last | Anmerkung |
|---|---|---|---|
| Consumer-GPU der 24-GB-Klasse | ca. 15–30 W | bis zum Board-Power-Limit | Idle-Wert stark treiber- und monitorabhängig |
| Gebrauchte Karte älterer Generation | ca. 20–40 W | höheres Limit bei geringerer Effizienz | Günstig im Einkauf, teuer im Betrieb |
| Datacenter-Beschleuniger | je nach Bauform sehr unterschiedlich | PCIe- und SXM-Varianten weichen deutlich ab | Passive Kühlung erzwingt zusätzliche Gehäuselüfter |
| CPU, Mainboard, RAM | ca. 25–60 W | +20–80 W | Bei Inferenz oft unterschätzt: Tokenizing und Sampling laufen auf der CPU |
| NVMe-SSD | 2–8 W je Laufwerk | kurzzeitig höher | Beim Modell-Laden Sekunden lang, sonst kaum messbar |
| Lüfter, Gehäuse, Peripherie | 5–15 W | 15–35 W | Skaliert mit der Abwärme, kaum mit der Rechenlast |
| Was diese Tabelle nicht leistet | Sie ersetzt keine Messung an deinem Gerät. Zwei identisch bestückte Systeme mit unterschiedlichem Netzteil, BIOS-Setting und Treiberstand liegen im Idle problemlos 30 W auseinander — und genau dieses Idle-Delta bestimmt deine Jahresrechnung. | ||
Idle, Inferenz, Fine-Tuning — drei Lastprofile
Idle ist der Zustand, in dem dein Server die meiste Zeit verbringt. Ein KI-Homelab für gelegentliche Chat-Anfragen, einen Coding-Assistenten und ein paar Automatisierungen steht den Großteil des Tages im Leerlauf. Diese Watt zahlst du rund um die Uhr.
Inferenz läuft in Schüben. Eine Antwort von 500 Tokens dauert wenige Sekunden, in denen die GPU hochfährt, danach fällt sie zurück. Der Energieverbrauch pro Anfrage ist überraschend klein — ins Geld geht die Bereitschaft dazwischen.
Fine-Tuning und Training drehen das um: stundenlange Volllast nahe am Power-Limit. Ein einzelner Trainingsdurchlauf über Nacht kann mehr Strom kosten als eine Woche normaler Inferenz-Nutzung.
Die Nebenverbraucher, die niemand einrechnet
Der Netzteil-Wirkungsgrad ist ein realer Kostenfaktor, wirkt aber anders als vermutet. 80-Plus-Zertifizierungen werden typischerweise bei 20, 50 und 100 Prozent Auslastung gemessen. Ein 1.200-W-Netzteil, das im Idle 60 W liefern soll, arbeitet bei fünf Prozent Last außerhalb dieses Fensters — mit spürbar schlechterem Wirkungsgrad.
Ein überdimensioniertes Netzteil kostet dich also gerade im Dauerbetrieb Geld, obwohl es „Reserve“ verspricht.
Dazu kommen Posten außerhalb des Servers: der Switch, die USV mit ihren dauerhaften Ladeverlusten, ein NAS als Modell-Storage. Ein NAS allein landet je nach Bestückung im mittleren zweistelligen bis niedrigen dreistelligen Eurobereich pro Jahr — wer sein KI-Setup budgetiert, nimmt diese Zahl in dieselbe Rechnung.
Die Rechnung: von Watt zu Euro
Die Formel
Es braucht keine Tabellenkalkulation. Für Dauerbetrieb gilt:
kWh pro Jahr = (durchschnittliche Watt × 24 × 365) ÷ 1.000
Für bedarfsweisen Betrieb rechnest du zwei Zustände getrennt und addierst:
kWh pro Jahr = ((Last-Watt × Laststunden pro Tag) + (Idle- oder Suspend-Watt × Reststunden)) × 365 ÷ 1.000
Multipliziert mit deinem Arbeitspreis ergibt das die Jahreskosten. Maßgeblich ist der Durchschnitt über 24 Stunden — genau hier verrechnen sich die meisten, weil sie den Spitzenwert einsetzen.
