Odysseus: Eigener KI-Workspace mit lokalen Modellen

Seit dem 12. Juni 2026 ist Claude Fable 5 weltweit nicht mehr erreichbar, weil die US-Regierung Anthropic per Anordnung zur Abschaltung gezwungen hat. Wer seine Arbeit auf genau dieses Modell aufgebaut hatte, stand von einem Tag auf den anderen ohne sein wichtigstes Werkzeug da. Genau für solche Fälle lohnt sich ein zweites Standbein: ein KI-Workspace, der auf Deiner eigenen Hardware läuft und den Dir niemand abschalten kann. Odysseus, das Open-Source-Projekt von Felix Kjellberg alias PewDiePie, ist dafür aktuell die rundeste Lösung. Hier zeige ich Dir, was Odysseus kann, warum sich der Umstieg gerade jetzt lohnt und wie Du es mit Docker in wenigen Minuten installierst.

Was ist Odysseus?

Odysseus ist ein selbstgehosteter KI-Workspace, der die Web-Oberfläche von ChatGPT und Claude nachbildet, aber lokal und ohne Telemetrie arbeitet. Das Projekt steht unter der AGPL-Lizenz, hat auf GitHub über 80.000 Sterne gesammelt und wird aktiv weiterentwickelt. Dass ausgerechnet einer der bekanntesten YouTuber der Welt so ein Projekt pflegt, mag überraschen, aber der Code spricht für sich: über 1.800 Commits und eine Dokumentation, die auch Einsteiger abholt.

Odysseus ist dabei deutlich mehr als ein Chat-Fenster. Enthalten sind:

• Chat und autonome Agenten mit Werkzeugen, MCP-Anbindung, Datei- und Shell-Zugriff sowie Langzeit-Memory
• Deep Research, also mehrstufige Web-Recherche mit Quellenauswertung und Berichtserstellung über eine mitgelieferte SearXNG-Instanz
• ein Dokumenten-Editor mit KI-Bearbeitungen, Markdown- und HTML-Unterstützung
• ein E-Mail-Modul mit IMAP/SMTP-Posteingang, Zusammenfassungen und Antwortentwürfen
• Notizen, Aufgaben und Kalender mit CalDAV-Synchronisation

Alles davon läuft auf Deinem Rechner, mit Modellen, die Du selbst verwaltest. Deine Chats, Dokumente und E-Mails verlassen Dein Netzwerk nicht, wenn Du lokale Modelle nutzt.

Warum sich der eigene KI-Workspace gerade jetzt lohnt

Die Fable-5-Sperre hat gezeigt, wie dünn das Eis ist, auf dem reine Cloud-Workflows stehen. Laut dem offiziellen Statement von Anthropic betrifft die Anordnung Fable 5 und Mythos 5 weltweit, und zwar mit Verweis auf die nationale Sicherheit, ohne dass die Behörden Details genannt hätten. Anthropic widerspricht der Einschätzung, musste die Modelle aber trotzdem abschalten. Die älteren Modelle wie Opus 4.8, Sonnet und Haiku bleiben verfügbar, doch der Kern des Problems bleibt: Ein Cloud-Modell kann Dir jederzeit weggenommen werden, egal wie sehr Du Deine Arbeit darauf aufgebaut hast. Was Fable 5 vor der Sperre konnte und wie es zu Mythos 5 steht, liest Du im Artikel Claude Fable 5: Features, Mythos 5 und Token-Spar-Tipps.

Dazu kommt die Kostenfrage. Zwar sind die Listenpreise pro Token zuletzt eher gefallen, aber der tatsächliche Verbrauch explodiert, sobald Du mit Agenten arbeitest, die stundenlang selbstständig Tokens durchziehen. Die pauschalen Abos fangen das bisher ab, allerdings nur, weil die Anbieter kräftig draufzahlen: Wie groß diese Lücke ist, zeigt der Artikel SemiAnalysis: Warum Claude Max und ChatGPT Pro für Power-User so stark subventioniert sind. Auf Dauer wird jemand diese Rechnung bezahlen, und es ist absehbar, wer das sein wird. Ein lokales Modell kostet Dich dagegen nach der Anschaffung nur noch Strom, und niemand zählt Deine Tokens mit.

Das dritte Argument ist die Datenkontrolle. Bei Odysseus laufen Chats, Recherche, Dokumente und sogar Deine E-Mails über Modelle, die Du selbst betreibst. Es gibt keine Telemetrie, keine Trainingsdaten-Debatte und keine Frage, in welchem Rechenzentrum Deine vertraulichen Unterlagen landen.

Welche Hardware Du brauchst

Odysseus selbst ist genügsam, die eigentliche Last erzeugt das Modell. Für den Einstieg reicht ein Rechner mit 16 GB RAM, auf dem kleinere Modelle über die CPU laufen. Richtig flüssig wird es mit einer NVIDIA-Grafikkarte, wobei der Videospeicher entscheidet, welche Modellgrößen Du laden kannst: Mit 12 bis 16 GB VRAM, etwa auf einer NVIDIA GeForce RTX 4070 Ti Super oder RTX 5080 (Affiliate Link), laufen Modelle der 14B-Klasse komfortabel, mit 24 GB auch deutlich größere. Ein Mac mit Apple Silicon funktioniert ebenfalls sehr gut, weil sich CPU und GPU den Arbeitsspeicher teilen; hier nutzt Du statt Docker die native Installation, dazu unten mehr.

