ingest(raw): Hermans ct3003-Nachtrag mit Datenschutzgrenzen

This commit is contained in:
Hector 2026-11-06 17:13:34 +01:00
parent 637f850c86
commit 87d4dc9b37
4 changed files with 45 additions and 2 deletions

View file

@ -0,0 +1,26 @@
---
type: other
source_url: "https://t.me/c/3839640481/17556"
retrieved: 2026-11-06
title: "Herman: Zusammenfassung c’t 3003 – Lokale KI"
author: "Herman (@HermanButlerBot, Telegram-ID 8936281034)"
tags: [local-ai, coding-agents, privacy, secondary-summary]
---
# Zusammenfassung von Herman, OME Topic 1744, Nachricht 17556
Quelle dieser Datei ist die Bot-Nachricht vom 06.11.2026, 16:03:28 UTC, nicht ein Video-Transkript. Video: https://www.youtube.com/watch?v=a__Rva9Wqek
## Vollständiger Nachrichtentext
Das Video von **c’t 3003** (_„Lokale KI: Das ist der aktuelle Stand“_, 6. November 2026, 22:50) ist ein Hardware- und Praxisüberblick: Welche Rechner lokale LLMs sinnvoll ausführen, wie Speichergröße und -bandbreite Tempo und Kontextlänge beeinflussen und welche Tools für Coding-Agenten taugen.
**Kernaussagen des Videos:**
- Für anspruchsvolle lokale Nutzung zählt nicht nur die Modellgröße, sondern vor allem genügend schnellen GPU- oder Unified-Speicher. Reiner Arbeitsspeicher kann zwar reichen, wird beim Generieren aber laut den gezeigten Tests deutlich langsamer.
- Der Sprecher vergleicht Nvidia-, AMD- und Intel-GPUs sowie Apple- und AMD-Systeme. Die Zahlen sind seine eigenen Benchmarks mit konkreter Runtime und Konfiguration — keine allgemeingültige Rangliste.
- Lokale Modelle können Dateien bearbeiten und Coding-Agenten steuern; solche Agenten sollte man beaufsichtigen, weil sie Änderungen vornehmen oder Dateien löschen können.
- Für die Einrichtung empfiehlt er zunächst einen Cloud-Coding-Agenten und schlägt vor, sich danach wieder abzumelden.
**Bezug zu deiner Datenschutzfrage:** Das Video stützt die praktische Option „lokal rechnen“, macht aber zugleich klar, dass der Einstieg über einen Cloud-Agenten Daten nach außen tragen kann. Lokaler Modellbetrieb verringert diese Übertragung — vorausgesetzt, Runtime und Agent leiten nicht ihrerseits Inhalte an Cloud-Dienste weiter. Die Benchmarkwerte und Modellvergleiche habe ich hier nicht unabhängig nachgemessen.
📺 [Video ansehen](https://www.youtube.com/watch?v=a__Rva9Wqek)

View file

@ -4,6 +4,7 @@ updated: 2026-11-06
sources:
- youtube/2026-08-10_lokale-ki-coding-nulltarif.md
- youtube/2026-11-06_ct3003-lokale-ki-aktueller-stand.md
- other/2026-11-06_herman-ct3003-lokale-ki-zusammenfassung.md
tags: [concept, lokale-ki, coding, kosten, hardware, local-ai, agents]
---
@ -175,3 +176,9 @@ Die Primärquellen bestätigen die Projekte, nicht die Geschwindigkeit oder Codi
**Offen:** Konkrete Geräte, Messverfahren, Durchsatz und Giraffen-Test-Ergebnisse sind ohne Video/Transkript nicht ausgewertet. Der Sponsorenblock betrifft laut Beschreibung Thomas-Krenn/OPNsense; daraus wird keine Aussage zur Unabhängigkeit einzelner KI-Tests abgeleitet.
[Raw: Originalbeschreibung, Kapitel, vollständige Linkziele](../../../raw/youtube/2026-11-06_ct3003-lokale-ki-aktueller-stand.md)
### Ergänzende Bot-Zusammenfassung: Datenschutz und Agentenrechte
[Herman (@HermanButlerBot)](https://t.me/c/3839640481/17556) berichtet ergänzend von Vergleichen zwischen Nvidia-, AMD- und Intel-GPUs sowie Apple-/AMD-Systemen und einer Empfehlung, die Installation zunächst mit einem Cloud-Coding-Agenten vorzunehmen und sich danach abzumelden. **Das sind zugeschriebene Angaben aus einer sekundären Bot-Zusammenfassung**, keine hier geprüften gesprochenen Videoaussagen. Auch die Dauer 22:50 stammt aus dieser Zusammenfassung; Hardwaremesswerte wurden nicht übernommen. [Originalnachricht als Raw](../../../raw/other/2026-11-06_herman-ct3003-lokale-ki-zusammenfassung.md).
**Praktische Konsequenz (Wiki-Einordnung):** Ein später lokal laufendes Modell macht eine vorherige Cloud-Übertragung beim Setup nicht rückgängig; Abmelden löscht nicht automatisch bereits übertragene Inhalte. Vor Cloud-Hilfe deshalb Arbeitsverzeichnis, Geheimnisse und Tool-Zugriffe begrenzen. Ein lokaler Agent braucht weiterhin kontrollierte Schreib-/Löschrechte, überprüfbare Änderungen und Sicherungen. Für Datenschutz ist die gesamte Kette aus Harness, Runtime und Werkzeugen entscheidend, nicht allein der Modellstandort. Siehe [[../policy/inference-provider-data-retention.md]] und [[../../architecture/agent-orchestration.md]].

