Standardmäßig privat
Die Inferenz läuft auf dem Gerät. Optionales Preload bleibt isoliert, verschlüsselt und klar begrenzt.
selbsai muss mehr als nur eine gute Idee beweisen. Es braucht sichtbare Datenschutzgrenzen, realistische Fähigkeiten und echten Support, bevor ein Kunde sich bindet.
Die Inferenz läuft auf dem Gerät. Optionales Preload bleibt isoliert, verschlüsselt und klar begrenzt.
Der Stack wird um offene Modellklassen gewählt, die Schreiben, Retrieval, Mehrsprachigkeit und dokumentenlastige Workflows bereits gut abdecken.
Menschlicher Support, DHL-Versand und ein sichtbares Kundenportal senken die Hürde, unbekannte Hardware zu kaufen.
Die Cloud ist gemietete Intelligenz — bequem, aber nicht wirklich deine. Selbs AI ist besessene Intelligenz. Hier ist der Tausch, in klarer Sprache.
ChatGPT, Gemini, Claude — du fragst, die Antwort reist über das Internet zu einem fremden Server und wieder zurück.
Ein kleiner, leiser Computer in deinem Zuhause oder Büro, der direkt dort denkt. Nichts verlässt den Raum.
Wenn KI deine Arbeit unterstützt, verdienen dein Leben und dein Unternehmen mehr als gemieteten Cloud-Zugang. Lokale Hardware macht dieses Maß an Privatsphäre, Autonomie und Kontrolle jetzt praktikabel und bezahlbar.
Prompts, Dateien und interner Kontext bleiben innerhalb deines eigenen Perimeters, statt zu einem entfernten Anbieter zu reisen.
Keine Remote-Konto-Abhängigkeit, kein Schalter bei einem Provider und keine gemietete Intelligenz zwischen dir und deiner Arbeit.
Ernsthafte lokale KI ist endlich als Hardware praktikabel: ein einmaliges System, das du kontrollierst, statt monatlicher Modellmiete.
Cloud-KI verlangt dauerhaftes Vertrauen. Eigene Hardware lässt dich die Regel setzen.
selbsai ist nicht nur eine Modellbox. Es ist eine private Arbeitsflache fur Aufgaben, die Teams bereits an KI geben: Entwerfen, Prufen, Suchen, Vergleichen, Zusammenfassen und Vorbereiten.
Workflow bauen →Explain code, draft tests, review pull requests, write scripts, and search local repository notes without exposing proprietary source.
Draft letters, policies, proposals, reports, summaries, tables, and structured extracts from private source files.
Prepare replies, classify inboxes, extract action items, create agendas, and turn meeting notes into follow-up work.
Compare PDFs, summarize long materials, build briefing notes, and answer questions with citations from local documents.
Prepare call notes, objection handling, proposal drafts, CRM-style summaries, and account research from approved company material.
Search policies, flag missing evidence, prepare audit answers, compare obligations, and keep sensitive control documents local.
Summarize stock lists, surface reorder issues, draft supplier emails, review SOPs, and answer operations questions from local records.
Find clauses, obligations, inconsistencies, deadlines, unusual terms, and missing attachments across contracts and case folders.
Das Open-Model-Okosystem bewegt sich von reinen Modell-Releases zu Runtime-Beschleunigung: speculative decoding, Multi-Token-Prediction-Drafter, MLX, Ollama, vLLM, SGLang, Quantisierung und hardwarespezifisches Tuning. Ein selbsai Gerat ist darauf ausgelegt, von dieser Kurve zu profitieren, ohne Arbeit zuruck in die Cloud zu schieben.
Googles Gemma 4 MTP-Drafter sind ein klares Signal: offene Modelle konnen deutlich reaktionsschneller werden, wahrend das Hauptmodell die Ausgabe weiter verifiziert.
Gemma 4 MTP lesen →Entwurfe, E-Mail-Prufung, Dokumenten-Q&A und Assistenz-Workflows fuhlen sich besser an, wenn Token-Latenz sinkt.
Coding-Hilfen, Recherche-Schleifen und mehrstufige Workflows profitieren, wenn jeder Schritt schneller antwortet.
