Den richtigen Rechner für die Astrobild-Bearbeitung wählen: CPU, RAM, SSD und Praxis-Benchmarks

Dieser Artikel ist aus Notizen und eigenen Benchmarks aus den Jahren 2020 bis 2024 zusammengestellt. Die hier erwähnten CPU- und Grafikkartenmodelle, Speicherpreise und Benchmark-Werte verändern sich alle mit der Zeit — richte dich beim Kauf also nach den aktuellen Marktinformationen.

„Was für einen Rechner sollte ich für PixInsight zusammenstellen?“ ist eine häufige Frage in der Community. In den letzten Jahren habe ich nach und nach mehrere Maschinen gewechselt und mit dem offiziellen Benchmark-Skript etliche Konfigurationen durchgemessen. Dieser Artikel ordnet meine Erkenntnisse zu einem nach Komponenten gegliederten Kaufratgeber und fügt die Entwicklung der Benchmark-Werte an, die ich unterwegs gemessen habe.

Zuerst zum PixInsight Benchmark

PixInsight stellt offiziell ein Performance-Benchmark-Skript bereit, mit dem du bewerten kannst, wie gut dein Rechner PI ausführt; ist es durchgelaufen, gibt es drei Werte aus: Total, CPU und Swap. Wenn du es laufen lassen willst, denk daran, PI vorher auf die neueste Version zu aktualisieren.

Ich habe es zuerst auf dem Rechner gemessen, der bei mir in der Firma steht und zum Bearbeiten von Astrobildern dient (AMD APU 2400G, DDR4 2666 14GB, M.2 SSD), und das Beste war ein Total von nur rund 6.414. Nachdem ich den Prozessor aufgerüstet hatte (AMD R5 4650G), verdoppelte sich der CPU-Wert glatt und schoss auf über dreizehntausend hinauf, wobei das gesamte System nicht mehr als 120 Watt zog — mit diesem Ergebnis war ich sehr zufrieden. Dieser Wert lag sogar gleichauf mit meinem normal großen Desktop zu Hause (R5-3600, 32GB DDR4 3200).

Wie man die einzelnen Komponenten wählt

Bis 2023, als meine Kameras von CCD auf CMOS wechselten (IMX571, IMX455 usw.) und die Bilder von gut zehn Millionen Pixeln auf vierundzwanzig und sogar sechzig Millionen Pixel anwuchsen, begannen die Spezifikationen meines alten Büro-Rechners zu ächzen — allein das Umschalten zwischen einem Schritt zurück und einem Schritt vor dauerte drei Sekunden, was den Vergleich von Vorher- und Nachher-Bildern ganz und gar unintuitiv machte. Hinzu kam, dass in diesem Jahr KI-Prozesse in großer Zahl erschienen und in vielen Etappen des Arbeitsablaufs zum Einsatz kamen. Also habe ich meine Kauflogik neu geordnet:

CPU

PI verlangt nach „vielen Kernen, und zwar durchweg großen Kernen“. Auf gängigen PCs schneiden hochklassige Consumer-CPUs wie die AMD 7950X oder Intel i9-13900K besser ab. Besonders hinweisen möchte ich darauf: AMDs X3D-Versionen bringen für PI keinen Vorteil, und ihre tatsächliche Produktivleistung liegt womöglich sogar leicht unter der der regulären 7950X — es sei denn, du willst nebenbei auch spielen, sonst nimm einfach die reguläre Version.

Außerdem hat jemand einmal eine R9-7950X unter Linux laufen lassen und dabei einen Wert von über fünfzigtausend erzielt, was die i9-13900-Serie glatt an die Wand fährt (TSMCs 5-nm-Fertigung ist wirklich stark). Wer demnächst aufrüsten will, sollte solche Kombinationen im Auge behalten.

Grafikkarte (VGA)

Wer Kometen bearbeitet oder in seinem Arbeitsablauf immer wieder Sterne entfernen und entrauschen muss, dem empfehle ich, auf dem PC eine NVIDIA-Grafikkarte hinzuzufügen, damit die CUDA-Kerne beim Beschleunigen von SXT, NXT und BXT helfen. Zu den damaligen Marktpreisen war die RTX-30-Serie (etwa die RTX 3060 oder 3060 Ti) die erste Wahl. Wer nicht spielt, für den ist die RTX 3060 in der 12G-Version eine gute Wahl — stromsparend, mit mehr VRAM, und sie kann sogar nebenbei als Stable-Diffusion-Maschine dienen. (Zu den detaillierten Praxismessungen der GPU-Beschleunigung gibt es einen eigenen Artikel.)

