Locally Uncensored: lokale KI-Studio-App mit Chat, Bild, Video und Coding-Agent
The all-in-one local AI studio for your desktop: chat, image and video generation and a coding agent in one free, open source app. Windows and Linux. No Docker, no terminal, no cloud required.
Auf einen Blick
- Was ist das?
- Locally Uncensored bündelt Chat, Bild- und Videogenerierung sowie einen Coding-Agenten in einer Desktop-App für Windows und Linux. Die README beschreibt eine Ein-Klick-Einrichtung von Ollama und ComfyUI, ein Modell-Manager für die eigene Hardware und eine optionale Cloud für Modelle, die nicht auf die Grafikkarte passen.
- Für wen ist es gedacht?
- Wer lokale Modelle ohne Docker, Terminal und Konfigurationsdateien ausprobieren will, findet hier einen Einstieg, der laut README Ollama und ComfyUI selbst installiert und Modelle nach Hardware-Eignung kennzeichnet. Wer Rechenzentrums-GPUs für große Modelle braucht, landet bei LU Labs Cloud, und wer macOS nutzt, muss selbst mit npm run tauri build kompilieren.
- Darf ich es kommerziell nutzen?
- Ja, unter strengen Bedingungen. AGPL-3.0 ist eine Lizenz mit Netzwerk-Copyleft: Wenn andere eine veränderte Version über ein Netzwerk nutzen, etwa als gehosteten Dienst, müssen Sie ihnen den Quellcode unter derselben Lizenz anbieten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 1 Tag.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich TypeScript, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Ein Installer statt Docker, Terminal und Konfigurationsdateien
Lokale KI-Werkzeuge bestehen meist aus mehreren Teilen, die getrennt eingerichtet werden müssen: eine Laufzeit für Sprachmodelle, eine Pipeline für Bilder, ein Frontend, das beides anspricht. Die README von Locally Uncensored beschreibt genau diesen Aufwand als Problem und setzt dagegen einen Installer, der beim ersten Start nach einer bereits laufenden KI-Engine sucht und mit einem Klick eine installiert, wenn keine gefunden wird. Dasselbe gilt für ComfyUI, das laut README die Bilder und Videos erzeugt. Die Zielgruppe sind Nutzer, die lokale Modelle auf eigener Hardware betreiben wollen, ohne sich mit Container-Orchestrierung oder Kommandozeilen-Workflows zu befassen. Der Anspruch ist ausdrücklich, dass alles auf dem eigenen Rechner läuft und kein Cloud-Zugang nötig ist. Der Name verweist auf einen zweiten Teil der Zielgruppe: Modelle, die direkt antworten, stehen im selben Menü wie die Mainstream-Modelle, und die README nennt dieses Verhalten als Produktentscheidung, nicht als Nebeneffekt.
Vier Tabs, zwei Engines, ein Modellbestand
Die Architektur, die aus dem Repository-Material hervorgeht, ist eine Desktop-Anwendung auf Basis von Tauri mit einem TypeScript-Frontend. Der Build läuft laut README über npm run tauri build, der Entwicklungsmodus über npm run dev im Browser. Die Anwendung ist in vier Tabs gegliedert: Chat, Create, Code und Agent. Chat spricht Sprachmodelle an, Create delegiert an eine lokal installierte ComfyUI-Instanz, die die App laut README selbst startet, repariert und aktualisiert. Code ist ein Agent, der laut Beschreibung eine Karte des Repositories aufbaut, nur die angefragten Zeilen ändert und den Diff vor dem Anwenden zeigt. Agent kombiniert Werkzeuge wie Websuche, Dateizugriff, Shell, Codeausführung und Screenshots sowie eigene MCP-Server. Bemerkenswert ist der Modell-Manager: Er arbeitet laut README mit einer bereits vorhandenen Engine wie Ollama oder LM Studio zusammen und kann Modelle verlinken, die diese Werkzeuge schon speichern, ohne sie zu kopieren. Damit sitzt die App nicht als zweite Modellverwaltung neben der bestehenden, sondern liest den vorhandenen Bestand mit.
