https://tokenwerk.de/artikel-updates.xmlTokenwerk2026-11-03T00:00:00.000Zhttps://tokenwerk.de/artikel/n8n-zugangsdaten/2026-10-05T00:00:00.000Z2026-11-03T00:00:00.000Z

n8n Credentials passend zur API anlegen, dem richtigen Node zuordnen und prüfen. Mit Auth-Vergleich, Domain-Grenzen und Hinweisen zum Verschlüsselungsschlüssel.

https://tokenwerk.de/artikel/kolibri-lokal-einrichten/2026-10-19T14:59:02.421Z2026-11-03T00:00:00.000Z

Kolibri-1 von Aleph Alpha lokal einrichten: Hardware prüfen, vLLM oder Transformers wählen, die erste Antwort testen und typische Fehler eingrenzen.

https://tokenwerk.de/artikel/gemini-ausschalten/2026-10-20T05:48:20.599Z2026-11-02T13:59:07.984Z

Gemini gezielt ausschalten: Standard-Assistent, Hey Google, Taste, Messages, Chrome und gespeicherte Aktivitäten. Mit getrennten Einstellungswegen und Prüfliste.

https://tokenwerk.de/artikel/vektordatenbank/2026-10-19T19:48:41.867Z2026-11-02T00:00:00.000Z

Was eine Vektordatenbank speichert, wie Embeddings und Ähnlichkeitssuche funktionieren und wann du sie brauchst. Mit Suchbeispiel, Grafik und Prüfliste.

https://tokenwerk.de/artikel/perplexity-datenschutz/2026-10-19T19:10:57.245Z2026-11-02T00:00:00.000Z

Perplexity-Datenschutz prüfen: Suchanfragen, Dateien, Trainings-Opt-out und Enterprise-Bedingungen. Mit Datenkarte und Vorlage für eine begrenzte Recherche.

https://tokenwerk.de/artikel/ollama-oberflaechen/2026-10-19T22:55:38.591Z2026-11-02T00:00:00.000Z

Welche Ollama-Oberfläche passt? Vergleiche App, Page Assist, Open WebUI und AnythingLLM nach Aufgabe und Datenweg. Mit Verbindungscheck und Dokumentenprobe.

https://tokenwerk.de/artikel/n8n-http-request/2026-10-05T00:00:00.000Z2026-11-02T00:00:00.000Z

Den n8n HTTP Request Node mit Methode, URL, Credential und JSON einrichten. Mit eigenem Webhook-Beispiel, Antwortprüfung, Pagination und Fehlersuche.

https://tokenwerk.de/artikel/ki-tools-vergleichen/2026-10-19T21:05:54.956Z2026-11-02T00:00:00.000Z

KI-Tools nach Aufgabe auswählen: Texte, Recherche, Übersetzung, Folien, lokale KI und Workflows. Mit Vergleichsauftrag, Kostenblatt und Entscheidungsvorlage.

https://tokenwerk.de/artikel/ki-quellen-pruefen/2026-10-19T14:27:36.145Z2026-11-02T00:00:00.000Z

KI-Quellen prüfen: DOI, Titel und Version abgleichen, Aussagen im Original lesen und echte Fundstellen von passenden, aber unbelegten Zitaten unterscheiden.

https://tokenwerk.de/artikel/claude-kosten/2026-10-20T06:35:41.583Z2026-11-02T00:00:00.000Z

Was Claude kostet: aktuelle USD-Webpreise für Free, Pro, Max, Team und Enterprise. Abo, Limits, Zusatznutzung und neue API-Credits verständlich getrennt.

https://tokenwerk.de/artikel/speicher-fuer-lokale-ki/2026-10-19T14:27:36.145Z2026-10-30T00:00:00.000Z

Hardware für lokale KI planen: RAM, VRAM und SSD unterscheiden, Modellvariante und Kontext berücksichtigen und den eigenen Rechner kontrolliert prüfen.

https://tokenwerk.de/artikel/rag-vom-dokument-zur-antwort/2026-10-19T20:31:57.626Z2026-10-30T00:00:00.000Z

Was ist RAG? Verstehe Suche, Kontext und Antwort anhand eines kleinen Dokumentenbeispiels. Mit Datenfluss, Fine-Tuning-Vergleich und Testvorlage.

