Methodik

Der Wert jedes Kits läuft auf eine Zahl hinaus: seinen niedrigsten gelisteten Preis geteilt durch seine Kapazität in Gigabyte. Niedrigerer $/GB ist ein besseres Angebot — Punkt. Wir mischen keinen separaten Leistungs- oder „Wert“-Score hinein; $/GB beantwortet die Frage des Käufers bereits direkt.

Aber $/GB ist nur im Vergleich zu ähnlichen Kits aussagekräftig. Ein 16GB-DDR5-6000-Desktop-Kit und ein 8GB-DDR4-2400-Notebook-Kit sind keine Vergleichspartner, daher gruppieren wir Kits, bevor wir $/GB innerhalb einer Gruppe vergleichen: Kategorie (Desktop / Notebook / Server) × Speichertyp (DDR4 / DDR5) × Taktratenklasse.

Die Taktratenklassen sind eine gemessene Stufenleiter, kein willkürlicher Schnitt: DDR4 teilt sich bei ≤2666 / 2933–3200 / 3466–3600 / >3600 MT/s, DDR5 bei ≤5200 / 5600–6000 / 6200–6400 / >6400 MT/s. Diese Grenzen liegen an den tatsächlichen Häufungen in unserem Katalog (Massen bei DDR4 3200/3600 und DDR5 5600/6000/6400, mit nur einem dünnen Ausläufer übertakteter Boutique-Kits darüber), nicht an im Voraus festgelegten runden Zahlen.

Wir bilden Gruppen nach category — bewusst nicht nach dem Feld form_factor des Katalogs. form_factor ist Freitext aus den Angeboten, und allein „Desktop-UDIMM“ taucht in mindestens vier verschiedenen Schreibweisen auf („UDIMM“, „288-pin UDIMM“, „288-pin U-DIMM“, „288-pin UDIMM, low-profile (33.2mm height)“). Würden wir direkt danach gruppieren, würde eine echte Vergleichsgruppe in mehrere nahezu leere Splitter zerfallen und Kits gegen eine zu kleine Stichprobe ranken. category ist sauber — genau drei Werte, Desktop / Notebook / Server —, daher gruppieren wir danach.

Der Index beantwortet eine engere, ehrlichere Frage als „Was kostet RAM“: Wie stark hat sich der Preis derselben Kits von einem Monat zum nächsten verändert? Jeden Monat betrachten wir nur Kits (genauer: ein Modell in einer bestimmten Region), die sowohl in diesem als auch im Vormonat bepreist waren — ein Vergleich mit „abgeglichenem Modell“. Ein Kit, das neu in den Katalog kommt oder ihn verlässt, kann den Index nicht bewegen; nur eine echte Preisänderung bei etwas, das wir in beiden Monaten sehen konnten, kann das.

Für jedes abgeglichene Kit berechnen wir das Verhältnis des Preises dieses Monats zu dem des Vormonats. Ein einzelnes Kit, das um das 10-Fache nach oben schießt oder einbricht (ein Datenfehler, ein Räumungsverkauf, ein Währungsfehler), soll nicht den ganzen Index verzerren — deshalb kappen wir vor der Mittelung jedes Verhältnis — winsorisieren — auf den Bereich [0.667, 1.5]. Alles außerhalb dieser Spanne wird auf den nächsten Rand zurückgezogen statt verworfen, sodass ein Extrempreis weiterhin als „steigend“ oder „fallend“ zählt, nur nicht um ein unplausibles Vielfaches.

Anschließend bilden wir das geometrische Mittel der winsorisierten Verhältnisse — ein Jevons-Index — und multiplizieren den Stand des Vormonats mit diesem Mittel, um den Stand dieses Monats zu erhalten. Der Index ist in Sep 2025 auf 100 fixiert, dem frühesten Monat mit vollständiger Abdeckung aller von uns erfassten Regionen (das ist auch die Grenze, weiter zurück können wir nicht: Unser vorgelagerter Datenanbieter speichert nur etwa ein Jahr an rohen Tagesbeobachtungen, daher ist Sep 2025 eine harte Untergrenze und keine stilistische Entscheidung).

Drei Absicherungen verhindern, dass ein dünner oder verrauschter Monat einen Wert liefert, dem wir nicht trauen:

• MIN_LISTINGS = 2 — der Tagespreis eines Kits zählt nur, wenn ihn mindestens 2 Angebote stützen. Gemessen an der Produktivdatenbank: Allein das schließt rund 76 % der täglichen (Modell, Region)-Preiszellen aus — also ein echter Filter, keine Formalität.
• MIN_PRICED_DAYS = 10 — ein Kit braucht mindestens 10 bepreiste Tage innerhalb eines Monats, damit der Preis dieses Monats überhaupt zählt. Etwa die Hälfte der (Modell, Region, Monat)-Gruppen scheitert an dieser Schwelle.
• MIN_BASKET = 30 — überstehen weniger als 30 Kits beide Filter und werden mit dem Vormonat abgeglichen, vertrauen wir der Verkettung für diesen Monat überhaupt nicht: Wir übernehmen stattdessen unverändert den vorherigen Stand, statt einen neuen (statistisch verrauschten) zu berechnen. In der Praxis hat diese Untergrenze reichlich Puffer — jeder vollständige gemessene Monat kam auf 93–147 abgeglichene Kits, das 3- bis 5-Fache der 30-Grenze.

