#litellm

Paperless-Dokumentchat: lokale Suche, Cloud-Antwort und eine klare Datenschutzgrenze

Paperless bekommt lokale Embeddings für Dokumentchat und Ähnlichkeitssuche. Was dadurch lokal bleibt, welche Inhalte weiterhin zum Cloud-Modell gehen und warum ein grüner Ollama-Pod noch keine gute Dokumentensuche beweist.

Ein Dokumentenarchiv kann zuverlässig importieren und trotzdem eine umständliche Suche haben. Für eine bekannte Rechnungsnummer reicht meist die Volltextsuche. Bei einer Frage wie „Was wurde zur Verlängerung dieses Vertrags vereinbart?“ muss ich dagegen oft mehrere Schreiben finden, ihre Reihenfolge prüfen und relevante Absätze zusammensuchen.

Der Paperless-Beitrag vom Oktober beschrieb bewusst noch keinen Dokumentchat. Die KI unterstützte dort die Klassifikation; das Archivieren, Suchen und Prüfen blieb ein eigener Ablauf. Seit November enthält die Konfiguration zusätzlich einen lokalen Embedding-Dienst und die Anbindung für Dokumentchat und Ähnlichkeitssuche.

Das ist ein hybrider Aufbau: Die Vektorisierung läuft lokal, das Modell für die formulierte Antwort weiterhin in der Cloud. Genau diese Grenze bestimmt, welche Datenverarbeitung hinzukommt und was vor einer belastbaren Nutzung geprüft werden muss.

Paperless-ngx im Lab: vom Scan zum brauchbaren Archiv

Ein Dokumentenarchiv ist mehr als OCR hinter einer Weboberfläche. Wie ich Scanner, Mailimport, PostgreSQL, kontrollierte KI-Klassifikation und Off-site-Backups zusammenführe — und warum Eigentümer, Upload-Grenzen und Restore-Zeitpunkte dabei wichtiger sind als der Modellname.

Nach dem Scannen liegt die Rechnung als scan_0042.pdf in einem Verzeichnis. Sie lässt sich öffnen, aber ohne brauchbaren Namen und Metadaten später nur schwer wiederfinden. Bei E-Mails ist es ähnlich: Der Anhang ist vorhanden, sein Zusammenhang steckt jedoch im Postfach. Ob beides zuverlässig gesichert ist, muss zusätzlich geklärt werden.

Paperless-ngx soll in meinem Lab Dokumente aufnehmen, durchsuchbar machen und mit brauchbaren Metadaten versehen. Nach dem ersten erfolgreichen Upload ging es vor allem darum, den gesamten Ablauf verlässlich zu gestalten: Wie landet ein Scan vollständig im Archiv? Was darf ein Sprachmodell entscheiden? Und wie stelle ich Dateien und Datenbank so wieder her, dass sie zusammenpassen?