- Aufgabe: Karakeep organisiert Quellen; ein Sprachmodell ergänzt Schlagwörter und Zusammenfassungen.
- Anbindung: Prüfen Sie das Zusammenspiel von Archiv, Modellzugang und Sprachmodell in Ihrer Installation.
- Konfiguration: Automatisches Tagging und automatische Zusammenfassung haben getrennte Schalter.
- Start: Beispiel: Sammeln Sie öffentliche Produktinformationen für eine Beschaffungsentscheidung und testen Sie das Wiederfinden.
Karakeep ist eine selbst hostbare Bookmark-Anwendung, früher Hoarder: Sie betreiben die Quellenablage auf eigener Infrastruktur. Tags sind Schlagwörter an einem Eintrag; eine Zusammenfassung verdichtet dessen Inhalt. Beispiel: Ein gespeicherter Fachbeitrag erhält das Schlagwort „Lieferantenauswahl“ und bleibt über die Suche auffindbar.
Was leisten Karakeep und Open WebUI im Recherchealltag?
Karakeep sammelt Quellen, ein angebundenes Sprachmodell ordnet sie ein. Die offizielle Funktionsübersicht nennt Listen, Volltextsuche, automatische Tags, Zusammenfassungen und Texterkennung aus Bildern. Für die Volltextsuche dient Meilisearch als Suchdienst; seine Adresse steht in MEILI_ADDR. Die Suche braucht diese konfigurierte Verbindung.
Open WebUI vermittelt Anfragen an angebundene Modelle. Ein gemeinsamer Dokumentenchat ist ein anderer Anwendungsfall, beschrieben im Beitrag über Antworten aus internen Dokumenten. Beispiel: Die Einkäuferin sucht den gespeicherten Artikel, liest die Zusammenfassung und öffnet anschließend die Originalquelle.
Ein brauchbares Recherchearchiv führt Mitarbeitende zur passenden Quelle und macht ihre Einordnung nachvollziehbar.
Welche Inhalte gehören in die Sammlung?
Ein klarer Sammelzweck erleichtert Auswahl und Pflege. Beginnen Sie mit freigegebenen, öffentlichen Fachquellen. Legen Sie ein kleines gemeinsames Schlagwortvokabular fest. Beispiel: Der Einkauf verwendet „Material“, „Wartung“ und „Lieferzeit“, um Beiträge zur nächsten Beschaffung zu sortieren. Diese Begriffe sind ein Planungsvorschlag für Ihr Team.
Bestimmen Sie, wer Quellen fachlich beurteilt und veraltete Einträge überprüft. Kontrollieren Sie Zusammenfassungen an der Originalquelle. Ein KI-Tag hilft beim Sortieren; eine Empfehlung gibt die zuständige Fachperson frei. Personenbezogene Unterlagen und vertrauliche Projektinformationen nehmen Sie erst nach der passenden Daten- und Zugriffsentscheidung auf.
Wie binden Sie ein lokales Sprachmodell an?
Die Verbindung braucht eine erreichbare Schnittstelle und ein passendes Modell. Eine API ist die technische Schnittstelle zwischen Anwendungen. In der Karakeep-Konfiguration legt OPENAI_BASE_URL die Adresse einer alternativen OpenAI-kompatiblen API fest. OPENAI_API_KEY enthält den Zugangsschlüssel; über OLLAMA_BASE_URL lässt sich auch direkt der lokale Modelldienst Ollama anbinden.
Open WebUI dokumentiert Chat-Anfragen über seine API mit POST /api/chat/completions. Der Zugriff erfolgt mit einem Bearer-Token, einem mitgesendeten Zugangsschlüssel. Sie erstellen den API-Schlüssel unter „Settings > Account“ nach administrativer Freigabe der API-Schlüssel und der nötigen Nutzerberechtigung. Das API-Setup ist als experimentell beschrieben; die konkrete Karakeep-Verbindung braucht deshalb einen Funktionstest.
Docker-Container sind getrennte Laufzeitumgebungen für Anwendungen. Im üblichen Compose-Bridge-Netz zeigt localhost auf den eigenen Container. Verwenden Sie für den anderen Dienst dessen Namen im gemeinsamen Netzwerk, wie die Docker-Netzwerkdokumentation erläutert. Beispiel: Ihre IT prüft die WebUI-Adresse aus dem Karakeep-Container heraus.