Beispielrechnung
Die folgende Tabelle nutzt 0,30 €/kWh als unteren und 0,40 €/kWh als oberen Anker. Wo du darin liegst, hängt an Grundversorgung gegenüber gewechseltem Tarif.
| Betriebsmodell | Ø Last | kWh/Jahr | bei 0,30 €/kWh | bei 0,40 €/kWh |
|---|---|---|---|---|
| Mini-PC ohne dedizierte GPU, 24/7 | 25 W | 219 | 66 € | 88 € |
| Klassischer Homelab-Server ohne GPU, 24/7 | 94 W | 823 | 247 € | 329 € |
| Ein-GPU-KI-Server, 24/7 bereit, wenig genutzt | 150 W | 1.314 | 394 € | 526 € |
| Gleicher Server: 3 h Last/Tag, sonst Suspend | ca. 54 W | 476 | 143 € | 191 € |
| Zwei-GPU-Build mit regelmäßigem Fine-Tuning | 500 W | 4.380 | 1.314 € | 1.752 € |
Zeile vier unterstellt rund 400 W in der Lastphase und etwa 5 W im Suspend-to-RAM. Dieselbe Hardware, nur ein anderes Betriebskonzept — und die Jahresrechnung halbiert sich gegenüber Zeile drei.
Der 94-W-Fall in Zeile zwei entspricht dem eingangs zitierten Rechnerbeispiel mit 823 kWh und rund 326 Euro; rechnet man das zurück, ergibt sich ein Arbeitspreis knapp unter 0,40 €/kWh. Nützlich zu wissen, wenn man fremde Beispielrechnungen einordnet.
Warum die Netzteil-Nennleistung die Kosten überschätzt
Ein 1.000-W-Netzteil zieht keine 1.000 W. Die Zahl ist eine Obergrenze für Lastspitzen. Reale KI-Homelabs mit einer starken Consumer-GPU liegen im Tagesmittel oft bei einem Fünftel bis einem Drittel davon.
Wer mit der Nennleistung kalkuliert, kommt auf Fantasiezahlen und trifft daraufhin falsche Entscheidungen — etwa den Verzicht auf lokale Modelle, obwohl die tatsächlichen Kosten im dreistelligen Jahresbereich liegen. Wie sich die Hardware-Klassen dabei unterscheiden, zeigt unser Vergleich Mini-PC gegen Desktop-GPU.
Verbrauch messen statt schätzen
Der Smart Plug an der Steckdose
Die belastbarste Zahl ist die an der Wand. Ein messender Zwischenstecker mit Energiezähler liefert dir kumulierte kWh statt Momentanwerte. Zwei Punkte zählen dabei:
- Miss mindestens eine typische Woche, keine fünf Minuten.
- Achte auf die Messtoleranz im unteren Wattbereich. Viele günstige Messsteckdosen sind dort ungenau — für ein 20-W-Idle-Delta taugen sie nur bedingt.
Achte außerdem auf die Stromtragfähigkeit des Steckers: Ein Trainings-Build mit zwei GPUs erzeugt Lastspitzen, die manche Smart Plugs an ihrer Spezifikationsgrenze betreiben.
GPU-Telemetrie
Auf der Karte selbst liest du den Wert direkt aus. nvidia-smi gibt dir über die Power-Draw-Metrik den aktuellen Verbrauch in Watt; im Loop-Modus mit festem Intervall bekommst du eine Zeitreihe.
Das ist präziser als die Steckdose, weil es die GPU isoliert — und zugleich unvollständig, weil alles andere im System fehlt. Beide Messungen zusammen ergeben ein Bild: Steckdose minus GPU-Telemetrie ist dein Rest-System.
