Hallo zusammen, Anfang des Jahres habe ich mich als Quereinsteiger im Webdesign selbstständig gemacht und bereits einige reale Projekte erfolgreich umgesetzt. Wer einen Blick darauf werfen möchte, findet meine Referenzen unter fruehschulz.net. Ich bin absolut davon überzeugt, qualitativ hochwertige und performante Webseiten zu erstellen. Mein Problem liegt nicht in der Qualität meiner Arbeit, sondern in der aktuellen Marktlage. Der Markt ist überschwemmt mit billigen „KI-Müll“-Webseiten, die offensichtlich nur durch einfaches Eingeben eines Prompts in einen Bot entstanden sind. Aufgrund dieser Flut an minderwertigen Webseiten ist die Akquise im Webdesign sehr schwierig geworden. In Telefongesprächen merke ich deutlich, wie genervt die Unternehmen (vor allem KMU/Handwerker) sind. Viele werden 3-4 Mal pro Woche wegen einer neuen Website kontaktiert. Deshalb überlege ich jetzt den strategischen Pivot: Weg vom Frontend-Design, hin zu KI-Automatisierungen, Prozessoptimierung und Voice Agents. Damit löst man bei betroffenen Betrieben ein echtes Problem (z. B. Erreichbarkeit trotz Personalmangel). Ich beschäftige mich gerade mit der Infrastruktur und zwei konkreten Tools: - GoHighLevel (GHL) als All-in-One-Plattform für CRM, Pipelines und SaaS-Strukturen. - fonio.ai für die Umsetzung von deutschsprachigen KI-Telefonassistenten. Meine Fragen an die KI-Unternehmer, die tiefer im Business stecken: Kann jemand GoHighLevel für diesen Pivot empfehlen, oder wäre es besser, ein flexibles System über APIs und No-Code-Plattformen wie Make oder n8n zu erstellen? Hat hier jemand Erfahrungen mit fonio.ai im Kundeneinsatz? Wie stabil sind die Integrationen, beispielsweise Kalenderbuchungen über Make, in der Praxis? Ist die Offenheit bei Unternehmen spürbar größer, wenn man einen KI-Telefon-Bot anbietet, anstatt einer weiteren Website? Um ein wirklich passgenaues Produkt zu entwickeln, überlege ich, wie ich am besten Marktforschung betreiben sollte. Macht es Sinn, Handwerker direkt anzurufen und sie nach ihren größten alltäglichen Problemen im Büro zu fragen? Oder sollte ich mich lieber in Handwerker-Gruppen auf Facebook, Reddit und Co. umhören, um ihre Meinung zu solchen KI-Lösungen zu erfahren?

Wollt mal ne fragerunde machen an was ihr gerade Arbeitet oder steckt ihr irgendwo fest. lasst es raus 😊

