Wer sich mit der Beschaffung von KI-Infrastruktur beschäftigt, stolpert früh über ein Begriffspaar, das selbst erfahrene IT-Einkäufer verwirrt: NVIDIA DGX und NVIDIA HGX. Beide gibt es mit denselben GPUs – etwa als DGX B200 und HGX B200 oder als DGX B300 und HGX B300 –, beide vereinen acht GPUs in einem System, und beide liefern auf dem Papier nahezu identische Rechenleistung. Wer bei Google nach „NVIDIA B200" sucht, bekommt eine Mischung aus GPU-Chips, HGX-Plattformen und DGX-Systemen präsentiert, die trotz gleicher Namensbausteine drei verschiedene Produktklassen sind.

Der Unterschied liegt nicht in der Leistung, sondern im Konzept – und er entscheidet über Flexibilität, Verantwortung, Support und letztlich den Preis. Dieser Beitrag klärt die Abgrenzung präzise und zeigt am Beispiel der aktuellen Blackwell-Generationen B200 und B300, welche Variante für welchen Einsatzzweck die richtige ist.

Die Kurzfassung: Komplettsystem vs. Bauplattform

Die einfachste Eselsbrücke lautet: DGX ist das fertige Auto, HGX ist der Motor mit Getriebe.

Ein DGX-System ist NVIDIAs eigenes, vollständiges und schlüsselfertiges KI-System. Es enthält neben den acht GPUs alles, was ein produktives System braucht: CPUs, Arbeitsspeicher, NVMe-Speicher, Netzwerkkarten, NVSwitch-Interconnect, ein abgestimmtes Gehäuse mit Kühlung – und vor allem den kompletten NVIDIA-Software-Stack mit DGX OS, Base Command und NVIDIA AI Enterprise inklusive Enterprise-Support. NVIDIA definiert jede Komponente selbst; der Kunde kauft ein validiertes Gesamtpaket aus einer Hand.

Eine HGX-Plattform ist dagegen das standardisierte Baseboard, das NVIDIA an Serverhersteller (OEMs) wie Dell, Supermicro, Lenovo oder HPE liefert. Es vereint die acht GPUs mit dem NVLink/NVSwitch-Interconnect – also das Herzstück –, während der OEM oder ein Systemhaus den Rest baut: Gehäuse, CPU-Wahl, Arbeitsspeicher, Storage, Netzwerk, Kühlung (Luft oder Flüssigkeit) und Stromversorgung. Das Ergebnis ist ein Server wie etwa Dells PowerEdge XE9780 oder ein Supermicro-HGX-System – gleiche GPU-Leistung, aber individuell konfigurierbar.

Wichtig zu verstehen: Die reine GPU-Rechenleistung ist bei DGX und HGX derselben Generation praktisch identisch, denn es stecken dieselben GPU-Module und derselbe Interconnect darin. Der Unterschied liegt in allem drumherum.

Die Hardware-Basis: B200 und B300 im Überblick

Bevor wir DGX und HGX gegeneinanderstellen, kurz zu den beiden GPU-Generationen, um die es aktuell geht.

Die B200 ist NVIDIAs Blackwell-GPU mit 180 GB HBM3e-Speicher pro GPU und rund 8 TB/s Speicherbandbreite. Ein 8-GPU-System kommt damit auf etwa 1,4 Terabyte GPU-Gesamtspeicher. Das DGX B200 liefert laut NVIDIA 72 PetaFLOPS FP8-Trainingsleistung und 144 PetaFLOPS FP4-Inferenzleistung. Ein wichtiges Detail für HPC-Anwender: Die B200 bietet noch nennenswerte FP64-Leistung für klassisches wissenschaftliches Rechnen.

