Entwicklung

Ein Sprachmodell erinnert sich an nichts. Zwischen zwei Sitzungen ist alles weg, was nicht irgendwo aufgeschrieben wurde. Ich habe lange Listen geführt: Markdown-Dateien, Notizen, Logs, ein Verzeichnis pro Thema. Das trägt bis zu dem Punkt, an dem man nicht mehr nachschlagen, sondern verstehen will. Listen kennen keine Beziehungen. Sie wissen nicht, dass ein Werkzeug zu einem Projekt gehört, dass eine Notiz eine frühere ersetzt, dass zwei Aussagen sich widersprechen. Genau das speichere ich heute als Graph: Knoten und Kanten, lokal, auf derselben Maschine, auf der die Modelle laufen.

Wer einen Rechner dauerhaft laufen lässt und gleichzeitig lokale Modelle darauf betreibt, kennt die Versuchung: irgendwo eine Schraube drehen, irgendwas abschalten, irgendwas nachinstallieren. Ich habe es umgekehrt gemacht. Erst gemessen, alles nur lesend, nichts verändert. Dieser Text ist die Bestandsaufnahme, Stand September 2026, aufgenommen auf meinem ThinkPad.

Die Maschine

Ein ThinkPad mit Intel Core i7-8565U, acht Threads, 15 GB RAM, Intel UHD 620 ohne dedizierte Grafikkarte, Arch Linux mit Kernel 7.2.6. Auf der Prozessorseite gibt es AVX2, aber kein AVX-512. Das ist genau die Klasse Hardware, auf der lokale Inferenz interessant wird, weil sie ohne Beschleuniger auskommen muss.

Trinity ist ab heute öffentlich auf GitHub, unter MIT-Lizenz. Aus dem Security-Experiment mit vier fest verdrahteten Agenten ist ein kleines Terminal-Tool geworden, in dem du selbst festlegst, wer diskutiert und worüber. Geblieben ist der Kern: Jeder Beitrag wird in eine BLAKE3-Hash-Kette gehängt, am Ende steht ein Protokoll, das sich nachprüfen lässt.

Hinweis: Dieser Artikel beschreibt eine befristete Zwischenlösung. Bis lokale Hardware (insbesondere NPU-Beschleunigung auf Mobilgeräten) ausreichend Leistung für größere Modelle liefert, nutze ich für rechenintensive Aufgaben punktuell Vertex AI. Das Kernversprechen von NeoBild — offline-first, lokale KI-Infrastruktur — bleibt die strategische Richtung; dieser Artikel dokumentiert eine praktische Übergangsphase.

Lokale KI

Ich wollte KI-Modelle lokal auf meinem Xiaomi Redmi Note 14 Pro+ 5G betreiben. Die Ausführung via Termux auf Android schien machbar. Ziel war volle Datenkontrolle und Unabhängigkeit. Die Realität sah anders aus.

Mit den aktuellen Veränderungen im Android-Ökosystem verschiebt sich die Kontrolle fundamental: Weg vom klassischen App-Vertrieb hin zur systemweiten Geräte-Verifikation. Für Nutzer von Root und Custom-ROMs hat das weitreichende Konsequenzen.

Die neue Realität: Vertrauen statt Freiheit

Google verändert die Spielregeln. Während früher die Frage war, aus welcher Quelle Apps installiert werden, steht heute im Mittelpunkt, ob ein Gerät als „vertrauenswürdig“ gilt.

Diese Entwicklung ist kein isoliertes Phänomen, sondern Teil eines größeren Trends hin zu zentral kontrollierten Systemen – ein Thema, das auch in digitale Souveränität ist keine Meinung, sie ist eine Haltung bereits grundlegend analysiert wurde.

Das Android-Ökosystem steht vor einem strukturellen Wandel. Während Android lange als offenes System galt, führen neue Richtlinien und technische Anforderungen zu einer stärkeren Kontrolle auf Plattformebene.

