
Kann Hostinger High-End-GPU-Hardware praktisch zur Miete anbieten? Ich habe eine B200 bereitgestellt, ein Verbindungsproblem gelöst und echte Inferenz, Bildgenerierung und Überwachung gemessen. Lesen Sie weiter, um die Ergebnisse, Kosten und Einschränkungen kennenzulernen, die vor der Miete wichtig sind.

Ich habe Hostinger GPU Hosting anhand meiner beiden Bereitstellungserfahrungen, der Benchmark-Ergebnisse der funktionierenden B200, ihrer hPanel-Steuerungsmöglichkeiten und meiner Gespräche mit dem Support bewertet. Außerdem habe ich die veröffentlichten Abrechnungs- und Erstattungsbedingungen geprüft. Ich folge der HostAdvice-Hosting-Bewertungsmethodik, aber dies ist eine Momentaufnahme einer getesteten B200 und keine Verfügbarkeitsstudie oder ein Vergleich aller GPU-Modelle.
| Test | Bewertung /10 | Begründung der Bewertung |
| Preise und Tarife | 8.1 | Flexible stündliche GPU-Miete und Konfigurationen, aber durchgehende Abrechnung, nicht erstattungsfähige Guthabenpunkte und keine Pausierfunktion schränken den Nutzen ein. |
| Funktionen | 8.8 | Leistungsstarke GPUs, großzügiger VRAM, Anwendungsvorlagen und Überwachungswerkzeuge, aber keine integrierten Backups oder persistenter Speicher. |
| Leistung | 8.8 | Ausgezeichnete BF16-Ergebnisse, schnelle Qwen-Inferenz und SDXL-Bildgenerierung in weniger als einer Sekunde, auch wenn anhaltende Workloads noch nicht getestet wurden. |
| Benutzerfreundlichkeit | 8.0 | Schnelle Bereitstellung und unkomplizierte Verwaltung, aber Einschränkungen bei der GPU-Verfügbarkeit und das anfängliche SSH-Problem sorgten für Frustration. |
| Supportqualität | 7.8 | Schnelle, ausführliche KI-Antworten und hilfreiche Dokumentation, aber der Kontakt zum menschlichen Support und die Behebung von Verbindungsproblemen dauerten einige Zeit. |
| Gesamt | 8.3 | Beeindruckende GPU-Leistung und zugängliche Bereitstellung, denen Abrechnungseinschränkungen, begrenzte Wiederherstellungsmöglichkeiten und Hürden beim Support gegenüberstehen. |

Hostinger GPU Hosting verwendet ein bedarfsgesteuertes Mietmodell statt der festen monatlichen Abonnements, die Sie typischerweise beim Website-Hosting finden. Sie mieten GPU-Ressourcen für Workloads wie KI-Inferenz, Modellentwicklung, Feinabstimmung und Bildgenerierung. Die Kosten richten sich nach der von Ihnen gewählten Konfiguration.
Der GPU-Katalog umfasst Optionen von der RTX 4090 und L40S bis hin zur A100 und NVIDIA B200, die jeweils unterschiedliche Speicherkapazitäten und Rechenleistung bieten. Die Verfügbarkeit kann Ihre Wahl jedoch beeinflussen. Die RTX 4090, die ich ursprünglich testen wollte, war in hPanel nicht verfügbar, obwohl sie auf der öffentlichen Preisseite von Hostinger aufgeführt war.
Hostinger bietet sowohl Standard- als auch Dedicated B200-Instanzen an, wobei Letztere mehr kosten. Sie können außerdem verschiedene CPU-, RAM- und Speicherzuweisungen auswählen. Meine erste Konfiguration umfasste 16 CPU-Kerne, 32 GB RAM und 300 GB Speicher. Ich entschied mich dafür, um meine KI-Benchmarks zu unterstützen, statt mich auf die kleinste verfügbare Konfiguration zu verlassen.
Hostinger berechnet die GPU-Nutzung über Prepaid-Guthaben. Es gibt jedoch mehrere Bedingungen, die ich vor dem Starten einer Instanz berücksichtigen würde:
Diese Bedingungen machen die Kostenplanung besonders wichtig für längere KI-Aufträge. Sie benötigen ausreichend Guthaben, um sowohl die Verarbeitungs- als auch die Einrichtungszeit abzudecken und gleichzeitig Verzögerungen oder fehlgeschlagene Verbindungen einzukalkulieren.
Ich testete GPU Hosting mit einem bestehenden Hostinger-Konto, auf dem bereits Guthaben verfügbar war, sodass ich keinen neuen Bezahlvorgang abschloss. Neue Kunden können ihr Guthaben nach der Konfiguration einer Instanz aufladen. Hostinger unterstützt Zahlungskarten und digitale Geldbörsen wie PayPal, wobei die verfügbaren Methoden von der Region des Kunden abhängen.
Außerdem bin ich nicht auf eine separate kostenlose GPU-Testversion gestoßen. GPU-Käufe und KI-Guthabenpunkte sind von Hostingers standardmäßiger 30-tägiger Hosting-Geld-zurück-Garantieausgeschlossen. Daher würde ich vor der Zahlung die endgültige Konfiguration und den Bedarf an Guthabenpunkten bestätigen.
Der größte Vorteil ist die Flexibilität. Sie können für einen kurzen Workload auf teure GPU-Hardware zugreifen, ohne einen eigenen Server zu kaufen oder zu warten. Der angegebene Stundensatz sagt jedoch nicht alles aus.
Meine Erfahrung hat auch gezeigt, warum Bereitstellung und Konnektivität für die Preisgestaltung wichtig sind. Die Zeit, die Sie mit der Behebung von Problemen verbringen, aufgrund derer ein Server nicht erreichbar ist, kann trotzdem Kosten verursachen, wenn die Instanz läuft und Guthabenpunkte verbraucht.
Ich würde die endgültige Verbrauchsrate der Guthabenpunkte in hPanel prüfen, die GPU-Verfügbarkeit bestätigen und vor dem Start eines kostenpflichtigen Workloads externen Speicher bereitstellen. Für kurze, gut geplante Aufgaben ist das Mietmodell sinnvoll. Bei längeren oder unvorhersehbaren Workloads ist es unerlässlich, den Verbrauch von Guthabenpunkten im Auge zu behalten.

