Es gibt einen Moment, den viele kennen, die intensiv mit KI arbeiten. Du sitzt vor einem Sprachmodell, tippst eine Frage, bekommst eine brauchbare Antwort, und denkst gleichzeitig: eigentlich müsste er das schon wissen. Nicht weil du es ihm gerade erklärt hast, sondern weil es zu deinem Alltag gehört. Dein Kalender. Deine offenen Mails. Der Kundentermin nächsten Dienstag. Die Rechnung, die du noch ausstellen musst.
Ich habe diesen Moment oft gehabt. Und irgendwann hat er mich genug geärgert, dass ich angefangen habe, etwas dagegen zu tun.
Das Ergebnis heißt VINCI. Und der Name ist kein Zufall.
Leonardo da Vinci ist seit Jahren so etwas wie ein stilles Vorbild für mich. Nicht weil ich mich mit ihm vergleiche, das wäre lächerlich. Sondern weil er eine Haltung verkörpert, die mich fasziniert: er hat nie akzeptiert, dass etwas nicht geht. Er hat Vögel beobachtet und Flugmaschinen gezeichnet, Jahrhunderte bevor jemand fliegen konnte. Er hat gemalt und seziert, Musik gemacht und Kanäle gebaut. Nicht weil er musste, sondern weil ihn alles interessiert hat und weil er immer weitergedacht hat, über das hinaus, was seine Zeit für möglich hielt.
Was mich daran berührt: Leonardo hat seine Werkzeuge selbst gebaut, wenn die vorhandenen nicht ausgereicht haben. Er hat nicht gewartet, bis jemand anderes das Problem löst. Er hat angefangen.
Genau diese Haltung steckt hinter VINCI. Die vorhandenen KI-Werkzeuge reichen für meinen Anspruch nicht aus, also baue ich mir das, was ich brauche.
VINCI ist mein persönlicher KI-Assistent. Er läuft auf einem Server in der EU, verarbeitet meine persönlichen Daten lokal, und schickt dem Sprachmodell genau das, was es braucht, und nicht mehr. Keine Namen, keine Adressen, keine sensiblen Inhalte in der Cloud. Das ist keine nachträgliche Rechtfertigung, sondern war von Anfang an die Grundbedingung für das Projekt.
Dieser Artikel ist ein Statusbericht. Was VINCI heute kann, wie die DSGVO-konforme Architektur funktioniert, und was als nächstes kommt.
Das eigentliche Problem: KI-Assistenten wissen nichts über dich
Gemini und Claude, die Modelle, die ich täglich nutze und schätze: sie sind brillant. Für Texte, Analysen, Code, Ideen. Aber sie kennen dich nicht. Jede Session beginnt bei null. Du kannst ihnen erzählen, was diese Woche ansteht, und beim nächsten Öffnen ist alles weg.
Das ist kein Fehler, das ist das Design. Diese Modelle sind für die breite Masse gebaut, nicht für dein konkretes Leben. Natürlich kann ich sie mit meinen Accounts verbinden. Aber will ich das? Datenschutz? Nein.
Die naheliegende Lösung wäre: gib dem Modell einfach Zugriff auf deine Daten. Kalender rein, Mails rein, fertig. Genau das machen einige Anbieter bereits. Und genau da beginnt für mich das Problem.
Wenn du einem Cloud-Dienst Zugriff auf deine Google-Mails gibst, landen personenbezogene Daten auf Servern außerhalb der EU. Vielleicht trainieren sie darauf, vielleicht nicht. Vielleicht sind sie morgen sicher, vielleicht nicht. Für mich als KI-Berater, der EPU und KMU in Datenschutzfragen berät, ist das keine theoretische Frage. Ich kann meinen Kunden nicht empfehlen, DSGVO-konform zu arbeiten, wenn ich es selbst nicht tue.
VINCI war also von Anfang an ein Architekturprojekt genauso wie ein KI-Projekt.