Automatisches Tagging steht dokumentiert mit INFERENCE_ENABLE_AUTO_TAGGING auf true, automatische Zusammenfassung mit INFERENCE_ENABLE_AUTO_SUMMARIZATION auf false. Kontrollieren Sie die tatsächlich gesetzten Werte Ihrer Installation. DSGPT bietet die Einrichtung von Open WebUI einschließlich Modellanbindung und technischer Dokumentation an. Den Umfang einer zusätzlichen Karakeep-Anbindung klären Sie projektbezogen.
Welche Datenwege müssen Sie vorab freigeben?
Jeder Verarbeitungsschritt bekommt ein benanntes Datenziel. Öffentliche Webseitenabrufe kontaktieren deren Betreiber. Prüfen Sie zusätzlich Modellanfragen, Bildverarbeitung, Protokolle und Sicherungen. Die Tabelle hilft Ihrer IT, die Wege festzuhalten.
| Verarbeitungsschritt | Komponente | Möglicher Datenempfänger | Nötiger Abnahmebeleg |
|---|---|---|---|
| Quellenabruf | Karakeep-Crawler, der Webseiten abruft | Webseitenbetreiber | Beobachtete Zieladressen |
| Tagging | Textmodellzugang | Lokaler oder externer Modellbetreiber | Adresse und Modellkennung |
| Zusammenfassung | Eigener Automatikschalter | Konfigurierter Modellbetreiber | Einstellung und geprüfte Ausgabe |
| Semantische Suche | Embedding-Modell | Konfigurierter Embedding-Anbieter | Effektive API-Adresse |
| Protokolle und Backup | Betriebsdienste | Eigene IT oder Dienstleister | Speicherort und Zugriffsrechte |
Die semantische Suche ist als experimentell dokumentiert. Sie verwendet Embeddings, numerische Darstellungen von Inhalten für die Ähnlichkeitssuche. Die Basisadresse für Embeddings folgt standardmäßig OPENAI_BASE_URL; ein eigener Wert in EMBEDDING_OPENAI_BASE_URL legt dafür ein separates Ziel fest. Beispiel: Ihre IT trägt die dadurch wirksame Adresse in die Tabelle ein und prüft das dort angebundene Embedding-Modell.
Bei personenbezogenen Inhalten brauchen Sie eine Rechtsgrundlage nach Art. 6 Abs. 1 DSGVO. Art. 25 Abs. 1 und 2 DSGVO verlangt geeignete Technikgestaltung und datenschutzfreundliche Voreinstellungen. Begrenzen Sie Datenumfang, Zugänglichkeit und Speicherdauer. Bei Verarbeitung im Auftrag regelt Art. 28 Abs. 1 und 3 DSGVO die Auswahl geeigneter Dienstleister und die bindende vertragliche Grundlage. Ihre Datenschutz- und Rechtsverantwortlichen bewerten den konkreten Einsatz.
Wie prüfen Sie den Nutzen vor dem Teamstart?
Eine kleine Abnahme verbindet gute Suchergebnisse mit nachvollziehbarem Betrieb. Gehen Sie beispielsweise so vor:
- Geben Sie eine repräsentative, unkritische Quellensammlung frei.
- Bestimmen Sie Modelladresse und Modellkennung.
- Prüfen Sie Zugangsschlüssel und Erreichbarkeit zwischen den Diensten.
- Testen Sie Tagging und Zusammenfassungen getrennt.
- Kontrollieren Sie Embedding-Einstellungen und Netzwerkziele.
- Lassen Sie Fachverantwortliche Wiederfinden und Pflegezuständigkeit abnehmen.
INFERENCE_CONTEXT_LENGTH begrenzt die Modelleingabe standardmäßig auf 2048 Tokens, also Textbausteine; längere Inhalte werden dafür abgeschnitten. Beispiel: Prüfen Sie bei einem langen Fachartikel, ob eine wichtige Aussage am Ende in Tags und Zusammenfassung berücksichtigt wird. Stimmen Sie den Wert auf das eingesetzte Modell und die verfügbaren Ressourcen ab.
