Back to Blog
BlogApril 22, 2026698

Wie man Ollama-Modelle entfernt: Komplette Schritt-für-Schritt-Anleitung

Wie man Ollama-Modelle entfernt: Komplette Schritt-für-Schritt-Anleitung

Voraussetzungen

Bevor Sie beginnen, stellen Sie sicher, dass Folgendes vorhanden ist:

  • Ollama installiert und ausgeführt – Öffnen Sie Ihr Terminal und führen Sie ollama --version aus, um dies zu bestätigen.
  • Terminal-Zugriff – Verwenden Sie Terminal (macOS/Linux) oder PowerShell/Command Prompt (Windows). Führen Sie es unter Windows als Administrator aus, wenn Sie Berechtigungsfehler sehen.
  • Modellnamen bereit – Sie benötigen den exakten Namen und Tag (z.B. llama3:latest).
  • Platz auf der Festplatte beachten – Modelle können mehrere GB groß sein; ihr Entfernen macht Speicherplatz sofort nach Abschluss des Befehls frei.

Ollama speichert Modelle standardmäßig unter:

  • macOS: ~/.ollama/models
  • Linux: ~/.ollama/models (oder /usr/share/ollama/.ollama/models für Systeminstallationen)
  • Windows: C:\Users\IhrBenutzername\.ollama\models

Schritt 1: Alle installierten Modelle auflisten

Beginnen Sie immer hier, damit Sie genau wissen, was Sie entfernen.

Führen Sie in Ihrem Terminal aus:

ollama list

Erwartete Ausgabe (Beispiel):

NAME                ID              SIZE      MODIFIED
llama3:latest       8f6e2a123abc    4.7 GB    3 days ago
gemma2:9b          2d9f3b456def    5.2 GB    1 week ago

Kopieren Sie den exakten Namen aus der Spalte NAME (inklusive des Tags nach dem Doppelpunkt).

Schritt 2: Ein einzelnes Modell entfernen

Verwenden Sie den Befehl ollama rm, gefolgt vom Modellnamen.

ollama rm llama3:latest

Erwartete Ausgabe:

deleted 'llama3:latest'

Der Befehl löscht sofort das Manifest und alle zugehörigen Blob-Dateien. Es erfolgt keine Bestätigungsaufforderung.

Schritt 3: Mehrere Modelle gleichzeitig entfernen

Entfernen Sie mehrere Modelle in einer Zeile:

ollama rm llama3:latest gemma2:9b mistral:latest

Erwartete Ausgabe:

deleted 'llama3:latest'
deleted 'gemma2:9b'
deleted 'mistral:latest'

Schritt 4: Alle Modelle entfernen (Massenlöschung)

Verwenden Sie diese Einzeiler, um alle Modelle auf einmal zu löschen (zuerst für macOS/Linux):

ollama list | awk 'NR>1 {print $1}' | xargs -I {} ollama rm {}

Windows PowerShell Äquivalent:

ollama list | Select-Object -Skip 1 | ForEach-Object { $_.Trim() -split '\s+' | Select-Object -First 1 } | ForEach-Object { ollama rm $_ }

Bestätigen Sie nach der Ausführung mit ollama list – es sollte nur die Kopfzeile zurückgegeben werden.

Schritt A: Ollama neu starten (empfohlen)

Starten Sie den Ollama-Dienst neu, um sicherzustellen, dass alle Blobs vollständig bereinigt und der Speicherplatz freigegeben ist.

  • macOS: ollama serve (oder beenden Sie die Ollama-App und öffnen Sie sie wieder)
  • Linux: sudo systemctl restart ollama
  • Windows: Starten Sie den Ollama-Prozess über den Task-Manager neu oder schließen Sie einfach die App und öffnen Sie sie wieder.

Führen Sie erneut ollama list aus, um zu überprüfen, dass die Modelle entfernt wurden.