Dieser Artikel gibt einen Überblick über die wichtigsten Änderungen, die sich aktuell abzeichnen – und was sie konkret für Nutzer und Entwickler bedeuten.

1. Strengere Entwickler-Identifikation

Eine der wichtigsten Entwicklungen ist die zunehmende Verpflichtung zur Identitätsprüfung von Entwicklern. Neue Anforderungen sorgen dafür, dass Apps klar einer verifizierten Person oder Organisation zugeordnet werden müssen.

Digitale Systeme wirken neutral – sind es aber nicht. Hinter jeder App, jedem API-Call und jeder KI-Integration steht eine Infrastrukturentscheidung. Und genau diese Entscheidung bestimmt, wer Kontrolle hat: der Nutzer, der Entwickler oder die Plattform.

Infrastruktur ist Macht – nicht nur Technik

In modernen digitalen Ökosystemen wird Kontrolle nicht mehr über sichtbare Funktionen ausgeübt, sondern über unsichtbare Abhängigkeiten. APIs, Cloud-Dienste und Plattform-Frameworks definieren, was überhaupt möglich ist.

Wer diese Schicht kontrolliert, kontrolliert nicht nur Datenflüsse, sondern auch die Grenzen des Systems selbst.

NeoBild entwickelt sich zunehmend zu einer Plattform für Security Intelligence, Sovereign AI und systemnahe Infrastruktur-Analyse. Dieser Artikel beschreibt, wie die verschiedenen Komponenten – von lokaler KI auf Android bis hin zu Vertex AI-gestützter Sicherheitsanalyse – miteinander verbunden werden.

NeoBild als mehrschichtiges AI-System

Im Kern ist NeoBild kein einzelnes Tool, sondern ein modulares System aus drei miteinander verbundenen Clustern:

• Security Intelligence: Analyse von CVEs und Sicherheitsdaten

• Sovereign AI: Lokale KI-Systeme auf Android und Termux

NeoBild ist ein experimentelles System zur automatisierten Analyse und Aufbereitung von Sicherheitsinformationen. Ziel ist es, technische Schwachstellen (CVE-Daten, Security Advisories) mithilfe von KI in verständliche, strukturierte und veröffentlichbare Inhalte zu transformieren.

Grundidee

Moderne Sicherheitsdaten sind komplex, fragmentiert und schwer zugänglich. NeoBild setzt genau hier an: Das System verbindet strukturierte Datenquellen mit KI-gestützter Analyse, um daraus klare, nachvollziehbare Sicherheitsberichte zu erzeugen.

Systemarchitektur

• Datenquellen: NVD, GitHub Security Advisories

• Analyse-Engine: Vertex AI

• Output: Automatisierte Blogartikel im WordPress-Format

Lokale Sprachmodelle funktionieren fundamental anders als Cloud-KIs wie ChatGPT oder Claude. Wer sie wie Chatbots behandelt, bekommt instabile, ausschweifende oder inkonsistente Antworten. Wer sie wie ein Werkzeug steuert, kann sie dagegen extrem effizient nutzen – selbst auf einem Smartphone mit Snapdragon-SoC.

Dieser Guide zeigt das praxiserprobte Prompting-System für die neue Generation lokaler Modelle (Gemma 4, Qwen 2.5, Llama 3.x) im Android-Ökosystem.

1. Das Gesetz der expliziten Steuerung

Lokale Modelle (typisch 1B–9B Parameter) sind stärker abhängig von klarer Instruktion und weniger robust gegenüber impliziten Erwartungen. Während große Cloud-Modelle Intentionen oft „erraten“, füllen kleine Modelle Lücken meist mit generischem Rauschen.

