Startseite / KI
KI

Google AI Plus: 50 Compute Units und ein Linux-Server per SSH – was steckt dahinter?

Google AI Plus: 50 Compute Units und ein Linux-Server per SSH – was steckt dahinter?
← Alle Beiträge

Wer Google AI Plus abonniert hat, bezahlt möglicherweise für Rechenleistung, die er noch nie genutzt hat. Neben den bekannten KI-Funktionen enthält das Abo monatlich 50 Compute Units für Google Colab. Damit lassen sich temporäre Linux-Maschinen starten – bei entsprechender Verfügbarkeit sogar mit NVIDIA-GPU.

Was vielen nicht bewusst sein dürfte: Mit dem offiziellen google-colab-cli lassen sich diese Maschinen inzwischen über SSH direkt aus dem Terminal oder VS Code erreichen. Ein dauerhaft geöffnetes Notebook im Browser ist dafür nicht nötig.

Ein Beitrag des Entwicklers Janderson F. auf X macht auf die Funktion aufmerksam. Seine zugespitzte These: Wer Google AI Plus besitzt und die enthaltene Rechenleistung nicht nutzt, lässt einen bereits bezahlten Vorteil liegen. Das stimmt im Kern. Allerdings ist eine Colab-Maschine kein klassischer VPS.

Google Colab ist mehr als ein Notebook

Colab wurde vor allem als browserbasierte Python-Umgebung bekannt. Entwickler können Code ausführen, ohne lokal Python, CUDA oder andere Abhängigkeiten installieren zu müssen. Am 5. Juni 2026 stellte Google das offizielle Colab Command-Line Interface vor. Es ermöglicht unter anderem, Laufzeiten zu erstellen, Skripte auszuführen und Dateien zu übertragen.

Das CLI unterstützt auch eine SSH-Verbindung über einen Proxy. Damit lässt sich Colab wie eine entfernte Entwicklungsmaschine verwenden – beispielsweise mit OpenSSH, scp und VS Code Remote-SSH. Das ist besonders für Entwickler interessant, die nicht mit Jupyter-Notebooks arbeiten wollen.

50 Compute Units: Was bekommt man mit Google AI Plus?

Google nennt für AI Plus ein monatliches Kontingent von 50 Colab Compute Units. Das bedeutet allerdings nicht 50 Serverstunden. Die Laufzeit hängt von der gewählten Konfiguration ab: Eine CPU-Laufzeit verbraucht gewöhnlich weniger Guthaben als eine leistungsfähige GPU. Auch die Ressourcenverfügbarkeit ist nicht garantiert.

Deshalb sind Stundenangaben aus Social-Media-Beiträgen nur Momentaufnahmen. Den tatsächlichen Verbrauch sollte man für die laufende Sitzung überprüfen, statt mit dauerhaft festen GPU-Stundensätzen zu rechnen.

So richtet man SSH für Colab ein

Vorausgesetzt werden Python, ein OpenSSH-Client und ein SSH-Schlüsselpaar. Das offizielle CLI lässt sich beispielsweise mit uv installieren:

uv tool install google-colab-cli
# alternativ
pip install google-colab-cli
colab version

Eine Sitzung wird zunächst in einem interaktiven Terminal eingerichtet, weil beim ersten Login die Google-Kontoautorisierung nötig ist:

colab new -s colab

Für die SSH-Verbindung kann anschließend ein Eintrag in ~/.ssh/config angelegt werden:

Host colab
  User root
  ProxyCommand colab ssh --proxy-mode -s colab -i ~/.ssh/id_ed25519.pub
  StrictHostKeyChecking no
  UserKnownHostsFile /dev/null

Danach kann der Rechner mit ssh colab angesprochen werden. Die gezeigte Konfiguration deaktiviert die übliche SSH-Hostschlüsselprüfung, um wechselnde temporäre Laufzeiten ohne Rückfragen zu verbinden. Das ist eine Sicherheitsabwägung, keine allgemein empfohlene Standardeinstellung für beliebige Server.