Was du im Dashboard wirklich brauchst
Eine hübsche Dashboard-Wand ist schnell gebaut und selten nützlich. Für die Kostenfrage reichen drei Panels:
- Leistungsaufnahme über die Zeit
- Kumulierte kWh pro Tag
- Verteilung der Zeit über Lastklassen — wie viele Stunden lag die GPU unter 30 W?
Das dritte Panel beantwortet die einzige Frage, die für Sparmaßnahmen zählt: wie viel Idle du eigentlich bezahlst.
Stromkosten senken, ohne Leistung zu verlieren
Power-Limit setzen
Der wirksamste Einzelhebel bei GPU-Last ist das gesenkte Board-Power-Limit. Der Zusammenhang zwischen Leistungsaufnahme und Rechenleistung verläuft nicht linear — die letzten Prozent Takt kosten überproportional viel Strom.
In der Community kursiert ein Limit um 70 Prozent der Standard-TDP als Punkt, an dem der Tokendurchsatz bei Inferenz nur geringfügig einbricht. Ob das für deine Karte und dein Modell gilt, findest du in einer halben Stunde heraus: Limit setzen, denselben Prompt-Batch laufen lassen, Tokens pro Sekunde und Wattstunden vergleichen.
Nebeneffekt: weniger Abwärme, leiserer Lüfter, geringere thermische Belastung der Komponenten.
Quantisierung und Modellgröße
Ein Modell, das vollständig in den VRAM passt, verbraucht pro Antwort deutlich weniger Energie als eines, das teilweise in den System-RAM ausgelagert wird. Layer-Offloading verschiebt Arbeit auf die CPU und verlängert die Laufzeit pro Anfrage erheblich.
Quantisierte Formate wie GGUF oder AWQ drücken den Speicherbedarf so weit, dass ein Modell der nächstgrößeren Klasse noch komplett auf die Karte passt. Weniger Zeit unter Last bei gleicher Aufgabe heißt weniger kWh. Wie du die Modellgröße am vorhandenen Speicher ausrichtest, steht in unserem Beitrag zu den RAM-Fehlern bei lokalen KI-Modellen.
Nicht laufen lassen, was nicht laufen muss
Bei einem idle-dominierten Nutzungsprofil ist Abschalten der größte Hebel, wie Zeile vier der Kostentabelle zeigt.
Praktikabel wird das mit Wake-on-LAN: Der Server geht nach definierter Inaktivität in Suspend-to-RAM und wacht per Magic Packet auf, wenn du ihn brauchst. Die Aufwachzeit liegt bei wenigen Sekunden. Wer den Weckruf nicht manuell auslösen will, baut ihn in den Client — etwa als Shell-Alias vor dem API-Call.
Die saubere Trennung: Dauerläufer wie DNS-Filter oder Heimautomatisierung auf einen sparsamen Mini-PC, die GPU-Kiste als abschaltbarer Rechenknecht daneben. Was ein solcher Server insgesamt kostet, rechnet unser Vergleich bauen oder kaufen durch.
Plattformwechsel als Option
Für den Dauerläufer-Teil hat sich am 7. August 2026 eine Tür geöffnet: Proxmox VE unterstützt ARM64 offiziell. Damit werden sparsame ARM-Boards als Virtualisierungs-Host in einem Homelab realistisch, das bisher stark x86-geprägt war.
An der GPU-Inferenz ändert das nichts — die Beschleunigerkarte bleibt am x86-System. Für die Grundlast rundherum kann es aber zweistellige Wattbeträge sparen.
Eigener Server oder Cloud-API?
Break-Even rechnen statt glauben
Die Rechnung hat drei Größen: Anschaffungskosten verteilt auf eine angenommene Nutzungsdauer, Stromkosten pro Jahr und der Preis, den dieselbe Token-Menge bei einem Cloud-Anbieter kosten würde.