Wenn Deine Hardware für lokale Modelle nicht reicht, kannst Du Odysseus trotzdem einsetzen und API-Modelle anbinden. Dann behältst Du zumindest die Oberfläche, Deine Daten und Deine Workflows in eigener Hand und kannst den Anbieter jederzeit wechseln.

Schritt 1: Odysseus mit Docker installieren

Der empfohlene Weg läuft über Docker Compose. Du brauchst dafür nur ein installiertes Docker und ein Terminal. Klone zuerst das Repository und wechsle in das Verzeichnis:

git clone https://github.com/pewdiepie-archdaemon/odysseus.git
cd odysseus

Lege danach die Konfigurationsdatei an. Die Vorlage enthält bereits sinnvolle Standardwerte, Du musst für den ersten Start nichts anpassen:

cp .env.example .env

Jetzt baust und startest Du den kompletten Stack mit einem Befehl:

docker compose up -d --build

Docker lädt und baut dabei alle Komponenten, neben Odysseus selbst auch die SearXNG-Suchmaschine für die Web-Recherche, ChromaDB als Vektor-Speicher für das Memory und Ollama als Modell-Runtime. Der erste Start dauert deshalb ein paar Minuten. Danach erreichst Du die Oberfläche im Browser unter http://localhost:7000. Odysseus bindet standardmäßig nur an 127.0.0.1, ist also von außen nicht erreichbar, solange Du das nicht ausdrücklich änderst.

Schritt 2: Anmelden mit dem Admin-Passwort

Beim ersten Start legt Odysseus automatisch ein Admin-Konto mit dem Benutzernamen admin an und schreibt ein temporäres Passwort in die Logs. Du holst es Dir mit:

docker compose logs odysseus

Suche in der Ausgabe nach der Zeile mit dem temporären Passwort, melde Dich damit unter http://localhost:7000 an und ändere es direkt in den Einstellungen. Damit ist die Grundinstallation abgeschlossen.

Schritt 3: GPU durchreichen und erstes Modell laden

Damit Deine NVIDIA-Grafikkarte im Container ankommt, bringt Odysseus ein fertiges Script mit, das das NVIDIA Container Toolkit einrichtet und die passende Compose-Konfiguration aktiviert:

scripts/check-docker-gpu.sh --install-nvidia-toolkit --enable-nvidia-overlay

Starte den Stack danach einmal mit docker compose up -d --build neu, damit die GPU-Einstellungen greifen. Für AMD-Karten mit ROCm liegt mit scripts/check-docker-amd-gpu.sh ein entsprechendes Prüfscript bei.

Wichtig für Mac-Nutzer: Docker kann auf Apple Silicon nicht auf die Metal-GPU zugreifen. Nutze auf dem Mac deshalb die native Installation, die das Projekt mitliefert. Dafür führst Du im geklonten Verzeichnis einfach ./start-macos.sh aus; die Oberfläche liegt dann unter http://127.0.0.1:7860, weil macOS den Port 7000 bereits für AirPlay nutzt.

Das erste Modell lädst Du anschließend direkt in der Oberfläche über das sogenannte Cookbook. Es schaut sich Deine Hardware an, empfiehlt Dir dazu passende offene Modelle, lädt sie herunter und richtet das Serving über llama.cpp, Ollama oder vLLM automatisch ein. Die Modelle landen dabei im Projektordner unter ./data/huggingface, bleiben also auch bei einem Container-Neustart erhalten. Für den Anfang fährst Du mit der Empfehlung des Cookbooks am besten; Du kannst später jederzeit größere oder spezialisierte Modelle nachladen und sie in der Vergleichsansicht direkt gegeneinander testen.

Fazit: Unabhängigkeit ist der eigentliche Gewinn

Odysseus macht aus einem einzelnen Rechner einen vollwertigen KI-Arbeitsplatz mit Chat, Agenten, Recherche, Dokumenten und E-Mail, der komplett Dir gehört. Die Installation ist dank Docker Compose in wenigen Minuten erledigt, und über das Cookbook findest Du auch ohne Vorwissen ein Modell, das zu Deiner Hardware passt. Ob ein lokales 14B-Modell an Claude oder GPT heranreicht, hängt stark von der Aufgabe ab, für Zusammenfassungen, Recherche, E-Mail-Entwürfe und viele Coding-Aufgaben ist der Abstand aber längst kleiner, als viele denken. Vor allem bist Du damit unabhängig: von Preiserhöhungen, von Abo-Limits und von Anordnungen, die ein Modell über Nacht verschwinden lassen. Falls Du lieber erst einmal klein einsteigen willst, zeigt Dir der Artikel LM Studio Locally: Lokale KI-Modelle vom iPhone nutzen, wie Du lokale Modelle auf dem Mac betreibst und sogar unterwegs vom iPhone aus nutzt.