Eine leistungsstarke GPU ist nur dann nützlich, wenn Sie auf die Hardware zugreifen, Ihre Workloads zuverlässig ausführen und in angemessener Zeit Ergebnisse erzielen können. Hostinger wirbt mit seiner NVIDIA B200 mit 192 GB VRAM, aber ich wollte herausfinden, wie sich das in der tatsächlichen Leistung bemerkbar macht.
Ich konzentrierte mich auf drei Fragen:
Bei meiner ersten Bereitstellung einer B200 trat ein Verbindungsproblem auf. hPanel zeigte eine private IP-Adresse an, auf die ich mit meinem Laptop nicht zugreifen konnte, und Hostinger bestätigte ein Problem mit der im Dashboard angezeigten IP-Adresse.
Um dieses anfängliche Problem von der Leistung der Hardware zu trennen, startete ich eine neue B200-Instanz und stellte über den neuen Endpunkt erfolgreich eine SSH-Verbindung her. Am 26. Oktober 2026 führte ich die folgenden Leistungstests durch.
Die folgenden Ergebnisse stammen daher von einer funktionierenden Ersatzinstanz. Das frühere Verbindungsproblem fließt weiterhin in meine Gesamtbewertung ein, hinderte mich jedoch nicht daran, die Leistung der GPU zu beurteilen.
Ich verwendete eine Ubuntu-24.04-B200-Instanz mit einem 16-Kern-CPU-Kontingent, 32 GB RAM und etwa 300 GB bereitgestelltem Speicher in Hostingers Region Los Angeles. Von meinem Pop!_OS-Laptop aus stellte ich eine SSH-Verbindung her, überprüfte die Hardware mit nvidia-smi und installierte eine CUDA-fähige PyTorch-Umgebung. Der Server meldete den NVIDIA-Treiber 595.91.07; PyTorch 2.11.0+cu128 erkannte die GPU und unterstützte BF16-Berechnungen.
Anschließend führte ich drei Arten von Workloads aus: kurze BF16-Matrixmultiplikations- und GPU-Speicherkopietests, Inferenz mit dem Sprachmodell Qwen2.5-7B-Instruct und Bildgenerierung mit Stable Diffusion XL. Ich wiederholte die KI-Workloads mit festen Einstellungen und hielt die Laufzeiten einzelner Durchläufe fest, statt mich auf ein einzelnes bestes Ergebnis zu verlassen. Abschließend prüfte ich die Seite Metrics in hPanel, um festzustellen, ob dort GPU-Aktivität angezeigt wurde.
Diese Tests liefern eine praktische Momentaufnahme einer einzelnen Instanz. Sie belegen weder die langfristige Verfügbarkeit noch die Leistung bei anhaltender Belastung über mehrere Stunden oder wie die B200 unter identischen Bedingungen im Vergleich zu konkurrierenden GPU-Hostern abschneidet. Außerdem führte ich keinen Netzwerkdurchsatztest und keinen Inferenz-Benchmark mit mehreren Nutzern durch.
Das erste beruhigende Ergebnis war, dass Ubuntu sofort eine NVIDIA B200 erkannte. nvidia-smi identifizierte eine B200 mit 182,624 MiB gemeldetem GPU-Speicher, während PyTorch 178.34 GiB als für das Gerät verfügbar angab. Diese Angaben in binären Einheiten stimmen weitgehend mit den beworbenen 192 GB VRAM überein, auch wenn die von der Software lesbare Menge nicht exakt der Zahl auf der Verkaufsseite entspricht.

Das Betriebssystem zeigte außerdem 32 GiB RAM und eine Kapazität des eingebundenen Dateisystems von 268 GiB an, wie sie innerhalb der Umgebung ersichtlich waren. Der Prozessor wurde als AMD EPYC 9575F identifiziert, obwohl lscpu 224 logische CPUs anzeigte. Ich überprüfte die CPU-Steuerungseinstellungen des Containers, statt diese Zahl als 224 in meinem Tarif enthaltene Kerne zu interpretieren.
Das cgroup-Limit betrug 1,600,000 Mikrosekunden pro Zeitraum von 100,000 Mikrosekunden und stellte der Instanz damit 16 CPU-Äquivalente zur Verfügung. Das entsprach der von mir ausgewählten Zuweisung von 16 Kernen. Für Leser ist diese Unterscheidung wichtig, da die auf dem Host sichtbare CPU-Topologie deutlich großzügiger erscheinen kann als die Kapazität, die einem gehosteten Workload tatsächlich zugewiesen wurde.
Als erste Messung der rohen Rechenleistung der B200 führte ich eine BF16-Matrixmultiplikation mit PyTorch aus. BF16 ist hier nützlich, da es häufig für Berechnungen mit KI-Modellen verwendet wird. Ein kleiner synthetischer Matrix-Benchmark ist jedoch kein Ersatz für den Betrieb eines vollständigen Modells.
Bei 12 Wiederholungen erreichte die kleinere Matrix mit 4,096 × 4,096 eine geschätzte Leistung von 1,402.7 TFLOP/s bei einer medianen Operationszeit von 0.098 Millisekunden. Die Matrix mit 8,192 × 8,192 erreichte schätzungsweise 1,668.8 TFLOP/s bei einer medianen Zeit von 0.659 Millisekunden. Dies sind berechnete Schätzwerte für den Rechendurchsatz der getesteten Operationen, keine unabhängig überprüfte, anhaltende Anwendungsleistung.
Außerdem maß ich eine Speicherkopie von 512 MiB innerhalb der GPU. Sie wurde in einer medianen Zeit von etwa 0.17 Millisekunden abgeschlossen, was einem gemeldeten Durchsatz der Nutzdaten von 3,137.1 GB/s entspricht. Dabei wird die Übertragung innerhalb des GPU-Speichers getestet; es geht nicht um die Geschwindigkeit beim Herunterladen eines Modells, beim Lesen der Serverfestplatte oder beim Senden von Daten über das Internet.

Das gesamte Basisskript war nach 2.646 Sekunden abgeschlossen. Es war erfreulich zu sehen, dass PyTorch die Karte erkannte und diese Operationen ohne CUDA-Fehler ausführte. Die kurze Dauer ist jedoch auch eine Einschränkung. Anhand weniger Millisekunden Rechenzeit lässt sich nicht schlussfolgern, dass die GPU bei einem langen Trainingslauf denselben Durchsatz oder dieselben Temperaturen aufrechterhalten wird.
Der synthetische Durchsatz war vielversprechend, aber ich wollte sehen, wie die B200 ein tatsächliches Sprachmodell bewältigt. Ich lud Qwen2.5-7B-Instruct über Hugging Face Transformers in BF16 und bat das Modell, die GPU-Beschleunigung zu erklären. Für den Test verwendete ich einen Prompt und maximal 128 generierte Token und wiederholte ihn dreimal mit denselben Einstellungen.
Das Abrufen und Laden des Modells dauerte im aufgezeichneten Durchlauf 35.40 Sekunden. Die erste Antwort mit 128 Token dauerte dann 23.094 Sekunden, was gerade einmal 5.54 Token pro Sekunde entspricht. Das Ergebnis wirkte zunächst enttäuschend, doch die nächsten beiden Durchläufe zeichneten ein anderes Bild.
Der zweite Durchlauf generierte seine 128 Token in 1.005 Sekunden, also mit 127.30 Token pro Sekunde. Der dritte Durchlauf dauerte 1.029 Sekunden, also 124.35 Token pro Sekunde. Daraus ergibt sich für die beiden späteren Durchläufe ein Durchschnitt von etwa 125.8 Token pro Sekunde, wobei sie sich nur sehr geringfügig unterschieden.

Der Unterschied ist erheblich. Er lässt sich damit vereinbaren, dass eine einmalige Einrichtung oder verzögerte Initialisierung die erste Generierung beeinflusst hat, aber ich habe die genaue Ursache nicht isoliert. Ich würde weder das Ergebnis von 23 Sekunden verschweigen noch die späteren Durchläufe als das darstellen, was jede erste Anfrage erreichen wird. Wer ein Modell bereitstellt, muss sowohl die anfängliche Latenz als auch die schnelleren wiederholten Antworten berücksichtigen.
PyTorch meldete eine maximale GPU-Speicherbelegung von 14.21 GiB. Das ist nur ein kleiner Teil des verfügbaren Speichers der B200. Dieser Test zeigt daher eine praktikable Inferenz mit einzelnen Anfragen und nicht den Vorteil, ein Modell zu hosten, das tatsächlich annähernd 192 GB VRAM benötigt. Ich habe weder Parallelität, Stapelverarbeitung, längere Kontextfenster noch einen optimierten Inferenzserver wie vLLM getestet.
Für eine zweite echte Anwendung verwendete ich Stable Diffusion XL, um ein Produktbild mit einer schwarzen Armbanduhr auf dunklem Marmor im Format 1,024 × 1,024 zu erstellen. Ich verwendete 25 Inferenzschritte, FP16-Gewichte sowie in allen drei Durchläufen denselben Prompt und Zufalls-Seed. So erhielt ich wiederholbare Messwerte statt drei nicht miteinander vergleichbarer Bilder mit unterschiedlichem Komplexitätsgrad.
Das SDXL-Modell benötigte 18.29 Sekunden zum Abrufen und Laden. Das erste Bild benötigte 3.275 Sekunden. Das zweite und dritte benötigten 0.915 beziehungsweise 0.913 Sekunden, was einem Durchschnitt im eingeschwungenen Zustand von 0.914 Sekunden pro Bild entspricht. Der PyTorch-Prozess meldete eine maximale GPU-Speicherbelegung von 11.49 GiB.

