Microsoft-Vize baut Gratis-Tool, das zeigt, wer den Grafikspeicher frisst

Worum es geht

Wer KI-Modelle auf dem eigenen Rechner laufen lässt, kennt das Problem: Der Grafikspeicher (VRAM) der Grafikkarte ist knapp und entscheidet darüber, welche Modelle überhaupt passen. Der Windows-Taskmanager zeigt dazu aber nur grobe Werte, etwa „15 GB belegt“. Wie viel davon auf das KI-Modell entfällt, wie viel auf seinen Zwischenspeicher und wie viel auf den Webbrowser, verrät er nicht.

Genau diese Lücke will gputaskman schließen. Entwickelt hat es Scott Hanselman, Vizepräsident und Member of Technical Staff bei Microsoft und GitHub und eines der bekanntesten Gesichter der Microsoft-Entwicklerszene. Am 3. November 2026 kündigte er das Projekt auf X an:

„In meiner GPU ist eine Menge los. Ich baue einen GPU-Taskmanager, um zu sehen, wohin mein Grafikspeicher geht. Pull Requests willkommen.“

Das Tool ist kostenlos und quelloffen unter der freizügigen MIT-Lizenz auf GitHub zu haben. In seiner Projektbeschreibung nennt Hanselman es „ein htop für das, was in deiner GPU steckt, nicht nur dafür, wie voll sie ist“. htop ist ein beliebtes Linux-Programm, das laufende Prozesse und ihre Auslastung im Terminal anzeigt.

Was der Windows-Taskmanager nicht kann

Laut Betanews zeigt der Windows-Taskmanager im Reiter „Leistung“ die Gesamtlast, die Auslastung und die Temperatur der Grafikkarte. Speicherspalten für einzelne Prozesse lassen sich unter „Details“ zwar einblenden, die Einstellung ist aber versteckt und sagt wenig über die Programme aus. Besitzer von NVIDIA-Karten können zusätzlich die „NVIDIA GPU Activity“-Anzeige in die Taskleiste holen. Sie nennt aber nur, welche Prozesse gerade die Grafikkarte nutzen. Für tiefere Einblicke waren bislang meist PowerShell-Befehle nötig.

Was gputaskman anzeigt

Das Programm läuft im Terminal, also im Textfenster der Kommandozeile, und hat mehrere Ansichten:

• Geräteansicht: Diagramme für VRAM-Belegung, Temperatur, GPU- und Speicheraktivität, Stromverbrauch und PCIe-Verkehr, also die Daten, die zwischen Grafikkarte und restlichem PC hin- und hergehen. Dazu kommen Taktraten, die Aktivität der Video-Kodierung und -Dekodierung sowie Verlaufsgrafiken. Bei Rechnern mit mehreren Grafikkarten bekommt jede ihre eigene Diagrammgruppe.
• Prozessansicht: Jeder Prozess, der die GPU nutzt, bekommt eine eigene Zeile mit lokal belegtem VRAM. Hinzu kommt der Arbeitsspeicher, auf den die GPU zugreifen kann, markiert als „Spill“, also Daten, die aus dem VRAM in den normalen Arbeitsspeicher „überlaufen“. Eine Schätzung des ausgelagerten Speichers erscheint als „Paged“. Außerdem zeigt die Ansicht die Last auf den Einheiten für 3D, Compute (allgemeine Berechnungen, etwa für KI), Copy und Video. Das Tool erkennt, welche Laufzeitumgebung ein Prozess nutzt: CUDA, HIP, Vulkan, Direct3D, ggml oder ONNX Runtime.
• Modell-Inspektor: Diese Ansicht ist für alle interessant, die lokal Sprachmodelle betreiben. Sie listet geladene Modelle nach Art und zeigt Quantisierung (das Modell wird verkleinert, indem seine Zahlen gröber gespeichert werden), Architektur, Anzahl der Schichten, Größe der Gewichte und den geschätzten Bedarf des KV-Cache. Das ist der Zwischenspeicher, in dem sich ein Sprachmodell den bisherigen Gesprächsverlauf merkt und der mit längeren Texten wächst.

Die Modellerkennung funktioniert mit llama.cpp, LM Studio, Ollama und stable-diffusion.cpp. Laut Betanews belegt das Tool jede Erkennung mit einem Nachweis, etwa einer API-Antwort, einer eingebundenen Datei oder einem Kommandozeilenargument. Auf einem Screenshot im GitHub-Repository erkennt gputaskman zum Beispiel, dass im Prozess llama-server.exe das Modell Qwen3-0.6B läuft, und schlüsselt Gewichte, KV-Cache und Parameterzahl auf.

