Wissen / Dokumentation / Khoj: KI-„Zweites Gehirn" für persönliche Wissenssuche

Aus Dokument
Zur Navigation springen Zur Suche springen

Khoj: KI-„Zweites Gehirn" für persönliche Wissenssuche

Khoj ist ein Open-Source-KI-Assistent, der von Grund auf für persönliche Wissenssuche konzipiert ist — nicht nachträglich um RAG erweitert. Anders als AnythingLLM oder Onyx, die primär als Web-Chat-Oberfläche gedacht sind, erreicht man Khoj über eine ungewöhnlich breite Palette von Zugriffswegen — inklusive Obsidian-Plugin, Emacs, Desktop-App und WhatsApp.

Achtung: AGPL-3.0 — striktere Copyleft-Lizenz als bei den meisten hier dokumentierten Tools

Khoj steht unter AGPL-3.0 (Affero GPL), nicht MIT oder Apache-2.0 wie AnythingLLM oder Flowise. Die AGPL erweitert die GPL um eine Netzwerk-Klausel: Wer Khoj modifiziert und der Öffentlichkeit als Netzwerkdienst anbietet (nicht nur als verteilte Kopie), muss den Quellcode der Änderungen ebenfalls offenlegen — auch ohne dass Software physisch weitergegeben wird. Für reines Self-Hosting im eigenen, nicht-öffentlichen Betrieb ist das in der Praxis meist unkritisch, aber vor einem gehosteten Angebot für Dritte das Lizenzdokument genau prüfen.


Übersicht

Architektur

Khoj ist als containerisierte Microservice-Architektur aufgebaut — Such-, Sandbox- und Automatisierungsdienste kommunizieren über HTTP, gebündelt in einem Docker-Image:

Baustein Funktion
Backend Python 3.10+, Django + FastAPI
Semantische Suche PostgreSQL mit pgvector (siehe auch PostgreSQL + pgvector als eigenständige Anleitung in diesem Repository)
Frontend React/Next.js, Bun, Radix UI
Websuche SearxNG-Integration für Internet-Antworten neben den eigenen Dokumenten
Sandbox Terrarium (Code-Ausführung), „Khoj Computer" für lokale Automatisierungen


Installation

git clone https://github.com/khoj-ai/khoj.git
cd khoj
docker compose up -d

Docker Compose orchestriert dabei Khoj-Server, SearxNG und die Sandbox-/Automatisierungsdienste gemeinsam.

Tipp: Lokales LLM per OpenAI-kompatiblem Endpunkt

Jeder OpenAI-API-kompatible lokale Modell-Server (Ollama, llama-cpp-server, vLLM — siehe vLLM High-Throughput Serving) lässt sich einfach über die API-URL einbinden (z. B. http://localhost:11434/v1/ für Ollama) — Khoj läuft damit vollständig offline, ohne dass Dokumente oder Anfragen das eigene Gerät verlassen.


Zugriffswege

Zugang Besonderheit
Browser Web-Oberfläche
Obsidian-Plugin direkte Anbindung an den eigenen Obsidian-Vault, siehe Einordnung in Klassische Wiki-Systeme mit LLM-Integration
Emacs native Emacs-Integration (Khoj-Ursprung liegt im Emacs-/Org-Mode-Umfeld)
Desktop-App eigenständige Anwendung ohne Browser
Phone mobiler Zugriff
WhatsApp Chat direkt über einen bestehenden WhatsApp-Kontakt — ungewöhnlich niedrigschwellig gegenüber allen anderen hier dokumentierten Tools


Kernfunktionen

  • Chat mit beliebigem LLM: lokal (Ollama, llama.cpp, vLLM) oder Cloud (GPT, Claude, Gemini, DeepSeek, …)
  • Dokumenttypen: PDF, Markdown, Org-Mode, Word, Notion-Exporte, Bilder
  • Semantische Suche: findet relevante Dokumente auch ohne exakte Stichwortübereinstimmung
  • Benutzerdefinierte Agenten: eigenes Wissen, eigene Persona, eigenes Chat-Modell und eigene Tools pro Agent — ähnlich dem Konzept aus Custom Chat-Assistenten im Anbieter-Vergleich
  • Geplante Automatisierungen: wiederkehrende Recherche-Aufgaben automatisch ausführen lassen
  • Deep-Research-Modus: Nachrichten mit /research starten einen experimentellen, mehrstufigen Recherche-Modus statt einer einzelnen Antwort


MCP-Anbindung: noch kein offizieller Standard

Hinweis: Community-MCP-Server vorhanden, aber kein etablierter Standard

Im Gegensatz zu AnythingLLM, Dify oder Flowise, die MCP jeweils offiziell und nativ unterstützen, existieren für Khoj (Stand August 2026) primär Community-MCP-Server-Implementierungen, keine offizielle, vom Kernprojekt gepflegte MCP-Integration. Vor produktivem Einsatz die aktuelle Projekt-Dokumentation prüfen — dieser Bereich entwickelt sich branchenweit sehr schnell.


Einordnung gegenüber verwandten Tools

Kriterium Khoj AnythingLLM Onyx
Lizenz AGPL-3.0 (Netzwerk-Copyleft) MIT MIT (Community Edition)
Kernfokus Persönliches „zweites Gehirn", extrem breite Zugriffswege Lokale/private Dokumenten-Chats, Desktop-first Enterprise-Suche über viele Datenquellen
Zugriffswege Browser, Obsidian, Emacs, Desktop, Phone, WhatsApp Desktop-App, Docker-Web-UI Web-Chat-UI
MCP-Support Community-Server, kein offizieller Standard offiziell, nativ offiziell (onyx-mcp-server)
Zielgruppe Einzelpersonen mit stark persönlichem, plattformübergreifendem Workflow Einzelperson/kleines Team Unternehmen mit vielen Connectoren

Tipp: Khoj vs. AnythingLLM

Beide zielen auf Einzelpersonen statt Enterprise-Teams. Khoj punktet mit ungewöhnlich vielen Zugriffswegen (insbesondere WhatsApp und Obsidian) und ist historisch aus dem Emacs-/Org-Mode-Umfeld gewachsen. AnythingLLM punktet mit breiterer Vektordatenbank-/LLM-Provider-Auswahl und einer permissiveren MIT-Lizenz ohne Netzwerk-Copyleft.


Verwandte Themen

Abgerufen von „https://mediawiki.wissen-ahrensburg.de/index.php?title=Wissen_/_Dokumentation_/_Khoj:_KI-„Zweites_Gehirn%22_für_persönliche_Wissenssuche&oldid=3641“