Wie die DSGVO-konforme Architektur funktioniert
Das Herzstück von VINCI ist eine klare Trennung zwischen zwei Ebenen: der Datenebene und der Intelligenzebene.
Ebene 1: Die Datenebene bleibt in der EU
VINCI ist mit Claude Code entwickelt, versioniert über mein privates GitHub-Repository und läuft als Docker-Container auf meinem Hetzner-Server in Deutschland. Als Datenbank läuft MySQL im selben Setup. Das bedeutet: kein Klicken in irgendwelchen Cloud-Dashboards, kein Vendor-Lock-in, kein Rätselraten darüber, wo meine Daten eigentlich liegen. Der gesamte Stack ist reproduzierbar, versioniert und liegt unter meiner Kontrolle.
Alle persönlichen Daten, also Kalendereinträge, Mails, Kontakte, werden ausschließlich auf diesem Server verarbeitet. Sie verlassen ihn nicht in Rohform. Was auf dem Server passiert: Strukturierung, Filterung, Anonymisierung. Aus einer Mail mit Namen, Betreff und Inhalt wird eine aufbereitete Zusammenfassung, die keine Rückschlüsse auf Einzelpersonen zulässt. Aus Kalendereinträgen werden Zeitblöcke und Kategorien, keine Eigennamen, keine Adressen, keine internen Projektbezeichnungen.
Warum Claude Code für die Entwicklung? Weil es für ein Projekt dieser Komplexität, mit FastAPI-Backend, mehreren API-Integrationen, Datenbankschema und einem eigenen Frontend, schlicht der schnellste Weg von der Idee zur lauffähigen Funktion ist. Ich schreibe die Anforderung, Claude Code liefert den Baustein, ich prüfe, teste, merge. Die Entwicklungsgeschwindigkeit, die das möglich macht, wäre vor zwei Jahren undenkbar gewesen.
Ebene 2: Das Sprachmodell bekommt nur, was es braucht
Erst dieser aufbereitete, anonymisierte Kontext geht an das Sprachmodell, aktuell entweder Gemini oder Claude, je nach Aufgabe. Das Modell bekommt keine personenbezogenen Daten. Es bekommt strukturierten Kontext: „Heute: 3 Termine, davon einer mit externem Kontakt, Priorität hoch. Offene Mails: 7, davon 2 mit Antwortbedarf. Betreffzeilen.“ Daraus kann es brauchbare Aussagen ableiten, ohne jemals wirkliche Personendaten zu sehen.
Das ist der entscheidende Unterschied zu integrierten Lösungen, die einfach alles in die Cloud pumpen. Die Intelligenz kommt von außen, die Daten bleiben innen.
Was VINCI heute konkret kann
Das hier ist ein Statusbericht. Kein Werbeartikel. Es kommen mehr Features. Hier der Status Quo:
Kalender-Integration: Google Calendar
VINCI liest meinen Google Kalender über die offizielle API aus. Die Termine werden lokal vorverarbeitet, in Zeitblöcke, Kategorien, Prioritäten, und in MySQL gespeichert. Das Ergebnis ist ein tägliches Bild meiner Zeitstruktur, das ich per Sprache oder Text abfragen kann.
Konkret: ich kann morgens VINCI fragen, was heute ansteht, und bekomme eine nüchterne, strukturierte Übersicht. Kein endloses Scrollen im Kalender, keine App öffnen. Die Antwort kommt in Sekunden, und sie passt zu meiner tatsächlichen Situation.
Außerdem kann VINCI Kalendereinträge anlegen. Ich sage oder schreibe, was ich brauche, er erstellt den Eintrag direkt in meinem Google Calendar. Das klingt trivial, spart aber in der Summe erstaunlich viel Zeit.