Auf der Mac-Seite aktivieren Modelle ab dem M1 die GPU-Beschleunigung automatisch.

SSD

Leg die zu bearbeitenden Dateien zumindest auf eine SATA-SSD, um sie von dort laufen zu lassen; angesichts der heutigen Gegebenheiten ist eine M.2-SSD noch besser. Eine PCIe-Gen3-SSD reicht völlig; der Nutzen, den Gen4 bringt, ist in Wahrheit gering (schneller ist es nur beim Kopieren von Dateien).

Nebenbei bemerkt: Wenn du den PI Benchmark mit einer RAMDISK laufen lässt, dabei aber nur auf 4GB/s kommst, hat das wenig Sinn — erreicht eine RAMDISK nicht mindestens 10GB/s, kannst du genauso gut gleich zu einer erschwinglichen PCIe-Gen4-SSD greifen (7GB/s dürften schnell genug sein).

RAM

PI nutzt den Arbeitsspeicher recht effizient. Sofern du nicht durchweg große Bilder von Vollformat-Sensoren oder größer bearbeitest, reichen 32GB bereits aus. Wenn du DDR4 nutzt, kannst du gleich zu 64GB greifen; DDR5 war damals noch eher teuer, fang also mit 32GB an und rüste bei Bedarf nach.

Hier ein wichtiger Gedanke: Ist der Arbeitsspeicher zu knapp, kann selbst die schnellste CPU ihr Können nicht entfalten. PI schätzt vor dem Ausführen eines Skripts oder Prozesses zunächst den verfügbaren Arbeitsspeicher ab; reicht der Platz nicht, um alle Threads zu versorgen, begrenzt es kurzerhand die Zahl der nutzbaren Threads. Braucht zum Beispiel jeder Thread 1,7GB, sind aber nur noch 19GB Speicher frei, lässt PI nur 9 Threads durch; deine CPU hat aber offensichtlich 32 Threads, das heißt, 23 Threads warten leer. PI empfiehlt offiziell rund 2GB Arbeitsspeicher pro Thread — nimm die AMD 7950X (16 große Kerne, 32 Threads) als Beispiel: Du musst mindestens 64GB verbauen, damit die Software voll zur Geltung kommt.

Ein paar meiner Praxis-Testmaschinen

Im Lauf des Aufrüstens haben sich bei mir ein paar repräsentative Maschinen angesammelt:

• Büro-Rechner AMD R5-2400G → R5-4650G: Gelernt habe ich PI zuerst auf dem Büro-Rechner mit der 2400G, später rüstete ich auf die 4650G auf (Leistung etwa gleichauf mit der R5-3600). Wegen des kleinen Gehäuses war jedoch außer CPU, Speicher und SSD kein Platz, um eine zusätzliche Grafikkarte einzubauen.
• Gaming-Notebook AMD R7-5800H: 32GB DDR4 3200, M.2-Gen3-SSD, RTX 3060 Laptop 6G, Gesamtkosten unter 40.000 Taiwan-Dollar. Der Spaß, RAM und SSD selbst aufzurüsten, ist unbezahlbar, und die Grafikkarte ist ganz der CUDA-beschleunigten Sternentfernung gewidmet.
• Neuer Desktop AMD R9-7950X: DDR5 6000 16G×2, eine 360er-AiO-Wasserkühlung, ein B650-Mainboard, mehrere M.2-PCIe-SSDs, eine RTX 3060 12G und ein 750W-Netzteil. Beim Zusammenstellen dieser Maschine habe ich das Budget auf die für die Bildbearbeitung wichtigsten Komponenten (CPU, Wasserkühlung, Grafikkarte) konzentriert und die übrige Peripherie so weit wie möglich zusammengestrichen.

