OpenHuman: Die Open-Source-Wette auf eine private, Local-First-KI

Die meisten KI-Assistenten vergessen Sie in dem Moment, in dem ein Gespräch endet. Sie leben in der Cloud eines anderen, bauen den Kontext in jeder Sitzung von Grund auf neu auf und behandeln Ihre Daten stillschweigend als Trainingsmaterial. OpenHuman, ein Open-Source-Projekt von TinyHumans AI, ist eine Wette darauf, dass das gegenteilige Design gewinnt: eine persönliche KI, die auf Ihrem eigenen Rechner läuft, sich an alles erinnert und Ihr Leben niemals an einen Server sendet.

Im Mai 2026 gestartet, erreichte es innerhalb weniger Wochen rund 27.000 GitHub-Sterne und führte Product Hunt an – eine ungewöhnliche Zugkraft für ein Tool, das sich noch in einer frühen Beta-Phase befindet. Der Pitch besteht aus drei Worten aus der eigenen README: privat, einfach und extrem leistungsstark.

OpenHuman ist eine Desktop-Anwendung (macOS, Linux, Windows), lizenziert unter GPL-3.0 – wirklich kostenlos und Open-Source, keine kostenlose Stufe mit einer Paywall dahinter. Sie installieren es auf die langweilige Art: `brew install openhuman`, ein signiertes apt repo oder eine Windows `.msi`. Keine Terminal-Gymnastik, keine API-Schlüssel, die vor der Nutzung eingerichtet werden müssen.

Unter der Haube ist es in Rust und TypeScript geschrieben und fungiert eher als Agent denn als Chatbox: Es verbindet sich mit Ihren Konten, zieht Ihre Daten nach einem Zeitplan herein und arbeitet mit integrierten Tools damit. Das Designziel ist es, das Kaltstartproblem zu beseitigen – die KI kennt Ihren Kontext bereits, bevor Sie fragen.

Die Kernidee ist ein lokales, persistentes Gedächtnis, das das Projekt den Memory Tree nennt. Daten von verbundenen Konten werden etwa alle 20 Minuten abgerufen und in eine Wissensdatenbank komprimiert, die in einer lokalen SQLite-Datenbank gespeichert und dann in einen Obsidian-kompatiblen Markdown-Tresor gespiegelt wird.

Dieser zweite Teil ist der wirklich neuartige Schritt: Das Gedächtnis der KI ist ein Ordner mit einfachen Markdown-Dateien, die Sie selbst öffnen, lesen und bearbeiten können. Anstelle eines undurchsichtigen Vektorspeichers, dem Sie vertrauen müssen, ist das Verständnis des Modells von Ihnen überprüfbar und korrigierbar. Es ist die bisher sauberste Antwort auf die Zustandslosigkeit, die ChatGPT, Claude und Gemini amnesisch wirken lässt.

OpenHuman liefert One-Click OAuth-Konnektoren für über 118 Dienste – darunter Gmail, Notion, GitHub, Slack, Calendar, Drive, Linear und Jira. Darüber hinaus gibt es native Tools: Websuche, einen Scraper, ein Coder-Toolkit mit Dateisystem- und Git-Zugriff, Sprachsteuerung und einen Agenten, der an Google Meet-Anrufen teilnehmen und in Echtzeit antworten kann.

Eine Komprimierungsschicht, die das Projekt TokenJuice nennt, soll den Token-Verbrauch um bis zu 80 % senken, und ein integrierter Modell-Router wählt für jede Aufgabe ein geeignetes LLM aus. Der rote Faden ist Datenschutz als harte Einschränkung, nicht als Einstellung: Daten bleiben auf dem Gerät, und das Projekt erklärt unmissverständlich, dass es niemals mit Benutzerdaten trainiert.

Hier werden wir ehrlich sein, denn der Katalog baut darauf auf. OpenHuman ist ein exzellentes Produktdesign – aber die Assistenten-Schicht, auf der es sitzt, ist auf lange Sicht der Teil, den Frontier-Modelle am ehesten absorbieren werden. Persistentes Gedächtnis, Tool-Calling und persönlicher Kontext werden für jedes große Modell zu Standardanforderungen, und eine ausgefeilte Open-Source-Desktop-App legt noch keinen MCP-Server oder eine öffentliche API offen, die sie zu einer Standardoberfläche für andere Agenten machen würde, auf der sie aufbauen können.

Übersetzt in unser Scoring: starke Ausführung, geringe Verteidigungsfähigkeit – die Art von Tool, dessen Wettbewerbsvorteil (Moat) auf Community, Geschmack und Liefergeschwindigkeit basiert, anstatt auf etwas, das ein LLM nicht replizieren kann. Das ist keine Abwertung. Es ist die Hürde, die OpenHuman nehmen muss, und die Open-Source-, Local-First-Haltung ist ein echter Versuch, dies durch Vertrauen statt durch Lock-in zu erreichen.

Wenn Sie die strukturierte Aufschlüsselung wünschen – Integrationen, Preise, Plattformen und wie es sich im Vergleich zu OpenClaw, Hermes Agent und Jan.ai schlägt – siehe OpenHumans vollständiges Profil auf Stork.