Ich prüfte auch die exportierten Bilder. Alle drei Dateien waren bytegenau identisch, was mit der Konfiguration mit festem Zufalls-Seed übereinstimmte und zeigte, dass der wiederholte Test dieselbe Ausgabe erzeugte. Die Uhr, die reflektierende Oberfläche und die Beleuchtung wirkten auf den ersten Blick überzeugend, obwohl bei genauer Betrachtung des Zifferblatts kleine Unstimmigkeiten zu sehen waren, die für generierte Produktbilder typisch sind. Diese künstlerischen Unvollkommenheiten sollten nicht mit Fehlern der GPU-Hardware verwechselt werden.
Das Ergebnis war besonders nützlich, weil es mir eine konkrete Aufgabe zur Bewertung bot: Sobald die Pipeline geladen war, wurde ein SDXL-Bild in voller Größe in weniger als einer Sekunde erzeugt. Dabei handelte es sich jedoch um die Generierung einzelner Bilder mit einem SDXL-Modell, nicht um einen Benchmark für Videogenerierung, große Stapel oder jedes zur Miete verfügbare Bildmodell.
Zu Beginn des Tests hatte Hostingers Metrics-Seite flache Linien angezeigt, weil die GPU im Leerlauf war. Nach den Benchmarks kehrte ich zur gleichen 1-Stunden-Ansicht zurück und sah Aktivität in beiden Diagrammen. Der Rechendurchsatz wurde mit 297 TFLOPs angezeigt, und das VRAM-Diagramm zeigte einen deutlichen Anstieg, darunter einen Wert von 14.3 GB beim Darüberfahren mit dem Mauszeiger.

Das bestätigte nützlich, dass hPanel die Workload erfasste, anstatt weiterhin einen flachen Nullwert anzuzeigen. Dadurch war die Metrics-Seite auch informativer als unmittelbar nach der Bereitstellung. Die Optionen für 1 Stunde, 24 Stunden, 7 Tage und 30 Tage waren leicht zu finden.
Ich würde dennoch einen direkten numerischen Vergleich zwischen der Anzeige von 297 TFLOPs in hPanel und dem synthetischen Ergebnis von 1,668.8 TFLOP/s vermeiden. Das Abtastfenster und die Berechnungsmethode des Dashboards wurden während meines Tests nicht ermittelt, und die VRAM-Anzeige ist nicht identisch mit der prozessbezogenen maximalen GPU-Speicherbelegung von PyTorch. Die Diagramme sind nützlich, um Aktivität und Veränderungen im Zeitverlauf zu erkennen; sie ersetzen keine Zeitmessungen auf Workload-Ebene oder Systemmessungen.
Die zweite B200-Instanz von Hostinger lieferte mir bei drei sehr unterschiedlichen Tests nutzbare GPU-Beschleunigung. Die synthetischen BF16-Ergebnisse zeigten schnelle kurze Berechnungen, Qwen2.5-7B erreichte nach einer ungewöhnlich langsamen ersten gemessenen Antwort etwa 126 Token pro Sekunde, und Stable Diffusion XL erzeugte nach der Initialisierung Bilder mit 1,024 Pixeln in ungefähr 0.91 Sekunden. Außerdem bestätigte ich das CPU-Kontingent von 16 Kernen und beobachtete, wie Aktivitäten in hPanel angezeigt wurden.
Das sind positive Ergebnisse, aber ich würde daraus kein Versprechen für jeden KI-Workload ableiten. Die Tests waren kurz und wurden auf einer einzigen Instanz mit im Vergleich zum verfügbaren GPU-Speicher der B200 relativ kleinen Modellen durchgeführt. Ich habe weder anhaltendes Training noch die maximale Anzahl gleichzeitiger Anfragen, langfristige Verfügbarkeit oder externe Netzwerkgeschwindigkeit gemessen. Das frühere Problem mit dem SSH-Endpunkt bleibt außerdem ein separates betriebliches Anliegen, auch wenn die Ersatzserververbindung erfolgreich hergestellt wurde.

Ich ging an Hostinger GPU Hosting so heran wie an eine neue GPU-Miete: eine geeignete Grafikkarte finden, die tatsächlichen Kosten prüfen, eine Instanz starten und feststellen, wie einfach sich die Umgebung nach dem Start verwalten lässt.
Außerdem wollte ich wissen, wie sich der GPU-Dienst in das größere hPanel von Hostinger einfügt, da ein Server, der online geht, nur die Hälfte der Erfahrung ausmacht.
Die Bereitstellung selbst ging schnell. Der Kaufprozess war weniger vorhersehbar. Die GPU, die ich auf der öffentlichen Preisseite ausgewählt hatte, war in hPanel nicht verfügbar, und mein Ersatz hatte einen deutlich höheren Stundensatz. So verlief die Erfahrung vom ersten Klick bis zu den Verwaltungswerkzeugen.
Ich begann auf der Website von Hostinger und öffnete Products > Hosting > GPU hosting. Mir gefiel, dass GPU-Hosting neben Webhosting, VPS-Hosting und Cloud-Hosting einen eigenen, eindeutig beschrifteten Eintrag hatte. Ich musste weder ein allgemeines VPS-Produkt öffnen noch herausfinden, ob GPU-Hardware als Zusatzoption verfügbar war.

Der Link öffnete die Landingpage von Hostinger GPU Hosting, auf der stundenweise NVIDIA-GPU-Mieten für KI, Rendering und andere rechenintensive Aufgaben beworben wurden. Direkt unter der Hauptüberschrift befand sich eine Schaltfläche „Get started“. Ein Klick darauf erstellte nicht sofort eine Instanz und leitete mich auch nicht zur Registrierung weiter, sondern führte mich auf derselben Seite nach unten zum GPU-Preisabschnitt.

Das war ein sinnvoller Ausgangspunkt. Im Preisabschnitt wurden die verfügbaren GPU-Modelle auf separaten Karten mit den beworbenen Einstiegspreisen pro Stunde, dem VRAM und den empfohlenen Einsatzbereichen aufgeführt. Ich konnte die Hardware vergleichen, bevor ich aufgefordert wurde, einen Server zu konfigurieren. Die auf der öffentlichen Seite angezeigte Auswahl reichte von der RTX 4090 bis hin zu teureren Rechenzentrums-GPUs, darunter die B200.

Zunächst entschied ich mich für die NVIDIA RTX 4090. Hostinger bewarb sie ab $0.42 pro Stunde mit 24 GB VRAM und empfahl sie für Entwicklung, Experimente, Bild- und Videogenerierung, 3D-Rendering sowie Inferenz mit kleineren Modellen.
Das schien ein sinnvoller Ausgangspunkt für die geplanten Tests zu KI-Inferenz, Bildgenerierung und GPU-Leistung zu sein. Ich musste nicht gleich eine der teuersten Karten mieten, nur um eine praxisnahe Ausgangsbasis zu schaffen.