Ende 2024, nachdem PI auf die große Version 1.9 Lockhart aktualisiert worden war, habe ich wie üblich noch eine Runde gemessen. Die Durchschnittswerte der drei Maschinen in meiner Hand lagen bei: die knapp fünf Jahre alte R5-3600 bei rund 14.700, die drei Jahre alte R7-5800H bei rund 17.000 und die knapp zwei Jahre alte R9-7950X bei rund 29.800. Die 7950X als Haupt-Desktop ist nach zwei Jahren immer noch bärenstark, und es sieht so aus, als könnte sie noch zwei weitere Jahre durchhalten, während ich auf AMDs nächste CPU-Generation warte. Würde ich jetzt einen Rechner bauen, ließe sich mit einem direkten Griff zur Spitze, der R9-9950X, wohl noch fünf Jahre überbrücken.

Ein paar leicht übersehene Details

• Zu Apple ARM: Ab Version 1.9 hat PI seine Rechen-Engine gewechselt und bewegt sich schrittweise auf native Apple-ARM-Unterstützung zu, statt über einen Emulator zu laufen. Davor (in der Ära 1.8.x) lief PI auf dem M1/M2 unter Emulation, und das musst du bei der Leistungsbewertung mit einrechnen.
• Die CPU-Hürde ab 1.9: Ab Version 1.9 unterstützt PixInsight keine älteren CPUs mehr, denen die AVX2/FMA3-Befehle fehlen (Intel etwa vor dem zweiten Quartal 2013, AMD etwa vor dem zweiten Quartal 2015); auf diesen älteren Plattformen lässt sich das neue PI nicht mehr installieren. Wer noch einen alten PC nutzt, dem rate ich, vor dem Sprung auf die große Version zunächst einen Rechnerwechsel abzuwägen.
• Abstürze bei Intel K-Modellen der 13./14. Generation: Mehrere Kollegen aus dem Hobby haben berichtet, dass Intel-K-CPUs der 13. und 14. Generation mit den Standardeinstellungen bei PI abstürzen. Später brachte der Hersteller ein BIOS-Update heraus, das die Leistung um etwa 10 % senkt, aber die Stabilität des Systems sicherstellt; wer eine i9-13900K, 14900K oder 14700K nutzt, sollte ruhig aktualisieren und testen.
• Die Betriebsdauer seit dem Hochfahren beeinflusst den Wert: Unter Windows läuft der beste Benchmark-Wert am ehesten heraus, wenn du das Skript direkt nach dem „Herunterfahren und erneuten Einschalten“ auf einem frisch hochgefahrenen System ausführst. Bei meinem Rechner bringt ein bloßer Neustart nichts; ich muss herunterfahren und dann wieder einschalten, sonst führt die SSD keine Garbage Collection aus. Nach etwa einer Woche Betrieb fällt die sequenzielle Lesegeschwindigkeit der SSD unter 3000MB/s. Regelmäßiges Herunterfahren und erneutes Hochfahren ist tatsächlich nötig.

Nebenbei: Der Rechner für die Aufnahmesteuerung

Neben der Haupt-Maschine für die Nachbearbeitung braucht es am Aufnahmeort noch einen Steuerrechner, und die Logik seiner Wahl ist eine ganz andere — es kommt nicht auf Leistung an, sondern auf Stabilität und Umweltverträglichkeit. Ich habe mir zwei DDR5-Notebook-Speicherriegel besorgt, sie mit einer alten M.2-Gen3-SSD kombiniert und einen kleinen Rechner rund um einen Intel-1240P-Kern zusammengebaut, der bei der Astroaufnahme als Steuerrechner dient (er steuert gleichzeitig eine Montierung, zwei Teleskope und zwei Kameras) und zugleich fürs Live-Stacking. Er hat keinen Akku, daher fürchtet er die Kälte oben in den Bergen nicht; aber es ist ein lüftergekühltes System und lässt sich deshalb nicht direkt am Teleskop montieren.

Fazit

Beim Zusammenstellen eines Rechners für PI ist die grobe Rangfolge: eine CPU mit vielen großen Kernen, genug Arbeitsspeicher passend zur Thread-Zahl, eine anständige M.2-SSD und dann je nach Arbeitsablauf noch eine NVIDIA-Grafikkarte. Hardware-Spezifikationen wechseln mit der Zeit unaufhörlich, aber der Grundsatz, „das Budget in die für die Bildbearbeitung wichtigsten Stellen zu stecken“, veraltet so schnell nicht.