Die B300 (Blackwell Ultra) ist die Ausbaustufe mit Fokus auf Inferenz: 288 GB HBM3e pro GPU – 50 Prozent mehr als die B200 –, im 8-GPU-System also rund 2,3 TB roher beziehungsweise 2,1 TB nutzbarer GPU-Speicher. NVIDIA gibt die 1,5-fache dichte FP4-Leistung und die doppelte Attention-Leistung gegenüber der B200 an; die Produktseite nennt für das DGX B300 inzwischen bis zu 192 PetaFLOPS Inferenz- und 70 PetaFLOPS Trainingsleistung, während Datenblätter üblicherweise 144 PetaFLOPS (sparse FP4) listen – die Differenz erklärt sich durch unterschiedliche Zählweisen und Software-Optimierungen. Der Preis des Fortschritts: Die TDP steigt auf 1.400 Watt je GPU, das Gesamtsystem zieht rund 14 Kilowatt. Die FP64-Leistung wurde zugunsten der Inferenz drastisch reduziert – die B300 ist ein Spezialist, kein Allrounder.

Die Faustregel zwischen den Generationen: B300 wählen, wenn Speicher der Engpass ist (sehr große Modelle, lange Kontexte, viele parallele Inferenz-Sitzungen). B200 wählen, wenn die Speicher-Reserve nicht gebraucht wird oder FP64 für Simulationen relevant ist.

DGX im Detail: das validierte Gesamtsystem

Was macht ein DGX konkret aus? Am Beispiel des DGX B300: Neben den acht Blackwell-Ultra-GPUs stecken Intel-Xeon-6776P-Prozessoren, NVSwitches mit hoher bidirektionaler Bandbreite, schnelle NVMe-Bestückung, BlueField-DPUs und ConnectX-Netzwerkadapter in einem von NVIDIA definierten Chassis. Beim DGX B200 ist der Aufbau analog mit der B200-Bestückung und 1,4 TB GPU-Speicher.

Der eigentliche Wert liegt aber in dem, was man nicht anfassen kann. DGX-Systeme kommen mit dem kompletten, getesteten NVIDIA-Software-Stack: einem KI-optimierten Betriebssystem, Base Command für das Cluster-Management, NVIDIA AI Enterprise mit vortrainierten Modellen und Frameworks – plus Enterprise-Support und Zugang zu NVIDIAs Fachexpertise. DGX ist zudem der Baustein, aus dem NVIDIA seine BasePOD- und SuperPOD-Referenzarchitekturen baut; wer später auf viele Systeme skalieren will, bewegt sich auf einem vorgezeichneten, validierten Pfad.

Die Kehrseite: DGX ist ein „Blackbox"-Ansatz. Die Konfiguration ist weitgehend fix – wer andere CPUs, mehr Storage oder eine spezielle Netzwerkkonfiguration möchte, hat kaum Spielraum. Und der Komfort hat seinen Preis, denn das validierte Gesamtpaket ist in der Regel teurer als eine vergleichbare HGX-Lösung.

HGX im Detail: die konfigurierbare Alternative

Die HGX-Plattform dreht das Konzept um. Beim HGX B300 oder HGX B200 liefert NVIDIA das GPU-Baseboard mit NVLink/NVSwitch; alles Weitere bestimmt der Hersteller oder das konfigurierende Systemhaus gemeinsam mit dem Kunden. Das eröffnet Gestaltungsspielräume, die beim DGX nicht existieren: die CPU-Plattform nach Workload wählen (etwa mehr Kerne für Preprocessing), Storage nach Bedarf dimensionieren, das Netzwerk an die vorhandene Infrastruktur anpassen und – zunehmend wichtig – zwischen Luft- und Flüssigkeitskühlung entscheiden. Zur Einordnung der Dimension: OEM-Rack-Beispiele reichen von 32 B300-GPUs pro luftgekühltem Rack bis zu 64 GPUs pro flüssigkeitsgekühltem Rack.

HGX-basierte Systeme sind dadurch oft flexibler und je nach Konfiguration günstiger als DGX. Die Kehrseite ist gespiegelte Verantwortung: Integration, Software-Stack, Treiber-Abstimmung und Support-Wege liegen beim OEM beziehungsweise Systemhaus statt komplett bei NVIDIA. Genau hier entscheidet sich in der Praxis die Qualität – ein sauber konfiguriertes und supportetes HGX-System steht einem DGX funktional in nichts nach, ein schlecht integriertes kann teuer werden.