Installation und Quellcode-Build
Für Windows 10 und 11 nennt die README einen .exe-Installer im NSIS-Format, empfohlen, oder ein .msi-Paket. Für Linux stehen .deb, .rpm und .AppImage bereit. macOS ist nicht dabei: Dort gibt es laut README noch keinen Build, aber der Quellcode lässt sich mit npm run tauri build selbst kompilieren. Der Quellcode-Build folgt den üblichen Schritten: git clone des Repositories, cd locally-uncensored, npm install, dann npm run dev für den Browser-Modus oder npm run tauri build für die Desktop-Binärdatei. Auf Windows und Linux sowie macOS richten setup.bat beziehungsweise setup.sh laut README Node, Git und Ollama für den Entwicklungsmodus ein. Ein wichtiger Hinweis betrifft Antivirus-Programme: Die README schreibt, dass einige Engines unsignierte NSIS-Installer melden, die weitere Binärdateien nachladen, und ordnet das als Fehlalarm ein. Der Installer wird demnach von GitHub Actions aus dem öffentlichen Quellcode auf master gebaut, und der Update-Kanal ist gegen einen öffentlichen minisign-Schlüssel signiert. Beide Prüfungen sind laut README über SECURITY.md nachvollziehbar.
Die Cloud-Grenze verläuft mitten durch die Create-Lanes
Die README ist an einer Stelle sehr konkret: Upscale und Erase Object sind die beiden Lanes, die ausschließlich in der Cloud laufen. Das ist eine Einschränkung, die man beim Lesen der Funktionsliste leicht überliest, weil die Bild- und Videofunktionen sonst als lokal beschrieben werden. Wer ausschließlich offline arbeiten will, muss auf diese beiden Werkzeuge verzichten oder den Cloud-Schalter bewusst umlegen. Der zweite Punkt betrifft die Modellgröße: Einige Modelle sind laut README größer als jede Desktop-Grafikkarte, und für diese gibt es LU Labs Cloud mit gehosteten GPUs. Die lokale App bleibt in beiden Fällen kostenlos, aber die Rechenleistung wandert dann vom eigenen Rechner weg. Ein dritter Punkt ist die Plattformbindung: Windows und Linux sind abgedeckt, macOS nicht. Wer auf einem Mac arbeitet, muss den Build selbst verantworten, und die README liefert dafür nur den Befehl, keine getestete Distribution.
Coding-Agent mit Diff-Vorschau und .lurules
Der Code-Tab ist der Teil, der sich am deutlichsten von einem Chat-Frontend unterscheidet. Laut README baut der Agent eine Karte des Repositories auf, ändert nur die angefragten Zeilen, zeigt den Diff vor dem Anwenden, führt Tests aus und liest die Fehlerausgaben. Dazu kommen typisierte Git-Werkzeuge und projektspezifische Regeln in einer .lurules-Datei. Pro Konversation gibt es die Modi Ask, Plan und Bypass, dazu einen Datei-Explorer mit Vorschau und einen Arbeitsbereich je Projekt. Ein Detail, das in der Beschreibung des Agent-Tabs auftaucht: Jeder Werkzeugaufruf passiert ein Berechtigungs-Gate, das der Nutzer kontrolliert, und ein Lauf im Nur-Lesen-Modus bleibt laut README nur lesend. Das ist relevant, weil ein Agent mit Shell- und Dateizugriff ohne solche Gates schwer zu begrenzen wäre. Die .lurules-Datei ist der Punkt, an dem sich Projekte unterscheiden lassen, ohne dieselben Anweisungen in jeden Prompt zu schreiben.
