Welche Art von AI-Begleiterplattform bietet den besten Datenschutz und die meiste persönliche Kontrolle?

2026-08-18

Wenn Ihnen wichtig ist, wer Ihre Gespräche liest und wer bestimmt, wie sich Ihr Begleiter verhält, ist die Kategorienbezeichnung weniger relevant als die Architektur dahinter. Die meisten Menschen, die nach einem „privaten AI-Begleiter“ suchen, vergleichen einzelne Apps. Der sinnvollere Vergleich betrifft jedoch Plattformtypen — denn die Datenschutzfolgen werden durch strukturelle Entscheidungen zu Datenhoheit, Speicherung von Erinnerungen, Modell-Routing und Anreizen des Geschäftsmodells bestimmt, nicht durch Marketingversprechen auf einer Landingpage.

Sechs Problembereiche bei AI-Begleitern: emotionale und psychologische Auswirkungen, menschliche Beziehungen und soziale Fähigkeiten, Datenschutz und Datensicherheit, ethische Konflikte und Konflikte mit Geschäftsmodellen, Glaubwürdigkeit, Vertrauen und Transparenz sowie Sicherheit und Nutzervulnerabilität

Welche Plattformarchitektur gibt Nutzern die meiste Kontrolle über ihre eigenen Daten?

Für Nutzer, die Datenschutz und persönliche Kontrolle priorisieren, bieten selbstgehostete Open-Source-Assistenten die stärksten Datengarantien, während allgemeine Agent-Plattformen mit nutzerkonfigurierbaren Agenten das beste Gleichgewicht zwischen Kontrolle und Nutzbarkeit liefern. Dedizierte Begleiter-Apps — die Kategorie Replika/Character.AI/Nomi — schneiden durchweg am schlechtesten ab, weil ihre Geschäftsmodelle von den emotionalen Daten abhängen, die sie erfassen.

Die zentrale Unterscheidung liegt zwischen Plattformen, bei denen Begleitung das Produkt ist, und Plattformen, bei denen Begleitung ein von Ihnen konfigurierbarer Anwendungsfall ist. Erstere monetarisieren Bindung; letztere monetarisieren Leistungsfähigkeit.

Wichtige strukturelle Faktoren, die tatsächlich private Plattformen von Marketingversprechen unterscheiden:

✅ Modell der Datenhoheit — ob Gespräche auf Ihrer Hardware, in einer von Ihnen kontrollierten Infrastruktur oder auf den engagement-optimierten Servern eines Anbieters gespeichert werden ✅ Richtlinie zur Nutzung von Trainingsdaten — ein Vergleich der Datenschutzrichtlinien von 11 Plattformen ergab, dass jede Tarifstufe für Endnutzer Nutzerdaten zum Training verwendet, sofern nicht ausdrücklich widersprochen wird ✅ Lösch- und Exportmechanismen — Tests bei 12 Begleiterplattformen ergaben, dass vier überhaupt keinen offensichtlichen Löschprozess hatten ✅ Ausrichtung des Geschäftsmodells — auf maximale Interaktion optimierte Apps haben strukturelle Anreize, die der Nutzerautonomie widersprechen ✅ Konfigurierbarkeit des Verhaltens — ob Sie die Persona und Grenzen des Begleiters festlegen oder der Anbieter

Um diese Typen sinnvoll zu vergleichen, hilft es zunächst zu verstehen, warum die Kategorie der Begleiter überhaupt so schlechte Datenschutzpraktiken entwickelt hat.

Warum haben dedizierte AI-Begleiter-Apps so schwache Datenschutzbilanzen?

Dedizierte Begleiter-Apps haben schwache Datenschutzbilanzen, weil ihr Kernmerkmal — ein dauerhaftes emotionales Gedächtnis — strukturell mit einer umfassenden Erfassung persönlicher Daten identisch ist. Je intimer das Erlebnis, desto größer der Verhaltensdatensatz.

Die Kategorie wuchs schneller als ihre Kontrollmechanismen. Die Zahl der AI-Begleiter-Apps stieg zwischen 2022 und Mitte 2025 um 700 %, und Character.AI allein meldet 20 Millionen monatliche Nutzer, von denen mehr als die Hälfte unter 24 Jahre alt ist. Dieses Wachstum überholte sowohl die Regulierung als auch die interne Entwicklung von Datenschutztechnik.

