Eigenes Projekt (branchenübergreifend)
Dieser Registerauszug bündelt die Szenarien aus dem Bereich „Eigenes Projekt (branchenübergreifend)“. Er zeigt Aufgaben, Lösungswege und Belastbarkeit des Bestands – keine Kundenerfolgsgeschichten.
Dossiers im Teilregister.
Reifegrad und Herkunft zuerst. Das vollständige Dossier macht Nachweise, Grenzen und eingesetzte Werkzeuge sichtbar.
- 01Produktiv Eigenes Projekt Self-hostedSzenario und Aufgabe
Diktieren ohne Cloud – Whisper + lokales LLM als DSGVO-sichere Wispr-Alternative
Sprechen ist 3–4× schneller als Tippen – aber jedes Cloud-Diktat-Tool (Wispr Flow, Apple, Google) schickt Audio in US-Rechenzentren. Für Berufsgeheimnisträger und KMU mit vertraulichen Inhalten ein No-Go. Gesucht: Hotkey drücken, sprechen, sauberer Text an der Cursor-Position – ohne dass Audio das Haus verlässt.
LösungswegSelbst entwickeltes Diktier-System: whisper.cpp (large-v3-turbo) transkribiert, ein lokales LLM (Qwen3 4B via Ollama) entfernt Füllwörter und setzt Interpunktion – beides auf einem Mac mini M4 im eigenen Netz. Mac und iPhone sprechen das Backend per WireGuard-VPN an. Fachbegriff-Vokabular schützt Eigennamen, Kontext-Presets formen E-Mail-, Sachlich- oder Zusammenfassungs-Ton. Fällt das Cleanup aus, kommt der Rohtext – ein Diktat geht nie verloren.
ErfassungMenschliche Kontrolle Mensch im LoopDossier öffnen - 02Produktiv Eigenes Projekt HybridSzenario und Aufgabe
go4you – Aufgaben, Ziele und Wissen in einem System: Privacy-First statt Tool-Zoo
Der typische Produktivitäts-Stack ist fragmentiert: Todoist für Aufgaben, Notion fürs Wissen, Obsidian als Zettelkasten, Google Kalender für Termine – vier US-Clouds, keine gemeinsame Suche, keine Verbindung zwischen Tagesplan und Langfrist-Zielen. Gesucht: ein System, das Aufgaben an Ziele koppelt, Wissen verlinkt statt ablegt – und die Daten in der EU hält.
LösungswegSelbst entwickelte PWA + native iOS-App auf Supabase (Frankfurt) mit Row-Level-Security. Wissens-Vault mit Wikilinks, Backlinks und Graph-Ansicht, per WebDAV bidirektional auf das eigene NAS gespiegelt (Obsidian-kompatibel). KI-Ingest analysiert URLs und Dateien und legt typisierte, verlinkte Notizen an. Ein eigener MCP-Server macht das System für KI-Agenten (Claude) durchsuch- und steuerbar. Agenten-Inbox schlägt Aktionen vor – mit einstellbarer Autonomie von 'fragen' bis 'automatisch'.
WissenMenschliche Kontrolle Mensch im LoopDossier öffnen - 03Pilot Eigenes Projekt Self-hostedSzenario und Aufgabe
Privacy Gateway – kommerzielle KI nutzen, ohne Klardaten herauszugeben
Kommerzielle Sprachmodelle sind bei Zusammenfassungen, Formulierungen und Auswertungen den selbst betriebenen Modellen deutlich voraus. Nur enthalten die Unterlagen, um die es im Alltag geht – Rechnungen, Support-Mails, Kundenlisten – genau die Daten, die dort nicht hingehören. Die verbreitete Antwort, vor dem Prompt eben die Namen zu schwärzen, hält der Praxis nicht stand.
LösungswegSelbst gebautes Gateway zwischen der eigenen Organisation und dem Anbieter. Eingaben und Dokumente werden pseudonymisiert, ein Mensch prüft jede Fundstelle, das Modell sieht nur Platzhalter, die Antwort wird nach Freigabe zurückübersetzt. Erkennung über Presidio mit eigenen deutschen Regeln, Weiterleitung über einen LiteLLM-Proxy, verschlüsselte Zuordnungstabelle mit Löschfrist, Auditbericht je Fall.
ComplianceMenschliche Kontrolle Mensch im LoopDossier öffnen
Welche Themen hier zusammenlaufen.
Die Querverweise führen von den konkreten Szenarien zurück zu technischen und organisatorischen Grundlagen.
-
DSGVO & KI
Warum Datenschutz KI nicht verhindert, sondern kontrolliert ermöglicht – und was der Mittelstand wirklich braucht. Pragmatisch, keine Beraterprosa.
-
KI-Automatisierung & Agenten
Vom n8n-Workflow bis zum autonomen Agenten – wann was sinnvoll ist, und wo der Hype aufhört.
-
KI-Compliance
DSGVO, EU AI Act und interne KI-Regeln pragmatisch umsetzen – dokumentiert, sicher und ohne Compliance-Theater.
-
KI-Tools im Unternehmen
ChatGPT, Claude, Copilot & Co. – welches Tool für welche Daten, ohne Shadow-AI und ohne CLOUD-Act-Falle.
-
Pseudonymisierung & Anonymisierung
Namen schwärzen reicht nicht. Wie Eingaben technisch so vorbereitet werden, dass kommerzielle KI-Modelle nutzbar bleiben – und wo die Erkennung tatsächlich versagt.
-
Voice & Erfassung
Spracheingabe, Diktat, Anrufannahme – KI-Frühnutzen mit geringem Onboarding-Aufwand und sofort spürbarem Zeitgewinn.
-
Wissensbasis & RAG
Firmenwissen in Sekunden abrufen – mit Quellenverweis statt Halluzination. Sprachmodelle an kontrollierbare Wissensquellen angebunden.
Eine ähnliche Aufgabe in diesem Umfeld?
Fachlicher Austausch dazu ist willkommen – per Mail oder auf LinkedIn.
Austausch und Vernetzung