Das Gerat ist nicht an eine Modellgeneration gebunden. Bessere offene Modelle und Runtimes konnen spater ubernommen werden.
Das selbsai Versprechen ist nicht, dass ein kleines lokales Modell jede Frontier-API schlägt. Der Punkt ist: Viele tägliche Aufgaben brauchen diese API nicht: Entwürfe, Coding-Unterstützung, Dokumentenprüfung, interne Suche, E-Mail-Arbeit, Compliance-Workflows und private Wissensassistenz laufen auf einem Gerät unter eigener Kontrolle.
Für aktuelle Rankings sollte Artificial Analysis direkt genutzt werden. Das Leaderboard ändert sich, sobald neue Frontier-, Open-Weight-, Speed-, Qualitäts- und Preisdaten erscheinen.
Benchmarks ändern sich schnell; lokale Geschwindigkeit hängt von Hardware, Quantisierung, Modellwahl und Beschleunigungswegen wie MTP-Draftern, MLX, Ollama, vLLM und SGLang ab.
Es gibt deutlich mehr Modelle, als ein normaler Käufer vergleichen sollte. selbsai filtert nach Workload, Quellenreputation, Lizenz, Runtime, Format, Hardware-Fit und Update-Politik.
Bevorzugt werden Modelle mit klarem Einsatzzweck, bekannten Grenzen, Benchmark-Kontext und gepflegter Release-Historie.
GGUF, Safetensors, MLX, Ollama, llama.cpp und vLLM werden passend zu Gerät und Workflow ausgewählt.
Kunden wählen stabile, ausgewogene oder schnelle Updates statt unerwarteter Verhaltensänderungen.
Beschreibe das Problem in klarer Sprache. Wir zeigen dir die passende Einheit und die Workflows dafür — und füllen den Konfigurator vor.
Drop them in. Ask anything. Get answers with citations, instantly. None of it leaves the device.
Wenn du einen WLAN-Drucker einrichten kannst, kannst du auch Selbs AI einrichten. Wenn du keinen WLAN-Drucker einrichten kannst — Selbs AI ist sogar leichter.
Sie bootet in unter 30 Sekunden. Keine Installationsassistenten, keine Treibersuche.
Jedes Gerät im Netzwerk sieht sie sofort. Keine Konten, kein Cloud-Login.
Bereits mit geprüftem Modell und deinen Workflows geladen. Von der Box zur ersten Antwort in unter drei Minuten.
Mehr ist es nicht. Die Einheit kündigt sich per mDNS im lokalen Netzwerk an. Kein Port-Forwarding, keine Zertifikate, keine DNS-Einträge.
Nach dem Setup nutzt der Kunde selbsai über eine private lokale Browser-Oberfläche. Workflow, Dokumentenbereich und Ergebnis bleiben kontrollierbar.
Anwendungsfälle ansehen →Prüfe diesen Lieferantenvertrag und liste Zahlungsrisiken mit Quellen auf.
Entwurf bereit. Quellen angehängt. Exportieren, überarbeiten oder im Chat fortsetzen.
Open the local interface on your laptop, desktop, tablet, or phone and chat with the device like a normal AI assistant.
Point a question at a folder, document set, or workflow so answers come from the right local material instead of every file at once.
Use prepared modes for coding, drafting, research, review, sales, compliance, warehouse, or general assistant work.
Copy, revise, cite sources, turn answers into drafts, and keep sensitive outputs inside the local workspace until you decide otherwise.
Vertrauen steigt, wenn das Angebot konkret ist. Jeder Node sollte wie ein vollständiges System wirken und nicht wie ein nackter Mini-PC mit vagen KI-Versprechen.
Ein ausgewähltes Gerät, getestetes Speicherprofil, Storage und die passende Open-Model-Klasse für den gewählten Workload.
Inferenz-Runtime, Retrieval-Tooling, Aufgaben-Presets und optionale Workflows sind vor der Auslieferung installiert.
Ein Kundenportal, ein Upload-Pfad bei Bedarf und klare nächste Schritte von der Bestellung bis zur ersten Antwort.