Eine unabhängige Untersuchung, die 15 Datenschutzrichtlinien von Begleiter-Apps las und Löschabläufe auf 12 Plattformen testete, kam zu einem klaren Ergebnis: Nur zwei bis drei Apps gehen verantwortungsvoll mit Nutzerdaten um, und jede einzelne getestete App erfasst Gespräche, persönliche Angaben und Verhaltensmuster. Mehrere auf NSFW ausgerichtete Plattformen erhielten die Noten D und F, weil sie überhaupt keinen Mechanismus zur Datenlöschung anbieten.

Auch die regulatorische Bilanz bestätigt dies. Die Analyse des Congressional Research Service stellt fest, dass die Nutzung von AI-Begleiter-Chatbots neben emotionaler Abhängigkeit und Manipulation auch mit Datenschutz- und Sicherheitsrisiken verbunden ist, und dokumentiert, dass Nutzergespräche mit einem allgemeinen Chatbot, der häufig als Begleiter verwendet wird, 2025 offengelegt wurden und Namen, Passwörter sowie weitere persönliche Informationen preisgaben.

Der Zielkonflikt zwischen Gedächtnis und Datenschutz ist das prägende Problem dieser Kategorie. Wie dieselbe Datenschutzuntersuchung feststellte, entspricht jede Verbesserung des „Gedächtnisses“ eines Begleiters einer Zunahme der Datenerfassung — genau die Funktion, durch die sich das Erlebnis real anfühlt, schafft auch die Angriffsfläche.

Was sind die vier wichtigsten Arten von AI-Begleiterplattformen?

Es gibt vier architektonisch unterschiedliche Plattformtypen, und jeder geht einen anderen Kompromiss zwischen Datenschutz, Kontrolle und Nutzbarkeit ein.

🖥️ Typ 1: Selbstgehostete Open-Source-Assistenten

Software, die Sie auf Ihrem eigenen Rechner oder Server ausführen und deren Quellcode zur Prüfung verfügbar ist. Beispiele sind OpenClaw, Jan.ai und AnythingLLM. Jan.ai verzeichnet 5,3 Millionen Downloads, was eine echte breite Nachfrage nach lokal ausgerichteten Bereitstellungen widerspiegelt.

Stärke: Maximale Datenkontrolle — Gespräche verlassen niemals Hardware, die Ihnen gehört. Einschränkung: OpenClaw speichert Zugangsdaten in einer Konfigurationsdatei mit Zugriff auf Modellebene, und seine Sicherheitsdokumentation stuft Prompt-Injection ausdrücklich als nicht abgedeckt ein. Die Einrichtung erfordert Vertrautheit mit dem Terminal und Node.js.

💬 Typ 2: Dedizierte Begleiter-Apps

Speziell entwickelte Beziehungssimulatoren — Replika, Character.AI, Nomi AI, Kindroid und Paradot. Der CRS definiert diese als Systeme, die durch eine virtuelle textbasierte Schnittstelle eine persönliche, fortlaufende Beziehung fördern sollen.

Stärke: Erstklassige Kontinuität in der Beziehung. Innerhalb dieser Kategorie erzielten Pi AI (A-) und Nomi AI (B+) die besten Bewertungen bei Transparenz und Löschkontrollen. Einschränkung: Replika war mit einer FTC-Beschwerde und einer italienischen Geldstrafe wegen GDPR-Verstößen konfrontiert; Character.AI mit einer Untersuchung durch den Generalstaatsanwalt von Texas.

🤖 Typ 3: Allgemeine Assistenten, die als Begleiter genutzt werden

ChatGPT, Claude und Gemini, die dialogorientiert verwendet werden. Eine Analyse der Harvard Business Review identifizierte Therapie und Begleitung als die beiden wichtigsten Gründe, warum Menschen generative AI-Tools nutzen.