Für personenbezogene Daten verlangt Art. 32 Abs. 1 DSGVO risikogerechte Sicherheitsmaßnahmen, Wiederherstellbarkeit und regelmäßige Wirksamkeitsprüfung. Benennen Sie Verantwortliche für Zugriffstests und Wiederherstellung. Geben Sie die Sammlung nach geklärten Datenzielen und fachlich brauchbaren Ergebnissen für das Team frei.
Fazit: Erst das Wiederfinden prüfen, dann ausweiten
Brauchbare Quellen, verständliche Tags und verbindliche Pflege machen ein Recherchearchiv nützlich. Beispiel: Lassen Sie den Einkauf einen gespeicherten Beschaffungsbeitrag wiederfinden und dessen Einordnung prüfen. Entscheiden Sie danach über den Ausbau und den passenden Modellzugang.
Dieser Artikel gibt einen allgemeinen Überblick und ersetzt keine Rechtsberatung im Einzelfall.
Häufige Fragen zu Karakeep und Open WebUI
Karakeep organisiert hier die Rechercheablage. RAG bedeutet, passende Dokumentausschnitte für eine KI-Antwort abzurufen. Beispiel: Eine Artikelsuche führt zur Quelle; ein RAG-Chat beantwortet eine Frage anhand abgerufener Textstellen. Die beschriebene Anbindung erzeugt keinen automatischen Dokumentenchat.
Karakeep unterstützt einen direkten lokalen Modellzugang über Ollama. Beispiel: Ihre IT nutzt den bereits betriebenen Ollama-Dienst für Tags. Eine vorhandene WebUI kommt als weiterer Zugangsweg infrage, wenn Schnittstelle, Berechtigungen und Ausgabeformat zusammenpassen.
Die entsprechend konfigurierte lokale Modellverarbeitung läuft in Ihrer Infrastruktur. Beispiel: Der Abruf eines öffentlichen Fachartikels verbindet Karakeep weiterhin mit dessen Webseitenbetreiber. Prüfen Sie auch Embeddings, Bildverarbeitung, Protokolle und Sicherungen als eigene Datenwege.
Planen Sie Server, Speicher, Sicherungen, Updates und Betreuung sowie Arbeitszeit für Quellenpflege ein. Beispiel: Ihre IT betreut den Server, der Einkauf kontrolliert Tags. Die Gesamtkosten hängen vom Aufbau ab; externe Modellzugänge können zusätzliche Nutzungskosten verursachen.
Karakeep unterstützt gemeinsam bearbeitete Listen und SSO, die Anmeldung über einen zentralen Identitätsdienst. Die dokumentierte SSO-Anbindung verwendet OIDC, einen Anmeldestandard. Beispiel: Zwei Einkaufskonten arbeiten an einer freigegebenen Liste. Prüfen Sie Archivfreigaben und Modellzugriff getrennt mit Testkonten.
Möchten Sie Ihren Modellzugang klären?
Wir besprechen Ihre Anforderungen an eine Open-WebUI-Umgebung, beispielsweise einen lokalen Modellzugang für die Recherche Ihres Einkaufs.
Marvin de Vries ist Geschäftsführer der ADence GmbH, die DSGPT entwickelt und betreibt. Mit seinem Team setzt er seit 2011 Websites, Software und seit 2023 KI-Plattformen für Mittelstand, Kanzleien und Behörden um, gehostet in Deutschland oder on-premise. Marvin de Vries auf LinkedIn
Quellen: Karakeep-Projekt, Introduction und Configuration, Dokumentation v0.34.0; Open-WebUI-Projekt, API Endpoints, fortlaufende Dokumentation; Docker, Networking in Compose, fortlaufende Dokumentation; Europäisches Parlament und Rat, Verordnung (EU) 2016/679 vom 27. April 2016; ergänzender Themenanstoß: Tarnkappe.info, Karakeep: Bookmark-Archiv mit lokaler KI und Open WebUI, 29. Mai 2026. Alle Quellen abgerufen am 28. Oktober 2026.
Zuletzt aktualisiert am
