Can the ZimaCube 2 run Ollama?

Yes. The stock configuration can run quantized 7B–8B parameter models (Llama 3, Mistral, Phi) comfortably for chat, code assistance, and text analysis. With a GPU added via PCIe, you can run larger models with significantly faster inference.

Does the ZimaCube 2 have a PCIe slot for a GPU?

Yes. The ZimaCube 2 includes a PCIe expansion slot that supports standard GPUs, AI accelerators, additional storage cards, and networking cards. No proprietary form factors or vendor lock-in.

What can I do with local AI on a NAS?

Local AI on a NAS enables private chat assistants, AI-assisted coding (with tools like Continue.dev), document analysis with RAG pipelines, automated text processing and classification, image analysis, and experimentation without cloud API costs.

How many NVMe slots does the ZimaCube 2 have?

The system has 4× M.2 NVMe slots plus an additional NVMe slot on the motherboard (originally holding the OS drive), which can be used for mirrored OS drives, dedicated Docker storage, or caching layers.

Can I upgrade the RAM later?

Yes. The ZimaCube 2 uses standard SODIMM DDR5 RAM, which is user-replaceable. The stock 8GB configuration handles container workloads well, and you can upgrade when your needs grow.

Is the ZimaCube 2 thermally capable of handling a GPU?

Yes. The metal chassis, intentional airflow design, and internal component layout support PCIe card airflow. The system handles continuous workloads while staying cool, and the thermal design has headroom for expansion.

Lokale KI auf dem ZimaCube 2 — PCIe-Erweiterung, Ollama und Zukunftssicherung für dein Homelab

Eva Wong

IceWhale author

Eva Wong ist die Technische Redakteurin und residente Tüftlerin bei ZimaSpace. Eine lebenslange Geek mit einer Leidenschaft für Homelabs und Open-Source-Software, sie spezialisiert sich darauf, komplexe technische Konzepte in zugängliche, praktische Anleitungenzu übersetzen. Eva ist der Meinung, dass Self-Hosting Spaß machen und nicht einschüchternd sein sollte. Durch ihre Tutorials befähigt sie die Community, Hardware-Setups zu entmystifizieren, vom Bau ihres ersten NAS bis hin zur Beherrschung von Docker-Containern.

ZimaCube 2 compact silver NAS sitting on living room TV cabinet, minimalist homelab storage & local AI server

💡 Community im Fokus: Michael Luckenbill, ZimaCube 2 Pioneer Program

Als ich den ZimaCube 2 zum ersten Mal öffnete, schaute ich nicht nur darauf, was er heute kann. Ich sah, was er morgen werden könnte.

Im Inneren, neben der erwarteten Hardware, fand ich etwas, das mich wirklich begeisterte: eine 256GB Kingston NVMe-Festplatte für das Betriebssystem — und einen zusätzlichen ungenutzten NVMe-Steckplatz auf dem Motherboard. Zusammen mit dem PCIe-Erweiterungssteckplatz auf der Rückseite war das nicht nur ein NAS. Es war eine Plattform, die zum Wachsen gedacht ist.

ZimaCube 2 Frontansicht: 6 SATA-Laufwerksschächte, Front-USB-A- und USB-C-Anschlüsse, integrierter M.2 NVMe-Steckplatz

Mehr als nur Speicher: Eine Plattform, die für Erweiterungen konzipiert ist

Der ZimaCube 2 wird einsatzbereit geliefert, aber die eigentliche Geschichte ist, was Sie später hinzufügen können:

Integriert

6 × SATA-Einschübe
4 × M.2 NVMe-Steckplätze
8GB DDR5 SODIMM
Duales 2,5Gb Ethernet
Metallgehäuse mit aktiver Kühlung

Erweiterbar

Zusätzlicher NVMe-Steckplatz auf dem Motherboard
PCIe-Erweiterungssteckplatz (GPU/KI/Speicher/Netzwerk)
Aufrüstbarer SODIMM DDR5 RAM
Standardmäßig austauschbare Komponenten

Das ist eine der größten Stärken des Systems: es wächst mit Ihren Infrastrukturbedürfnissen. Sie müssen nicht alles auf einmal kaufen. Sie starten mit dem, was Sie brauchen, und erweitern, wenn Sie bereit sind.

