Ollama: OpenJarvis v1.0 für persönliche KI-Agenten, die lokal laufen

Ollama hat OpenJarvis v1.0 veröffentlicht, ein Open-Source-Framework zum Bauen persönlicher KI-Agenten, die auf eigener Hardware laufen. Das Framework wurde von den Laboren Hazy Research und Scaling Intelligence der Stanford University entwickelt und stellt lokale Verarbeitung vor die Cloud-Abhängigkeit.

Was bedeutet der Local-First-Ansatz?

Local-First ist ein Ansatz, bei dem die Ausführung auf dem eigenen Gerät der Standard ist und die Cloud optional. Wie die Ankündigung angibt, “laufen die Modelle lokal und die Cloud ist optional”. Damit werden die Fragen von Privatsphäre, Effizienz und Kosten adressiert, die cloud-abhängigen Systemen eigen sind, da Daten das Gerät des Nutzers nicht verlassen müssen.

Welche Funktionen bringt v1.0?

Version 1.0 umfasst eine native Ollama-Anbindung zur Verwaltung von Modellen und eine Leistungserfassung, die Energie, Kosten und Latenz neben der Genauigkeit misst. Sie kommt mit fertigen Agenten-Presets — einer Morgenzusammenfassung, einem Forschungsassistenten und einem Coding-Agenten. Sie unterstützt zudem eine flexible Modellauswahl über die Ollama-Bibliothek sowie lokale Dokumentenindexierung und Web-Recherche.

Wie legt man los?

Die Installation ist auf einen einzigen Befehl für macOS und Linux vereinfacht, während Windows über WSL2 oder eine Desktop-Anwendung unterstützt wird. Nutzer können sofort mit Modellen experimentieren oder eigene Standardwerte über eine Konfigurationsdatei festlegen. Das Framework zeigt, dass persönliche KI-Anwendungen effizient ohne ständige Verbindung zur Cloud laufen können, bei Transparenz über Betriebskosten und Umweltauswirkungen.