Karakeep: Bookmark-Archiv mit lokaler KI und Open WebUI

Karakeep wird mit Open WebUI, lokaler KI und ScaleTail zum eigenen Bookmark-Archiv. So bleibt die Auswertung im Homelab statt in der Cloud.

Karakeep: Lokale KI statt Cloud-Pflicht

Mögliche Szenarien für die KI-Einbindung

Bookmarks sollten privat bleiben

Karakeep = Weniger Ordner, mehr Auffindbarkeit

Linkwarden als Alternative

Vorsicht bei Docker-Setups

Karakeep ist kein weiteres Bookmark-Grab

Bookmarks sind schnell gesetzt – und genauso schnell wieder vergessen. Zunächst landet ein Artikel in der Sammlung, dann ein GitHub-Projekt, anschließend vielleicht eine Docker-Anleitung, eine PDF, ein Screenshot und irgendeine Notiz. Nach ein paar Wochen weiß man oft nicht mehr genau, was und warum man etwas gespeichert hat. Der Titel ist weg, der Zusammenhang auch. Für solche Sammlungen eignet sich Karakeep sehr gut.

Dieser Online-Dienst speichert Links, Notizen, Bilder und PDFs. Er zieht Metadaten ein, durchsucht Inhalte per Volltext und kann Einträge automatisch mit Schlagwörtern versehen. Hinzu kommen Listen, Regeln, OCR, RSS-Feeds, eine REST-API, Browser-Erweiterungen und Apps für iOS und Android. Karakeep hieß früher Hoarder, ist Open Source und wurde mit Selfhosting als fester Grundlage entwickelt.

Karakeep: Lokale KI statt Cloud-Pflicht

Das Tool spielt vor allem dann seine Stärken aus, wenn es nicht nur Links sammelt, sondern auch für Ordnung in der Ablage sorgt. Webseiten, Titel und Ordner bilden die Basis. Der eigentliche Nutzen entsteht jedoch erst, wenn der Dienst gespeicherte Inhalte automatisch einordnet und zusammenfasst.

Karakeep kann die gespeicherten Inhalte mit einem lokalen KI-Modell auswerten. Das wäre optimal. Denn in dem Fall fließen keine Daten an einen der großen KI-Firmen ab. Tags und Zusammenfassungen gehören auf die heimische Festplatte. Externe Anbieter lesen im Zweifel sowieso mehr mit, als einem lieb ist.

Der Dienst unterstützt OpenAI-kompatible Anbieter und Ollama. Damit ist Karakeep nicht an OpenAI selbst gebunden, sondern kann auch im eigenen Homelab mit lokalen Modellen arbeiten. Man braucht lediglich einen kompatiblen Endpunkt, den Karakeep für Tags und Zusammenfassungen erreicht. Die Dokumentation empfiehlt bei Ollama den OpenAI-kompatiblen Weg über /v1, da dieser mit verschiedenen Modellen zuverlässiger arbeitet.

Mögliche Szenarien für die KI-Einbindung

In vielen Homelabs ist diese Struktur bereits vorhanden. Wer Open WebUI als Oberfläche für Ollama nutzt, kann Karakeep über einen API-Key bzw. einen Bearer-Token an diese vorhandene Modellschicht anbinden. Damit ist kein separates KI-Setup nur für Karakeep erforderlich. Es reicht ein brauchbares lokales Modell, das kurze Zusammenfassungen und Tagging sauber hinbekommt.

Karakeep braucht dafür keine Chat-Oberfläche, die sofort wie ChatGPT & Co. antwortet. Der Dienst soll im Hintergrund gespeicherte Inhalte lesen, Tags vergeben und kurze Zusammenfassungen erzeugen. Ob die Auswertung auf einem Mini-PC, über eine NPU oder auf einem kleinen Server zu Hause ein paar Sekunden länger läuft, spielt kaum eine Rolle. Die Arbeit findet nicht im Chatfenster, sondern im Archiv statt. Zeit spielt dabei eine eher untergeordnete Rolle.

Ein Modell wie GPT-OSS-20B oder Gemma 4 E4B ist für diese Aufgabe gut geeignet, sofern die lokale Hardware mitspielt: GPT-OSS-20B ist für lokale Inferenz gedacht und........

© Tarnkappe