Nachdem ich die RTX 4090 ausgewählt hatte, klickte ich auf der zugehörigen Karte auf die Schaltfläche „Get GPU“. Dadurch gelangte ich zur Kontoregistrierungsseite von Hostinger. Die Registrierung war über Google oder GitHub möglich; außerdem gab es die üblichen Felder für E-Mail-Adresse und Passwort.
Das Feld für die Telefonnummer war als optional gekennzeichnet, und ein separates Kontrollkästchen galt für Werbenachrichten über WhatsApp und SMS.

Der Registrierungsbildschirm war unkompliziert. Noch wichtiger war, dass ich mich mit der GPU-Auswahl noch nicht zum Kauf eines bestimmten Servers verpflichtet hatte.
Nach der Kontoerstellung oder Anmeldung gelangte ich in den GPU-Bereich von hPanel, wo sich die Hardware tatsächlich auswählen und starten ließ. Das Bedienfeld zeigte einen Guthabenstand von 2,000.
Das Bedienfeld zeigte einen Guthabenstand von 2,000, da ich bereits über ein Hostinger-Konto mit verfügbarem Guthaben verfügte. Wenn Sie sich zum ersten Mal anmelden und noch keinen Guthabenstand haben, wird nach der Konfiguration Ihrer GPU-Instanz ein Zahlungsschritt angezeigt. Dort können Sie Ihre bevorzugte Zahlungsmethode auswählen, bevor Sie den Kauf abschließen.
Die GPU-Seite in hPanel war übersichtlich und ließ sich leicht überfliegen. Über der Liste erklärte Hostinger, dass ich GPU-Instanzen direkt über das Bedienfeld starten konnte, und die auswählbare Hardware wurde unter einem sichtbaren Guthabenstand angezeigt. Sieben Modelle waren aufgeführt, darunter die RTX 4090, die ich ausgewählt hatte, aber die meisten Select-Schaltflächen waren deaktiviert.

Ich versuchte, die RTX 4090 auszuwählen, und stellte fest, dass ihre Schaltfläche ausgegraut war. Beim Darüberfahren wurde die Meldung „Nicht verfügbar“ angezeigt. In dieser Sitzung konnte ich auch die RTX 5090, L40S, A100 oder RTX PRO 6000 nicht auswählen. Mir standen nur zwei Optionen zur Verfügung: NVIDIA B200 und B200 (Dedicated).

Dies war das größte Hindernis beim Kauf. Die öffentliche Preisseite hatte mich dazu eingeladen, eine RTX 4090 für $0.42 pro Stunde zu mieten, aber ich konnte diese GPU nicht tatsächlich bereitstellen.
Zumindest machte Hostinger die Einschränkung in hPanel deutlich, anstatt mich eine Konfiguration ausfüllen und erst nach der Bereitstellung scheitern zu lassen. Dennoch bedeutete dies, dass ich sowohl meine Testhardware als auch mein Budget überdenken musste.
Ich entschied mich für die standardmäßige NVIDIA B200, die ab $4.50 pro Stunde mit 192 GB VRAM angeboten wurde. Dank ihrer größeren Speicherkapazität konnte ich später auch anspruchsvollere KI-Workloads testen.
Die Alternative B200 (Dedicated) kostete ab $7.08 pro Stunde, und ich hatte keine besonderen Anforderungen an exklusiven GPU-Zugriff, die diesen Aufpreis gerechtfertigt hätten. Ich klickte auf Select bei der standardmäßigen B200, um fortzufahren.
Nach der Auswahl der B200 öffnete Hostinger eine Seite mit dem Titel „Deploy your GPU instance“. Die GPU-Auswahl blieb in einer Spalte links, während die Konfiguration der ausgewählten Instanz rechts angezeigt wurde. Diese Anordnung funktionierte gut: Ich konnte die B200 zusammen mit den verfügbaren Alternativen prüfen, ohne die Servereinstellungen oder laufenden Kosten aus den Augen zu verlieren.

Ich nannte die Instanz hostinger-gpu-review-b200. Hostinger gab an, dass einzelne Wörter im Namen durch Bindestriche getrennt werden sollten, wodurch die Namensregel direkt im Formular klar wurde.
Das nächste Feld war „Region“ und offenbarte die zweite praktische Einschränkung: Das Dropdown-Menü bot nur Los Angeles, Vereinigte Staaten, an. In dieser Bereitstellungssitzung stand mir kein anderer Standort zur Auswahl.

Die Auswahl der Instanzgröße erforderte mehr Aufmerksamkeit, als ich zunächst erwartet hatte. Hostinger hatte eine Konfiguration mit 2 CPU-Kernen, 64 GB RAM und 100 GB Speicherplatz zu 506 Guthabenpunkten pro Stunde vorausgewählt. Beim Öffnen des Dropdown-Menüs wurden weitere Kombinationen aus CPU, RAM und Speicherplatz mit unterschiedlichen Preisen angezeigt. Die Auswahl folgte keiner einfachen Abstufung, bei der jede geringere Anzahl an CPU-Kernen auch einen niedrigeren Preis bedeutete; die Option mit 4 Kernen war beispielsweise mit 450 Guthabenpunkten pro Stunde aufgeführt.

Ich entschied mich für die Option X-Large: 16 CPU-Kerne, 32 GB RAM und 300 GB Speicherplatz zu 488 Guthabenpunkten pro Stunde. Dadurch standen dem Server mehr CPU-Leistung und Speicherplatz für die Einrichtung und Durchführung von Tests zur Verfügung, ohne dass ich zur Konfiguration mit 32 Kernen wechseln musste.
Außerdem war sie pro Stunde etwas günstiger als die vorausgewählte Option mit 2 Kernen. Wichtig ist dabei, dass der von Hostinger beworbene B200-Preis von $4.50 pro Stunde ein Einstiegspreis war. Für meine tatsächlich ausgewählte Konfiguration galt ein Preis von 488 Guthabenpunkten pro Stunde, was beim aus den Preiskarten von Hostinger abgeleiteten Wechselkurs etwa $4.88 pro Stunde entsprach.
Als Nächstes öffnete ich „Select Betriebssystem oder Anwendung“. Neben Ubuntu 24.04 bot Hostinger vorgefertigte Optionen für Ollama, JupyterLab, Unsloth und InvokeAI an. Diese Optionen konnten jemandem, der sich auf eine bestimmte KI-Anwendung konzentrierte, Zeit bei der Einrichtung sparen. Ich wählte Ubuntu 24.04, weil ich ein sauberes Betriebssystem und die Kontrolle über die Tools wollte, die ich für spätere Tests installierte.

Hostinger bot außerdem ein optionales Feld für einen SSH-Schlüssel an. Bei der ersten Bereitstellung ließ ich es leer, anstatt beim Bezahlvorgang einen Schlüssel hinzuzufügen. Im Bedienfeld wurden später Verbindungsdaten für eine passwortbasierte Anmeldung angezeigt, sodass mir auch ohne Schlüssel eine beworbene Anmeldemethode zur Verfügung stand. Für einen länger laufenden Server würde ich allerdings den SSH-Zugriff per Schlüssel bevorzugen.
Bevor ich auf Deploy klickte, zeigte die Zusammenfassung die ausgewählte B200-Konfiguration X-Large und den Stundensatz von 488 Guthabenpunkten an, ausgehend von meinem Guthabenstand von 2,000 Guthabenpunkten.
Hostinger schätzte, dass das Guthaben für etwa vier Stunden durchgehende Nutzung ausreichte. Mir gefiel, dass diese Schätzung direkt über der Bereitstellungsschaltfläche stand: Dadurch wurden die laufenden Kosten deutlicher sichtbar als auf einer Preiskarte, auf der lediglich „Ab $4.50 pro Stunde“ steht.