Menschlicher Support, Kundenportal und ein klarer Weg zu Hilfe, wenn Einrichtung oder Betrieb Aufmerksamkeit brauchen.
Unten siehst du den tatsächlichen Weg deiner Frage — mit einem typischen Cloud-Assistenten und mit Selbs AI. Keine Metapher. Genau das passiert jedes Mal.
Wenn das Internetkabel gekappt wird, arbeitet Selbs AI weiter.
Kann die Cloud das auch behaupten?
Die meisten Teams erreichen den Break-even mit Selbs AI in unter 18 Monaten. Danach ist die Intelligenz praktisch kostenlos. Bewege die Regler für deine Zahlen.
16 Monaten amortisiert sich Selbs AI. Danach ist deine Intelligenz praktisch kostenlos.
Nur Schätzung. Stromkosten (~ 1–2 € / Monat) sind ausgenommen und es wird pro aktivem Seat gerechnet.
Vertrauen ist die höchste Währung für ein Produkt wie dieses. Drei Dinge, zu denen wir uns für jeden Kunden schriftlich verpflichten.
Wir nutzen Open-Weight-Modelle und veröffentlichen den Firmware-Build. Dein IT-Team, ein Auditor oder ein neugieriger Nachbar kann prüfen, was läuft.
Ein echter Schalter am Gehäuse trennt das Netzwerk vollständig. Air-Gap-Modus ist einen Klick entfernt — nicht in einem Menü versteckt.
Made in Europe. Wenn etwas ausfällt, sprichst du mit den Ingenieuren, die das System gebaut haben. Kein Callcenter, kein KI-Chatbot, keine Ticket-Schlange.
Ein hochwertiger Hardware-Kauf braucht Klarheit nach dem Kauf. Der Käufer sollte genau wissen, was als Nächstes passiert und wann Support ins Spiel kommt.
Die Bestellung wird bestätigt, der Zahlungsstatus ist sichtbar, und das Kundenportal wird zum Kontrollpunkt.
Falls gewählt, erhält der Kunde einen sicheren Upload-Pfad und klare Erwartungen zum Umgang mit privaten Dateien.
Der Node wird um den gewählten Workload herum konfiguriert, getestet und vorbereitet, bevor er das Werk verlässt.
Tracking, erwartete Lieferung und Onboarding-Hinweise nehmen Unklarheit aus der finalen Übergabe.
Jeder selbsai Build beginnt mit Beruf, Dokumenten, Risikoniveau und Betriebsgrenze. Das Modell ist nur ein Teil des Appliances.
Appliance konfigurieren →Contracts, case files, client memos
Cloud AI can turn a simple drafting task into a privilege, vendor, and data-transfer discussion.
Letters, notes, patient-facing summaries
Cloud AI may save minutes, then cost hours explaining patient-data handling and access controls.
Receipts, invoices, DATEV-oriented exports
Generic cloud AI is not built around German tax confidentiality, DATEV habits, or client-file minimisation.
Specifications, tenders, site notes
Cloud AI can make unpublished bids, designs, and client plans feel like material you no longer fully control.
Brand voice, creative drafts, client research
Cloud AI is fast, but it can blur ownership around prompts, drafts, client strategy, and pre-launch work.
Suitability notes, product documents, client portfolios
Cloud AI can create needless exposure around wealth, insurance, pension, and suitability records.
Policies, minutes, employee questions
Cloud AI is hard to defend when employee data, monitoring concerns, and internal conflicts are in scope.
Leases, exposés, owner reports, due-diligence files
Cloud AI can expose tenant, owner, pricing, and transaction context in a business built on discretion.
Ja. Das Kernerlebnis ist dafür gebaut, lokal auf dem Gerät zu funktionieren.
Nein. Du sollst einen konfigurierten Node erhalten, kein Hobbyprojekt.
Schreiben, Retrieval, Mehrsprachigkeit, dokumentenlastige Workflows und private Assistenten sind der Kern-Fit.
Kundenportal, Supportpfad und Onboarding-Materialien gehören zum Produkterlebnis dazu.