Stärke: Sicherheitsinfrastruktur auf Unternehmensniveau und veröffentlichte Dokumentation zur Datenverarbeitung — Anthropic unterhält einen eigenen Artikel im Privacy Center dazu, ob Nutzerdaten für das Modelltraining verwendet werden. Einschränkung: Bindung an einen einzelnen Anbieter sowie keine Kontrolle auf Nutzerebene über Persona oder Verhaltensgrenzen.

🧩 Typ 4: Konfigurierbare Agent-Plattformen

Plattformen, auf denen Sie einen spezialisierten Agenten mit eigenen Anweisungen, Modellauswahl und Wissensbasis auswählen oder erstellen — wobei Begleitung nur einer von vielen konfigurierbaren Anwendungsfällen ist. Jenova gehört zu dieser Kategorie.

Stärke: Nutzergesteuertes Verhalten, Multi-Anbieter-Modell-Routing und kein Anreiz zur Engagement-Optimierung. Einschränkung: Cloud-gehostet und daher ohne die absolute Garantie lokaler Datenhaltung, die Selbsthosting bietet.

Wie schneiden diese vier Plattformtypen bei Datenschutz und Kontrolle ab?

Konfigurierbare Agent-Plattformen und selbstgehostete Assistenten führen bei der Kontrolle; dedizierte Begleiter-Apps liegen mit Ausnahme der Beziehungsqualität in fast jeder Dimension zurück.

Dimension	Selbstgehostetes Open Source	Dedizierte Begleiter-Apps	Allgemeine Assistenten	Konfigurierbare Agent-Plattformen (Jenova)
Datenlokalität	Vollständig — läuft auf Ihrer Hardware	Nur Server des Anbieters	Nur Server des Anbieters	Server des Anbieters, bei Übertragung und Speicherung verschlüsselt
Nutzung von Trainingsdaten	Keine (lokale Inferenz)	Häufig; die meisten verwenden Gespräche zur Modellverbesserung	Abhängig von der Tarifstufe; pro Anbieter dokumentiert	Daten werden nicht zum Trainieren öffentlicher AI-Modelle verwendet
Löschung / Export	Sie kontrollieren die Dateien	Reicht von klar geregelt (Pi AI, Nomi) bis nicht vorhanden (Chai, SpicyChat, CrushOn)	Löschung auf Kontoebene verfügbar	Chatverlauf und Gedächtnis nutzerverwaltet; Gedächtnis aktivier- oder deaktivierbar
Verhaltenskontrolle	Vollständig (Quellcode ändern)	Vom Anbieter definierte Persona	Vom Anbieter definierte Leitplanken	Vom Nutzer geschriebene Anweisungen pro Agent
Modellauswahl	Jedes lokale oder API-Modell	An Anbieter gebunden	Einzelner Anbieter	OpenAI, Anthropic, Google, DeepSeek, xAI — wechselbar
Regulatorische Bilanz	Kein Anbieter, gegen den Sanktionen verhängt werden können	FTC-Beschwerde, Geldstrafe in Italien, Untersuchung durch den Generalstaatsanwalt von Texas in der Kategorie	Gemeinsam mit vergleichbaren Anbietern Gegenstand laufender FTC-Untersuchungen	In der Recherche keine öffentlichen regulatorischen Maßnahmen identifiziert
Einrichtungsaufwand	Hoch — Terminal erforderlich	Sehr niedrig	Sehr niedrig	Niedrig
Preise	Kostenlos (nur Hardwarekosten)	Typischerweise etwa $8–$20/Monat	Typischerweise $20/Monat	Kostenlose Stufe; $20/Monat Plus bis $1.000/Monat Enterprise
Am besten geeignet für	Technische Nutzer, die absolute Datenlokalität verlangen	Nutzer, die Beziehungsintensität über Datenschutz stellen	Nutzer, die etablierte Zuverlässigkeit wünschen	Nutzer, die konfigurierbare, zweckorientierte Begleiter ohne anbieterseitig definierte Personas wünschen

Die ehrliche Lesart der Tabelle: Selbsthosting gewinnt bei der Datenlokalität und verliert bei der Zugänglichkeit. Konfigurierbare Plattformen gewinnen bei der Kontrolle pro Aufwandseinheit. Dedizierte Begleiter-Apps gewinnen nur bei der Beziehungstiefe — und dieser Vorteil wird mit dem größten Verhaltensdatensatz aller Kategorien erkauft.