Ich klickte auf Deploy. Hostinger zeigte daraufhin einen Bildschirm mit der Meldung „Ihre GPU wird eingerichtet“ an und teilte mir mit, dass ich die Seite verlassen könne, während die Bereitstellung fortgesetzt wurde. In dieser Phase war keine zusätzliche manuelle Einrichtung der Infrastruktur erforderlich.

Etwa zwei Minuten später bestätigte der Erfolgsbildschirm mit der Meldung „Alles ist bereit!“, dass die GPU-Instanz betriebsbereit war. Sie wurde als hostinger-gpu-review-b200 mit einer B200, 192 GB VRAM und der Größe X-Large ausgewiesen. Als nächster Schritt wurde deutlich Manage angezeigt, sodass klar war, wohin ich nach Abschluss der Bereitstellung gehen sollte.

Ich klickte auf diesem Bestätigungsbildschirm auf Manage, um die Steuerelemente zu prüfen, die ich nach der Bereitstellung verwenden würde. Diese direkte Weiterleitung war eine nette Ergänzung: Ich musste nicht zur hPanel-Startseite zurückkehren und nach meinem neuen Server suchen.
Manage öffnete einen eigenen GPU-Verwaltungsbereich statt eines gewöhnlichen Webhosting-Kontrollpanels. Das Menü auf der linken Seite enthielt nur drei Einträge: Übersicht, Metrics und Exposed services. Nach den umfangreichen Produktauswahlbildschirmen gefiel mir die klare Ausrichtung dieser Navigation.
Die Übersicht beantwortete sofort die Fragen, die ich nach der Miete teurer Hardware gehabt hätte: Läuft sie? Welche GPU und Ressourcen habe ich erhalten? Wie hoch ist die Verbrauchsrate? Wie stelle ich eine Verbindung her? Die Instanzkarte kennzeichnete hostinger-gpu-review-b200 als laufend und bestätigte die NVIDIA B200, 192 GB VRAM, 16 CPU-Kerne, 32 GB RAM, 300 GB Festplattenspeicher, Ubuntu 24.04 und den Standort Los Angeles.

Direkt auf der Instanzkarte befanden sich zwei Steuerelemente: Neustart und Löschen. Ihre Sichtbarkeit ist nützlich, denn wenn Sie stundenweise bezahlen, müssen Sie wissen, wie Sie den Lebenszyklus der Instanz verwalten. Ich führte während dieses Testabschnitts keine der beiden Aktionen aus und bewerte daher, wie leicht zugänglich die Steuerelemente waren, ohne zu behaupten, ihr Verhalten überprüft zu haben.
Über der Serverkarte zeigte Hostinger den Rechendurchsatz, die VRAM-Auslastung und den Guthabenverbrauch an. Meine erste Aufnahme zeigte einen Durchsatz von 0 TFLOPs und eine durchschnittliche VRAM-Auslastung von 0 GB, da ich noch keine GPU-Workload ausgeführt hatte.
Die Guthabenübersicht zeigte insgesamt 488 verbrauchte Guthabenpunkte, eine Verbrauchsrate von 488 Guthabenpunkten pro Stunde und einen verbleibenden Guthabenstand von 1,512 Guthabenpunkten. Diese Transparenz war willkommen, insbesondere angesichts dessen, wie schnell sich kostenpflichtige GPU-Nutzung summieren kann.
Im Verbindungsbereich standen die öffentliche IPv4-Adresse, ein kopierbarer SSH-Befehl und das Passwort in einem Abschnitt. Der SSH-Befehl enthielt den Ubuntu-Benutzernamen und einen nicht standardmäßigen SSH-Port; das Passwortfeld bot Optionen zum Einblenden und Kopieren.
Hostinger warnte außerdem, dass ein über SSH geändertes Passwort nicht mehr mit dem in hPanel gespeicherten Passwort übereinstimmen würde. Ich konnte die Verbindungsinformationen daher finden, ohne in der Dokumentation suchen zu müssen. Der Screenshot allein belegt jedoch nicht, dass ich mich erfolgreich per SSH angemeldet habe.
Nachdem ich die Übersicht geprüft hatte, öffnete ich die Option Metrics. Hostinger bot Zeitfilter für 1 Stunde, 24 Stunden, 7 Tage und 30 Tage. Auf der Seite wurden der Rechendurchsatz in TFLOPs und die VRAM-Auslastung in GB grafisch dargestellt. Die Diagramme waren schlicht und gut lesbar, ohne dass irrelevante Systemdiagramme die Ansicht beeinträchtigten.

Beide Diagramme zeigten zum Zeitpunkt der Aufnahme durchgehend null an. Das war zu erwarten, bevor ein KI-Auftrag ausgeführt wurde. Daher würde ich diese Werte weder als Beleg für die GPU-Leistung noch als Hinweis auf einen Fehler im Überwachungssystem betrachten.
Der aussagekräftige Test folgt später: Starten Sie einen echten Workload, beobachten Sie die Diagramme, während sich die Nutzung verändert, und vergleichen Sie sie mit Messungen direkt in Ubuntu.
Anschließend öffnete ich die Option Exposed services, den Bereich, über den eine auf dem GPU-Server laufende Anwendung über das Internet erreichbar gemacht werden kann. Da ich keinen Dienst erstellt hatte, zeigte die Seite einen leeren Zustand mit einer Schaltfläche zum Hinzufügen eines Dienstes an. Hostinger wies außerdem darauf hin, dass alles Veröffentliche für jede Person mit der entsprechenden Adresse zugänglich wäre, sofern die Anwendung nicht über eine eigene Anmeldung verfügt.

Ich fand diesen Warnhinweis gut. Bei GPU-Workloads kommen häufig Notebooks, Inferenz-APIs und andere Entwicklungsoberflächen zum Einsatz, die nicht öffentlich zugänglich sein sollten. Der Einstiegspunkt war leicht zu finden, aber ich hatte hier noch keinen öffentlichen Dienst hinzugefügt oder getestet. Daher kann ich anhand dieser Screenshots allein weder den weiteren Ablauf noch die Sicherheitsoptionen beurteilen.
Erst nachdem ich die GPU-spezifischen Bildschirme überprüft hatte, kehrte ich zu hPanel Home zurück. Dadurch erhielt ich eine andere Perspektive auf die Benutzerfreundlichkeit: Wo würde ich die GPU-Instanz finden, wenn ich mich später erneut anmeldete, anstatt über die Schaltfläche Manage nach der Bereitstellung einzusteigen?
Meine Home-Seite öffnete sich mit einer auffälligen Aufforderung an einen KI-Assistenten und einem langen Bereich „Ihr Unternehmen“ voller bestehender Websites.
Bei jeder Website gab es eine Aktion „Manage site“, und mehrere Einträge zeigten Erinnerungen an temporäre Domains. Weiter unten sah ich eine VPS-Tabelle mit IP-Adressen, Betriebsstatus, Ablaufdaten und Verwaltungsschaltflächen. Auf der linken Seite führte die Navigation Websites, Domains, E-Mails, weitere Dienste, Website-Baukästen, KI-Agenten, Marketingtools und Entwicklerservices zusammen.