https://tokenwerk.de/artikel/ollama-kontextfenster/2026-10-052026-10-30T00:00:00.000Z

Ollama-Kontextfenster mit num_ctx oder OLLAMA_CONTEXT_LENGTH einstellen und den tatsächlichen Wert prüfen. Mit API-Beispiel, Grafik und Speicherabwägung.

https://tokenwerk.de/artikel/ollama-api/2026-10-30T00:00:00.000Z

Für einen nativen Ollama-Chat sendest du POST /api/chat mit model und messages . Mit stream:false erhältst du eine zusammenhängende JSON-Antwort und liest message.content . Voraussetzung sind ein erreichbarer Ollama-Server und ein dort verfügbares Modell. Prüfe diesen kleinen Aufruf, bevor du Streaming ergänzt.

https://tokenwerk.de/artikel/n8n-update/2026-10-19T23:49:22.848Z2026-10-30T00:00:00.000Z

n8n sicher aktualisieren: Docker Compose, Vollbackup und Rückweg. Mit Vorbereitung auf die angekündigte Version 3.0, Migration Report und konkreten Abnahmefällen.

https://tokenwerk.de/artikel/lm-studio-vs-ollama/2026-10-30T00:00:00.000Z

LM Studio verbindet einen Modellbrowser und Chat mit lokalen Serverfunktionen; Ollama verwaltet Modelle über seine Bibliothek, Tags und eigene Konfigurationen. Beide bieten Oberflächen und APIs. Vergleiche deshalb Modellunterstützung und den gewünschten Arbeitsweg – die Kurzform „Oberfläche gegen Terminal“ greift zu kurz.

https://tokenwerk.de/artikel/lm-studio-mcp/2026-10-20T03:58:52.491Z2026-10-30T00:00:00.000Z

MCP in LM Studio verstehen und einrichten: mcp.json, lokale und entfernte Server, OAuth und API-Freigaben. Mit Vorlage und begrenztem Prüfablauf.

https://tokenwerk.de/artikel/ki-coding-tools/2026-10-30T00:00:00.000Z

Für die Arbeit im Editor kommen unter anderem GitHub Copilot, Codex IDE und Cursor infrage; für Projektarbeit auch Claude Code und der Terminalzugang Aider . Replit Agent arbeitet in einer Browserplattform, Ollama mit VS Code verbindet den Chat mit einer Modelllaufzeit. Die Tabelle ordnet sieben Arbeitswege ein, ohne allgemeine Testsieger zu behaupten.

https://tokenwerk.de/artikel/ki-agenten-erstellen/2026-10-30T00:00:00.000Z

Um einen KI-Agenten zu erstellen, brauchst du eine klar begrenzte Aufgabe, ein Sprachmodell, erlaubte Werkzeuge und ein Programm, das ihre Aufrufe steuert. Starte mit einer einzigen lesenden Funktion. So kannst du prüfen, ob der Agent die richtigen Daten verwendet, bevor er etwas verändern darf.

https://tokenwerk.de/artikel/claude-skill-pdf/2026-10-26T14:22:43Z2026-10-30T00:00:00.000Z

PDF-Skill für Claude: PDFs lesen, OCR einordnen und Aussagen mit Seiten belegen. Mit eigenem Beispielauftrag, vier Prüffällen und CSV-Checkliste.

https://tokenwerk.de/artikel/automationen-mit-freigabe/2026-10-20T05:05:34.726Z2026-10-30T00:00:00.000Z

Menschliche Freigaben in n8n aufbauen: Human Review für Tools, Wait und If unterscheiden. Mit eigenen Prüffällen für Ablehnung, Änderungen und Zeitablauf.

https://tokenwerk.de/artikel/alltagsrechner-als-ki-labor/2026-10-30T00:00:00.000Z

Ein KI-PC ist für lokale Sprachmodelle geeignet, wenn Betriebssystem, Laufzeit, Modellvariante und verfügbarer Speicher zusammenpassen. Ein NPU-Aufkleber oder eine hohe Gesamt-RAM-Zahl beantwortet das noch nicht. Beginne deshalb mit deinem vorhandenen Rechner und einer konkreten Aufgabe.