Konkrete Token-Preise nennen wir nicht — sie ändern sich mehrmals pro Jahr. Das Verfahren dagegen ist stabil:
- Miss deinen tatsächlichen Verbrauch: Wie viele Tokens pro Monat gehen wirklich durch dein Setup? Die meisten Schätzungen liegen um Größenordnungen daneben, in beide Richtungen.
- Rechne die Hardware auf Monate um: Anschaffungspreis geteilt durch die realistische Nutzungsdauer, plus monatliche Stromkosten aus der Tabelle oben.
- Stelle die API-Kosten für dieselbe Token-Menge daneben — für das Modell, das qualitativ deinem lokalen Setup entspricht, nicht für das günstigste im Katalog.
Zwei Faktoren verzerren die Rechnung im August 2026 besonders. Erstens sind die Preise für Speicher und Server-Hardware zuletzt spürbar gestiegen — wer heute kauft, verlängert seinen Break-Even. Zweitens sind Datenschutz, Offline-Verfügbarkeit und fehlende Rate-Limits Vorteile lokaler Hardware, die in einer reinen Cent-pro-Token-Rechnung nirgends auftauchen.
Wenn PV und Abwärme die Rechnung drehen
Mit einer eigenen Photovoltaik-Anlage ändert sich der relevante Preis: Statt des Bezugspreises rechnest du mit der entgangenen Einspeisevergütung — also dem, was du bekommen hättest, wäre der Strom ins Netz gegangen. Der Unterschied ist erheblich und macht tagsüber laufende Trainingsjobs deutlich günstiger. Voraussetzung: Deine Last liegt in der Erzeugungszeit.
Abwärmenutzung ist im Winter ein realer, im Sommer ein negativer Posten. Ein Server, der 200 W in den Arbeitsraum abgibt, ersetzt einen kleinen Heizkörper — und arbeitet im August gegen deine Kühlung. Wer eine Klimaanlage betreibt, zahlt die Serverabwärme faktisch zweimal.
Häufige Fehler vermeiden
| Fehler | Warum er dich trifft |
|---|---|
| Mit der Netzteil-Nennleistung kalkulieren | Du überschätzt die Kosten leicht um den Faktor drei bis fünf und verwirfst lokale Modelle aus falschen Gründen |
| Nur die Spitzenlast betrachten | Die Jahresrechnung entsteht im Leerlauf, kaum im Benchmark |
| Die Peripherie vergessen | Switch, USV und NAS laufen mit und gehören in dieselbe Kalkulation |
| Fünf Minuten messen und hochrechnen | Eine Momentaufnahme trifft zufällig ein Lastprofil – belastbar wird es über eine Woche |
| Überdimensioniertes Netzteil als „Reserve“ kaufen | Bei sehr geringer Auslastung arbeitet es außerhalb seines effizienten Fensters |
| Gebrauchte Karten nur nach Anschaffungspreis bewerten | Hohe Leistungsaufnahme kann den Einkaufsvorteil über drei Jahre vollständig aufzehren |
| Suspend nie einrichten | Ein Nachmittag Arbeit gegen einen dreistelligen Betrag pro Jahr |
| Das Power-Limit unangetastet lassen | Die letzten Prozent Takt kosten überproportional viel Strom |
| Modelle mit Layer-Offloading betreiben | Längere Laufzeit pro Anfrage bedeutet direkt mehr kWh |
| Abwärme nur als Winter-Bonus sehen | Im Sommer zahlst du sie ein zweites Mal über die Kühlung |
Praktische Handlungsempfehlungen August 2026
- Arbeitspreis von der eigenen Abrechnung nehmen, nicht aus einem Ratgeber. Alle Rechnungen hier sind Modellrechnungen.
- Eine Woche mit kumuliertem kWh-Zähler messen, bevor du irgendetwas optimierst.
- Idle-Stunden auswerten: Wie viele Stunden lag die GPU unter 30 W? Das ist die Zahl, an der Sparmaßnahmen ansetzen.
- Power-Limit testen — Limit senken, gleichen Batch fahren, Tokens pro Sekunde und Wattstunden vergleichen.