Häufige Probleme & Fehlerbehebung

  • Fehler „Model not found“: Überprüfen Sie den genauen Namen und das Tag aus ollama list.
  • Zugriff verweigert: Unter Linux/macOS sudo ollama rm ... verwenden oder auf Windows das Terminal als Administrator ausführen.
  • Speicherplatz nicht freigegeben: Ollama neu starten (Schritt 5). Wenn es hängen bleibt, überprüfen Sie den blobs-Ordner manuell, aber löschen Sie niemals Dateien, während Ollama läuft.
  • Modell erscheint nach rm weiterhin: Beenden Sie jede laufende Instanz zuerst mit ollama stop <model> und versuchen Sie dann erneut ollama rm.
  • Benutzerdefinierter Speicherort: Wenn Sie die Umgebungsvariable OLLAMA_MODELS gesetzt haben, befinden sich die Modelle woanders – überprüfen Sie diesen Pfad stattdessen.
  • API-Methode (fortgeschritten): Verwenden Sie curl für Skripte:
    curl -X DELETE http://localhost:11434/api/delete -d '{"model": "llama3:latest"}'
    

Nächste Schritte

  • Neue Modelle herunterladen: Führen Sie ollama pull llama3.1:8b aus, um die neueste Version zu erhalten.
  • Benutzerdefinierten Speicher festlegen: Exportieren Sie OLLAMA_MODELS=/path/to/new/folder, bevor Sie Ollama ausführen, um alles auf eine größere Festplatte zu verschieben.
  • Bereinigung automatisieren: Fügen Sie den Massenlöschbefehl einem wöchentlichen Cron-Job oder PowerShell-Skript hinzu.
  • Nutzung überwachen: Führen Sie regelmäßig ollama list aus und kombinieren Sie es mit du -sh ~/.ollama/models (macOS/Linux) oder dem Datei-Explorer unter Windows, um den Speicherplatz zu überwachen.

Sie haben jetzt die volle Kontrolle über Ihre lokalen Ollama-Modelle. Geben Sie sofort Speicherplatz frei und behalten Sie nur das, was Sie benötigen.

Share this article

Referenced Tools

Browse entries that are adjacent to the topics covered in this article.

Explore directory
TinyFish logo

TinyFish

MCP Servers

TinyFish ist eine Web-Infrastruktur-Plattform für KI-Agenten, die Live-Websuche, browsergerenderte Inhaltsgewinnung, zielbasierte Webautomation und verwaltete Cloud-Browser-Sitzungen kombiniert. Entwickler können über APIs, SDKs, eine CLI sowie Integrationen in Agentenframeworks und KI-Entwicklungstools auf die Plattform zugreifen.

TinyFish logo

TinyFish

MCP Servers

TinyFish is a web infrastructure platform for AI agents that combines live web search, browser-rendered content extraction, goal-based web automation, and managed cloud browser sessions. Developers can access the platform through APIs, SDKs, a CLI, and integrations with agent frameworks and AI coding tools.

Cursor MCP logo

Cursor MCP

MCP Servers

Cursor MCP is Cursor's Model Context Protocol client support for connecting the Cursor editor and Cursor CLI agent to external MCP servers. Official docs cover stdio, SSE, Streamable HTTP, mcp.json configuration, OAuth, Marketplace plugins, and CLI management commands.

code base memory mcp logo

code base memory mcp

MCP Servers

Codebase Memory is an open-source MCP server that indexes local codebases into a persistent knowledge graph for AI coding agents. It exposes structural code search, call-path tracing, impact analysis, architecture summaries, Cypher-style graph queries, ADR management, and related code-intelligence tools over stdio.

X MCP logo

X MCP

MCP Servers

X MCP is the official hosted Model Context Protocol server for calling X API endpoints from MCP-compatible tools. It connects through the xurl bridge so agents can search posts, look up users, manage bookmarks, fetch trends and news, and work with Articles using the user's X account permissions.

Weibo Open Platform CLI logo

Weibo Open Platform CLI

MCP Servers

Weibo Open Platform CLI is the official CLI service page for using Weibo Open Platform capabilities from command-line and agent-oriented workflows. Public, parseable MCP server transport and client setup details were not available at verification time.