ASUS ROG Zephyrus G14 (2022) Test: 8 GB RTX 3080 in einem 1,7 kg AI-Laptop
Für wen ist dieser Laptop?
Das ASUS ROG Zephyrus G14 (2022) ist der portabelste 8-GB-KI-Laptop auf dem Gebrauchtmarkt. Während jede andere 8-GB-Maschine, die wir empfehlen, ein 2,3–2,9 kg schwerer Desktop-Ersatz ist, quetscht das G14 eine RTX 3080 Laptop-GPU mit 8 GB GDDR6 und einen Ryzen 9 6900HS in ein 1,7 kg leichtes 14-Zoll-Gehäuse, das man tatsächlich täglich tragen kann. Für alle, die echte CUDA-Rechenleistung wollen — SDXL, FLUX, 13B-LLMs auf der GPU — ohne eine Workstation zu schleppen, ist das die erste Wahl.
Studierende (Budget: €700–€980)
Das ist eine hervorragende Maschine für Abschlussarbeiten oder Forschung. 8 GB VRAM lassen Stable Diffusion XL komfortabel laufen und die meisten 7B/13B-LLMs auf der GPU, sodass Kursarbeiten in Computer Vision oder generativer KI wirklich praktikabel sind. Der 14-Zoll-Formfaktor passt in den Rucksack und hält im Akkubetrieb für die Arbeit im Hörsaal durch, wie es kein Gaming-Brocken kann. Gebraucht kostet es mehr als ein ThinkPad mit integrierter Grafik, aber man bekommt eine echte GPU — siehe das ThinkPad T14 Gen 3, falls dein Budget nicht reicht und du nur CPU-Inferenz brauchst.
ML-Engineers & Data Scientists
Eine starke portable Inferenz-Box. Die RTX 3080 Laptop ist eine schnelle 8-GB-Consumer-GPU — beim reinen Diffusion-Durchsatz schneller als die Workstation-A4000 8 GB dank höherer Taktraten und aggressiverer Leistungsaufnahme. SDXL, ComfyUI-Graphen, FLUX.1 mit Quantisierung und 13B-LLMs in Q4 laufen allesamt gut. Die Grenze ist dieselbe 8-GB-Decke, auf die jede Consumer-Karte stößt: FLUX in voller Präzision und ernsthaftes Fine-Tuning brauchen 16 GB — dafür ist das ThinkPad P15 Gen 2 die Gebrauchtmarkt-Antwort.
Kleine Teams & Startups
Wenn dein Team eine Maschine braucht, die Demos im Meetingraum macht und am Schreibtisch Bilder generiert, ist das G14 einzigartig flexibel. Es ist nicht ISV-zertifiziert wie ein ZBook oder ThinkPad P, und der Consumer-GPU fehlt ECC, aber für Prototyping und Inferenz boxt es weit über seinem Gewicht und seiner Größe. Nimm das 240-W-Netzteil für anhaltende GPU-Arbeit mit.
What can it actually run?
| Task | Works? | Notes |
|---|---|---|
| GitHub Copilot / Cursor AI | ✅ Yes | API-based, runs perfectly |
| Whisper transcription (local) | ✅ Yes | large-v3 at ~1.3× realtime (GPU-accelerated) |
| Ollama 7B | ✅ Yes | Fully GPU-resident. ~45–55 tok/s (estimated) |
| Ollama 13B | ✅ Yes | Q4 fits in 8 GB at moderate context. ~18–24 tok/s (estimated) |
| Stable Diffusion XL | ✅ Yes | ~10–16s per 1024×1024 image at 20 steps |
| ComfyUI / FLUX.1 | ⚠️ Tight | FLUX runs quantised (Q8/Q4) on 8 GB; full precision will not |
| Fine-tuning (QLoRA 7B) | ⚠️ Tight | Small-batch 7B QLoRA only; 13B and SDXL LoRA want 16 GB |
Key:
- ✅ Yes — works well
- ⚠️ Possible but slow — usable with patience
- ❌ No — hardware limitation prevents this
Full Specifications
| Component | Specification |
|---|---|
| CPU | AMD Ryzen 9 6900HS (8C/16T) |
| CPU Generation | AMD Zen 3+ (Rembrandt, 6 nm, 2022) |