- Modell so wählen, dass es vollständig in den VRAM passt.
- Wake-on-LAN plus Suspend-Timer einrichten, wenn dein Profil idle-dominiert ist.
- Dauerläufer und GPU-Kiste trennen — sparsamer Mini-PC für das eine, abschaltbarer Rechenknecht für das andere.
- Break-Even mit gemessenem Token-Volumen rechnen, nicht mit geschätztem.
Fazit
Die Jahresrechnung entsteht nicht im Benchmark, sondern im Leerlauf. Ein System mit 20 statt 60 Watt Idle spart über ein Jahr einen dreistelligen Betrag, ohne dass sich an der Rechenleistung irgendetwas ändert — und genau dort setzt jede sinnvolle Sparmaßnahme an.
Der zweite Punkt kostet nur einen Nachmittag: Wake-on-LAN plus Suspend-Timer. Bei einem wenig genutzten Ein-GPU-Server halbiert das die Jahreskosten, wie Zeile vier der Tabelle zeigt — dieselbe Hardware, nur ein anderes Betriebskonzept.
Und bevor du irgendetwas optimierst: eine Woche messen. Die Netzteil-Nennleistung führt um den Faktor drei bis fünf in die Irre, und die Steckdose beantwortet die Frage in sieben Tagen endgültig.
Quellen und weiterführende Informationen
- serverberater (serverberater.de) — Jahresstromkosten-Rechner für Homelabs mit dem zitierten 94-Watt-Beispiel.
- Bundesnetzagentur (bundesnetzagentur.de) und Statistisches Bundesamt (destatis.de) — belastbare Daten zum Strompreisniveau für Haushaltskunden.
- heise online / c’t (heise.de) — Messungen zur Leistungsaufnahme von GPUs und Server-Hardware sowie Einordnung von Netzteil-Wirkungsgraden.
- NVIDIA-Dokumentation (docs.nvidia.com) — Referenz zu nvidia-smi, Power-Draw-Metrik und dem Setzen von Board-Power-Limits.
- Proxmox (proxmox.com) — offizielle Ankündigung der ARM64-Unterstützung vom 7. August 2026.
- Herstellerdatenblätter der jeweiligen GPU- und Netzteilanbieter — maßgeblich für TDP, Idle-Aufnahme und Effizienzklasse.
- Bundesnetzagentur (bundesnetzagentur.de) — aktuelle Einspeisevergütungssätze nach EEG.
Haftungsausschluss
Allgemeiner Hinweis: Dieser Artikel auf aimageddon.de dient der allgemeinen Information und Orientierung; er ersetzt weder eine individuelle Energieberatung noch eine steuerliche, rechtliche oder elektrotechnische Fachberatung und stellt keine Kaufempfehlung im Einzelfall dar. Ob sich ein bestimmter Homelab-Aufbau rechnet, hängt von deinem Tarif, deinem Lastprofil, deiner Wohnsituation und deiner tatsächlichen Auslastung ab — die Rechenbeispiele sind Modellrechnungen, keine Zusagen. Wir betreiben keine eigenen Labormessungen; alle Angaben zu Leistungsaufnahme, Wirkungsgraden und Arbeitspreisen stammen aus den zitierten Quellen und beziehen sich auf den Recherchestand. Strompreise, Netzentgelte und Herstellerangaben ändern sich laufend, Firmware- und Treiber-Updates verschieben Verbrauchswerte teils deutlich, und gemessene Werte schwanken je nach Messgerät, Netzteil und Umgebungstemperatur. Miss und rechne vor einer Investition selbst nach.
Betrieb in Wohnräumen: Dauerbetrieb hat praktische Grenzen. Ein Serverschrank erzeugt Abwärme und Geräusch, die Klimatisierung im Sommer treibt die Stromrechnung zusätzlich nach oben, und Mietvertrag oder Hausratversicherung können Vorgaben zu Dauerlast und Elektroinstallation enthalten. Eigenmächtige Eingriffe in die Festinstallation, das Verlegen zusätzlicher Stromkreise oder das Anklemmen von Starkstromdosen gehören in die Hände einer eingetragenen Elektrofachkraft — unsachgemäße Arbeiten gefährden nicht nur die Hardware, sondern auch den Versicherungsschutz.
