Ein gehärteter, lokaler, selbstverbessernder KI-Agent für Recherche und wissenschaftliches Schreiben — läuft komplett auf deinem eigenen Rechner.
Mimir durchsucht das Web und wissenschaftliche Literatur, fasst Quellen fundiert zusammen und schreibt komplette Bachelor-/Masterarbeiten mit echten, überprüfbaren Zitaten — nicht erfundenen. Es führt Chats mit einem lokalen Modell auf deiner GPU, gründet Antworten in deinen eigenen Dokumenten, und kann sich selbst neue Fähigkeiten beibringen — alles ohne dass deine Daten irgendwohin gesendet werden. Jede Sicherheitsgarantie wird durch Topologie erzwungen — Hypervisor-Isolation, Netzwerk-Abwesenheit, Fähigkeits-Abwesenheit und Human-in-the-Loop — niemals, indem das Modell einfach gebeten wird, sich zu benehmen.
Die Weboberfläche ist auf Deutsch (das Produkt richtet sich an deutsche Nutzer); Codebase und Dokumentation sind auf Englisch.
Chat mit einem lokalen Modell: Mimir sucht in der Fachliteratur (OpenAlex), antwortet mit Zitat-Markern und zeigt darunter die gefundenen Quellen – aus den Suchdaten, nicht vom Modell geschrieben. Die Oberfläche gibt es hell und dunkel.
Die meisten Agenten-Frameworks vertrauen darauf, dass sich das Modell an die Regeln hält. Mimir geht vom Gegenteil aus: das Modell könnte jailbroken sein und bösartigen Code schreiben. Trotzdem darf nichts Schlimmes passieren, weil das Modell schlicht nicht die Reichweite dazu hat.
Das Leitprinzip:
Jede Garantie in die Topologie verlagern (Firecracker-Jail + kein Netz + Fähigkeits-Abwesenheit
- Taint/Fence + Human-in-the-Loop) — niemals auf die Verweigerung des Modells verlassen.
- Zone A — Inferenz. Der llama.cpp-GPU-Server. Führt keinerlei nicht vertrauenswürdigen Code aus und sieht nie ein Secret. Seine einzige Aufgabe: Tokens in Tokens verwandeln.
- Zone B — Orchestrator / Web-UI / Worker. Die Kontrollebene. Hält den Broker, die Policy-Engine und das Taint-Tracking. Sie hat keine Möglichkeit, beliebige Shell-Befehle auszuführen, kein Zahlungs-Primitiv und keinen Zugriff auf den Docker-Socket.
- Zone S — Sandbox. Selbstgeschriebene Skills (Selbstverbesserung) laufen ausschließlich in wegwerfbaren Firecracker-microVMs: kein Netzwerk, keine Secrets, keine Host-Mounts, keine GPU. Der einzige Weg nach draußen ist ein vorab genehmigtes Primitiv, aufgerufen über den Broker, der eine Allowlist, eine Taint-Prüfung und Human-in-the-Loop durchsetzt.
Weil kein Zahlungs-Primitiv existiert, ist eine Finanztransaktion nicht zusammensetzbar — egal welcher Text ins Modell injiziert wird, es kann keine zusammenbauen. Nach außen wirkende oder unumkehrbare Aktionen — Posten, Deployen, Installieren, E-Mail senden — erfordern auf jeder Autonomiestufe unterhalb der höchsten eine menschliche Freigabe. Auf der höchsten Stufe (Voll autonom, oben rechts in der Kopfzeile wählbar) kann der Betreiber dieses Sicherheitsnetz explizit abwählen — eine bewusste, bestätigte Entscheidung, kein Standard.
Das Herzstück von Mimir: ein Thema recherchieren und aufschreiben, oder eine komplette Bachelor-/Masterarbeit entwerfen — mit echten, überprüfbaren Zitaten, nicht erfundenen.
- 🔎 Recherchieren: Thema angeben, Mimir durchsucht OpenAlex (wissenschaftliche
Literatur) und das Web, und schreibt eine fundierte Zusammenfassung mit Zitat-Markern im Text
[1],[2], … und einem passenden Literaturverzeichnis am Ende. - 📖 Thesis schreiben: dieselbe Pipeline hochskaliert — Quellen suchen, Gliederung entwerfen, Kapitel für Kapitel schreiben (Wunschlänge bis ca. 44 Seiten wählbar), und ein vollständiges Literaturverzeichnis in deinem gewünschten Zitierstil: APA, Harvard, IEEE, Chicago (Autor-Jahr) oder DIN 1505-2.