# Ich habe mir mein eigenes KI-Filmstudio gebaut – komplett auf meinem NAS Seit ein paar Tagen baue ich zusammen mit Claude Code an **CinePass Studio** – einer Web-App, in der ich einen kompletten Film entwickle: vom leeren Blatt bis zum fertigen Video. Alles läuft bei mir zu Hause auf dem NAS, erreichbar von jedem Rechner im Haus über den Browser. Keine Cloud-Abos für die App selbst, keine Installation auf den einzelnen PCs. Hier kurz, was es kann und warum ein paar Details den Unterschied machen. --- ## Das Problem, das ich lösen wollte Ich wollte einfach alles zentral haben und unabhängig sein von den Cloud LMM's Jetzt kann ich auch meine Lokale KI fürs prompten verwenden (hab mir einen Nvidia Spark gegönnt - aber nicht wegen diesem Projekt) auch Gemini, Claude habe ich jetzt (noch?) nicht implementiert. --- ## Was die App kann **1. Drehbuch mit der KI deiner Wahl** Projekt anlegen, Idee eingeben – die KI entwirft Akte und Szenen. Danach verfeinert man Szene für Szene. Wählbar pro Nachricht: Claude, ChatGPT, Gemini oder ein **lokales Modell auf meinem eigenen Rechner** (kostenlos, läuft offline). Modell wechseln geht jederzeit, das Projekt bleibt davon unberührt. **2. Cast & Locations mit Referenzbildern** Jede Figur bekommt ein Charaktersheet mit Bildern und Beschreibung, sortiert in Ordner. Im Chat rufe ich sie mit **@Name** auf oder ziehe die Karte einfach ins Textfeld. **3. Der Trick mit den Locations: ein virtueller Raum** Pro Schauplatz lade ich bis zu zehn Bilder hoch und weise jedem eine **Himmelsrichtung** zu – ein Klick auf N, NO, O, SO … Damit wird der Ort begehbar. Schreibe ich „Figur geht in @gasse1 nach Süden zum Auto", wählt die App automatisch das **Süd-Bild** als Referenz aus. **4. Video-Erzeugung direkt in der App** Pro Szene lege ich Shots an. Die KI baut aus meiner Idee den Video-Prompt, dann klicke ich auf „Video erzeugen". Die App spricht direkt mit der Video-Plattform, wartet im Hintergrund, **lädt das fertige Video automatisch herunter** und sortiert es ein:

# Praxistest lokaler KI-Modelle auf einer GTX 1080 Ti ## Ausgangslage Auf meinem Rechner sollte geprüft werden, ob lokale KI-Modelle zukünftig einen größeren Teil der Aufgaben meiner Programme übernehmen können. Im Mittelpunkt standen dabei: - allgemeine Texterstellung - Songtexte und kreative Texte - Bildanalyse und OCR - Werkzeugaufrufe und Planungsaufgaben - fotorealistische Bilder - vollständige Coverbilder - komplexe Aufgaben mit mehreren Bedingungen Bisher laufen anspruchsvolle Aufgaben über Hermes zu Codex/OpenAI. Die lokalen Modelle sollten deshalb nicht nur irgendwie funktionieren, sondern stabil, schnell und qualitativ zuverlässig genug für einen produktiven Einsatz sein. ## Vorhandene Hardware Getestet wurde auf folgendem System: - Intel Core i9-9900K - 8 Kerne und 16 Threads - 32 GB Arbeitsspeicher - NVIDIA GTX 1080 Ti - 11 GB Grafikspeicher - Ollama 0.32.3 - ComfyUI 0.28.0 Die GTX 1080 Ti besitzt keine modernen Tensor-Kerne, kann aktuelle quantisierte Sprachmodelle und SDXL-Bildmodelle aber weiterhin über CUDA beschleunigen. Bei Sprachmodellen können Grafikkarte, CPU und Arbeitsspeicher zusammenarbeiten. Sobald ein Modell nicht vollständig in den Grafikspeicher passt, werden Teile auf CPU und RAM ausgelagert. Das funktioniert, wird aber deutlich langsamer. Bei der Bilderzeugung ist die Grafikkarte wesentlich entscheidender. Die vielen CPU-Threads helfen dort nur begrenzt. ## Test der lokalen Sprachmodelle Verglichen wurden: - `qwen3-vl:8b-instruct` - `qwen3.5:9b` Ollama wurde dafür mit folgenden Einstellungen betrieben: - 65.536 Kontext-Tokens - Flash Attention aktiviert - quantisierter `q8_0`-Kontextcache Beide Modelle erhielten identische Aufgaben: - einfache Textlogik - strukturierter Werkzeugaufruf - Bildanalyse und OCR - schwierigere Planung mit festen Terminen und Konflikten - Messung von Geschwindigkeit und Speicherauslastung ### Messergebnisse Qwen3‑VL 8B vs. Qwen 3.5 9B Einfache Textlogik: beide korrekt Werkzeugaufruf: beide korrekt

Danke an alle die dabei sind und mitmachen. Das motiviert mehr als ihr denkt. Auf die nächsten 400. 💜