Photovoltaik, Steuern und gewerbliche Nutzung: Eigenverbrauchsrechnungen mit Photovoltaik, Speicher oder dynamischen Tarifen berühren steuerliche und meldepflichtige Aspekte, die individuell zu klären sind. Wer Rechenleistung entgeltlich anbietet oder Modelle für Dritte trainiert, verlässt den privaten Rahmen; das kann gewerbe-, steuer- und datenschutzrechtliche Pflichten auslösen. Bei der Modellwahl lohnt außerdem ein Blick in die Lizenz: „Open Source“ ist bei KI-Modellen kein einheitlicher Begriff, und manche Lizenzen schränken kommerzielle Nutzung ein oder schließen Regionen aus.
Verbraucherrechte und Affiliate: Beim Hardwarekauf im Fernabsatz steht dir nach § 312g BGB ein vierzehntägiges Widerrufsrecht zu; seit dem 19. Juni 2026 müssen Unternehmen dafür nach § 356a BGB eine elektronische Widerrufsfunktion bereitstellen. § 312k BGB verpflichtet Anbieter laufender Verträge — etwa Cloud-Backups oder Monitoring-Dienste — zu einem leicht auffindbaren Kündigungsbutton. Die §§ 437 und 438 BGB regeln die Mängelrechte mit zweijähriger Verjährungsfrist, § 477 BGB verschiebt in den ersten zwölf Monaten die Beweislast zugunsten der Käuferseite; unionsrechtliche Grundlage ist die Verbrauchsgüterkauf-Richtlinie (EU) 2019/771. Für Rabattwerbung gilt § 11 PAngV mit dem 30-Tage-Tiefstpreis; §§ 5, 5a und 5b UWG untersagen irreführende Angaben. Auf diesem Blog finden sich Affiliate-Links, unter anderem aus dem Amazon-Partnerprogramm und über das Awin-Netzwerk; kaufst du darüber ein, erhalten wir eine kleine Provision, ohne dass sich der Preis für dich erhöht. Auf die inhaltliche Einordnung hat das keinen Einfluss. Alle genannten Markennamen sind eingetragene Warenzeichen der jeweiligen Inhaber.
👉 Gaming-Headset auf Amazon ansehen
👉 Gaming-Maus auf Amazon ansehen
👉 Gaming-Tastatur auf Amazon ansehen
👉 Gaming-Controller auf Amazon ansehen
👉 Gaming-Stuhl auf Amazon ansehen
👉 Gaming-Tisch auf Amazon ansehen
👉 LED-Strip auf Amazon ansehen
👉 Smart Plug auf Amazon ansehen
👉 Gaming-Monitor auf Amazon ansehen
👉 Gaming-Headset auf Amazon ansehen
👉 Gaming-Tastatur auf Amazon ansehen
👉 Gaming-Maus auf Amazon ansehen
👉 Gaming-Controller auf Amazon ansehen
👉 Gaming-Stuhl auf Amazon ansehen
👉 Gaming-Tisch auf Amazon ansehen
👉 LED-Strip auf Amazon ansehen
👉 Smart Plug auf Amazon ansehen
* Produktlinks sind Affiliate-Links. Bei einem Kauf über diese Links erhalten wir eine kleine Provision – für dich entstehen keine Mehrkosten.
Affiliate-Hinweis: Dieser Beitrag enthält Affiliate-Links (mit * oder als Amazon-Partnerlink gekennzeichnet). Bei einem Kauf über diese Links erhalten wir eine kleine Provision – für dich entstehen dabei keine zusätzlichen Kosten. Wir empfehlen nur Produkte, die wir für sinnvoll halten.
