Lokale KI im Alltag
Warum lokale KI spannend ist
Wie On-Device-Modelle Kontrolle, Tempo und Nähe zurückbringen
Wie LLMs technisch funktionieren – und warum Größe nicht alles ist
Was im Inneren großer Sprachmodelle passiert und wie man die passende Modellgröße wählt
Was LM Studio eigentlich ist
Die Desktop-Schaltzentrale für lokale Sprachmodelle
GLM 4.6, Llama 3 & Co – die neue Generation der offenen Sprachmodelle
Warum offene LLMs plötzlich Produktionsqualität erreichen
Lokale KI Hardware: Was CPU, GPU und RAM wirklich leisten müssen
Apple Silicon, RTX-Karten oder normaler PC: Welche lokale KI Hardware für LLMs wie Llama 3 taugt — von 8 GB RAM bis zur Profi-Workstation.
Praktische Workflows: Wie lokale KI den Alltag verändert
Vom Schreibassistenten bis zum Automatisierungs-Helfer – lokale Modelle im täglichen Einsatz
Datenschutz und Kontrolle – der unterschätzte Vorteil lokaler Modelle
Warum lokale LLMs mehr sind als ein Komfortgewinn
Geschwindigkeit, Optimierung und die Kunst der Quantisierung
Wie lokale LLMs schneller werden, ohne klüger tun zu müssen
Erweiterungen und Kombinationen: Lokale LLMs mit Tools verknüpfen
Wenn KI vom Werkzeug zum Bestandteil der Umgebung wird
Lokale KI: Entwicklungen und Perspektiven
Multimodale Modelle, On-Device-Integration und die nächste Generation lokaler Intelligenz
Mac Studio M4 Max für lokale KI: Benchmark-Vergleich mit RTX-Workstations
Unified Memory vs. VRAM in der Praxis: Wie der Mac Studio M4 Max bei Llama 3 und anderen LLMs abschneidet — mit konkreten Token-Raten und dem Vergleich zu Nvidia.