Die zentrale Design-Entscheidung: das Literaturverzeichnis wird niemals dem Modell zum Erfinden überlassen. Jeder Eintrag wird aus strukturierten Metadaten (Autor, Jahr, Titel, Venue, DOI) zusammengesetzt, die von den Such-APIs selbst geliefert werden, und die Zitat-Marker, die das Modell schreibt, werden gegen genau diese Quellenliste geprüft. Dokumente werden nach Markdown, DOCX, PDF, HTML, ODT, EPUB und PPTX exportiert. Beide Werkzeuge stehen in der Seitenleiste unter Recherche & Bibliothek, direkt über deinen hochgeladenen Dokumenten (auf die sie ebenfalls zugreifen können). Jeder Auftrag läuft als eigener Lauf im Hintergrund weiter und lässt sich unter Läufe live verfolgen oder stoppen.
Ergebnis einer Recherche — ein Bericht mit Zitat-Markern im Text und einem echten, aus OpenAlex
stammenden Literaturverzeichnis, nicht vom Modell erfunden.
- Chat mit einem lokalen Modell: Streaming-Ausgabe, Markdown mit Formeln (KaTeX) und sichtbares Denken bei Reasoning-Modellen. Findet Mimir Fachliteratur oder Stellen in deinen Dokumenten, steht unter der Antwort eine Quellenliste aus den Suchdaten (Autoren, Jahr, DOI bzw. Dokument und Seite) – nicht vom Modell geschrieben. Mit „Meine Dokumente einbeziehen“ stützt sich jede Antwort auf deine hochgeladenen Skripte, „Schnell antworten“ spart den Gedankengang auf langsamer Hardware. Unterhaltungen lassen sich wieder aufrufen, umbenennen und löschen.
- Dokumentbibliothek (RAG): PDFs, DOCX, PPTX, TXT und Markdown unter Recherche & Bibliothek → Eigene Dokumente hochladen und Fragen stellen, die in deinen eigenen Dokumenten verankert sind, mit Seitenangaben. Pro Dokument erzeugt Mimir auf Knopfdruck eine Zusammenfassung (kompakt bis ausführlich) oder eine Probeklausur (Anzahl Aufgaben und Schwierigkeit wählbar). Ergebnisse gibt es als Markdown und DOCX; unter Windows wird ein PDF über Drucken → Als PDF speichern in der Dokumentansicht erzeugt.
- Wissens-Wiki: jede Recherche und Thesis ergänzt ein lokales Wiki mit geprüften Aussagen, auf dem spätere Recherchen aufbauen.
- Recherche & Thesis-Schreiben: ein Thema recherchieren oder eine komplette wissenschaftliche Arbeit mit echtem, nicht erfundenem Literaturverzeichnis aus OpenAlex und Websuche entwerfen — siehe Recherche & wissenschaftliches Schreiben oben. Die Websuche fragt ohne API-Schlüssel nacheinander DuckDuckGo und Wikipedia (deutsch und englisch), mit Pausen zwischen den Anfragen und ehrlichem User-Agent; unter Linux zuerst die eigene SearXNG-Instanz.
- Selbstverbesserung (experimentell): stößt Mimir an eine Fähigkeitsgrenze, kann es einen neuen
wiederverwendbaren Skill schreiben, ihn im Jail gegen ein zurückgehaltenes Orakel testen
und zur Prüfung bereitstellen. Ein Mensch muss den Skill prüfen und kryptographisch
signieren (ed25519), bevor er wiederverwendbar wird. Der Agent kann eigene Skills niemals
selbst signieren oder freigeben. Selbst-Lernen, Coding (Zone W) und Autopilot brauchen die
Firecracker-Sandbox und haben keine Oberfläche; ihre API ist nur mit
MIMIR_LABS=1aktiv. Die Einstellungen zeigen, ob Sandbox und signierte Skills verfügbar sind. - Modellverwaltung (Bereich Einstellungen): Systemspezifikationen einsehen (GPU/VRAM/RAM), zwischen installierten GGUF-Modellen wechseln, und neue von HuggingFace herunterladen — mit Empfehlungen passend zu deinem VRAM. Dort stellst du auch die Darstellung (hell, dunkel oder automatisch) ein. Der Knopf Beenden oben rechts gibt den GPU-Speicher mit einem Klick frei.
- Läufe, die weiterlaufen: Aufgaben laufen im Hintergrund weiter, auch wenn du das Browserfenster schließt. Unter Läufe dockst du wieder an, stoppst einen Lauf, setzt eine gestoppte Thesis fort („Fortsetzen“, mit Restzeit-Schätzung) oder räumst alte Läufe auf. Unter Freigaben (oben rechts) entscheidest du über ausstehende Aktionen – beim Speichern einer Datei mit Vorschau des Inhalts. Die Autonomie-Stufe daneben legt fest, wie viel Mimir ohne Nachfrage tun darf.
Recherche & Bibliothek — Thema recherchieren, Thesis schreiben lassen und eigene Dokumente
hochladen; pro Dokument gibt es Zusammenfassung und Probeklausur auf Knopfdruck.
Läufe — Aufträge mit Status und Startzeit; ein Klick öffnet den Live-Verlauf. Eine gestoppte Thesis
lässt sich dort fortsetzen, alte Läufe lassen sich aufräumen.
