Max’s Build: Teil 2


Nach einigen sorgfältigen Verhandlungen und einem erfolgreichen Streifzug durch das Musterregal nimmt die Ersatz-Workstation langsam Gestalt an. Alle wichtigen Komponenten stammen aus dem vorhandenen Lagerbestand oder aus Testgeräten, was beweist, dass die bereits im Regal befindlichen Teile noch lange nicht ausgedient haben.

Verhandlungen und das Plündern der Sample‑Regalfelge

Wenn Sie seit Teil 1 dran geblieben sind, wissen Sie, dass ich meine Ersatz‑Workstation komplett aus bereits vorhandenen Teilen im Gebäude zusammenbauen will – keine neuen Käufe.

Vielleicht habe ich unterschätzt, dass „im Gebäude“ und „für mich verfügbar“ nicht genau dasselbe bedeuten!

Schritt 1: Die Menschen überzeugen

Erste Station: Chris, unser Direktor. Ich erklärte den Plan, Teile aus alter Vorräte zu verwenden, den Nachhaltigkeitsaspekt, die Blog‑Serie, und dass die aktuelle Maschine im Grunde ein Relikt sei.

„Du kannst praktisch alles bekommen, was du willst.“

Das war einfacher als gedacht. Ich hatte Diskussionspunkte vorbereitet.

Ermutigt wandte ich mich der eigentlichen Herausforderung zu: Jack, unserem Einkaufsleiter. Ein Mann, der jede einzelne Komponente mit der Energie eines Menschen im Auge behält, der schon einmal schlechte Erfahrungen gemacht hat.

„Ich würde gerne einige Teile aus dem Lager für einen persönlichen Build nehmen.“

Schweigen.  

„Chris hat gesagt, das sei in Ordnung.“

Mehr Schweigen, mit hochgezogenen Augenbrauen.

Jack sah mich an wie ein Bibliothekar jemanden, der ein seltenes Manuskript als Unterlage benutzen möchte.

Er kam durch. Es war ein Prozess mit vielen Fragen und einem Spreadsheet.

Das Motherboard: ASRock Z690 Taichi.

Der Z690 Taichi war das Rückgrat unserer 2U‑bis‑4U‑Rackmount‑Baukästen seit 2022 und wurde in Broadcast‑ und Produktionssystemen für anspruchsvolle Workloads eingesetzt. Im letzten Jahr wechselten wir zu neueren Plattformen und behielten Restvorräte für RMA‑Zwecke, wodurch die Ausleihe einer solchen Platine ganz unkompliziert wurde.

Was dieses Board für ein langlebiges Projekt besonders geeignet macht, ist sein CPU‑Kompatibilitätsfenster. Der Z690 Taichi unterstützt Intel‑Prozessoren der 12., 13. und 14. Generation auf dem LGA1700‑Socket. Drei Generationen Spielraum auf einer 2022 veröffentlichten Platine. Das Board bietet genügend Langlebigkeit für den heutigen Build und die nächste Aufrüstung, falls sie jemals nötig wird.

Max's Motherboard

Der CPU: Intel Core i5‑13400.

Die Auswahl des Prozessors war die interessanteste Entscheidung.

Nicht vom größten Modell angelockt, wählte ich den Intel Core i5‑13400 (13. Generation): 10 Kerne (6 Performance‑Kerne, 4 Effizienz‑Kerne), 16 Threads, Basis‑Clock 2,5 GHz, Boost bis 4,6 GHz auf den P‑Kernen. Ein sehr leistungsfähiger Mittelklasse‑Prozessor, der tägliche professionelle Workloads mit freiem Spielraum bewältigt.

Wir sind inzwischen in 14. Generation und Intel Core Ultra in der Produktlinie, wodurch 13. Gen‑Teile in einer etwas unbequemen Lage sind – weder alt genug für Retro, noch neu genug für den aktuellen Markt. Perfekt. Alle Performance, ohne Premium.

Max's CPU

Der Speicher: Crucial P310 1 TB NVMe PCIe Gen 4.

Diese wurde von Simms geliefert, der uns über die Jahre großzügig alles von Kingston‑RAM‑Kits bis zu Crucial‑SSDs zum Testen geschickt hat. Die P310‑Reihe bieten wir mittlerweile an und mehrere Modelle sind in unserem aktuellen Speicher‑Portfolio.

Der Z690 Taichi verfügt über einen M.2‑Slot in voller Länge, sodass der 2280‑Form‑Factor direkt ohne Adapter eingesetzt werden kann. 1 TB deckt Windows, einige VMs und die ISO‑Sammlung seit dem letzten Build ab.

Max's Storage

Der RAM: Crucial PRO DDR5 5600 MHz 2×16 GB.

Der RAM ist momentan ein heikles Thema in unserem Gebäude. Die Nachfrage ist hoch, die Preise schwanken, und die Lagerverantwortlichen überwachen die Bestände genau. Eine vollständige 32 GB‑Kit zu verlangen war ein ambitionierter Ausgangspunkt.

Jack hat zugestimmt: 32 GB Crucial PRO DDR5 5600 MHz in einem passgenauen Dual‑Channel‑Kit.

Zwei oder drei virtuelle Maschinen gleichzeitig verbrauchen schnell Speicher. Mit lokaler KI‑Tooling und lokalem Modelltraining steigt der RAM‑Verbrauch. 32 GB reichen dafür.

Max's RAM
Max's GPU