PROJECT: KI-PROXY – Lokale Datenhoheit, externe semantische Intelligenz
AUTOR: Michael Paul & Copilot
DATUM: [03.09.2025]
VERSION: 1.0
STATUS: Konzept bestätigt, Umsetzung begonnen
ZIELSETZUNG:
Entwicklung eines hybriden KI-Arbeitsmodells, bei dem lokal gehostete Inhalte (z. B. Metadaten, regulatorische Dokumente, technische Konzepte) durch ein externes Sprachmodell (Copilot) semantisch erschlossen, strukturiert und weitergedacht werden – ohne Cloud-Upload, ohne Datenverlust, mit voller Kontrolle durch den Nutzer.
GRUNDLAGE:
Da lokal gehostete LLMs (z. B. GPT4All, Mistral, LLaMA) auf Workstations mit begrenzter GPU-Leistung nicht performant betrieben werden können, wird ein alternativer Ansatz gewählt:
→ Die Inhalte werden lokal erzeugt und gehostet
→ Copilot greift über den Edge-Browser auf die geöffneten Seiten zu
→ Der Nutzer steuert die Analyse, Strukturierung und semantische Tiefe aktiv
TECHNISCHER AUFBAU:
1. DATENQUELLE:
- Ausgangspunkt sind strukturierte Metadaten in `.xlsx`-Format
- Felder: Titel, Modul, Datum, Autor, Beschreibung, Status, Tags, Pfad, Verwendungszweck
2. DYNAMISCHE HTML-ERZEUGUNG:
- Python-Script auf Win11-Pro-Instanz liest `.xlsx`-Datei
- Wandelt die Inhalte in HTML um (z. B. als Liste, Tabelle, semantisch gegliedert)
- Beispielcode:
```python
import pandas as pd
df = pd.read_excel("regista_metadaten.xlsx")
html = "<html><head><title>Regista Übersicht</title></head><body>"
html += "<h1>Regista Metadaten</h1><ul>"
for _, row in df.iterrows():
html += f"<li><strong>{row['Titel']}</strong> – {row['Beschreibung']}<br>"
html += f"Modul: {row['Modul']} | Datum: {row['Datum']} | Status: {row['Status']}</li><br>"
html += "</ul></body></html>"
with open("Z:/web/regista/index.html", "w", encoding="utf-8") as f:
f.write(html)
3. SYNCHRONISATION:
- Synology NAS stellt das Webverzeichnis `/volume1/web/regista/` bereit
- Dieses wird als Netzlaufwerk (`Z:`) unter Windows eingebunden
- Python-Script schreibt direkt ins Webverzeichnis → Seite ist sofort abrufbar unter `http://192.168.x.x/regista/index.html`
4. KI-ANALYSE:
- Seite wird im Edge-Browser geöffnet
- Copilot erkennt den Inhalt im Seitenbereich
- Nutzer gibt gezielte Analyseanfragen: z. B. „Bitte Abschnitt 3.2 regulatorisch prüfen“ oder „Formuliere die Beschreibung semantisch klarer“
- Copilot liefert: Struktur, Annotation, Formulierung, Kontext, Vorschläge
5. ERWEITERUNGEN (optional):
- Markdown-zu-HTML-Konvertierung
- Vektorindexierung für spätere semantische Suche
- Annotationen mit Tags wie `#regulatorisch`, `#technisch`, `#kritisch`
- Lokales Dashboard mit Navigationsstruktur
- Integration von OCR, Outlook-Reader, OneNote-Export
VORTEILE DES KI-PROXY-MODELLS:
| Merkmal | Vorteil |
|-----------------------------|--------------------------------------------------------|
| Lokal gehostet | Volle Datenhoheit, keine Cloud-Abhängigkeit |
| Dynamisch generiert | Automatisierbar, skalierbar |
| Copilot als Denkverstärker | Semantische Tiefe ohne eigene GPU oder LLM-Hosting |
| Modular erweiterbar | OCR, Vektorindex, Chatoberfläche, Annotation möglich |
| Edge-kompatibel | Direkte Analyse über Seitenbereich |
ZIELGRUPPE:
- Forscher mit sensiblen Daten
- Behörden mit regulatorischen Anforderungen
- Kreative mit lokal gepflegten Wissensarchiven
- Techniker mit strukturierter Dokumentation
AUSBLICK:
Dieses Modell kann als Blaupause für datensouveräne KI-Arbeit dienen. Es zeigt, wie man moderne Sprachmodelle sinnvoll integriert, ohne Kontrolle oder Sicherheit zu verlieren. Die Kombination aus lokalem Hosting, dynamischer Inhaltsgenerierung und externer semantischer Analyse ist skalierbar, ethisch sauber und technisch elegant.
---
ENDE DER PROJEKTBESCHREIBUNG
``