Diese All-in-one-Anordnung hat ihre Vorteile. Die Produktgruppen sind klar beschriftet, und bestehende Hostinger-Kunden können über ein Konto auf verschiedene Arten von Hosting zugreifen. In meinem Fall sorgte die Menge an websitebezogenen Inhalten jedoch für eine optisch überladene Seite.
Meine neue GPU war im sichtbaren Home-Inhalt weniger präsent als die Websites und VPS-Einträge. Nachdem ich die GPU-Navigation mit den Bereichen Overview, Metrics und Exposed services erreicht hatte, fand ich sie fokussierter.
Die ungewöhnlich lange Liste von Websites spiegelt wider, was sich bereits in meinem Konto befand; ein neuer Kunde ohne weitere Dienste sieht möglicherweise eine weniger überladene Seite. Dennoch ist dieser Unterschied für die Leser wichtig: Die Bereitstellung einer GPU ist ein kurzer, zielgerichteter Vorgang, während das umfassendere hPanel-Dashboard alle Hostinger-Produkte gleichzeitig bedienen soll.
Die größte Stärke der Benutzerfreundlichkeit von Hostinger GPU Hosting zeigte sich, nachdem ich eine verfügbare GPU gefunden hatte. Auf der Konfigurationsseite wurden die Auswahlmöglichkeiten und ihre Kosten angezeigt, Ubuntu- und KI-Anwendungsabbilder waren leicht zu finden, die Bereitstellung war in ungefähr zwei Minuten abgeschlossen, und Manage führte mich direkt zu einem kompakten Instanz-Dashboard.
Ich konnte die GPU-Spezifikation, die Verbrauchsrate der Guthabenpunkte, die SSH-Informationen und die wichtigsten Verwaltungsfunktionen finden, ohne mich durch eine komplizierte Cloud-Konsole arbeiten zu müssen.
Doch diese Benutzerfreundlichkeit sollte die Einschränkungen vor der Bereitstellung nicht verschleiern. Auf der öffentlichen Seite wählte ich die RTX 4090 aus, konnte sie aber nicht mieten, als ich hPanel erreichte; die meisten aufgeführten GPUs waren nicht verfügbar, und Los Angeles war in meiner Sitzung die einzige Bereitstellungsregion. Der B200 war deutlich teurer als die von mir gewünschte RTX 4090, und der Preis der X-Large-Konfiguration lag über dem beworbenen Einstiegspreis für den B200. Die allgemeine Home-Ansicht von hPanel wirkte außerdem überladener als die GPU-spezifischen Seiten.

Hostinger bietet rund um die Uhr Online-Support über den Dashboard-Chat sowie zusätzliche Kontaktmöglichkeiten über WhatsApp und E-Mail unter support@hostinger.com. Anders als manche Hosting-Anbieter bietet das Unternehmen keinen telefonischen Support an.
Das zentrale Support-Erlebnis dreht sich inzwischen um Hostinger Agent, einen KI-Assistenten, der Fragen beantworten, Probleme beheben, Dokumentation abrufen und bestimmte Aktionen zur Kontoverwaltung ausführen kann. Außerdem bietet Hostinger Zugang zu Customer Success Specialists, wenn zusätzliche Unterstützung benötigt wird.
Für diesen Test habe ich den Live-Chat mit einem konkreten Anliegen zu meiner NVIDIA B200 GPU-Instanz getestet. Ich wollte herausfinden, wie schnell ich präzise technische Beratung erhalten konnte und vor allem, wie einfach es war, direkt mit einem Menschen zu sprechen, wenn ich darum bat.
Ich habe auch die Wissensdatenbank von Hostinger geprüft, um die Qualität der GPU-Dokumentation einzuschätzen und herauszufinden, ob Kunden häufige Probleme lösen können, ohne den Support zu kontaktieren.
Ich öffnete den Live-Chat, indem ich oben in hPanel auf Agent klickte. Der Chat öffnete sich neben meiner GPU-Verwaltungsseite, sodass ich meine laufende B200-Instanz und ihren Verbrauch an Guthabenpunkten sehen konnte, während ich mit dem Support sprach.

Hostinger Agent ist der Nachfolger von Kodee, dem früheren KI-Supportassistenten von Hostinger. Hostinger hat Kodee mit seiner größeren Sammlung spezialisierter KI-Tools zu einem einheitlichen Assistenten zusammengeführt. Laut Hostinger kann der Agent technische Probleme erklären, Anweisungen zur Fehlerbehebung geben, relevante Dokumentation vorschlagen und unterstützte Aktionen im Konto eines Kunden ausführen.
Mein Test konzentrierte sich jedoch auf technische Beratung und die Weiterleitung an einen Menschen, nicht darauf, Änderungen an meinem Konto vornehmen zu lassen.
Ich stellte eine praktische Frage zur GPU-Abrechnung und Datenspeicherung. Da Hostinger GPU-Instanzen stundenweise abrechnet, wollte ich wissen, ob ich meinen Server zwischen KI-Workloads pausieren könnte, ohne meine installierten Anwendungen, Modelle und Dateien zu verlieren. Außerdem fragte ich, ob ein Neustart die Abrechnung stoppen würde und was ich tun sollte, um meine Umgebung zu bewahren, falls das Löschen der Instanz erforderlich wäre.
Der Agent antwortete in weniger als 30 Sekunden.
Seine Antwort ging auf alle drei Anliegen ein. Er erklärte, dass ein Neustart lediglich den Server neu startet und die Abrechnung nicht beendet. Hostinger bietet derzeit keine Pausier- oder Stoppfunktion, mit der Kunden eine GPU-Instanz ohne weitere Kosten behalten können. Durch das Löschen der Instanz wird die Abrechnung beendet, aber ihre lokalen Daten werden dauerhaft gelöscht.
Die Antwort ging noch weiter und erklärte, wie ich meine Arbeitsumgebung bewahren könnte. Sie empfahl, Modelle und Datensätze auf einen externen Speicher zu übertragen, Python- oder Conda-Abhängigkeiten zu exportieren, CUDA- und PyTorch-Versionen zu notieren und Konfigurationsdateien sowie Bereitstellungsskripte zu sichern.

Mir gefiel der Detailgrad. Statt lediglich festzustellen, dass sich GPU-Instanzen nicht pausieren ließen, erklärte der Assistent, was ich vor dem Löschen des Servers tun sollte. Seine Hinweise stimmten außerdem mit der offiziellen Dokumentation von Hostinger zur GPU-Abrechnung überein und gaben mir eine Möglichkeit, die Richtigkeit der Erklärung zu überprüfen.
Die Beantwortung der technischen Frage war jedoch nur der erste Teil meines Support-Tests. Als Nächstes wollte ich direkt mit einem menschlichen Spezialisten sprechen.
Um 17:23 bat ich Hostinger Agent, mich mit einem menschlichen Kundendienstmitarbeiter zu verbinden, um die Angaben zur GPU-Abrechnung und Datenspeicherung zu bestätigen. Statt eine Weiterleitung zu veranlassen, wiederholte der Agent die Richtlinie und empfahl mir, den KI-Support weiter zu nutzen, mit der Begründung, dass dies schneller ginge.
Um 17:24 bat ich nochmals ausdrücklich darum. Diesmal erklärte ich, dass ich die Richtlinie verstanden hatte und keine weitere Erklärung durch die KI benötigte. Ich wollte ausdrücklich mit einem menschlichen Mitarbeiter sprechen und war bereit zu warten.
Um 17:25 fasste der Assistent erneut die Abrechnungsregeln zusammen und bot anschließend zwei Optionen an: „Wait for a human review“ und „Continue with Hostinger Agent“.