https://tokenwerk.de/vibe-coding/2026-10-29T18:03:40.480002Z

Du beschreibst eine Anwendung, eine KI erzeugt den Code und du probierst das Ergebnis aus. Das kann einen ersten Entwurf erleichtern. Damit daraus eine nachvollziehbare Anwendung wird, brauchst du kleine Aufgaben, sichtbare Änderungen und klare Prüffälle.

https://tokenwerk.de/artikel/was-ein-benchmark-wirklich-misst/2026-10-29T18:03:40.480002Z

Ein KI-Benchmark prüft eine festgelegte Auswahl von Aufgaben unter bestimmten Bedingungen und wertet die Ergebnisse nach einer Methode aus. Der Score ist deshalb ein Hinweis auf diese Prüfung. Er belegt nicht automatisch, dass ein Modell für jede Sprache, jedes Dokument und jeden Arbeitsablauf überlegen ist.

https://tokenwerk.de/artikel/shadow-ai/2026-10-29T18:03:40.480002Z

Shadow AI, auch Schatten-KI genannt, ist die berufliche Nutzung von KI außerhalb der vorgesehenen Freigabe und Verantwortung. Dazu zählen private Chatkonten, Browsererweiterungen und ungeprüfte KI-Funktionen in bereits erlaubter Software. Entscheidend ist der konkrete Einsatz: welche Daten hineingehen, wohin sie fließen und was die KI anschließend tun darf.

https://tokenwerk.de/artikel/semantische-suche/2026-10-29T18:03:40.480002Z

Du suchst „Kennwort vergessen“, der Hilfetext heißt „Passwort zurücksetzen“. Semantische Suche soll diese Formulierungen zusammenbringen. An diesem Beispiel gehen wir den Ablauf durch und prüfen anschließend mit einem eigenen Suchversuch, welche Treffer tatsächlich passen.

https://tokenwerk.de/artikel/rag-chatbot/2026-10-29T18:03:40.480002Z

Ein RAG-Chatbot sucht passende Stellen in deinen Dokumenten und gibt sie einem Sprachmodell als Kontext. Hier findest du einen n8n-Einstieg und einen ausgeführten lokalen Versuch mit zwölf Fragen. Die Rohantworten zeigen auch den Fall, in dem die Quelle stimmte und die Entscheidung trotzdem falsch war.

https://tokenwerk.de/artikel/perplexity-vs-chatgpt/2026-10-29T18:03:40.480002Z

Für Recherche stehen Perplexity Search und ChatGPT Chat mit Websuche bereit, abhängig vom Zugang. Perplexity Computer und ChatGPT Work beschreiben zusätzlich mehrstufige Aufgaben und bearbeitbare Ergebnisse. Vergleiche zuerst diese Arbeitswege und danach Quellenqualität und Nacharbeit an derselben Aufgabe.

https://tokenwerk.de/artikel/ollama-rag/2026-10-29T18:03:40.480002Z

Für RAG mit Ollama brauchst du einen Suchweg und einen Antwortweg. Ein Embeddingmodell hilft, passende Textstellen zu finden; ein separates Sprachmodell formuliert daraus einen Entwurf. Diese kleine lokale Probe zeigt beide Schritte sichtbar und kommt ohne Webserver oder zusätzliche Python-Pakete aus.

https://tokenwerk.de/artikel/ollama-docker/2026-10-29T18:03:40.480002Z

Starte Ollama mit dem offiziellen Image ollama/ollama , einem dauerhaften Modellverzeichnis und einer lokalen Portbindung. Unten findest du die Compose-Datei für den CPU-Start und die Befehle zum Prüfen. NVIDIA- oder AMD-Unterstützung ergänzt du erst mit passendem Treiber und Zugriff auf die GPU.

https://tokenwerk.de/artikel/ollama-alternativen/2026-10-29T18:03:40.480002Z

Für Desktopchat kommen LM Studio, Jan und GPT4All infrage, für technische Inferenzwege llama.cpp oder vLLM . Open WebUI kann eine andere Oberfläche ergänzen und Ollama im Hintergrund weiterverwenden. Wähle danach, welche Funktion du ersetzen möchtest; ein Werkzeugwechsel behebt nicht automatisch fehlenden Speicher oder ein unpassendes Modell.