View file

@ -1,7 +1,8 @@
# Wiki Index
*Auto-generated: 2026-07-07*
*Letzte Aktualisierung: 2026-11-06 (261. Update — c’t 3003: „Lokale KI: Das ist der aktuelle Stand“. Originalbeschreibung, Kapitel und vollständige Tool-/Modelllinks gesichert; Empfehlungen Strata, Qwen3.8-27B UD_Q4_K_M, Pi und OpenCode in bestehende Coding-Seite ergänzt. Kein Transkript erhalten, keine Video-Messwerte übernommen.)*
*Letzte Aktualisierung: 2026-11-06 (262. Update — c’t 3003: Hermans ergänzende Bot-Zusammenfassung separat gesichert; Cloud-Setup, Datenschutz und Agentenrechte eingeordnet. Kein Transkript und keine unabhängig geprüften Video-Benchmarks.)*
*Vorherige Aktualisierung: 2026-11-06 (261. Update — c’t 3003: „Lokale KI: Das ist der aktuelle Stand“. Originalbeschreibung, Kapitel und vollständige Tool-/Modelllinks gesichert; Empfehlungen Strata, Qwen3.8-27B UD_Q4_K_M, Pi und OpenCode in bestehende Coding-Seite ergänzt. Kein Transkript erhalten, keine Video-Messwerte übernommen.)*
*Vorherige Aktualisierung: 2026-11-05 (260. Update — Rudolf Steiner/GA 204: Spinnennetz-Zitat an der englischen Übersetzung der Vorlesung vom 13.05.1921 geprüft. Die Internet-/KI-Deutung stammt vom X-Post, nicht von Steiner; im Vortrag ist das Ereignis an die Mondrückkehr gebunden. Neue Konzeptseite und zwei Personenprofile.)*
*Vorherige Aktualisierung: 2026-10-25 (259. Update — Hidden AmuraKa: Bitcoin, Machine God und Hyperstition. Originalbeschreibung statt Volltranskript; Block 528249/21e8 an Blockchain-APIs geprüft; 19:20-Briefing von laut Beschreibung 74-minütigem Original getrennt. Neue Konzeptseite und drei Autorenprofile.)*
*Vorherige Aktualisierung: 2026-10-22 (258. Update — Grok-Bot-Gedächtnis und gemeinsame Computer: Shadow-Nick-Post, zitierter Artikel und xAI-Doku abgeglichen; Pro-Bot-Computer-Aussage korrigiert, Kostenrechnung als hypothetisch markiert.)*
@ -347,7 +348,7 @@
| [Gaming-Hardwarekrise durch KI-Speichernachfrage](concepts/hardware/gaming-hardwarekrise-ai-speicher.md) | GameStar-Podcast „Der Sargnagel für AAA-Gaming“: HBM-/DRAM-Engpass als Podcast-Erklärung für steigende GPU-, RAM- und SSD-Preise; längere Upgrade-Zyklen, Cloud-/Mobile-Ausweichpfade und AAA-Risiken. **Update 20.09.:** Preis-Anker mit belegten Zahlen (MemoryIndex/DRAMeXchange-TrendForce, Spot-Basis 17.09.2026) — **DDR4 16Gb $84,43 vs. DDR5 16Gb $56,11** pro Die, YoY +690 % vs. +480 %; DDR4 8Gb $45,59 (+860 %), DDR5 eTT $24,55 (+330 %), DDR5 RDIMM 64GB $1.857 (derived). **DDR4/DDR5-Inversion**: Die Weiterverwendungs-These trägt nur über den Zweitmarkt, nicht über Neukauf. **Nachtrag 20.09.2026 (Zweitmarkt-Anker):** gebrauchte 64-GB-DDR4-RDIMMs (2666) **~$325–550/Modul = ~$5–8,50/GB** ([DIMMsum](https://dimmsum.com/ddr4/64gb-2666-rdimm), eBay-Listings; Median ~$545, Lots bis ~$5/GB) gegen **~$29/GB** beim abgeleiteten DDR5-RDIMM-Neupreis → **rund 3–5× pro Gigabyte**, bei etwa halber Bandbreite. Der Controller monetarisiert **Zugang zum Zweitmarkt**, nicht billigen DRAM; Neukauf von DDR4 wäre die teurere Route. ⚠️ Angebotspreise, keine Transaktionspreise. Podcast-Zahlen weiterhin nicht unabhängig verifiziert | podcast/2026-09-06_gamestar-sargnagel-aaa-gaming.md + other/2026-09-20_dram-spotpreise-memoryindex.md + other/2026-09-20_ddr4-gebrauchtmarkt-dimmsum.md |
| [NVIDIA DLSS 5 — Neurales Rendering als Grafik-Revolution](concepts/hardware/nvidia-dlss5-neural-rendering.md) | GameStar-Podcast „DLSS 5 ist eine Grafik-Revolution (und ein Problem für Konsolen)“: neuraler Renderer, der vorhandene Geometrie/Beleuchtung besser ausliest (Kontaktschatten, Lichtverläufe); RTX-30/40/50, DX12-Idealfall, keine neuen Schatten/LODs; Konsolen „zwei Generationen zurückgeworfen“, Marketing-Problem. Podcast-Angaben nicht unabhängig verifiziert | podcast/2026-09-08_gamestar-dlss5-grafikrevolution.md |