Mail-Verarbeitung: Gmail und IMAP
VINCI ist an zwei Mail-Quellen angebunden: Gmail über die Google API und ein klassisches IMAP-Postfach für andere Accounts. Beide werden lokal abgerufen, lokal verarbeitet, lokal in MySQL abgelegt.
Was daraus entsteht ist ein strukturiertes Mail-Briefing: welche Mails sind eingegangen, welche brauchen eine Reaktion, was kann warten. Keine Rohdaten im Modell, sondern aufbereitete Signale: „2 Mails mit direktem Handlungsbedarf, eine davon zeitkritisch, eine erfordert eine längere Antwort.“
Das Briefing kann ich per Text oder per Sprache abrufen. Beides funktioniert.
Das morgendliche Briefing
Eine der nützlichsten Funktionen ist das automatische Tages-Briefing. Es kombiniert Kalender und Mails zu einer kompakten Übersicht: was steht heute an, was ist aus der Post liegen geblieben, wo gibt es offene Punkte.
Ich habe das so eingerichtet, dass das Briefing vorbereitet ist, bevor ich aktiv frage. Wenn ich VINCI öffne, ist der Kontext für diesen Tag bereits zusammengestellt. Nicht ich liefere dem Modell den Kontext, das System hat ihn bereits aufgebaut.
Das verändert die Qualität der Interaktion grundlegend. Statt „erkläre mir, was heute ist, und dann hilf mir“ lautet die Frage nur noch: „Wo fange ich an?“
Chat per Text und Sprache
Das Frontend ist in Vanilla JavaScript und Canvas 2D gebaut, kein Framework, kein Overhead. Das Backend läuft als FastAPI-Applikation im Docker-Container, kommuniziert per WebSocket mit dem Frontend und hält alle Nutzdaten in der MySQL-Datenbank auf demselben Server. Nichts davon verlässt die EU-Infrastruktur.
Man kann per Text mit VINCI kommunizieren, aber auch per Sprache. Die Spracherkennung läuft lokal, der erkannte Text geht dann durch die normale Verarbeitungspipeline. Für mich als jemand, der viel morgens erledigt und nicht immer tippen will, ist die Sprachfunktion kein Gimmick, sondern Alltagswerkzeug.
Flexibler LLM-Anschluss
VINCI ist nicht an ein einziges Sprachmodell gebunden. Im Setup kann ich konfigurieren, welches Modell zum Einsatz kommt, aktuell primär Gemini und Claude. Was folgt sind AnythingLLM, Ollama, OpenAI. Diese Flexibilität ist mir wichtig: Modelle entwickeln sich schnell, Anbieter ändern ihre Preise, neue Optionen kommen dazu. Wer sich fest an einen einzigen Anbieter koppelt, macht sich unnötig abhängig.
Was als nächstes kommt
VINCI ist kein abgeschlossenes Projekt. Es ist eine laufende Entwicklung. Hier sind die nächsten konkreten Schritte.
Microsoft 365 Anbindung
Viele meiner Kunden arbeiten nicht mit Google, sondern mit Microsoft 365. Outlook-Kalender, Exchange-Mails, Teams. Die M365-Integration ist der nächste große Schritt: VINCI wird über die Microsoft Graph API auch Outlook-Kalender und Exchange-Postfächer einlesen können. Dasselbe Prinzip wie bei Google: Daten bleiben lokal, das Modell bekommt nur strukturierten Kontext.
RAG und Wissensbasis
RAG steht für Retrieval Augmented Generation, also die Möglichkeit, einem Sprachmodell nicht nur Kontext aus Kalender und Mails zu geben, sondern auch aus einer eigenen Wissensbasis. Dokumente, Notizen, frühere Projekte, Arbeitsunterlagen.
Das bedeutet: VINCI wird nicht nur wissen, was heute ansteht, sondern auch, wie ich in ähnlichen Situationen früher vorgegangen bin, was meine Kunden brauchen, welche Standards ich in meiner Arbeit verwende. Das ist ein qualitativer Sprung in der Nützlichkeit. Und gleichzeitig der datenschutzsensitivste Teil des Projekts, weshalb ich hier besonders sorgfältig vorgehe. Die Wissensbasis bleibt, wie alles andere auch, auf dem EU-Server.