https://tokenwerk.de/artikel/notebooklm-datenschutz/2026-10-29T18:03:40.480002Z

Bei NotebookLM geht es um mehr als eine Chatfrage: Du legst Quellen in einer Anwendung ab und erzeugst daraus neue Inhalte. Entscheidend sind das verwendete Konto, die konkrete Workspace-Edition und die Weitergabe der Ergebnisse.

https://tokenwerk.de/artikel/n8n-workflow-beispiele/2026-10-29T18:03:40.480002Z

Vier n8n-Beispiele zum Einstieg: Testdaten prüfen, eine Webhook-Anfrage annehmen, einen Outlook-Entwurf vorbereiten und Daten mit nativem Python vereinheitlichen . Beginne mit der manuellen Datenprobe ohne externe Dienste. Für die weiteren Wege prüfst du jeweils Zugang, Laufzeit und erlaubte Wirkung vor der Aktivierung.

https://tokenwerk.de/artikel/n8n-webhook/2026-10-29T18:03:40.480002Z

Ein Webhook startet deinen n8n-Workflow, wenn eine Anwendung die dafür eingerichtete URL aufruft. Für einen verlässlichen Einstieg brauchst du einen klaren Request, eine registrierte Testadresse und einen getrennten Check der veröffentlichten Produktionsadresse.

https://tokenwerk.de/artikel/n8n-vorlagen/2026-10-29T18:03:40.480002Z

Eine n8n-Vorlage liefert dir einen vorhandenen Ablauf. Ob er zu deiner Aufgabe, deinen Daten und deinen Konten passt, musst du trotzdem prüfen. Beginne mit dem Datenfluss und den erlaubten Aktionen; importiere danach in einen getrennten Entwurf.

https://tokenwerk.de/artikel/n8n-home-assistant/2026-10-29T18:03:40.480002Z

n8n kann Home-Assistant-Daten über den integrierten Node abrufen und in weitere Workflows übernehmen. Für den Einstieg reicht ein manueller Ablauf, der einen Zustand liest und die Ausgabe anzeigt. Damit prüfst du Verbindung und Datenformat, bevor du Geräteaktionen oder zusätzliche KI-Funktionen planst.

https://tokenwerk.de/artikel/n8n-expressions/2026-10-29T18:03:40.480002Z

Eine n8n Expression berechnet einen Parameter aus vorhandenen Daten. Der wichtigste Schritt ist deshalb die Auswahl des richtigen Werts: im aktuellen Eingabe-Item, in einem benannten Node oder in einer Liste. Erst danach folgen Formatierung und Fallbacks. Ein kurzer Ausdruck ist nur dann richtig, wenn Datenpfad, Datensatz und Typ passen.

https://tokenwerk.de/artikel/n8n-docker/2026-10-29T18:03:40.480002Z

Mit Docker Compose kannst du den n8n-Workflow-Editor in einem eigenen Container starten. Für einen brauchbaren Einstieg brauchst du vor allem einen begrenzten Zugang und dauerhafte Speicherung. Ein gestarteter Container allein ist noch keine fertig betriebene Automationsplattform.

https://tokenwerk.de/artikel/n8n-alternativen/2026-10-29T18:03:40.480002Z

Sechs Alternativen zu n8n sind Zapier, Make, Activepieces, Power Automate, Node-RED und Windmill . Hier vergleichst du ihre Arbeitswege, mehrere Vor- und Nachteile und passende Starter. Über die Schnellauswahl springst du direkt zum Werkzeug; die Tabelle am Ende fasst die Unterschiede zusammen.

https://tokenwerk.de/artikel/mcp-erklaert/2026-10-29T18:03:40.480002Z

Das Model Context Protocol beschreibt, wie eine KI-Anwendung angebotene Daten und Funktionen eines Servers nutzen kann. Es ist weder ein Sprachmodell noch eine pauschale Freigabe für alle Werkzeuge. Für den Einstieg helfen drei Rollen und ein kleiner eigener Lernfall.

https://tokenwerk.de/artikel/llama-cpp/2026-10-29T18:03:40.480002Z

llama.cpp führt unterstützte KI-Modelle auf eigener Hardware aus. Die Laufzeit lädt die Modellgewichte, verarbeitet deine Eingabe und erzeugt eine Ausgabe. Du kannst sie über die aktuelle App, im Terminal oder als lokalen Server verwenden. Dieser Guide führt dich vom Versionscheck zu einem kleinen überprüfbaren Auftrag.