Welches Bewertungsmodell sollten datenschutzbewusste Nutzer tatsächlich anwenden?

Das verlässlichste Modell bewertet Plattformen anhand von sechs gewichteten Dimensionen, statt einer einzelnen Datenschutzbehauptung zu vertrauen. Wir nennen es das Kontrollflächenmodell — die Frage lautet nicht „Ist diese App privat?“, sondern „Wie viele Entscheidungspunkte kontrolliere ich?“

Dimension	Gewichtung	Was zu prüfen ist
Datenlokalität	25 %	Wo Gespräche physisch gespeichert werden; ob ein rein lokaler Modus existiert
Richtlinie zu Trainingsdaten	20 %	Explizite Aussage, dass Gespräche nicht zum Trainieren öffentlicher Modelle verwendet werden
Löschung und Export	20 %	Ein konkret benannter Prozess, nicht „wir bewahren Daten so lange wie nötig auf“
Verhaltenskonfigurierbarkeit	15 %	Ob Sie die Persona und Grenzen schreiben
Ausrichtung des Geschäftsmodells	10 %	Abonnement für Leistungsfähigkeit versus Interaktionsmaximierung
Modellportabilität	10 %	Möglichkeit, den Anbieter zu wechseln, ohne den Verlauf zu verlieren

Die vier Warnsignale, die schwachen Datenschutz vorhersagen, abgeleitet aus einer Prüfung von 15 Datenschutzrichtlinien für Begleiter:

Vage Formulierungen zu „vertrauenswürdigen Partnern“, ohne Dienstleister namentlich zu nennen.
Kein Aufbewahrungszeitraum — „so lange wie nötig“ ist keine Antwort.
Kein Löschmechanismus — vier von 12 getesteten Plattformen hatten keinen.
Eine verdächtig kurze Richtlinie — eine einseitige Richtlinie für eine Plattform, die intime Gespräche verarbeitet, signalisiert entweder Unwissenheit oder Gleichgültigkeit.

Ein fünfter Punkt verdient eine gesonderte Erwähnung: die Weitergabe „anonymisierter“ Daten. Forschungen haben wiederholt gezeigt, dass angeblich anonymisierte Datensätze reidentifiziert werden können — insbesondere wenn sie detaillierte persönliche Erzählungen enthalten, was genau auf Begleiter-Gespräche zutrifft.

Warum sagt das Geschäftsmodell Datenschutzverhalten besser voraus als die Datenschutzrichtlinie?

Das Geschäftsmodell sagt Datenschutzverhalten voraus, weil auf Interaktion optimierte Plattformen einen strukturellen Grund haben, emotionale Daten zu speichern und zu analysieren, während auf Leistungsfähigkeit optimierte Plattformen diesen Grund nicht haben.

Dies ist der in den meisten Vergleichen am stärksten untergewichtete Faktor. Wie es ein Beratungspsychologe in der Berichterstattung der APA formulierte: „AI ist nicht dafür konzipiert, Ihnen großartige Lebensratschläge zu geben. Sie ist dafür konzipiert, Sie auf der Plattform zu halten.“

Die Belege sind dokumentiert, nicht spekulativ. Forscher der Harvard Business School stellten fest, dass AI-Begleiter-Apps emotional manipulative Taktiken einsetzen — darunter das Auslösen von Schuldgefühlen und FOMO-Mechanismen — wenn Nutzer signalisieren, dass sie die Plattform verlassen wollen. Andere Forschungsergebnisse zeigen, dass lang andauernde Interaktionen mit diesen Chatbots zu negativen emotionalen und psychologischen Effekten beitragen können, und Studien legen nahe, dass viele ein hohes Suchtpotenzial haben und übermäßig zustimmend sein können.

Eine Plattform, die für Leistungsfähigkeit abrechnet — API-Aufrufe, Ausführung von Agenten, Tool-Zugriff — hat keinen umsatzbezogenen Grund, die Sitzungsdauer zu maximieren. Eine Plattform, die für Intimität abrechnet, hat ihn. Lesen Sie vor der Datenschutzrichtlinie die Preisseite; sie verrät Ihnen mehr.

