Brauche ich eine GPU, um CrewAI zu betreiben?

Nein — nicht für die übliche Einrichtung. CrewAI orchestriert Agenten; das eigentliche Denken passiert in einem LLM, das du über eine API aufrufst (OpenAI, Anthropic usw.). Dein Server führt nur Python aus, hält die Crew-Logik und macht HTTP-Aufrufe. Das ist CPU- und RAM-Arbeit, keine GPU. Eine GPU willst du nur, wenn du das Modell auch lokal betreibst (z. B. über Ollama), was eine andere, viel schwerere Einrichtung ist.

Welche VPS-Größe brauche ich?

Die meisten Crews sind leicht auf der Maschine, weil die Schwerarbeit remote ist. Ein 1–2-GB-RAM-Plan bewältigt eine kleine Crew bequem. Erhöhe auf 4 GB, wenn du mehrere Crews betreibst, lange Gesprächsverläufe im Speicher hältst oder einen Vektorspeicher für Agent-Gedächtnis hinzufügst. Beginne klein — du kannst später vergrößern.

Wie halte ich die Crew am Laufen, nachdem ich mich trenne?

Betreibe sie als systemd-Dienst (empfohlen) oder in tmux für schnelle Tests. systemd startet sie neu, wenn sie abstürzt, und startet sie beim Booten — was der ganze Sinn ist, von deinem Laptop wegzuziehen. Unten ist ein vollständiges Muster.

Kann ich ohne Karte oder Ausweis bezahlen?

Ja. EQVPS nimmt USDC oder USDT auf Base, Ethereum oder Polygon, und es gibt keine Identitätsprüfung. Die Registrierung ist eine E-Mail und ein Einmalcode. Base hat die niedrigsten Netzwerkgebühren, wenn du ein kleines Guthaben auflädst.

Kann der Agent seinen eigenen Server mieten?

Ja — EQVPS stellt einen MCP-Server bereit (mcp.eqvps.com/mcp), sodass ein Agent mit aufgeladenem Guthaben order_vps aufrufen und eine Maschine selbst bereitstellen kann. Nützlich, wenn einer der Jobs deiner Crew das Hochfahren von Infrastruktur ist.

Eine CrewAI-Multi-Agent-Crew auf einem VPS betreiben

Deine CrewAI-Crew läuft großartig auf deinem Laptop. Die Agenten sprechen miteinander, der Rechercheur übergibt an den Autor, das Ganze summt — genau bis du den Deckel schließt und alles stoppt. Oder dein WLAN fällt mitten in der Aufgabe weg. Oder du startest neu und vergisst, sie wieder zu starten.

Eine Crew, die nur läuft, während du zusiehst, ist keine Automatisierung. Es ist eine Demo. Sie auf einen VPS zu verschieben ist, was sie in etwas verwandelt, das tatsächlich arbeitet, während du schläfst.

Warum ein Server, nicht deine Maschine

Der Pitch ist einfach: ein VPS ist ein Computer, der nie seinen Deckel schließt. Er hat eine feste IP, er schläft nicht, und wenn der Prozess stirbt, kann er sich selbst zurückbringen. Für eine Multi-Agent-Crew — die per Design lange, gesprächige, mehrstufige Jobs betreibt — ist das der Unterschied zwischen „es hat einmal funktioniert“ und „es läuft seit drei Wochen“.

Es gibt einen zweiten Grund, der Leute auf gute Weise stolpern lässt: du brauchst keine leistungsstarke Maschine. Mehr dazu als Nächstes, denn es ist die Frage, die alle zuerst stellen.

Nein, du brauchst keine GPU

Das ist der Teil, den Leute beim Hosten von Agenten falsch machen. CrewAI ist ein Orchestrator. Es entscheidet, welcher Agent handelt, in welcher Reihenfolge, mit welchem Kontext — und bittet dann ein Sprachmodell, das eigentliche Denken zu tun. Dieses Modell lebt fast immer hinter einer API: du sendest eine Anfrage an OpenAI oder Anthropic, sie führen sie auf ihren GPUs aus, du bekommst Text zurück.

Also tut dein Server drei Dinge: Python ausführen, den Zustand der Crew halten und HTTPS-Aufrufe machen. Nichts davon berührt eine GPU. Ein einfacher CPU-VPS ist genau richtig. Das ändert sich nur, wenn du auch das Modell lokal betreiben willst — aber das ist ein separates, schwereres Projekt, und die meisten Crews tun das nicht.