Entscheidungshilfe: Wann DGX, wann HGX?

Aus den Unterschieden ergibt sich eine recht klare Entscheidungslogik, die sich mit der Beratungspraxis von Systemhäusern wie Nelpx deckt, die beide Welten anbieten.

DGX ist die richtige Wahl, wenn Zeit bis zur Produktivität und minimales Integrationsrisiko im Vordergrund stehen – typischerweise bei Unternehmen ohne großes eigenes HPC-Team, bei geplanter Skalierung entlang der SuperPOD-Referenzarchitektur oder wenn ein einziger Support-Ansprechpartner (NVIDIA) gefordert ist. Man zahlt einen Aufpreis für Validierung, Software und Verantwortungsübernahme.

HGX ist die richtige Wahl, wenn Flexibilität, Anpassung an bestehende Infrastruktur oder Budget-Optimierung zählen – etwa wenn eine bestimmte CPU-Plattform, spezielles Storage-Design, Flüssigkeitskühlung oder die Integration in vorhandene Rack- und Netzwerkkonzepte gefragt ist. Voraussetzung ist ein kompetenter Partner, der Konfiguration, Integration und Support trägt.

Quer dazu liegt die Generationenfrage: Ob DGX oder HGX – die Wahl zwischen B200 und B300 folgt dem Workload. Inferenz-lastige Szenarien mit sehr großen Modellen sprechen für die B300 und ihren Speichervorsprung; gemischte Workloads, FP64-Bedarf oder ein engeres Budget sprechen für die B200. Nicht zu vergessen: Die B300 stellt mit rund 14 Kilowatt pro System spürbar höhere Anforderungen an Strom und Kühlung – ein Punkt, der in die Standortplanung gehört, bevor bestellt wird.

Fazit

DGX und HGX sind keine Konkurrenten, sondern zwei Antworten auf unterschiedliche Fragen. DGX beantwortet die Frage „Wie komme ich mit minimalem Risiko und maximalem Support schnell zu einer produktiven KI-Infrastruktur?". HGX beantwortet die Frage „Wie baue ich ein System, das exakt zu meiner Umgebung, meinem Workload und meinem Budget passt?". Die GPU-Leistung ist bei gleicher Generation identisch – bezahlt wird beim DGX die Validierung und Verantwortungsübernahme, beim HGX die Freiheit samt der Pflicht, sie kompetent zu nutzen.

Die ehrliche Empfehlung lautet deshalb: Die Entscheidung nicht an der Plattform festmachen, sondern am eigenen Team, der vorhandenen Infrastruktur und dem Nutzungsprofil. Wer beides sauber durchrechnet – idealerweise mit einem Partner, der beide Welten kennt –, landet fast automatisch bei der richtigen Variante. Und egal ob DGX oder HGX: Die Frage „B200 oder B300" verdient dieselbe Sorgfalt, denn der Speichervorsprung der B300 ist nur dann sein Geld wert, wenn der Workload ihn tatsächlich ausschöpft.

Häufig gestellte Fragen (FAQ)

Was ist der Hauptunterschied zwischen NVIDIA DGX und HGX?

DGX ist NVIDIAs eigenes, schlüsselfertiges Komplettsystem inklusive CPUs, Storage, Netzwerk, Software-Stack und Enterprise-Support. HGX ist das standardisierte 8-GPU-Baseboard mit NVLink/NVSwitch, das Serverhersteller und Systemhäuser in eigene, individuell konfigurierte Server integrieren. Die GPU-Leistung ist identisch – der Unterschied liegt in Flexibilität, Verantwortung und Support-Modell.

Ist ein HGX-System langsamer als ein DGX-System?

Nein. Bei gleicher GPU-Generation (etwa B300) stecken in beiden dieselben GPU-Module und derselbe NVSwitch-Interconnect, die Rechenleistung ist praktisch identisch. Unterschiede in der Praxis entstehen durch die Qualität der Integration – CPU-Wahl, Kühlung, Storage- und Netzwerkdesign –, nicht durch die Plattform selbst.