Für Skripte gibt es einen --json-Schnappschuss und einen Aufzeichnungsmodus, der Messwerte im JSON-Lines-Format protokolliert. Werte, an die das Tool nicht herankommt, erscheinen als „N/A“ beziehungsweise in JSON als null. Laut Projektnotizen steht null dabei nie für eine gemessene Null. Zuordnungen und die Aufteilung des Speichers pro Modell bezeichnet das Projekt ausdrücklich als Schätzungen.

Rasante Entwicklung in einer Woche

Das Projekt wächst schnell. Die Versionen 0.1.0, 0.2.0 und 0.3.0 entstanden alle am 3. November. Mit 0.2.0 kamen Linux und WSL (das Linux-Subsystem in Windows) hinzu, mit 0.3.0 AMD-Grafikkarten unter Windows. Am 7. November folgten die Versionen 0.3.1 bis 0.3.3. Sie brachten Unterstützung für Apple-Silicon-Macs, ein Nix-Flake für NixOS und AMD-Karten unter nativem Linux. Am 9. November erschien 0.3.4 mit einer optionalen schlanken Ansicht.

Die AMD-Unterstützung kam von einem externen Mitwirkenden namens kdrapel. Hanselman übernahm seine Änderung noch am selben Tag. Ein Copilot-Agent, also ein KI-Helfer von GitHub, korrigierte laut Betanews unter Hanselmans Konto einen Temperaturfehler. Der Code hatte den Wert durch 1.000 geteilt, obwohl AMDs Schnittstelle bereits Grad Celsius liefert, wodurch die Anzeige rund 1.000-fach zu niedrig war. Getestet hat der Bot die Korrektur nach eigenen Angaben mit einer Radeon 860M.

Erste Tests und Kritik

Tom's Hardware hat die portable Windows-Version 0.3.0 auf einem Laptop mit RTX 4060 ausprobiert. Anfangs nutzte kein Prozess die dedizierte Grafikkarte. Erst mit dem Grafik-Benchmark Unigine Valley zeigten sich Daten, die Live-Diagramme für Last, VRAM und Temperatur waren dabei prominent zu sehen. Laut Betanews lief die Windows-Version in einem frühen Test weitgehend stabil, nur die Temperaturanzeige blieb zeitweise auf einem Wert hängen. Die Projektbeschreibung selbst nennt gputaskman frühe, experimentelle Software.

In den Leserkommentaren bei Tom's Hardware gab es auch Kritik. Ein Nutzer berichtete, das Tool habe über den Windows-Systemprozess spürbar CPU-Last erzeugt, die beim Schließen verschwand. Ein anderer widersprach: Der Python-Prozess selbst brauche weniger als ein Prozent eines Kerns. Ein weiterer Kommentator bemängelte, dass die reine Gesamtbelegung wenig nütze, weil viel VRAM nur als Cache diene. Ein dritter warf dem Artikel vor, ähnliche Werkzeuge gebe es längst.

Was du zum Ausprobieren brauchst

gputaskman läuft auf 64-Bit-Windows 10 und 11 mit NVIDIA- oder AMD-Grafikkarte, unter Linux, in WSL und auf Apple-Silicon-Macs. Standardmäßig läuft es mit Python. Für Windows gibt es eine portable Version, die ohne Installation startet. Mac-Nutzer müssen das Repository klonen, weil es für macOS noch keine portable Version gibt. Welche Messwerte verfügbar sind, unterscheidet sich je nach Plattform. Das Repository findest du auf GitHub unter Hanselmans Konto.

Einordnung

Wer mit Ollama, LM Studio oder llama.cpp arbeitet, bekommt mit gputaskman zum ersten Mal einfach und kostenlos einen Blick darauf, warum ein Modell nicht mehr in den Grafikspeicher passt. Das Tool zeigt, ob der KV-Cache bei langen Kontexten wächst, ob Browser und Desktop-Fenstermanager Speicher abzweigen oder ob Daten schon in den langsameren Arbeitsspeicher ausweichen. Auf Hanselmans eigenem System mit RTX 4080 Super war übrigens der Windows-Desktop-Fenstermanager der größte VRAM-Verbraucher.

Ganz neu ist die Idee nicht: Werkzeuge wie nvtop oder nvidia-smi zeigen ebenfalls GPU-Prozesse an. Neu ist vor allem die gezielte Ausrichtung auf KI-Modelle und dass das Tool plattformübergreifend läuft. Weil es noch experimentell ist, sind die Speicherwerte pro Modell ausdrücklich Schätzungen. Interessant ist ein weiterer Punkt: Hanselman deutete laut Tom's Hardware in Kommentaren an, dass erweiterte GPU-Überwachung künftig auch direkt in Windows kommen könnte. Bestätigt ist das nicht.