Warum ich aufgehört habe, ChatGPT zu nutzen

ChatGPT hat mir geholfen. Das will ich klar sagen — besonders in meinem beruflichen Alltag als Lehrer. Ob ein Bild für den Webauftritt der Schule, eine Präsentation die meine Gedanken klar strukturiert und ansprechend aufbereitet, oder Texte die ich schnell auf verschiedene Zielgruppen zuschneiden musste: Die Abo-Version von ChatGPT war praktisch. Fast schon unverzichtbar.

Aber irgendwann hat sich das „praktisch“ in „problematisch“ verwandelt. Und der Grund war nicht die Qualität — sondern alles was dahinter passiert ist, ohne dass ich es kontrollieren konnte.

Der Moment wo mir aufging: Ich schicke meine Daten weg

Ich war kein Free-User. Ich hatte ChatGPT Pro. Und selbst mit dem Abo gab es Grenzen — nicht nur die offensichtlichen wie „zu viele Anfragen in 3 Stunden“, sondern auch die subtileren:

Die kostenlosen Versionen von OpenAI und Anthropic nutzen schwächere Modelle. Wenn du aus Versehen auf den Free-Tier rutschst, fällt der Qualitätsunterschied wie ein Tritt ins Gesicht. Du gewöhnst dich an das gute Modell, dann wird es limitiert — und plötzlich spuckt dir die KI halbfertige Sätze zurück.

Es fühlt sich an wie ein Abo-Modell wo dir monatlich Features weggenommen werden können. Und genau das ist es ja auch.

Aber ehrlich? Die Limits waren nicht der eigentliche Auslöser. Das war was dahinter steckt.

Datenschutz: Als Lehrer ist das kein theoretisches Problem

Jede Nachricht die ich in ChatGPT tippe, landet auf Servern von OpenAI. Jede Datei die ich hochlade wird verarbeitet und gespeichert. Und ja, ich habe die Datenschutzrichtlinien gelesen — oder zumindest versucht zu verstehen was sie bedeuten.

Die Kernaussage: Deine Daten können verwendet werden um ihre Modelle zu verbessern. Auch wenn du das eigentlich nicht willst. Die Opt-Out-Optionen sind versteckt, schwer zu finden, und ändern vielleicht gar nichts.

Für mich als Lehrer war das besonders problematisch. Ich arbeite mit Schülerdaten, urheberrechtlich geschütztem Material, internen Schulkonzepten. Das alles in eine Cloud-KI zu stecken? Nein danke.

Stell dir vor du lädst ein Arbeitsblatt hoch das du für deine Klasse erstellt hast — und plötzlich taucht es als Trainingsdaten in einem Modell auf das andere Lehrer an anderen Schulen nutzen. Oder noch konkreter: Du fragst nach Hilfe bei der Formulierung einer Elternmail mit Namen und Details drin. Diese Mail existiert dann auch auf OpenAI’s Servern.

Das ist kein hypothetisches Szenario. Das passiert jeden Tag, Millionen von Malen. Und die meisten Nutzer wissen es gar nicht oder machen sich keine Gedanken draus — bis sie müssen.

Urheberrecht: Wer besitzt was?

Ein zweiter Punkt der mich nagte: Wenn ich mit ChatGPT Inhalte erstelle — wer ist der Urheber? OpenAI’s Nutzungsbedingungen sind hier vage. Ich generiere ein Bild für den Schulblog, einen Text für eine Präsentation, ein Konzept für ein Projekt. Rechtlich gesehen bin ich auf dünnem Eis.

Als Lehrer der öffentliches Material erstellt und veröffentlicht, ist das kein Nebenthema. Es ist ein echtes Risiko — auch wenn es bisher kaum jemand durchgezogen hat.

Und dann die Privatsphäre-Frage

Das ist der Punkt den niemand laut ausspricht: Niemand soll wissen was du mit der KI machst.

Keine Logs auf fremden Servern. Keine Content-Moderation die dir sagt „das können wir nicht generieren“. Kein Algorithmus der merkt dass du komische Sachen fragst und dich dann einschränkt.

Bei Cloud-KI bist du immer beobachtet. Bei lokaler KI bist du allein in deinem Raum. Und das ist ein riesiger Unterschied.