Praktisch: ein 1–2-GB-Plan betreibt eine kleine Crew ohne ins Schwitzen zu kommen. Geh auf 4 GB, wenn du mehrere Crews gleichzeitig betreibst, große Gesprächsverläufe im RAM hältst oder eine Vektordatenbank für Langzeit-Agent-Gedächtnis anschraubst.

Die tatsächliche Einrichtung

Frische Ubuntu-Maschine, root etwa eine Minute nach der Bestellung. Hier ist die ganze Sache:

# Python + venv
apt update && apt install -y python3-venv python3-pip
python3 -m venv ~/crew && source ~/crew/bin/activate

# CrewAI
pip install crewai crewai-tools

# dein Projekt
mkdir ~/mycrew && cd ~/mycrew
# kopiere deine crew.py und .env hier hoch (scp / git clone)

Deine .env hält das eine Secret, das zählt — den LLM-API-Schlüssel:

OPENAI_API_KEY=sk-...
# oder ANTHROPIC_API_KEY usw.

Dann führt ein normales python crew.py sie aus. Das ist die manuelle Version. Sie funktioniert, aber sie stirbt in dem Moment, in dem deine SSH-Sitzung schließt — was uns zum eigentlichen Sinn eines Servers bringt.

Halte sie am Leben mit systemd

tmux ist für einen schnellen Test in Ordnung. Für alles Echte nutze systemd — es startet die Crew neu, wenn sie abstürzt, und fährt sie beim Neustart hoch. Leg das in /etc/systemd/system/mycrew.service:

[Unit]
Description=CrewAI crew
After=network-online.target

[Service]
WorkingDirectory=/root/mycrew
ExecStart=/root/crew/bin/python /root/mycrew/crew.py
Restart=always
RestartSec=5
EnvironmentFile=/root/mycrew/.env

[Install]
WantedBy=multi-user.target

systemctl daemon-reload
systemctl enable --now mycrew
journalctl -u mycrew -f   # sieh ihr bei der Arbeit zu

Jetzt läuft die Crew beim Booten, startet bei einem Fehler neu und loggt überall, wo du es lesen kannst. Schließ deinen Laptop — es kümmert sie nicht.

Das Bezahlen

Die Registrierung ist eine E-Mail und ein Einmalcode — keine Karte, kein Ausweis. Du lädst ein Guthaben mit USDC oder USDT auf Base, Ethereum oder Polygon auf (Base ist bei den Gebühren am günstigsten), und Bestellungen ziehen daraus. Für eine Crew, die meist ausgehende API-Aufrufe macht, ist der Standard-NAT-Plan gut und günstiger; wähle einen -ip-Plan nur, wenn die Crew ihre eigene öffentliche IPv4 für eingehende Dienste braucht.

Ein netter Trick: EQVPS hat einen MCP-Server unter mcp.eqvps.com/mcp. Wenn das Bereitstellen selbst einer der Jobs deiner Crew ist, kann ein Agent mit aufgeladenem Guthaben order_vps aufrufen und eine Maschine selbst aufstellen — kein Mensch an der Kasse.

Was ehrlich zu sagen ist

Du bringst die LLM-API-Schlüssel. Wir hosten die Crew, nicht das Modell. Deine OpenAI-/Anthropic-Rechnung ist separat und, für eine geschäftige Crew, meist der größere Kostenpunkt — der VPS ist der günstige Teil.

Es ist reine CPU, ein Rechenzentrum in Deutschland. Keine lokale GPU-Inferenz, und die Latenz ist am besten, wenn deine Nutzer oder APIs Europa-nah sind. Für eine Crew, die US-gehostete LLM-APIs ansteuert, ist der zusätzliche Sprung Millisekunden — irrelevant neben der Modell-Latenz — aber gut zu wissen.

Dimensioniere für deinen Speicher, nicht für dein Modell. Was deinen RAM-Verbrauch tatsächlich wachsen lässt, ist der Gesprächsverlauf und jeder Vektorspeicher, den du hinzufügst, nicht die Anzahl der Agenten. Beobachte journalctl und htop einen Tag und passe die Größe an, wenn du musst.

Das Fazit

Eine CrewAI-Crew gehört auf etwas, das nicht schläft. Der Umzug ist kurz: ein CPU-VPS, pip install crewai, eine systemd-Unit, dein API-Schlüssel in einer .env. Zehn Minuten und deine Crew läuft 24/7 statt „wann immer der Laptop offen ist“. Root in etwa einer Minute, zahle in Krypto, ändere die Größe, wenn der Speicher es dir sagt — und lass die Agenten damit weitermachen.