| [NVIDIA DGX Station — 748 GB Unified Memory Desktop](concepts/hardware/nvidia-dgx-station-748gb.md) | GB300 Grace Blackwell Ultra Superchip: 748 GB kohärent (252 GB HBM3e + 496 GB LPDDR5X), 20 petaFLOPS FP4. Full-precision 70B ohne Quantisierung. ~$85K–$115K, ROI break-even ~2 Monate vs Cloud. DGX Spark (128 GB, $4.7K) als Prosumer-Einstieg. LM Studio/Ollama-Asterisk verschwindet | youtube/2026-06-28_nvidia-748gb-ram-desktop-local-ai.md |
| [Lokale KI zum Coding — Kostenfrage & Hardware-Vorteile](concepts/hardware/lokale-ki-coding.md) | Hardware-/Kostenfrage und lokale Coding-Agents. Ergänzung c’t 3003 vom 06.11.2026: Beschreibung empfiehlt Strata für Qwen 3.8 Flash Next, Qwen3.8-27B UD_Q4_K_M sowie Pi/OpenCode; Kapitel zu Quantisierung, Runtimes und Betriebssystemen. Kein Transkript, keine Video-Messwerte übernommen | youtube/2026-08-10_lokale-ki-coding-nulltarif.md; youtube/2026-11-06_ct3003-lokale-ki-aktueller-stand.md |
| [Lokale KI zum Coding — Kostenfrage & Hardware-Vorteile](concepts/hardware/lokale-ki-coding.md) | Hardware-/Kostenfrage und lokale Coding-Agents. Ergänzung c’t 3003 vom 06.11.2026: Beschreibung empfiehlt Strata für Qwen 3.8 Flash Next, Qwen3.8-27B UD_Q4_K_M sowie Pi/OpenCode; Kapitel zu Quantisierung, Runtimes und Betriebssystemen. Hermans sekundäre Zusammenfassung ergänzt Datenschutz-/Cloud-Setup-Grenzen und Agentenrechte. Kein Transkript, keine Video-Messwerte übernommen | youtube/2026-08-10_lokale-ki-coding-nulltarif.md; youtube/2026-11-06_ct3003-lokale-ki-aktueller-stand.md; other/2026-11-06_herman-ct3003-lokale-ki-zusammenfassung.md |
| [UBTECH U1 — Chinas hyperrealistische Humanoide Roboter](concepts/hardware/ubtech-u1-humanoid-roboter.md) | UBTECH (erstes börsennotiertes Humanoid-Unternehmen): U1 mit Silikonhaut, 88 DOF, Cloud-KI, 13K+ Vorbestellungen ($17.6K–$45K), demografischer Treiber (HK 0,77). **Update 19.08.:** China 97 % aller humanoiden Roboter weltweit, US-Importverbot für vernetzte Roboter >2 kg | youtube/2026-07-05_everlast-ki-news-china-roboter-sonnet5-fable5.md + youtube/2026-08-19_ki-experten-alles-zum-kippen.md |
| [$8-Chip mit LLM ohne RAM — TinyML-Inferenz im Ultra-Kleinformat](concepts/hardware/8-dollar-chip-llm-tinyml.md) | Better Stack: ~$8-Mikrocontroller, der ein LLM mit fast keinem RAM ausführt (ESP32-/Pico-Klasse, extreme Quantisierung/Flash-Streaming). Untere Kante der Edge-Inferenz-Skala (wenige KB bis MB) — Gegenpol zu DGX 748 GB / Strix Halo 128 GB. Verbindendes Prinzip: Quantisierung. ⚠️ Metadata-only (kein Transcript) | youtube/2026-08-21_8-dollar-chip-llm-no-ram.md |
| [Apple M6 & M5 Ultra — Mac mini/Mac Studio Sommer-Update](concepts/hardware/apple-m6-m5-ultra-mac-mini-studio-update.md) | Apple überrascht im August mit neuem Mac mini (M6, M5 Pro) und Mac Studio (M5 Max, M5 Ultra). M6 = erster 2-nm-Chip; M5 Ultra = 512 GB Unified Memory @ 1,2 TB/s, UltraFusion 4,4 TB/s (erste Interconnect-Steigerung seit 2022), TB5/RDMA-Cluster für >1T-Parameter-Modelle. OpenClaw als Nachfrage-Treiber genannt (heise). Preise: mini M6 1049€, Studio M5 Ultra ab 6599€. **Verifiziert (21.09., MacStories/Viticci, 256-GB-Gerät):** Generierung ~+70 % und Prefill ~+150 % vs. M3 Ultra; Flash-Next >100 tok/s kurz, 60–85 tok/s bei 64K–256K; vs. RTX 5090 Prefill ~1.700 gegen ~3.000 tok/s, Generierung ~25 % Rückstand (1,2 vs. 1,79 TB/s), aber 5090 verliert oberhalb 32 GB VRAM | youtube/2026-08-25_apfelfunk-neue-macs-m6-m5-ultra.md + blog/2026-08-25_heise-apple-m6-m5-ultra-mac-update.md + blog/2026-09-21_macstories-m5-ultra-mac-studio-review.md |