Die Suche nach einer Alternative

Also habe ich angefangen zu suchen. Gibt es eine Alternative? Die Antwort kam schneller als erwartet: Local AI.

Die Idee ist einfach: Statt dass ChatGPT auf den Servern von OpenAI läuft, läuft das KI-Model auf DEINEM Rechner. Deine Daten verlassen nie dein Haus. Kein Abo, keine Limits, keine Überwachung. Du hast volle Kontrolle über Nutzung, Privatsphäre, und Urheberrecht — weil alles lokal passiert.

Das Hosten von OpenSource-Modellen blendet die Punkte Nutzungslimit, Datenschutz und Urheberrechtsschutz zum großen Teil aus. Weil du der Server bist. Und der einzige Nutzer.

Die Überraschung: Es ist einfacher als ich dachte

Mein erster Eindruck von Local AI war: Das klingt nach etwas für Leute mit 5000-Euro-Gaming-Setups und Linux-Kenntnissen. Ich habe beides nicht — oder zumindest nicht in dem Maße.

Dann bin ich auf LM Studio gestoßen. Eine einfache App die du installierst, ein Model lädst, und fertig. Chat funktioniert sofort. Kein Terminal, keine Konfigurationsdateien, kein „sudo apt-get“.

Und hier kommt der zweite Aha-Moment: Es gibt kostenlose OpenSource-Modelle die teilweise besser sind als die kostenlosen Cloud-Versionen von OpenAI oder Anthropic. Modelle wie Qwen 3.6 mit 27 oder 35 Milliarden Parametern — kostenlos, lokal, ohne Limits.

Was ich gelernt habe (und was ich vorher nicht wusste)

In den Wochen danach habe ich viel recherchiert und ausprobiert. Hier sind die Dinge die mir wichtig waren:

• VRAM ist der Flaschenhals. Nicht CPU, nicht RAM — VRAM (Videospeicher auf deiner Grafikkarte). Je mehr VRAM, desto größere Modelle kannst du laden. 24GB VRAM ist der Sweet Spot ab dem wirklich große Modelle flüssig laufen.
• Quantisierung macht Models kleiner ohne sie dumm zu machen. Ein 35B-Model in „IQ4S“ Quantisierung braucht nur einen Bruchteil des Speichers und ist trotzdem extrem fähig. Einfach gesagt: Man komprimiert das Model so dass es auf weniger VRAM passt — wie eine ZIP-Datei die trotzdem vollständig entpackt werden kann.
• AMD-Grafikkarten funktionieren auch. Lange Zeit war Local AI ein NVIDIA-Only Spiel. Mit llama.cpp und modernen Tools läuft es jetzt auch auf AMD — was meinen Gaming-PC mit einer RX 7800 XT plötzlich relevant machte.

Der Punkt wo ich sicher war

Es gab einen Moment wo ich gesagt habe „das ist der Weg“. Nicht weil die Technik perfekt war — sie war es nicht. Sondern weil ich zum ersten Mal seit Monaten das Gefühl hatte die Kontrolle zurückzugewinnen.

Meine Daten bleiben bei mir. Ich kann fragen was ich will. Ich generiere was ich will. Und am Ende des Monats zahle ich nur Strom — kein Abo, keine versteckten Kosten, keine Nutzungsbedingungen die sich ändern können wenn es OpenAI passt.

Ja, ich brauche Hardware. Ja, es gibt eine Lernkurve. Aber der Preis für echte Privatsphäre und Freiheit ist jeden Euro wert.

Was kommt als nächstes?

In den folgenden Artikeln erzähle ich wie ich angefangen habe — mit meinem Gaming-PC, LM Studio und einem ersten Model. Wie ein kleines Upgrade von 85€ alles verändert hat. Und warum ich am Ende einen zweiten Rechner gebaut habe.

Bleib dran. Es wird technisch, aber ich versuche es einfach zu halten. Immerhin war ich auch mal komplett neu in dem Thema.

---

Dieser Artikel ist Teil einer Serie über meinen Weg von ChatGPT zu Local AI — „LocalAI4All“. Folge mir für mehr Content über lokale KI auf Consumer-Hardware.