Einstellungen — Darstellung wählen, Hardware einsehen (hier Onboard-Grafik mit geteiltem Speicher und
gemessener Geschwindigkeit), sehen, welche Funktionen diese Installation hat, Modelle wechseln und neue
passend zum Grafikspeicher herunterladen.
- Linux für das volle Produkt: die microVM-Sandbox nutzt Firecracker + KVM, was nur unter Linux funktioniert.
- Docker mit der nativen Docker Engine — nicht Docker Desktop. Die VM von Docker Desktop
kann die GPU oder die Host-Sockets, auf die Mimir angewiesen ist, nicht durchreichen. Dein
Nutzer muss in der
docker-Gruppe sein. - Eine GPU hilft sehr. Eine AMD-Radeon-Karte (Vulkan) mit ~24 GB VRAM betreibt die Standard-30–35B-Modelle komfortabel; kleinere Modelle laufen gut mit 8–12 GB. Nur-CPU funktioniert, ist aber langsam.
- ~50 GB Speicherplatz für Modellgewichte, ~30 GB RAM empfohlen.
Windows betreibt Mimir nativ — kein Docker, kein WSL nötig. Chat, Modellverwaltung,
Dokument-RAG und Web-Recherche funktionieren direkt, mit GPU-Beschleunigung auf AMD, NVIDIA
und Intel über einen nativen llama.cpp-Vulkan-Build (keine CUDA/ROCm-Installation nötig).
Der Ein-Klick-MimirInstaller.exe erkennt deine GPU/VRAM und lädt ein passendes Modell herunter.
Selbstverbesserung führt nicht vertrauenswürdigen, vom Modell geschriebenen Code aus, den Mimir nur mit einer Firecracker-microVM (Linux + KVM) einhegen kann. Unter Windows ist das eine optionale Funktion: Häkchen im Installer setzen, und Mimir richtet eine dedizierte, isolierte WSL2-Distro ein (deine bestehenden Distros/Daten werden nie angefasst), die die echte Firecracker-Sandbox betreibt. Siehe windows-native/README.md und windows-native/WSL_SANDBOX.md.
git clone git@github.com:edgebird-lab/Mimir_AI.git
cd Mimir_AI
./install.sh
Danach Mimir über die Desktop-Icons "Mimir starten" / "Mimir beenden" starten, oder http://127.0.0.1:8082 im Browser öffnen.
MimirInstaller.exe von der Releases-Seite herunterladen und ausführen. Installiert
pro Benutzer (kein Admin nötig). Beim ersten Start öffnet sich ein Einrichtungsassistent im
Browser: er erkennt GPU und Grafikspeicher (auch geteilten Speicher von Onboard-Grafik), schlägt
ein passendes Sprachmodell vor, zeigt den Download-Fortschritt und öffnet Mimir unter
http://127.0.0.1:8082, sobald das Modell geladen ist – ganz ohne Konsolenfenster. Inferenz läuft auf einem nativen
llama.cpp-Vulkan-Build, sodass die GPU auf AMD, NVIDIA und Intel gleichermaßen genutzt
wird — kein Docker, kein WSL, keine CUDA/ROCm-Installation. Siehe
windows-native/README.md für die Architektur und den Bau des
Installers.
Die Firecracker-microVM-Sandbox (Selbstverbesserung) läuft nativ nur unter Linux; unter Windows
gibt es sie nur über den optionalen WSL2-Modus (siehe oben). Chat, Modellverwaltung, Recherche,
Thesis und Dokument-RAG funktionieren unter Windows vollständig. Das ältere
Docker-basierte install.ps1 (unter windows/) bleibt nur für Nutzer erhalten, die bewusst den
WSL2/Docker-Weg wollen.
Hinweis zu Antivirus / SmartScreen. Der Windows-Installer und die
.exesind nicht code-signiert (Code-Signing-Zertifikate kosten Geld). Windows Defender SmartScreen zeigt daher eine Warnung wie "Der Computer wurde durch Windows geschützt", und dein Antivirus fragt eventuell nach. Das ist bei jedem unsignierten Open-Source-Installer zu erwarten. Klicke auf Weitere Informationen → Trotzdem ausführen (oder erlaube es in deinem Antivirus). Der gesamte Quellcode ist zur Prüfung offen, du kannst also genau nachvollziehen, was du ausführst.
Eine vollständige Schritt-für-Schritt-Anleitung für beide Plattformen — inklusive Voraussetzungen, was der Installer tut, erster Start und Fehlerbehebung — findest du in INSTALL.md.
Einen Fehler gefunden oder eine Idee? Issue oder Pull Request auf GitHub eröffnen: edgebird-lab/Mimir_AI.
Mimir steht unter der Apache License, Version 2.0. Siehe LICENSE und NOTICE für Details.
Copyright © Olbricht Digital. Kontakt: robin@olbricht-digital.de.