View file

@ -2,6 +2,15 @@
*Append-only changelog. Start: 2026-06-05*
## 2026-11-06 — c’t 3003: Hermans ergänzende Zusammenfassung
**Type:** ingest + wiki-update | **Scope:** raw/other, wiki/concepts/hardware, wiki/index, wiki/log
**Quelle:** Herman (@HermanButlerBot), Telegram-ID 8936281034, OME Topic 1744, Nachricht 17556 vom 06.11.2026 16:03:28 UTC. Video-Link zuvor von Pit Weber (@PWeber, ID 617724210), Nachricht 17555.
**Ergänzung:** Sekundäre Bot-Zusammenfassung unverändert separat gesichert; Hardwarevergleich/Cloud-Setup-Empfehlung als zugeschrieben markiert. Wiki-Einordnung: lokaler späterer Betrieb nimmt frühere Cloud-Übertragung nicht zurück; Agentenrechte und gesamte Verarbeitungskette prüfen.
**Grenze:** Kein Video-Transkript, keine unabhängig geprüften Benchmarks; Dauer 22:50 nur laut Herman. Keine Änderung der ursprünglichen YouTube-Raw-Datei.
**Provenienzkorrektur:** Die Bezeichnung „Kai“ im vorherigen Ingest-Log meint den Link-Teiler Pit Weber (@PWeber), nicht den Autor der ergänzenden Nachricht: Diese stammt von Herman.
**Dateien:** raw/other/2026-11-06_herman-ct3003-lokale-ki-zusammenfassung.md (neu), wiki/concepts/hardware/lokale-ki-coding.md, wiki/index.md, wiki/log.md.
## 2026-11-06 — c’t 3003: Stand lokaler KI
**Type:** ingest + wiki-update | **Scope:** raw/youtube, wiki/concepts/hardware, wiki/index, wiki/log