Ich wählte die Option zur menschlichen Überprüfung und bestätigte, dass ich mit einer Person fortfahren wollte. Hostinger zeigte daraufhin eine Meldung an, dass die Überprüfung läuft, einen Countdown und ein Feld, in dem ich der Fachkraft zusätzliche Informationen geben konnte.

Um 17:31 Uhr, etwa sechs Minuten nachdem die Anfrage in den Überprüfungsprozess aufgenommen worden war, erhielt ich eine Antwort, die einer Fachkraft namens Amber zugeordnet war. Die Benutzeroberfläche zeigte „Antwort von Amber überprüft“ an.
In Ambers Nachricht wurde ich gebeten, den Namen meiner GPU-Instanz, die Abrechnungs- oder Datenaufbewahrungspunkte, die ich bestätigt haben wollte, sowie relevante Fehlermeldungen oder Screenshots anzugeben.

Ich nannte den Instanznamen hostinger-gpu-review-b200 und bat um die Bestätigung von drei wichtigen Punkten: dass es keine Pausierfunktion gibt, dass Daten nach dem Löschen dauerhaft entfernt werden und dass Snapshots, Backups oder persistenter Speicher verfügbar sind.
Außerdem stellte ich eine Frage zum Supportprozess selbst. Da in der Benutzeroberfläche stand, dass die Antwort von Amber überprüft worden war, wollte ich wissen, ob ich nun direkt mit ihr sprach oder weiterhin mit einer KI interagierte.
Um 17:33 Uhr erhielt ich eine weitere ausführliche Antwort. Darin wurde bestätigt, dass GPU-Instanzen auch im Leerlauf weiterhin Guthabenpunkte verbrauchen, dass beim Löschen ihre lokalen Daten dauerhaft entfernt werden und dass Hostinger derzeit keine GPU-Snapshots, automatischen Backups oder persistenten Speicher bereitstellt.
Außerdem wurde erklärt, dass eine Instanz sofort gelöscht wird, sobald der Guthabenstand null erreicht, und es keine Kulanzfrist gibt. Als Alternative wurde vorgeschlagen, die Umgebung mit Tools wie scp oder rsync auf einen separaten VPS, in einen Cloud-Speicher oder auf einen lokalen Computer zu exportieren.
Doch der aufschlussreichste Teil der Antwort betraf den Support durch Menschen. Hostinger bestätigte ausdrücklich, dass ich weiterhin mit Hostinger Agent kommunizierte, einem KI-Assistenten. Eine menschliche Fachkraft beaufsichtigte oder überprüfte das Gespräch, aber ich war nicht zu einem direkten Einzelgespräch mit einem Menschen weitergeleitet worden.

Dieser Unterschied ist wichtig. Ich hatte bewusst um eine menschliche Ansprechperson statt um eine weitere automatisierte Erklärung gebeten. Obwohl das System eine menschliche Aufsicht einbezog und eine vollständige technische Antwort lieferte, ermöglichte es nicht den direkten Kontakt mit einem Menschen, um den ich gebeten hatte.
Von der ersten Frage um 17:22 bis zur abschließenden Klärung um 17:33 dauerte der gesamte Supportaustausch ungefähr 11 Minuten. Die erste KI-Antwort traf in weniger als 30 Sekunden ein, während die menschliche Überprüfung etwa sechs Minuten nach meiner Bitte um Eskalation sichtbar wurde.
Nach dem Test des Live-Chats wandte ich mich an Hostingers Online-Hilfecenter , um herauszufinden, wie einfach GPU-Kunden Antworten finden konnten, ohne den Support zu kontaktieren.
Die Startseite war übersichtlich und gut organisiert, mit einer gut sichtbaren Suchleiste und Dokumentation, die in Kategorien wie Erste Schritte, Hostinger-Dashboard, VPS, Abrechnung und SSL-Zertifikate gruppiert war. Unter den angezeigten Optionen konnte ich jedoch keine eigene GPU-Kategorie finden.

Ich gab „gpu“ in die Suchleiste ein, und Hostinger zeigte 10 Ergebnisse an. Acht davon bezogen sich speziell auf GPU hosting und behandelten die Hardwareauswahl, Anwendungsvorlagen, Bereitstellung, Instanzverwaltung, Abrechnung, öffentlich erreichbare Dienste, Sicherheit und Vergleiche mit VPS-Hosting. Die beiden anderen behandelten Hostingers Rückerstattungsrichtlinie und Dashboard.

Mir gefiel, dass die Suche sofort relevante GPU-Dokumentation anzeigte, obwohl es auf der Startseite keine eigene Kategorie dafür gab. Noch wichtiger war, dass die Artikel praktische Aspekte wie den stündlichen Guthabenpunkteverbrauch, Datenverlust nach dem Löschen einer Instanz und die Sicherung öffentlich zugänglicher Anwendungen behandelten.
Als Nächstes untersuchte ich die einzelnen Anleitungen, um zu sehen, wie klar sie diese Aspekte erklärten und wie gut ihre Anweisungen mit meinen eigenen praktischen Erfahrungen übereinstimmten.
Ich prüfte Hostingers Anleitungen zur GPU-Einrichtung und zur Instanzverwaltung. Sie behandeln die Hardwareauswahl, Regionen, Softwarevorlagen, Bereitstellung, Überwachung und öffentlich erreichbare Dienste.
Die Anweisungen stimmten weitgehend mit meinen Erfahrungen in hPanel überein. Außerdem schätzte ich, dass Hostinger auf Einschränkungen bei der regionalen GPU-Verfügbarkeit hinwies. Diese begegneten mir, als die RTX 4090 nicht verfügbar war und Los Angeles meine einzige Bereitstellungsoption war.
Der Leitfaden zur GPU-Abrechnung war besonders hilfreich, da er dieselben Bedenken behandelte, die ich während des Live-Chats geäußert hatte.
Er bestätigt, dass die Abrechnung weiterläuft, während eine Instanz inaktiv ist, ein Neustart die Gebühren nicht stoppt und beim Löschen lokale Daten dauerhaft gelöscht werden.
Noch wichtiger ist, dass Hostinger darauf hinweist, dass es weder automatische Aufladungen der Guthabenpunkte noch Benachrichtigungen bei niedrigem Guthabenstand gibt. Wenn die Guthabenpunkte aufgebraucht sind, wird die Instanz sofort gelöscht.

Das sind wichtige Details für alle, die unbeaufsichtigte KI-Workloads ausführen, und mir gefiel, dass Hostinger sie klar erläuterte.
Hostingers Leitfaden zur Freigabe von Diensten erläutert den öffentlichen Zugriff, die Portkonfiguration und unterstützte Protokolle. Außerdem wird klargestellt, dass die Auswahl von HTTPS die TLS-Verschlüsselung nicht automatisch konfiguriert.
Der dazugehörige Sicherheitsleitfaden behandelt die Anwendungsauthentifizierung und den Firewall-Schutz. Allerdings hätte ich mir einen deutlicheren Hinweis gewünscht, den SSH-Zugriff zu sichern, bevor restriktive Firewall-Regeln aktiviert werden.