Lokale KI: Warum sie für Homelabs wichtig ist

Eines meiner langfristigen Ziele ist es, mehr KI-Workloads lokal auszuführen. Nicht weil Cloud-KI schlecht ist — sondern weil lokale KI etwas anderes bietet:

Datenschutz — Ihre Daten verlassen niemals Ihr Netzwerk
Kostentransparenz — Keine Preisgestaltung pro Token, keine API-Rechnungen am Monatsende
Experimentierfreiheit — Modelle ausprobieren, Dinge kaputt machen, neu starten — ohne sich um Cloud-Kosten sorgen zu müssen
Offline-Fähigkeit — KI, die funktioniert, wenn Ihr Internet ausfällt
Lernen — Verstehen, wie Modelle tatsächlich funktionieren, indem man sie selbst ausführt

Der ZimaCube 2 bietet mir eine Plattform, auf der ich all dies ausprobieren kann — Ollama für lokale LLMs, KI-unterstützte Entwicklungs-Workflows, Bildanalyse-Pipelines, Inferenz-Workloads und selbstgehostete KI-Tools — ohne vollständig auf Cloud-Infrastruktur angewiesen zu sein.

Featured

ZimaCube 2 Persönliche Cloud Heim-NAS

ZimaCube2

Was Sie heute ausführen können (ohne GPU)

Schon bevor eine dedizierte GPU hinzugefügt wird, bietet der ZimaCube 2 eine starke Grundlage für KI-Experimente:

🤖 Ollama + kleinere Modelle – Das Standard-System kann quantisierte 7B–8B Parameter-Modelle problemlos ausführen. Denken Sie an Llama 3, Mistral und Phi-Klassen-Modelle für Chat, Code-Unterstützung und Textanalyse.

💻 KI-unterstützte Entwicklung – Kombinieren Sie Ollama mit Tools wie Continue.dev oder Cody, und Sie erhalten einen lokalen KI-Coding-Assistenten, der vollständig offline arbeitet. Keine API-Schlüssel, keine Nutzungslimits, keine Datenschutzbedenken.

📄 Dokumentenanalyse & RAG – Mit den ZFS-Speicherpools können Sie lokale RAG (Retrieval Augmented Generation)-Pipelines aufbauen – füttern Sie Ihre Dokumente, Notizen und Datensätze in eine lokale Vektordatenbank und fragen Sie sie mit einem auf demselben Gerät laufenden LLM ab.

🎁 Automatisierung & Skripting – Lokale LLMs sind hervorragend für strukturierte Aufgaben geeignet – Klassifikation, Zusammenfassung, Extraktion. Binden Sie Ollama in Ihre bestehenden Docker-Workflows ein und automatisieren Sie Textverarbeitungspipelines, die zuvor Cloud-APIs benötigten.

ZimaCube 2 interne Hardware-Anordnung, passiver CPU-Kühler, PCIe-Erweiterungsslot und onboard NVMe-Slots

Der GPU-Upgrade-Pfad

Der PCIe-Erweiterungsslot wird langfristig interessant. Das Hinzufügen einer GPU – selbst einer bescheidenen – verwandelt den ZimaCube 2 in einen echten lokalen KI-Server:

Größere Modelle – Führen Sie 13B–34B Parameter-Modelle mit GPU-Offloading aus
Schnellere Inferenz – 10–50× Beschleunigung bei der Token-Generierung
Medien-Transkodierung – Hardwarebeschleunigte Plex/Jellyfin-Transkodierung
Bildgenerierung – Stable Diffusion und ähnliche Modelle
Multi-Model-Serving – Führen Sie verschiedene Modelle für unterschiedliche Aufgaben gleichzeitig aus

🔌 Der Slot unterstützt standardmäßige PCIe-Karten – keine proprietären Formfaktoren, kein Vendor-Lock-in. Sie wählen die GPU, die Ihren Bedürfnissen und Ihrem Budget entspricht.