| RAM | 32 GB DDR5-4800 (16 GB soldered + 1× SO-DIMM) |
| Storage | 1 TB NVMe Gen 4 (1× M.2 2280) |
| GPU | NVIDIA GeForce RTX 3080 Laptop (8 GB GDDR6, 105W) |
| VRAM | 8 GB GDDR6 (dedicated) |
| Display | 14” 2560×1600 IPS, 120 Hz (config-dependent) |
| Battery | 76 Wh |
| Weight | 1.72 kg |
| TDP | 35W CPU + up to 105W GPU (with Dynamic Boost) |
| AI Score | 79/100 |
Mobile vs. Desktop: die 8 GB, die du tatsächlich bekommst
Auf dem Schild steht „RTX 3080” — derselbe Name wie eine Desktop-Karte, die mit 10 GB oder 12 GB ausgeliefert wurde. Die RTX 3080 Laptop-GPU im G14 hat 8 GB, einen anderen GA104-Die und ein 105-W-Leistungslimit gegenüber 320 W+ auf dem Desktop. Für KI ist diese Unterscheidung alles: VRAM ist die harte Wand, die entscheidet, ob ein Modell überhaupt lädt. 8 GB sind ein wirklich nützlicher Wert — sie verdoppeln eine 4-GB-Einsteigerkarte und überspringen die Hürde für SDXL und quantisiertes FLUX — aber es sind nicht die 10–12 GB, die ein „3080”-Käufer vermuten könnte. Lies immer die Laptop-VRAM-Spezifikation, nie den Desktop-Namen. Die vollständige Begründung steht in unserem Guide Was ist VRAM und warum ist es für KI wichtig, und die Quantisierungs-Mathematik in GGUF-Quantisierung erklärt.
KI-Leistung in der Praxis
Die RTX 3080 Laptop ist eine der schnelleren 8-GB-GPUs, die man gebraucht kaufen kann. Mit 6144 CUDA-Kernen bei hohen Taktraten und Dynamic Boost, der die GPU auf 105 W schiebt, übertrifft sie bei Diffusion die Workstation-Klasse A4000 8 GB im Durchsatz: Erwarte SDXL in etwa 10–16 Sekunden pro 1024×1024-Bild bei 20 Schritten. ComfyUI-Graphen laufen flüssig, bis du ControlNet plus einen Refiner plus hohe Auflösung stapelst — an diesem Punkt werden 8 GB zur Grenze.
Bei LLMs sind 7B-Modelle vollständig GPU-resident und schnell (geschätzte 45–55 tok/s in Q4), und 13B passt in Q4 bei moderatem Kontext — siehe die modellweise Aufschlüsselung in unserem Ollama-Laptop-Anforderungen-Guide. FLUX.1 läuft in quantisierter Form (Q8 oder Q4 via GGUF); FLUX in voller Präzision braucht die 16 GB, die du nur im P15 Gen 2 findest.
Thermisches Verhalten
Der größte Kompromiss des G14 ist die Thermik. ASUS hat für ein 14-Zoll-Gehäuse einen bemerkenswerten Kühler entwickelt — Liquid Metal auf der CPU, eine Vapor Chamber — aber die Physik gilt weiterhin: Unter anhaltender kombinierter CPU+GPU-Last läuft die GPU warm und die Taktraten pendeln sich unter dem 105-W-Spitzenwert ein. Für Burst-Generierung (eine Bilder-Batch, ein Transkriptions-Job) hält sie sich gut; für stundenlange Trainingsläufe hält ein dickeres Gehäuse wie das HP ZBook Fury 15 G8 mehr aus. Die Lüfter sind unter Volllast laut, wie bei jedem dünnen Gaming-Laptop.
Akkulaufzeit unter KI-Last
Der 76-Wh-Akku ist groß für diese Größe und bietet eine wirklich gute Allgemein-Laufzeit (6–9 Stunden leichte Arbeit) — eine Seltenheit unter GPU-Laptops. Aber KI-Last ist brutal: Anhaltende GPU-Inferenz entleert ihn in etwa 60–80 Minuten, und die GPU drosselt im Akkubetrieb ohnehin stark. Führe KI-Arbeit am 240-W-Netzteil aus; nutze den Akku für Programmierung und API-basierte Tools.