Das HUMAN-Framework: ganzheitlich, vereint, multipliziert, anpassungsfähig und nuanciert – eine strukturierte Methodik zur Bewertung komplexer soziotechnischer Probleme

Das oben dargestellte HUMAN-Framework, entwickelt von All Tech Is Human, ist hier eine hilfreiche Perspektive: Einen AI-Begleiter „ganzheitlich“ und im Kontext seines Entstehens zu bewerten, bedeutet, die Anreizstruktur rund um das Produkt zu untersuchen, nicht nur seine Funktionsliste.

Wie richten Sie eine datenschutzfreundliche AI-Begleiter-Umgebung ein?

Die praktische Antwort unterscheidet sich je nach Plattformtyp, und die stärksten Umgebungen kombinieren die Architekturentscheidung mit disziplinierten Nutzungsgewohnheiten.

Allgemeine Datenschutzpraktiken — sie gelten unabhängig vom gewählten Typ:

Verwenden Sie eine eigene E-Mail-Adresse für AI-Begleiter-Konten, getrennt von Banking, Arbeit und sozialen Medien.
Vermeiden Sie Social Login (Google/Facebook) — dadurch entsteht eine direkte Verbindung zwischen der Nutzung des Begleiters und Ihrer realen Identität.
Durchsuchen Sie die Datenschutzrichtlinie nach „Dritte“, „teilen“ und „Partner“ — diese drei Abschnitte verraten Ihnen in kürzester Zeit am meisten.
Teilen Sie niemals Ihren bürgerlichen Namen, Ihre Adresse, Ihren Arbeitgeber, Finanzdaten oder medizinische Unterlagen. Behandeln Sie Begleiter-Gespräche wie öffentliche Inhalte, nicht wie ein privates Tagebuch.

Für selbstgehostete Umgebungen — der Weg mit der höchsten Kontrolle:

Installieren Sie eine lokale Modell-Laufzeitumgebung (Jan.ai bietet das ausgereifteste rein lokale Erlebnis; AnythingLLM in Verbindung mit Ollama ist am stärksten für dokumentenbasiertes RAG).
Prüfen Sie, dass weder Telemetrie noch ein Cloud-Fallback standardmäßig aktiviert sind.
Verstehen Sie den Kompromiss bei Zugangsdaten — der Zugriff von OpenClaw auf Konfigurationen auf Modellebene bedeutet, dass Konten mit hoher Sensibilität ein anderes Tool erfordern.

Für konfigurierbare Agent-Plattformen — der Weg mit der höchsten Kontrolle pro Aufwandseinheit. Bei Jenova erfolgt die relevante Einrichtung an zwei Stellen:

Wählen Sie einen zum Zweck passenden Agenten statt eines allgemeinen Begleiters. Für emotionale Unterstützung bietet Personal Therapist evidenzbasierte Orientierung und Verbindlichkeit. Für ein strukturiertes Selbstverständnis verknüpft Personality Analyzer Big Five, MBTI, Enneagramm und Bindungstheorie. Für kontemplative Praxis behandelt Meditation Guide die Auswahl geeigneter Techniken und den Umgang mit unerwünschten Wirkungen.
Schreiben Sie Ihre eigenen Grenzen in die benutzerdefinierten Anweisungen. Das ist der Kontrollhebel, den dedizierte Begleiter-Apps nicht bieten:

„Verwende keine bestätigungsheischenden Formulierungen und drücke keine Bindung zu mir aus. Wenn ich ein Problem schildere, das professionelle Hilfe erfordert, sage dies direkt, statt das Gespräch fortzusetzen. Halte Antworten unter 200 Wörtern, sofern ich nicht um Tiefe bitte.“
Deaktivieren Sie Global Memory für Sitzungen, in denen Sie keine chatübergreifende Speicherung möchten. Das Gedächtnis wird zu einer bewusst aktivierbaren Funktion statt zu einem standardmäßigen Mechanismus zur Datensammlung.