Warum diese Architektur wichtig ist

Moderne Homelabs überschneiden sich zunehmend mit KI-Workloads, lokaler Inferenz, Medien-Transkodierung, Container-Orchestrierung und Edge-Computing.

Der ZimaCube 2 wirkt so, als sei er mit dieser Zukunft im Blick entworfen worden. Er ist kein geschlossenes Gerät, bei dem man ein neues kaufen muss, wenn sich die Anforderungen ändern. Er ist eine Plattform, die sagt: „Hier ist, was du jetzt brauchst, hier ist Platz für das, was du später willst.“

Für mich ist das der Unterschied zwischen einem Gadget und Infrastruktur.

Thermischer Realitätscheck: Kann es eine GPU handhaben?

Eine natürliche Frage: Kann ein kompaktes, leises System thermisch tatsächlich eine GPU bewältigen?

Die Antwort hängt von der GPU ab, aber die Grundlagen sind solide:

Das Metallgehäuse wirkt als Kühlkörper
Das Luftstromdesign ist gezielt (kein nachträglicher Gedanke)
Die interne Anordnung der Komponenten lässt Raum für den Luftstrombedarf einer PCIe-Karte

Das System bewältigt bereits kontinuierliche Docker-, ZFS- und Netzwerk-Workloads und bleibt dabei kühl. Das thermische Design bietet Spielraum.

Häufig gestellte Fragen

F1: Kann der ZimaCube 2 Ollama ausführen?

Ja. Die Standardkonfiguration kann quantisierte 7B–8B Parameter-Modelle (Llama 3, Mistral, Phi) problemlos für Chat, Code-Unterstützung und Textanalyse ausführen. Mit einer über PCIe hinzugefügten GPU können Sie größere Modelle mit deutlich schnellerer Inferenz betreiben.

F2: Hat der ZimaCube 2 einen PCIe-Steckplatz für eine GPU?

Ja. Der ZimaCube 2 verfügt über einen PCIe-Erweiterungssteckplatz, der Standard-GPUs, KI-Beschleuniger, zusätzliche Speicher- und Netzwerkkarten unterstützt. Keine proprietären Formfaktoren oder Herstellerbindung.

F3: Was kann ich mit lokaler KI auf einem NAS machen?

Lokale KI auf einem NAS ermöglicht private Chat-Assistenten, KI-unterstütztes Programmieren (mit Tools wie Continue.dev), Dokumentenanalyse mit RAG-Pipelines, automatisierte Textverarbeitung und -klassifikation, Bildanalyse und Experimente ohne Kosten für Cloud-APIs.

F4: Wie viele NVMe-Steckplätze hat der ZimaCube 2?

Das System verfügt über 4× M.2 NVMe-Steckplätze sowie einen zusätzlichen NVMe-Steckplatz auf dem Motherboard (ursprünglich für das Betriebssystemlaufwerk), der für gespiegelte OS-Laufwerke, dedizierten Docker-Speicher oder Cache-Ebenen verwendet werden kann.

F5: Kann ich den RAM später aufrüsten?

Ja. Der ZimaCube 2 verwendet standardmäßigen SODIMM DDR5-RAM, der vom Benutzer ausgetauscht werden kann. Die werkseitige 8-GB-Konfiguration bewältigt Container-Workloads gut, und Sie können aufrüsten, wenn Ihr Bedarf wächst.

F6: Ist der ZimaCube 2 thermisch in der Lage, eine GPU zu betreiben?

Ja. Das Metallgehäuse, das gezielte Luftstromdesign und die interne Anordnung der Komponenten unterstützen den Luftstrom für PCIe-Karten. Das System bewältigt kontinuierliche Arbeitslasten und bleibt dabei kühl, und das thermische Design bietet Spielraum für Erweiterungen.