MIN_LISTINGS und MIN_PRICED_DAYS gelten für alle oben genannten Reihen, einschließlich $/GB — der $/GB eines Kits für einen Monat entsteht aus denselben gefilterten Tagespreisen. MIN_BASKET ist anders: Es ist speziell die Absicherung „mit dem Vormonat abgeglichen“ für die beiden verketteten Reihen und beschränkt daher $/GB nicht, das bewusst jedes in diesem Monat bepreiste Kit betrachtet und nicht nur die mit dem Vormonat abgeglichenen.

Alle oben genannten Werte wurden an unserer Produktivdatenbank gemessen, nicht angenommen — die zugrunde liegenden Abfragen und vollständigen Ergebnisse findest du unter docs/measured-constants.md.

Wir veröffentlichen drei Reihen, von denen nur zwei so aufgebaut sind wie oben beschrieben. Der mediane abgeglichene Preis und der niedrigste abgeglichene Preis (ein Näherungswert für das beste verfügbare Angebot des Monats, nicht das typische) sind beide modellabgeglichene, verkettete Indizes: derselbe Warenkorb, Monat für Monat, genau wie in diesem Abschnitt beschrieben.

Die Reihe Median $/GB ist bewusst anders: Sie ist querschnittlich, nicht modellabgeglichen. Jeden Monat bilden wir den Median aus Preis ÷ capacity_gb über jedes in diesem Monat bepreiste Kit — nicht nur die mit dem Vormonat abgeglichenen — und setzen ihn bei Sep 2025 auf 100 zurück. Ein modellabgeglichener Index wie die beiden oben hält den Warenkorb bewusst fest, sodass eine sich verschiebende Produktmischung nie als Preisänderung durchgehen kann. $/GB macht bewusst das Gegenteil: Tauchen günstigere Kits mit hoher Kapazität im Katalog auf, sinken die typischen Kosten pro Gigabyte, auch wenn sich der Preis keines einzigen Kits geändert hat. Für eine Speicher-Website ist das die nützlichere Zahl für Käufer, weil sie die Frage „Was kostet ein Gigabyte gerade“ beantwortet, statt „Wie stark hat sich der Preis dieses festen Warenkorbs verändert.“ Die beiden Zahlen bewegen sich meist gemeinsam, müssen es aber nicht, und tun es nicht, sobald sich die Kapazitätsmischung dessen, was tatsächlich verkauft wird, verschiebt.

Der aktuellste Kalendermonat wird anders behandelt: Mit bislang weniger als 10 erfassten bepreisten Tagen kann er MIN_PRICED_DAYS nicht erreichen, sodass sein Warenkorb leer bleibt und sein Stand der des Vormonats ist, unverändert übernommen. Wir kennzeichnen diesen Monat überall, wo er erscheint, als vorläufig und lassen ihn komplett aus der Linie im Indexdiagramm heraus, statt einen Stand darzustellen, von dem wir wissen, dass er kein aktueller Messwert ist.

Wir erfassen Angebote in sechs Regionen (USA, Kanada, UK, Deutschland, Frankreich, Spanien) aus den Storefronts von Amazon und Newegg in diesen Märkten. Das Scraping erfolgt manuell und ohne festen Zeitplan — es gibt keinen Cron-Job, der eine aktuelle Erfassung in einem bestimmten Rhythmus garantiert —, sodass der Preis eines Angebots jederzeit zwischen wenigen Tagen und mehreren Wochen alt sein kann.

Gemessen an der Produktivdatenbank: Der aktuelle Preis eines durchschnittlichen (Median-)Angebots ist etwa 5,6 Tage alt, 90 % sind jünger als 19,5 Tage und 95 % jünger als 23,5 Tage, mit einem langen Ausläufer von bis zu 46 Tagen bei den am langsamsten aktualisierten Angeboten. Einen Preis betrachten wir nach 30 Tagen als veraltet und zeigen ihn nicht mehr als aktuell an — deutlich jenseits des P95-Werts, mit Puffer für diesen strukturellen langen Ausläufer.

Amazons Partnerprogramme für UK und Deutschland erlauben es nicht, Preisverläufe über 24 Stunden hinaus zu speichern oder Preissenkungs-Hinweise anzuzeigen. Um regelkonform zu bleiben, verzichten wir für diese beiden Regionen schlicht auf beides: Kit-Seiten für UK und Deutschland zeigen nur den aktuellen Preis, ohne gespeichertes Preisverlaufsdiagramm, und für diese Märkte wird kein Anspruch auf Preisverfolgung erhoben. Der RAM-Preisindex selbst ist eine globale, regionsübergreifende Kennzahl und davon nicht betroffen — diese Einschränkung betrifft nur den regionsbezogenen Preisverlauf.