Sovereign AI auf Android 2026: Der komplette Guide für lokale KI & Self-Hosting mit Termux

Dein Smartphone ist mehr als ein Konsumgerät. Es ist ein Server, ein KI-Beschleuniger und der Schlüssel zu digitaler Unabhängigkeit. In diesem Guide zeige ich dir, wie du mit einem Android-Handy (ohne Root) eine vollständig souveräne KI- und Self-Hosting-Umgebung aufbaust – entwickelt und getestet auf einem Redmi Note 14 Pro Plus mit Snapdragon 7s Gen 3.

Obsidian ist bei mir kein Notiz-Tool. Es ist die zentrale Wissensdatenbank meines lokalen KI-Stacks — gespeist von einem Python-Daemon der automatisch alles erfasst was ich kopiere.

Das Problem

Ich teste täglich mehrere KI-Modelle mit denselben Prompts. ChatGPT, Claude, Gemini, Grok, DeepSeek, LeChat, Lumo. Die Antworten vergleichen? Ohne System unmöglich.

Die Lösung: Clipboard Daemon + Obsidian

Ein Python-Skript läuft permanent im Hintergrund in Termux. Es prüft alle 2 Sekunden das Clipboard. Sobald sich etwas ändert — und es länger als 80 Zeichen ist — wird es automatisch als Markdown-Datei in den Obsidian Vault gespeichert.

Trinity ist ein autonomes 4-Agenten-System das CVE-Sicherheitslücken analysiert, diskutiert und bewertet — vollständig lokal, ohne Cloud-Abhängigkeit.

Die 4 Agenten

Dominus koordiniert die Runden und gibt die Analysethemen vor. Er ist der Orchestrator des gesamten Diskurses.

Axiom bewertet CVEs nach technischer Schwere und Angriffsfläche. Fokus auf CVSS-Score und Systemrelevanz.

Cipher analysiert Exploit-Wahrscheinlichkeit und verfügbare Patches. Er bewertet ob eine Lücke aktiv ausgenutzt wird.

Vector berechnet Angriffsvektoren und priorisiert nach realem Risiko. Er schließt den Kreis zur operativen Bedrohungslage.

Du hast einen Snapdragon 7s Gen 3. Du läufst MNN Chat. Du bekommst ~6 tok/s. Warum nicht mehr? Und warum ist das trotzdem besser als die meisten erwarten?

Die drei Ausführungspfade

Snapdragon-Chips haben drei mögliche Backends für LLM-Inferenz: CPU, GPU (Adreno via OpenCL) und NPU (Hexagon). Derzeit sind llama.cpp und MNN-LLM für CPU-Inferenz optimiert. NPU-Unterstützung ist noch weitgehend closed-source — nur wenige Projekte wie mllm und PowerInfer-2 behaupten echten NPU-Support für mobile LLMs. arXiv

Vergiss llama.cpp auf Android. Es gibt eine bessere Option.

MNN Chat ist eine Open-Source-App von Alibaba. Der MNN-Inference-Engine erreicht auf Android CPU-Benchmarks eine Prefill-Geschwindigkeit von 8,6x über llama.cpp und 20,5x über fastllm, mit Decoding-Geschwindigkeiten die 2,3x bzw. 8,9x schneller sind. GitHub

Was die App kann

Text-zu-Text, Bild-zu-Text, Audio-zu-Text und Text-zu-Bild via Diffusion-Modelle — alles on-device. Google Play Unterstützte Modelle: Qwen, Gemma, Llama, DeepSeek, InternLM, Phi und mehr. GitHub

Setup

App installieren → Models Market öffnen → Modell wählen → Download → fertig. Kein Suchen im Internet nach kompatiblen Modellen — alles direkt in der App verfügbar. MakeUseOf

Kein VPS. Kein Raspberry Pi. Mein Blog-Agent läuft auf einem Xiaomi Redmi Note 14 Pro+ – Snapdragon 7s Gen 3, Termux.

Das Setup

proot-Ubuntu in Termux. OpenClaw 2026 als Agent-Gateway auf Port 18789. Agent-Model: Gemini 2.5 Flash via API.