Für einzelne Befehle ist keine dauerhafte interaktive Shell nötig:

ssh colab "python --version"

Interessant für KI-Agenten und automatisierte Jobs

Der Nutzen geht über eine entfernte Entwicklungsumgebung hinaus. Ein KI-Agent könnte auf einem eigenen Server laufen und für aufwendige Aufgaben eine Colab-Laufzeit starten. Dort werden Daten verarbeitet, Modelle getestet oder Python-Jobs ausgeführt. Anschließend werden Ergebnisse zurückgesendet und die Laufzeit beendet.

Für einzelne Skripte bietet das CLI außerdem einen direkten Ausführungsweg:

colab run --gpu T4 analyse.py

Der Vorteil: Eine Maschine muss nicht für gelegentliche Aufgaben rund um die Uhr gemietet werden. Die Kehrseite: Ein lokales Modell ist nicht automatisch vorinstalliert, und die temporäre Umgebung muss bei Bedarf erneut eingerichtet werden. Große Modelldateien und Abhängigkeiten können den Start deutlich verlängern.

Warum daraus trotzdem kein kostenloser VPS wird

In den Antworten auf den X-Beitrag wird die Bezeichnung „VPS“ kritisiert. Ein Nutzer spottet über eine Maschine, die man selbst starten und stoppen müsse und deren Dateien nach dem Beenden verschwinden.

Der Einwand hat Substanz. Google weist auf dynamische Colab-Nutzungslimits hin. Laufzeiten sind begrenzt, Hardware ist nicht jederzeit garantiert, und das lokale Dateisystem einer beendeten Laufzeit ist nicht als dauerhafter Speicher gedacht.

Wer Colab ernsthaft einsetzt, braucht deshalb einen verlässlichen Weg für Quellcode und Ergebnisse – etwa Git, Uploads und Downloads oder Google Drive. Auch ein Job, der unerwartet lange läuft, darf nicht auf unbegrenzte Sitzungslaufzeit angewiesen sein.

Hinzu kommt: Die Nutzungsregeln unterscheiden kostenlose und bezahlte Laufzeiten. Dass der offizielle SSH-Zugang existiert, ist keine pauschale Zusage für unbegrenzten Serverbetrieb. Gerade dauerhaft laufende Dienste sind nicht der Anwendungsfall, für den Colab gedacht ist.

Wann sich Colab lohnt – und wann nicht

GeeignetWeniger geeignet
Einmalige Python- und DatenjobsDauerhaft erreichbarer Webserver
GPU-Tests für lokale KI-ModelleProduktive Datenbanken
Temporäre Entwicklungsumgebungen24/7-Agenten mit langen Laufzeiten
Batch-Verarbeitung mit ErgebnisexportPersistente Dienste ohne externen Speicher

Wer bereits einen eigenen Server für Orchestrierung, Datenhaltung und APIs betreibt, kann Colab als zusätzlichen Rechen-Worker auf Abruf betrachten. Dieser Aufbau ist robuster als der Versuch, die gesamte Infrastruktur in einer flüchtigen Colab-Sitzung zu betreiben.

Fazit: Kein geschenkter Dauer-Server, aber ein nützliches Abo-Extra

Die eigentliche Nachricht ist nicht, dass Google plötzlich kostenlose VPS verschenkt. Das Colab-CLI wurde bereits im Juni 2026 vorgestellt. Interessant ist vielmehr die Kombination aus im Google-AI-Abo enthaltenem Rechenkontingent, offiziellem SSH-Zugang und automatisierbarer Bereitstellung.

Damit wird Colab auch für Entwickler attraktiv, die kein Notebook benötigen, sondern kurzfristig eine Linux-Maschine oder GPU für eigene Werkzeuge und KI-Agenten. Ob die Compute Units ausreichen, muss jeder anhand seines tatsächlichen Verbrauchs prüfen.

Wer Google AI Plus ohnehin bezahlt, sollte die Möglichkeit zumindest kennen – und Colab als das verwenden, was es ist: temporäre Rechenleistung statt dauerhafter Server.

Quellen

J

Über den Autor

Jens Könnig

Jens analysiert seit Jahren digitale Märkte, Preisbewegungen und Plattform-Strategien. Als Betreiber mehrerer datengetriebener Systeme wertet er täglich große Mengen an Produkt- und Trenddaten aus. Sein Fokus liegt auf Einordnung statt Hype: Was bedeutet eine Entwicklung wirklich für Nutzer, Preise und Märkte?

Alle Artikel von Jens Könnig →