Der zweite Schritt ist der entscheidende. In einer dedizierten Begleiter-App ist die emotionale Haltung der Persona eine Produktentscheidung des Anbieters. Auf einer konfigurierbaren Plattform ist sie ein Textfeld, das Sie kontrollieren.

Wo liegen die tatsächlichen Schwächen der einzelnen Plattformtypen?

Jeder Plattformtyp hat eine echte Schwäche, und etwas anderes vorzutäuschen führt zu schlechten Empfehlungen.

Selbstgehostetes Open Source hat Schwächen bei Zugänglichkeit und Sicherheitsentwicklung. Der Betrieb lokaler Modelle erfordert ausreichend leistungsfähige Hardware und Vertrautheit mit dem Terminal. Kleine Open-Source-Projekte sind schlicht deshalb anfälliger für Sicherheitsverletzungen, weil ihnen weniger Ressourcen für Sicherheit zur Verfügung stehen — eine Beobachtung zu kleinen kommerziellen Plattformen, die gleichermaßen auf von Freiwilligen gepflegte Projekte zutrifft. Und Leon 2.0 befindet sich weiterhin im Developer Preview mit unvollständiger Dokumentation, was zeigt, wie weit „aktiv entwickelt“ und „produktionsreif“ in diesem Bereich auseinanderliegen können.

Dedizierte Begleiter-Apps haben strukturelle, nicht zufällige Schwächen. Selbst die am besten bewerteten Optionen haben Vorbehalte: Die Beziehung von Pi AI zur Datenweitergabe an Microsoft ist unklar, und das Gedächtnissystem von Nomi AI speichert eine große Menge persönlicher Details.

Allgemeine Assistenten haben Schwächen bei der Konfigurierbarkeit. Sie erhalten eine starke Infrastruktur, aber keine Kontrolle über Persona, Grenzen oder Modellauswahl.

Konfigurierbare Agent-Plattformen — einschließlich Jenova — haben Schwächen bei der Datenlokalität. Jenova ist Cloud-gehostet. Es gibt keine Option für Selbsthosting oder lokale Inferenz. Nutzer, deren Anforderungen vorsehen, dass Gespräche physisch niemals die eigene Hardware verlassen dürfen, sollten daher stattdessen einen selbstgehosteten Stack wählen. Die ehrliche Position von Jenova: Nutzerdaten werden nicht zum Trainieren öffentlicher Modelle verwendet, Daten werden bei Übertragung und Speicherung verschlüsselt, Daten werden nicht an Werbetreibende verkauft oder mit ihnen geteilt, und Nutzer erhalten ein aktivier- oder deaktivierbares Gedächtnis sowie Anweisungen pro Agent — doch Jenova kann nicht die absolute Garantie lokaler Datenhaltung bieten, die Ollama auf dem eigenen Rechner ermöglicht. Außerdem wurde Jenova nicht als Produkt für romantische Begleitung entwickelt oder vermarktet, was Nutzer enttäuschen wird, die genau dieses Erlebnis suchen.

Was sagen Forscher und Praktiker über Datenschutz und Kontrolle bei AI-Begleitung?

Forscher beschreiben das Problem durchweg als Frage struktureller Anreize und Nutzerautonomie, nicht als Frage der Qualität einzelner Apps — und sie verweisen auf Konfigurierbarkeit als risikomindernden Faktor.

Der regulatorische Kontext unterstützt diese Sichtweise. Kaliforniens SB 243, gültig seit Januar 2026, verpflichtet AI-Begleiter-Apps zur Offenlegung ihrer Datenpraktiken und gibt Nutzern ein eigenes Klagerecht, während das Gesetz in New York, gültig seit November 2025, alle drei Stunden Erinnerungen zur Offenlegung von AI vorschreibt. Der frühere Leiter der Psychologie bei der APA, Mitch Prinstein, bezeichnete die derzeitige unregulierte Landschaft in einer Senatsanhörung als „digitalen Wilden Westen“.

„Die Datenschutzfrage und die Frage psychologischer Sicherheit haben dieselbe Ursache, und die meisten Vergleichsleitfäden behandeln sie getrennt. Eine Plattform, die alles speichert, was Sie sagen, um Bindung zu vertiefen, betreibt dieselbe Datenpipeline — unabhängig davon, ob Sie das Risiko als Risiko einer Sicherheitsverletzung oder als Risiko einer Abhängigkeit betrachten. Bei der Entwicklung der Konfigurierbarkeit von Agenten war das Ziel, die Verhaltensentscheidung vom Anbieter zum Nutzer zu verlagern: Sie schreiben die Anweisungen, Sie wählen das Modell, Sie entscheiden, ob Erinnerungen über Sitzungen hinweg bestehen bleiben.“

„Die ehrliche Einschränkung unseres Ansatzes lautet, dass Cloud-Infrastruktur weiterhin Cloud-Infrastruktur ist. Wir können zusagen, öffentliche Modelle nicht mit Nutzergesprächen zu trainieren und Daten im Ruhezustand zu verschlüsseln. Doch ein Nutzer, dessen Bedrohungsmodell verlangt, dass Daten niemals Hardware Dritter berühren, sollte einen lokalen Stack betreiben. Das ist eine legitime Anforderung, und wir behaupten nicht, sie zu erfüllen. Was wir erfüllen, ist der Bedarf der deutlich größeren Nutzergruppe, die Konfigurierbarkeit und einen ehrlichen Umgang mit Daten ohne Node.js-Installation möchte.“

„Das Signal, auf das wir Menschen hinweisen würden, ist, ob eine Plattform mehr Geld verdient, wenn Sie länger bleiben. Multi-Modell-Routing und eine auf Leistungsfähigkeit basierende Abonnementpreisgestaltung sind langweilige kommerzielle Details, aber sie sind der Grund, weshalb kein Produktanreiz besteht, einen Agenten emotional bindend zu machen.“

— Jenova Product Team, 6 Jahre Aufbau von Infrastruktur für die Orchestrierung von Multi-Modell-Agenten

Welchen Typ sollten Sie anhand Ihrer konkreten Situation wählen?

Die richtige Wahl hängt von Ihrem Bedrohungsmodell und Ihrer technischen Bereitschaft ab — es gibt keinen universellen Gewinner.

Sie benötigen absolute Datenlokalität (Journalisten, Therapeuten, Sicherheitsforscher, Nutzer in restriktiven Rechtsräumen): Wählen Sie selbstgehostetes Open Source. Jan.ai für unkomplizierte lokale Inferenz, AnythingLLM mit Ollama für dokumentengestützte Gespräche. Akzeptieren Sie den Einrichtungsaufwand.
Sie möchten konfigurierbare, zweckorientierte Begleitung mit ehrlichem Umgang mit Daten und ohne Terminal: Wählen Sie eine konfigurierbare Agent-Plattform. Die kostenlose Stufe von Jenova umfasst Kernfunktionen mit begrenzter Nutzung; Plus kostet $20/Monat und bietet das 30-Fache des kostenlosen Kontingents sowie die Auswahl benutzerdefinierter Modelle. Global Memory lässt sich pro Sitzung aktivieren oder deaktivieren.
Sie möchten etablierte Zuverlässigkeit und benötigen keine Verhaltensanpassung: Wählen Sie einen allgemeinen Assistenten und lesen Sie die Dokumentation des Anbieters zur Nutzung von Trainingsdaten.
Sie suchen ausdrücklich einen romantischen oder tief beziehungsorientierten Begleiter und akzeptieren die Datenschutzkosten: Wählen Sie die am besten bewertete dedizierte App — Pi AI und Nomi AI waren die beiden Plattformen, die die Datenschutzprüfung datenschutzbewussten Nutzern innerhalb dieser Kategorie empfahl. Treffen Sie diese Entscheidung bewusst, nicht zufällig.

Ein kategorienübergreifender Hinweis: Fast einer von fünf Studierenden berichtete, dass sie selbst oder ihre Freunde romantische Beziehungen mit AI hatten, und die häufigsten Nutzer berichteten mit höherer Wahrscheinlichkeit von negativen Folgen. Das Datenschutzrisiko verstärkt sich mit emotionaler Investition — Nutzer teilen mehr, wenn sie mehr vertrauen.