`openclaw gateway
# [gateway] agent model: google/gemini-2.5-flash
# [gateway] listening on ws://127.0.0.1:18789

Der Publishing-Workflow

OpenClaw bekommt einen Prompt. Gemini übernimmt Struktur und Inhalt. wp_post.py pusht direkt via WordPress REST API:

python3 ~/wp_post.py "Titel" "Inhalt"
# Output: 201 179 https://neobild.de/?p=179

Hinweis (Stand September 2026): neobild.de läuft seit 16.06.2026 als statische Hugo-Site, nicht mehr auf WordPress. Der hier beschriebene Veröffentlichungsweg über die WordPress-REST-API ist für neobild.de nicht mehr in Betrieb.

Digitale Souveränität von Unterwegs: Self-Hosting mit Hetzner – Meine Perspektive als Smartphone-Entwickler

Als Lukas von neobild.de lebe ich die Philosophie der digitalen Souveränität konsequent aus. Mein gesamter Workflow basiert auf einem einzigen Gerät: einem Xiaomi Smartphone mit Snapdragon 8 Gen 3 und knapp 7GB verfügbarem RAM. Das mag für viele unkonventionell klingen, ist aber meine Realität. Ich arbeite ausschließlich in Termux, nutze proot-distro für eine vollwertige Ubuntu-Umgebung und steuere von dort aus alles – von der Code-Entwicklung bis zur Serververwaltung. Einen dedizierten PC oder gar einen eigenen lokalen Server gibt es in meinem Setup nicht. Diese mobile, minimalistische Herangehensweise bringt jedoch zwangsläufig bestimmte Limitationen mit sich, besonders wenn es um rechenintensive Aufgaben oder das Hosten komplexer Dienste geht. Genau hier kommt ein bewährter Hosting-Anbieter ins Spiel: Hetzner.

Dieses Projekt beweist, dass digitale Souveränität kein Konzept ist — sondern eine funktionierende Infrastruktur.

Was ist der Trinity-Diskurs?

Das [NeoBild GitHub Repository]  enthält die Rohdaten eines experimentellen KI-Diskursprojekts. Vier autonome Personas führen einen fortlaufenden philosophisch-satirischen Dialog — vollständig lokal, ohne Cloud, ohne externe API.

• Osmarks — analytisch, skeptisch

• Dominus — autoritär, dogmatisch

• Llama — naiv, direkt

• Satirist — ironisch, dekonstruktiv

Technischer Kern: SHA-256 Hash-Chaining

Jede Agenten-Antwort wird über einen Anker-Hash mit der vorherigen verknüpft. Das Ergebnis ist ein manipulationssicheres Log — kryptographisch prüfbar, vollständig in Termux generiert.

Das Problem: Cloud-Abhängigkeit

Wir haben Konzernen erlaubt, unsere Hilfshirne zu werden. Jede Entscheidung, jede Analyse, jedes kreative Problem läuft zuerst über ihre Server. ChatGPT, Claude.ai, Gemini — alle leistungsfähig, alle proprietär, alle beobachten uns.

Die Kosten sind real:

• Datenschutz: Deine Prompts, dein Denken, deine Entwürfe — alles protokolliert
• Abhängigkeit: Wenn sie Preise ändern, Richtlinien anpassen oder den Zugang sperren, bist du blockiert
• Latenz: Jeder Gedanke erfordert einen Round-Trip zu einem Rechenzentrum
• Kosten: Mehrere Agenten skalieren? Die Gebühren vervielfachen sich schnell

Es gibt einen anderen Weg. Baue dein eigenes Sovereign Brain.

Ein Xiaomi-Smartphone, Termux aus F-Droid und ein paar Python-Scripts — mehr braucht es nicht für einen vollständig autonomen AI-Agenten, der rund um die Uhr läuft. Kein Homelab, kein Cloud-Server, kein Raspberry Pi. Nur ein Handy in der Hosentasche.