Was kostet mehr: DGX oder HGX?

In der Regel ist das DGX bei vergleichbarer Bestückung teurer, weil der Preis das validierte Gesamtsystem, den kompletten Software-Stack und den NVIDIA-Enterprise-Support enthält. HGX-basierte Systeme sind je nach Konfiguration günstiger, verlagern aber Integrations- und Support-Verantwortung zum OEM oder Systemhaus. Konkrete Preise hängen stark von Konfiguration und Marktlage ab.

Worin unterscheiden sich B200 und B300?

Die B300 (Blackwell Ultra) bietet 288 statt 180 GB HBM3e pro GPU, laut NVIDIA die 1,5-fache dichte FP4-Leistung und doppelte Attention-Leistung – bei höherer Leistungsaufnahme (1.400 W TDP je GPU) und stark reduzierter FP64-Leistung. Die B200 bleibt für gemischte Workloads und klassisches HPC mit FP64-Bedarf relevant. Faustregel: B300 bei Speicher-Engpass, B200 wenn die Reserve nicht gebraucht wird.

Für wen lohnt sich ein DGX B300 oder DGX B200?

Für Organisationen, die schnell produktiv werden müssen, kein großes eigenes HPC-Team haben oder entlang der NVIDIA-Referenzarchitekturen (BasePOD/SuperPOD) skalieren wollen. Das validierte Gesamtpaket mit einem Support-Ansprechpartner minimiert Integrationsrisiko – zum Preis geringerer Flexibilität bei der Konfiguration.

Für wen lohnt sich ein HGX B300 oder HGX B200?

Für Unternehmen, die ihre Infrastruktur anpassen wollen oder müssen: eigene CPU-Präferenz, spezielles Storage-Design, Flüssigkeitskühlung, Integration in bestehende Rack- und Netzwerkkonzepte oder Budget-Optimierung. Voraussetzung ist ein kompetenter Integrationspartner, der Konfiguration und Support verantwortet.

Welche Rolle spielt die Kühlung bei der Entscheidung?

Eine wachsende. Ein 8-GPU-B300-System zieht unter Volllast rund 14 Kilowatt; OEM-Beispiele reichen von 32 GPUs pro luftgekühltem bis 64 GPUs pro flüssigkeitsgekühltem Rack. Bei HGX lässt sich das Kühlkonzept frei wählen und an das Rechenzentrum anpassen, beim DGX ist es von NVIDIA vorgegeben. Strom- und Kühlplanung sollten vor der Bestellung geklärt sein.

Kann man DGX- und HGX-Systeme mischen?

Technisch laufen beide mit demselben CUDA-Software-Ökosystem und können im selben Netzwerk koexistieren. In der Praxis empfiehlt sich für homogene Cluster jedoch eine einheitliche Plattform, um Management, Firmware-Stände und Support-Wege konsistent zu halten. Bei größeren Deployments lohnt die frühzeitige Architektur-Beratung.

Quellen

  • NVIDIA: offizielle Produktseiten und Dokumentation zu DGX B200, DGX B300 und HGX-Plattformen – Primärquelle für Leistungsdaten
  • Nelpx GmbH: Produkt- und Konfigurationsseiten zu DGX B300, DGX B200, HGX B300 und HGX B200 sowie Beratungspraxis (Juni 2026)
  • Civo: „NVIDIA DGX vs. NVIDIA HGX: What is the difference?" – Plattform-Abgrenzung, OEM-Beispiele
  • Modal: „Decoding Nvidia's Blackwell Products" – Produktklassen-Systematik
  • server-parts.eu: „NVIDIA B200, HGX B200, DGX B200 & GB200 Comparison" – Systemarchitektur-Vergleich
  • Runpod: „NVIDIA B200 GPU: Specs & Benchmarks" – B200-Einzeldaten (180 GB, 8 TB/s)
  • Tom's Hardware / Spheron / DigitalOcean: B300-Generationsdaten, TDP, Rack-Beispiele
  • newshub42.de: „NVIDIA DGX B300: Was die 8-GPU-KI-Maschine kann" (interner Bezug)