Was vor dem Kauf prüfen (gebraucht)
Bestätige die RTX 3080 8 GB — nicht die 3060-6-GB-Variante Das 2022er G14 (GA402) wurde mit RTX 3060 (6 GB), 3070 Ti (8 GB) und 3080 (8 GB) angeboten. Für KI willst du 8 GB. Verifiziere „RTX 3080 Laptop” oder „3070 Ti Laptop” und 8 GB in GPU-Z und bestehe auf einem Screenshot — eine 6-GB-Einheit ist eine deutlich schwächere KI-Maschine zum ähnlichen Preis.
RAM-Konfiguration (teilweise verlötet) Das G14 hat 16 GB verlötet plus einen SO-DIMM-Steckplatz. Bestätige die Gesamtsumme (32 GB ist das sinnvolle Ziel) und denke daran, dass du nur den einzelnen Steckplatz aufrüsten kannst — über 32 GB hinaus gibt es keinen Weg.
Wärmeleitpaste und Lüfter-Zustand Diese laufen heiß und sind 3+ Jahre alt. Frage, ob Paste/Liquid Metal gewartet wurde, und horche auf Lüfter-Rasseln. Führe einen 15-minütigen FurMark-Stresstest durch, falls möglich, und achte auf thermisches Throttling unter ~90 °C.
Akku-Verschleiß und Netzteil
Bestätige, dass das originale 240-W-Barrel-Netzteil enthalten ist (USB-C PD hält GPU-Last nicht aufrecht). Führe powercfg /batteryreport aus — ein viel genutztes G14 kann bei 80 % der Design-Kapazität liegen.
Wo in Deutschland kaufen
Back Market DE — Die zuverlässigste geprüfte Quelle für G14-Einheiten, typischerweise €700–€980 mit 12 Monaten Garantie. Filtere explizit nach der RTX 3080 / 8-GB-Konfiguration.
Rebuy — Listet gelegentlich generalüberholte G14s und Open-Box-Einheiten ab €680. Verifiziere die GPU-Stufe — 6-GB-3060-Modelle sind häufig und aus gutem Grund günstiger.
eBay — Beste Preise (€700–€940) und die größte Auswahl, oft von Creatorn, die aufrüsten. Verlange immer einen GPU-Z-Screenshot, der die 8-GB-GPU bestätigt, und prüfe Fotos zur Akku-Gesundheit.
Was zu vermeiden ist: Jedes G14-Inserat, das nur „RTX 3080” ohne „Laptop” und eine VRAM-Angabe nennt oder die GPU-Stufe ganz auslässt. Ein 6-GB-3060-G14 ist ein anderer, günstigerer Laptop.
Fazit
AI Score: 79/100 — Pro AI
Das ASUS ROG Zephyrus G14 (2022) ist die portable 8-GB-Option in unserer Auswahl — die einzige Maschine, die dir eine schnelle CUDA-GPU, SDXL, quantisiertes FLUX und 13B-LLMs in einem Gehäuse bietet, das du ins Café tragen kannst. Die RTX 3080 Laptop ist schnell, die 32 GB DDR5 und die 1 TB Gen-4-SSD sind gut abgestimmt, und gebraucht bei €700–€980 ist es weit günstiger als jedes neue 8-GB-Ultrabook.
Die Kompromisse sind Thermik und VRAM. Das dünne Gehäuse drosselt bei langen anhaltenden Lasten, und 8 GB können weiterhin kein FLUX in voller Präzision oder komfortables Fine-Tuning. Aber für portable Inferenz und Bildgenerierung ist gebraucht nichts anderes so leistungsfähig bei diesem Gewicht.
Kaufen, wenn: Du echte GPU-KI willst — SDXL, FLUX, 13B-LLMs — in einem Laptop, den du täglich trägst, und du thermische Grenzen bei langen Läufen akzeptierst.
Nicht kaufen, wenn: Du FLUX in voller Präzision oder Fine-Tuning brauchst (nimm das ThinkPad P15 Gen 2, 16 GB) oder anhaltende Workstation-Thermik willst (das HP ZBook Fury 15 G8 hält Taktraten länger). Vergleiche die gesamte dGPU-Palette in unseren Übersichten beste gebrauchte Laptops für lokale LLMs und beste gebrauchte Laptops für Stable Diffusion.