Hostinger bot ein überzeugendes KI-gestütztes Support-Erlebnis, auch wenn der Prozess zur Weiterleitung an menschliche Mitarbeitende verbesserungswürdig war.
Der Hostinger Agent beantwortete meine GPU-Frage in weniger als 30 Sekunden, erläuterte die Auswirkungen auf die Abrechnung und empfahl praktische Schritte, um meine Umgebung zu erhalten. Seine Hinweise waren detailliert und stimmten mit der offiziellen Dokumentation überein.
Nach etwa sechs Minuten wurde eine menschliche Überprüfung verfügbar, und die abschließende Antwort ging auf die zusätzlichen Fragen ein, die ich gestellt hatte. Allerdings musste ich wiederholt um eine Weiterleitung bitten, und das Gespräch wurde weiterhin von der KI geführt, statt zu einem direkten Live-Chat mit einer Fachkraft zu werden.
Die Wissensdatenbank war ein weiterer Pluspunkt. Ihre acht GPU-spezifischen Artikel boten klare Erklärungen zu Bereitstellung, Verwaltung, Abrechnung, Freigabe von Diensten und Sicherheit. Die Abrechnungsdokumentation war besonders hilfreich, um die Risiken eines kontinuierlichen Verbrauchs von Guthabenpunkten und eines dauerhaften Datenverlusts zu verstehen.

Ja, für Entwickler und KI-Teams, die eine leistungsstarke GPU-Kapazität benötigen, ohne die Hardware kaufen zu müssen. Meine B200 führte nach der Aufwärmphase Qwen-Inferenz mit ungefähr 126 Token pro Sekunde aus und erzeugte SDXL-Bilder in etwa 0.91 Sekunden.
Die Bereitstellung ging schnell, sobald ich einen funktionierenden SSH-Endpunkt hatte. Das Problem mit der IP-Anzeige des ersten Servers, die wechselnde Hardware-Verfügbarkeit, nicht erstattungsfähige Guthabenpunkte und das Fehlen einer Pausierfunktion oder integrierter Backups stellen jedoch erhebliche Risiken dar.
| Name des Angebots | CPU | RAM | Bandbreite | Preis | |
|---|---|---|---|---|---|
| Free Trial | - | Unbegrenzt | 0,00 € | Details | |
| Game Panel 2 | 2 Kerne | 8 GB | 8 TB | 7,75 € | Details |
| Game Panel 4 | 4 Kerne | 16 GB | 16 TB | 11,43 € | Details |
| Game Panel 8 | 8 Kerne | 32 GB | 32 TB | 22,86 € | Details |
| Description | Expert Review |
|---|---|
| Kostengünstiges Hosting mit hoher Leistung und einfachen Verwaltungstools. | Read Shared Hosting Review |
| Schnelles und sicheres WordPress-Hosting mit Ein-Klick-Installation und Premium-Funkt... | Read Wordpress Hosting Review |
| Skalierbares VPS-Hosting mit dedizierten Ressourcen und Root-Zugriff. | Read VPS Review |
| Schnelles, flexibles Cloud-Hosting mit exzellenter Verfügbarkeit und skalierbaren Re... | Read Cloud Hosting Review |
| Sichere und private Hosting-Lösungen mit Offshore-Rechenzentrumsstandorten. | Read Offshore Hosting Review |
| Sicheres und zuverlässiges E-Mail-Hosting mit professionellen Funktionen. | Read Email Hosting Review |
| Zuverlässiges Python-Hosting mit flexiblen Umgebungen für Entwickler. | Read Python Hosting Review |
| Hochleistungs-PHP-Hosting mit voller Unterstützung für dynamische Websites und Anwe... | Read PHP Hosting Review |
| Zuverlässiges Windows-VPS-Hosting mit voller Kontrolle und Anpassungsoptionen. | Read Windows VPS Review |
| Schnelles und flexibles Hosting, zugeschnitten auf Node.js-Anwendungen mit optimaler ... | Read Nodejs Hosting Review |
| Optimiertes Hosting für WooCommerce-Shops mit hoher Geschwindigkeit und sicherer Int... | Read Woocommerce Hosting Review |
| Dediziertes Server-Hosting für nahtlose Minecraft-Spielerlebnisse. | Read Minecraft Server Hosting Review |
| Skalierbare Hosting-Lösungen mit erweiterten Funktionen für Digitalagenturen und En... | Read Agency Hosting Review |
| Schnelles, sicheres Hosting, optimiert für Magento-E-Commerce-Websites. | Read Magento Hosting Review |
| Leistungsstarkes, Linux-basiertes Hosting für einen stabilen und sicheren Website-Be... | Read Linux Hosting Review |
| Robuste Java-Hosting-Lösungen für dynamische Webanwendungen und Projekte. | Read Java Hosting Review |
| Optimiertes Hosting für E-Commerce-Websites mit sicherer, schneller und zuverlässig... | Read Ecommerce Hosting Review |
| Zuverlässiges Django-Hosting mit hoher Geschwindigkeit und sicherer Umgebung. | Read Django Hosting Review |
| Benutzerfreundliches cPanel-Hosting mit robuster Leistung und zuverlässigem Support. | Read Cpanel Hosting Review |
| Leistungsstarkes Hosting für Unternehmen mit schnellen Geschwindigkeiten, Sicherheit... | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| Dedizierter SMTP-Server-Hosting für zuverlässige und sichere E-Mail-Zustellung. | Read SMTP Server Review |
| Schnelles und optimiertes Hosting, zugeschnitten auf Ruby-on-Rails-Webanwendungen. | Read Ruby on Rails Review |
| Funktionsreiches Hosting mit OpenClaw-Integration zum Erstellen und Verwalten von Gre... | Read OpenClaw Review |
| Schnelles und zuverlässiges Hosting mit Servern in Großbritannien für optimale lok... | Read UK Hosting Review |
| Erschwingliches und zuverlässiges Hosting mit in Indien ansässigen Servern für lat... | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
Ja. Mein NVIDIA B200 hat Qwen2.5-7B-Inferenz und Stable Diffusion XL-Bilderzeugung erfolgreich ausgeführt. Die Ergebnisse variieren je nach Modell, Framework und Instanzgröße.
Hostinger wirbt mit 192 GB VRAM. Meine B200 meldete über PyTorch 178,34 GiB, was mit den Unterschieden zwischen dezimalen und binären Speichereinheiten übereinstimmt.
Nein. GPU-Guthaben werden weiterhin verbraucht, während die Instanz im Leerlauf ist oder neu gestartet wird. Das Löschen der Instanz beendet die Nutzungskosten, entfernt jedoch dauerhaft ihre lokalen Daten.
Ich habe während meines Bestellvorgangs keine spezielle kostenlose GPU-Testversion gesehen. Hostinger schließt GPU-Käufe und KI-Guthaben von seiner standardmäßigen 30-tägigen Geld-zurück-Garantie aus.
Ja. SSH funktionierte auf meiner ersetzten B200-Instanz, obwohl die erste Bereitstellung eine private IP anzeigte statt eines nutzbaren öffentlichen SSH-Endpunkts.

Beantworten Sie ein paar einfache Fragen und finden Sie die perfekte Lösung für Sie!
Hosting-Suche startenHostAdvice.com bietet professionelle Web-Hosting Bewertungen, die völlig unabhängig von irgendwelchen Unternehmen sind. Unsere Bewertungen sind unvoreingenommen, ehrlich, und es gelten für alle die gleichen Bedingungen.
Wir erhalten eine finanzielle Entschädigung von den Unternehmen, die wir bewerten. Etwaige Entschädigungen und Vergütungen haben keinen Einfluss auf die Richtung oder Schlussfolgerung unserer Bewertungen. Auch beeinflusst eine Vergütung nicht das von uns errechnete Ranking für ein bestimmtes Host-Unternehmen.
Diese Vergütung deckt die Kosten für die Tantiemen der Bewerter, den Kauf der Konten, und das Testen ab.