Multi-User-Fähigkeit
VINCI läuft derzeit als Ein-Personen-System. Die nächste Ausbaustufe ist Multi-User: mehrere Personen, eigene Datenbereiche, saubere Trennung der Kontexte in MySQL. Das öffnet VINCI für Teams und für den Einsatz bei Kunden.
Sprachausgabe
VINCI lernt sprechen. Ich will das ja auch im Auto am Weg zur Arbeit hören, was ich im Büro zu tun habe. Schritt 1: Browser TTS. Später vielleicht über die Gemini Text to Speach-API.
White-Label und Installation auf Kundenservern
Das ist der strategisch interessanteste Punkt. Ich entwickle VINCI gerade so, dass er als White-Label-Lösung bei Kunden installiert werden kann. Auf dem eigenen Server des Kunden, in der eigenen Infrastruktur, mit eigenem Branding. Der Kunde behält die volle Datenkontrolle, bekommt aber ein fertiges, erprobtes System.
Das ist kein SaaS-Modell, bei dem Kundendaten irgendwo in der Cloud verschwinden. Das ist das Gegenteil davon: Intelligenz als installierbare Lösung, Daten als unveräußerliches Eigentum des Kunden. Für KMU in Österreich, die DSGVO ernst nehmen, ist das kein schlechtes Angebot.
Warum ich das überhaupt selbst baue
Ich höre diese Frage schon. Es gibt fertige Produkte, warum nicht einfach eines davon nutzen?
Die ehrliche Antwort ist dreigeteilt.
Erstens: Keines der fertigen Produkte, die ich kenne, löst das DSGVO-Problem so, wie ich es brauche. Entweder landen die Daten in der Cloud, oder die Lösung ist so eingeschränkt, dass sie meinen Alltag nicht wirklich abbildet.
Zweitens: Ich lerne durch das Bauen. Jede Funktion, die ich in VINCI entwickle, bringt mir ein tieferes Verständnis davon, wie KI-Systeme in der Praxis funktionieren, wo die Grenzen liegen, was wirklich nützlich ist und was nur auf dem Papier gut klingt. Das kommt direkt meinen Kunden zugute, weil ich nicht aus dem Lehrbuch berate, sondern aus eigener Erfahrung.
Drittens: Ich glaube, dass persönliche KI-Assistenten in den nächsten Jahren zu einem zentralen Werkzeug im Arbeitsalltag werden. Wer die Architektur dahinter versteht, wer weiß, wie man sie DSGVO-konform baut und betreibt, der hat einen echten Vorsprung, sowohl für sich selbst als auch für seine Kunden. VINCI ist gleichzeitig Werkzeug und Forschungsprojekt.
Was bleibt
VINCI ist nicht fertig. Er wird es wahrscheinlich nie sein, weil es kein Endprodukt gibt, sondern einen laufenden Prozess. KI entwickelt sich, meine Anforderungen entwickeln sich, die Möglichkeiten wachsen.
Was mich daran festhält ist nicht die Technologie allein. Es ist das Gefühl, endlich einen Assistenten zu haben, der tatsächlich über meinen Tag Bescheid weiß. Der nicht bei null anfängt. Der mir morgens in zwanzig Sekunden zeigt, was wichtig ist, ohne dass ich ihm erst alles erklären muss.
Und der das tut, ohne dass ich meine persönlichen Daten einem Rechenzentrum anvertrauen muss, über das ich keine Kontrolle habe.
Wenn dich das Projekt interessiert, wenn du Fragen zur Architektur hast, oder wenn du darüber nachdenkst, so etwas für dein Unternehmen zu bauen: schreib mir. Genau darüber rede ich gerne.