Was als Experiment begann, ist mittlerweile ein produktiver Stack: Mein Smartphone überwacht meinen Webserver, generiert Content-Entwürfe, analysiert Server-Logs, pusht WordPress-Drafts per REST-API und schickt mir Benachrichtigungen wenn etwas schiefgeht. Alles lokal, alles automatisiert, alles unter meiner Kontrolle.

Die Cloud war ein Versprechen: Einfach, skalierbar, sorgenfrei. 2026 sieht die Realität anders aus. Preiserhöhungen, geänderte Nutzungsbedingungen und zunehmende Abhängigkeit von einzelnen Anbietern machen klar — wer seine digitale Infrastruktur nicht selbst kontrolliert, wird kontrolliert.

Cloud-Anbieter erhöhen Preise und ändern Nutzungsbedingungen

Was gestern noch im Free Tier lag, kostet morgen 20 € im Monat. Google, Microsoft, Notion, Vercel — sie alle haben in den letzten Monaten Preise angezogen oder Features hinter höhere Paywalls verschoben. Das Muster ist immer dasselbe: Erst Nutzer mit kostenlosen Angeboten locken, dann die Bedingungen ändern wenn die Abhängigkeit groß genug ist. Wer seine Daten, seine Workflows und seinen Content auf einer Plattform hat die er nicht kontrolliert, sitzt in einer Falle die sich langsam schließt.

Stell dir vor, dein Smartphone ist kein digitaler Käfig mehr, in dem Dutzende Apps um deine Aufmerksamkeit und deine Daten buhlen. Stell dir vor, dein Handy wäre ein intelligentes Ökosystem, das sich selbst organisiert, schützt und für dich arbeitet.

Das ist Planier. Keine gewöhnliche App, sondern die technologische Antwort auf den aktuellen App-Bloat und der Grundstein für deine digitale Festung.

1. Die digitale Immunabwehr (Zero Trust & Offline-KI)

Die meisten Apps heute fungieren als Trojanische Pferde: Sie bieten eine Funktion, während sie im Hintergrund Daten an externe Server abführen. Planier bricht mit diesem Modell:

Für Jahre war die Standardantwort in der Tech-Welt einfach: Abonniere eine API, fahr einen Cloud-Server hoch und bezahle monatliche Rechnungen.

Ein OpenAI-Abo hier, eine AWS-Instanz dort, vielleicht noch ein paar SaaS-Tools für die Automatisierung. Es läppert sich. Für viele Indie-Projekte erreicht ein typischer KI-Stack schnell 30 bis 50 Euro pro Monat – noch bevor das Projekt überhaupt skaliert.

Vor ein paar Wochen habe ich mein komplettes Setup mit einem neuen Ziel neu gebaut: Maximale Unabhängigkeit bei minimalen Kosten. Das Ergebnis? Eine komplette Infrastruktur inklusive autonomem KI-Agenten für exakt 2,75 € im Monat. Keine Cloud-KI-Abos. Keine versteckten SaaS-Kosten. Und vor allem: Kein Vendor-Lock-in.

Wer von digitaler Souveränität spricht, denkt oft an teure Root-Server, komplexe Docker-Swarm-Cluster und hohe monatliche Kosten. Die Industrie redet uns ein, dass Unabhängigkeit ein Luxus ist, den man sich leisten können muss.

Die Realität sieht anders aus. Mein kompletter Produktions-Stack für Neobild kostet exakt 2,75 € im Monat. Und ich verwalte ihn vollständig von einem Android-Smartphone aus.

Der 2,75 € Stack im Detail

Es braucht keinen überdimensionierten VPS, um Herr über die eigenen Daten zu sein. Ein klassisches Shared Hosting reicht völlig aus, wenn man die Architektur radikal verschlankt.