https://tokenwerk.de/artikel/kostenlose-ki-tools/2026-10-29T18:03:40.480002Z

Sechs kostenlose Einstiege nach Aufgabe: Claude Free und Gemini für kleine Entwürfe, Gemini Notebook für eigene Quellen, Perplexity Standard für Recherche, Codex Free im Desktop für technische Aufgaben und Ollama für unterstützte lokale Modelle. Kontingente, Rollout und Voraussetzungen unterscheiden sich; eigener Betrieb bleibt mit Aufwand verbunden.

https://tokenwerk.de/artikel/kolibri-im-unternehmen/2026-10-29T18:03:40.480002Z

Ob Kolibri zu deinem Unternehmen passt, zeigt eine konkrete Aufgabe besser als das Herkunftslabel. Beginne beispielsweise mit freigegebenen Texten und einer Frage, deren Antwort fachlich geprüft werden kann. Der erste Pilot soll eine Entscheidung vorbereiten, keinen ganzen Prozess automatisieren.

https://tokenwerk.de/artikel/kokoro-tts/2026-10-29T18:03:40.480002Z

Kokoro82M ist ein Text-to-Speech-Modell mit verfügbaren Gewichten und einer Pythonbibliothek für die lokale Ausführung. Vor dem Setup solltest du Sprache und Voicepack prüfen: Deutsch ist in den hier gelesenen offiziellen Sprachlisten nicht aufgeführt. Der folgende Einstieg verwendet deshalb dokumentiertes US-Englisch.

https://tokenwerk.de/artikel/ki-wasserverbrauch/2026-10-29T18:03:40.480002Z

KI verbraucht Wasser über ihre Infrastruktur: etwa durch Verdunstung bei der Rechenzentrumskühlung, durch Stromerzeugung und in der Hardwarefertigung. Eine feste Wassermenge für jede Anfrage gibt es daraus nicht. Entscheidend sind System, Standort, Zeitraum und die Grenze der Rechnung.

https://tokenwerk.de/artikel/ki-transkription/2026-10-29T18:03:40.480002Z

KI-Transkription wandelt gesprochene Sprache in Text um. Das Ergebnis ist zunächst ein maschinell erzeugtes Transkript. Für ein brauchbares Protokoll musst du wichtige Namen, Zahlen, Verneinungen und Sprecher am Originalton prüfen. Eine Zusammenfassung ist ein zusätzlicher Arbeitsschritt.

https://tokenwerk.de/artikel/ki-stimme-klonen/2026-10-29T18:03:40.480002Z

Um deine eigene Stimme mit KI nachzubilden, bereitest du eine klare Sprachaufnahme vor, wählst einen passenden Cloning-Weg und prüfst die erzeugte Audiodatei. Bei ElevenLabs sind Instant und Professional Voice Cloning unterschiedliche Verfahren; Professional setzt die eigene verifizierte Stimme voraus. Für einen neutralen Sprechertext genügt möglicherweise eine Standardstimme.

https://tokenwerk.de/artikel/ki-halluzinationen/2026-10-29T18:03:40.480002Z

Eine KI-Halluzination ist eine falsche oder unbelegte Ausgabe, die trotzdem überzeugend wirken kann. Prüfe deshalb einzelne Aussagen an deiner Vorlage oder an Originalquellen. Eine flüssige Formulierung, ein selbstsicherer Ton und ein zweiter zustimmender Chat sind keine ausreichenden Belege.

https://tokenwerk.de/artikel/ki-energieverbrauch/2026-10-29T18:03:40.480002Z

Eine kurze Textfrage, ein langes Video und ein dauerhaft laufender Modellserver haben keinen gemeinsamen Stromverbrauch pro Anfrage. Entscheidend ist, welche Aufgabe, welches System und welchen Zeitraum eine Zahl beschreibt.

https://tokenwerk.de/artikel/grafikkarte-fuer-ki/2026-10-29T18:03:40.480002Z

Eine Grafikkarte passt zu lokaler KI, wenn das konkrete Modell mit deiner Laufzeit und dem verfügbaren Speicher sinnvoll betrieben werden kann. Der höchste Spielewert oder eine große TOPS-Zahl beantwortet diese Frage nicht. Lege zuerst Aufgabe, Modell und benötigten Kontext fest.