Ich nehme euch mit auf meine (noch lange nicht abgeschlossene) Reise. Ich zeige euch meine Erfolge, meine (mitunter dummen) Fehler, echte Gamechanger und warum ich manchmal bewusst auf den Profi-Ansatz verzichtet habe. Und wie man im Dschungel aus 2,6 Millionen Modellen die Richtigen für den eigenen Zweck finden.
**Für Einsteiger und Technisch versierte Wesen:**
*Ich beginne den Vortrag mit einer kurzen Einführung in die Terminologie/Fachbegriffe, damit auch alle folgen können, die neu in der Tech-Bubble sind.*
Ich setze mich seit 2023 intensiv mit lokaler KI auseinander – also der Nutzung von Large Language Modellen (LLMs) ohne Internetverbindung und ohne Account bei den großen Anbietern (wie OpenAI oder Anthropic) auf dem eigenen Computer.
**Inhaltliche Schwerpunkte:**
* Was sind die generellen **Vor- und Nachteile** lokaler KI im Vergleich zu ChatGPT & Co.?
* Wie lassen sich Modelle mit einem überschaubaren **Budget** lokal nutzen?
* Welche Anwendungsfälle ermöglichen einen **tatsächlichen Nutzen** im privaten und kleinst-gewerblichen Bereich?
* Wie mir LLMs helfen, Herausforderungen durch **Neurodivergenz** zu bewältigen.
* Häufige **Missconceptions** im Automatisierungsgame.
* **Evaluation** von LLMs (ohne vorher einen Doktortitel in Mathematik zu absolvieren).
* **Does it need AI?** Wie behalte ich Kosten-, Umwelt- und Datenschutzrisiken im Auge?
**Worum es NICHT geht:**
* Vergleich von Web-Diensten bzw. Closed Source / Proprietäre KI.
* Grafikkarten-Tipps.
* Die Mathematik hinter LLMs.
* Erstellung von Multimedia-Assets (Audio, Bild, Video) mit KI.
* Spekulative Diskussionen über AGI/philosophische-Bedrohungs-Szenarien.
* Juristische Analysen zu Urheberrechten.
**Tags:**
_[Lokale KI], [RAG], [LLM], [Datenschutz], [Souveränität], [Automatisierung], [Python],[n8n], [QDrant], [Embedding], [Superset], [Vektordatenbank], [Self-Hosting], [Produktivität], [Paperless-ngx], [Open Source], [Digitale Souveränität], [Neurodivergenz], [Evaluation]_
https://creativecommons.org/licenses/by-sa/4.0/