Fernzugriff über LAN und Cloudflare-Tunnel
Die App lässt sich laut README vom Telefon aus erreichen, entweder über das lokale Netzwerk oder über einen Cloudflare-Tunnel. Die Kopplung erfolgt per QR-Code und Passcode, der Zugriff ist standardmäßig aus und muss eingeschaltet werden, und verbundene Geräte werden aufgelistet. Dazu kommt ein Vergleichsmodus, der zwei Modelle nebeneinander stellt, sowie ein Benchmark auf der eigenen Hardware für Geschwindigkeit, Kosten und Korrektheit. Der Benchmark ist insofern interessant, als er die Bewertung nicht an fremden Messwerten festmacht, sondern an der Maschine, auf der die App läuft. Die README nennt keine Zahlen zu Geschwindigkeit oder Speicherbedarf, und ohne eigene Messung lassen sich aus dem Material keine Leistungsaussagen ableiten. Wer den Vergleichsmodus nutzen will, muss die Modelle vorher über den Modell-Manager herunterladen, und die Eignung für die eigene Hardware wird laut README im Modell-Manager markiert.
Lizenz, Wartung und der Preis der Ein-Klick-Einrichtung
Locally Uncensored steht unter AGPL-3.0. Diese Lizenz verlangt, dass abgeleitete Werke, die über ein Netzwerk genutzt werden, ebenfalls unter AGPL gestellt und mit Quellcode versehen werden. Wer die App unverändert privat oder im eigenen Team einsetzt, berührt das nicht. Wer sie forkt und als gehosteten Dienst anbietet, muss die Bedingungen prüfen; das ist keine Rechtsberatung, sondern ein Hinweis auf die Tragweite der Lizenzwahl. Zur Wartung: Die Release-Liste zeigt v2.6.9 vom September 2026, davor v2.6.8 und v2.6.7, jeweils in kurzen Abständen. Die README verweist für alle Änderungen seit 1.0.0 auf CHANGELOG.md und beschreibt einen signierten Update-Kanal. Der praktische Aufwand liegt weniger im Aktualisieren der App als in den Abhängigkeiten, die sie mitbringt: Ollama und ComfyUI werden laut README von der App installiert, gestartet, repariert und aktualisiert. Das senkt die Einstiegshürde, verschiebt aber die Kontrolle über Versionen und Update-Zeitpunkte dieser beiden Komponenten in die App. Wer ComfyUI mit eigenen Nodes oder eigenen Workflows betreibt, sollte vorher klären, wie sich das mit der verwalteten Installation verträgt.
Wann LM Studio oder eine reine ComfyUI-Installation die bessere Wahl ist
Der naheliegende Vergleich ist LM Studio. Beide verwalten lokale Modelle, beide laufen auf dem Desktop, beide sprechen Ollama und ähnliche Engines an. Der Unterschied liegt im Umfang: LM Studio ist auf Sprachmodelle und einen Chat ausgelegt, während Locally Uncensored zusätzlich ComfyUI für Bilder und Videos einbindet, einen Coding-Agenten mit Diff-Vorschau und Git-Werkzeugen mitbringt und einen Agent-Tab mit Shell, Dateizugriff und MCP-Servern bietet. Wer nur mit Sprachmodellen arbeitet und seine Bildpipeline separat betreibt, bekommt bei LM Studio weniger bewegliche Teile. Umgekehrt gilt: Wer bereits eine gepflegte ComfyUI-Installation mit eigenen Node-Paketen und Workflows hat, für den ist eine App, die ComfyUI selbst installiert und aktualisiert, eher ein Risiko als eine Erleichterung. Der zweite Vergleich ist der Quellcode-Build gegen den Installer: Die README nennt npm run tauri build als Weg für macOS, aber ohne getesteten Build ist das ein Selbstbau, kein unterstützter Pfad.
Redaktionelles Fazit
Wer lokale Modelle ohne Docker, Terminal und Konfigurationsdateien ausprobieren will, findet hier einen Einstieg, der laut README Ollama und ComfyUI selbst installiert und Modelle nach Hardware-Eignung kennzeichnet. Wer Rechenzentrums-GPUs für große Modelle braucht, landet bei LU Labs Cloud, und wer macOS nutzt, muss selbst mit npm run tauri build kompilieren. Vor dem produktiven Einsatz eines Coding-Agenten lohnt ein Blick in die .lurules-Datei eines Testprojekts und in SECURITY.md, weil dort der Umgang mit Antivirus-Fehlalarmen und der signierte Update-Kanal beschrieben sind.
Community-Notizen