Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com18. März 2026 · Q011521

Build a Local AI Agent with Qwen 3.5 Small

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt eine Python-Anleitung für einen sprachgesteuerten Videoanalyse-Agenten mit Qwen 3.5 Small, Ollama und Vision Agents. Zwar behauptet der Artikel, alles laufe lokal, doch sein Stack benötigt auch externe Sprachdienste und Stream; die vollständige lokale Verarbeitung und die Datenschutzversprechen werden nicht belegt.

Mittel

Der Bericht erklärt, wie man mit Ollama, Qwen 3.5 Small und Vision Agents einen Agenten zur Live-Videoanalyse mit Spracheingabe und Sprachausgabe einrichtet. Qwen wird als multimodale Modellfamilie mit 0,8 bis 9 Milliarden Parametern vorgestellt. Das Beispiel lädt einen Agenten in einen Stream-Anruf, verarbeitet laut Code ein Videobild pro Sekunde mit zehn Sekunden Frame-Puffer und antwortet auf Fragen zum Kamerabild. Die Anleitung umfasst die Plugin-Installation, das Laden eines Modells und API-Schlüssel für Stream, Deepgram und ElevenLabs.

Der Beitrag behauptet, die Modellverarbeitung laufe lokal, und wirbt mit Privatsphäre, keinen Cloud-Kosten und einer Einrichtung in weniger als fünf Minuten. Er belegt diese Versprechen jedoch nicht. Außerdem sieht der beschriebene Stack externe Dienste für Spracherkennung und Sprachsynthese sowie Stream für den Transport vor. Damit zeigt der Text nicht, dass der gesamte Ablauf lokal und ohne Cloud-Dienste stattfindet. Leistungs- und Datenschutzmessungen enthält er nicht.

Ausführlich lesen

Der Bericht zeigt, wie sich mit Qwen 3.5 Small, Ollama und dem Open-Source-Framework Vision Agents ein sprachgesteuerter Agent zur Live-Videoanalyse aufsetzen lasse. Qwen 3.5 Small wird als leichte Modellfamilie mit 0,8, 2, 4 und 9 Milliarden Parametern beschrieben. Laut Beitrag unterstütze sie multimodale Eingaben und Werkzeugaufrufe und könne auf Laptops, Macs sowie mobilen oder IoT-Geräten laufen. Ein verlinktes Demo zeige demnach das 2B-Modell, das eine Person im Kamerabild beschreibe.

Der Beitrag nennt als Bausteine Qwen über Ollama für Sprachmodell und Bildverarbeitung, Deepgram für Spracherkennung, ElevenLabs für Sprachsynthese, Smart-Turn zur Erkennung von Gesprächswechseln und Stream WebRTC als Transport. Zum Einrichten soll man Vision Agents samt den passenden Plugins installieren, Ollama starten und das Modell laden. Anschließend beschreibt der Bericht ein Python-Beispiel: Es erstellt einen Agenten, der Videobilder mit einem Bild pro Sekunde und einem zehnsekündigen Frame-Puffer verarbeitet, einer Stream-Verbindung beitritt und eine Antwort zum Video ausgibt. Zum Starten werden unter anderem API-Schlüssel für Stream, Deepgram und ElevenLabs sowie eine Basis-URL angegeben; laut Anleitung öffnet sich daraufhin ein Browserfenster für den Anruf.

Der Artikel behauptet, die Modellverarbeitung laufe lokal und verspricht Privatsphäre, keine Cloud-Kosten und eine Einrichtung in weniger als fünf Minuten. Diese Aussagen sind im Bericht nicht näher belegt. Zugleich verwendet die angegebene Konfiguration externe Dienste für Spracherkennung, Sprachsynthese und den WebRTC-Transport und verlangt dafür API-Schlüssel. Daher belegt der Text nicht, dass sämtliche Verarbeitung lokal stattfindet oder keine Cloud-Dienste beteiligt sind. Er enthält eine Implementierungsanleitung und ein Codebeispiel, aber keine Messungen zu Geschwindigkeit, Erkennungsqualität, Hardwarebedarf oder tatsächlichem Datenschutz. Als Ressourcen verlinkt er Quellcode, Dokumentation und die verwendeten Projekte.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat drei Zusammenfassungen geliefert. Ich habe sie gemeinsam geprüft, da sie inhaltlich übereinstimmen und keine Fehler enthalten. Die Anteilswerte in Lunas Einordnung wurden nicht bewertet, weil das Schema sie nicht vorsieht. Meine Stufen weichen bei allen drei Fragen von Lunas Stufen ab, weil der Bericht diese Fragen nur am Rande berührt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Demo mit dem Modell qwen3.5:2b, die laut Artikel ein Kamerabild beschreibt, wird in keiner der Zusammenfassungen erwähnt.
  • Die Behauptung, der Agent laufe auch auf Mobil- und IoT-Geräten, fehlt.
  • Die Abweichung zwischen der Empfehlung qwen3.5:2b und dem Code mit qwen3.5:9b wird nicht genannt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 22 %nur am Rande erwähnt
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 62 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 55 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →