KI-Funktionen

Alle KI-Funktionen unten laufen über das von Ihnen gewählte Backend, und jede lässt sich einzeln abschalten. Mit dem voreingestellten integrierten Backend verlässt kein Prompt und keine E-Mail jemals Ihre Maschine.

Backend wählen

Einstellungen → KI: Backend & Modelle legt fest, wo die Inferenz stattfindet:

• In der App (lokal) — eine eingebettete llama.cpp-Laufzeit. Nichts zu installieren, kein Daemon, kein Netzwerkverkehr. Das ist der Standard. Sie nutzt automatisch Ihre GPU, wenn eine vorhanden ist — Metal auf Apple Silicon, Vulkan unter Windows und Linux — und sonst die CPU. Auf dem Mac wird Apple Silicon (M1 oder neuer) vorausgesetzt; auf einem Intel-Mac bleibt sie nicht verfügbar.
• Ollama (lokal) — ein Ollama-Server, den Sie bereits unter http://localhost:11434 betreiben. Praktisch, wenn Sie eine gemeinsame Modellbibliothek pflegen. Beachten Sie: Auf einem Intel-Mac erhält auch Ollama keine GPU-Beschleunigung und ist entsprechend langsam.
• OpenRouter (entfernt) — eine kostenpflichtige Cloud-API. Erfordert einen API-Schlüssel, unterstützt ein monatliches Budgetlimit und sendet E-Mail-Inhalte an einen Dritten — daher bleibt sie aus, bis Sie sie aktivieren.

Der Modellkatalog

Das integrierte Backend lädt Modelle aus einem kuratierten Katalog, jedes auf eine geprüfte Prüfsumme festgelegt:

Die rechte Spalte ist der Spitzenspeicher während der Antwort — Gewichte plus Kontextfenster — und damit stets mehr als der Download. In welchen Speicher es passen muss, hängt von Ihrer Hardware ab:

• Apple Silicon — Unified Memory, geteilt zwischen CPU und GPU, angesprochen über Metal. Vergleichen Sie den Wert mit dem Gesamtspeicher Ihres Macs.
• Eine GPU unter Windows oder Linux — der VRAM der Karte, nicht Ihr System-RAM, angesprochen über Vulkan. Eine 8-GB-Karte fährt die 8-GB-Zeile und nichts darüber, egal wie viel RAM die Maschine hat.
• Keine GPU — System-RAM, auf der CPU. Es funktioniert; es ist nur langsamer.

Modelle, die für Ihren Systemspeicher zu groß sind, erscheinen in der Auswahl ausgegraut. Ein Modell trägt die Markierung Empfohlen, ausgewählt für die Maschine, an der Sie sitzen: EmailOps betrachtet den Systemspeicher und, sofern eine dedizierte Grafikkarte vorhanden ist, auch deren Speicher, und schlägt dann das größte Modell vor, das bequem hineinpasst. Ein Laptop und eine Workstation sehen deshalb unterschiedliche Vorschläge. Größere Modelle antworten besser und laufen langsamer — die Markierung ist ein Ausgangspunkt, keine Regel. Die vollständigen Anforderungen stehen unter Installation.

Leistungsstellschrauben

• Modell geladen halten — wie lange das Modell zwischen zwei Anfragen im Speicher bleibt (Standard 30 Minuten). Höhere Werte ersparen das langsame Nachladen; 0 entlädt es sofort und gibt den Speicher für andere Apps frei.
• Kontextfenster — wie viele Token das Modell pro Anfrage berücksichtigen kann. Größer fasst mehr abgerufene E-Mails und kostet mehr Speicher — das ist die erste Stellschraube zum Verkleinern, wenn ein Modell nur knapp passt.
• Denkmodus — Chain-of-Thought bei unterstützten Modellen. Langsamer, genauer, und Sie können die Argumentationsspur ein- oder ausblenden.
• KI-Verarbeitung auf neuere E-Mails beschränken — überspringt Embeddings und Klassifizierung für E-Mails, die älter als N Tage sind.

Mit dem Postfach chatten

Fragen Sie in natürlicher Sprache — „Was hat der Anwalt zum Vertrag gesagt?“, „Fasse diesen Thread zusammen“, „Wer schuldet mir noch eine Antwort?“ — und erhalten Sie eine Antwort mit Angabe der Quell-E-Mails. Die Antworten erscheinen im Stream, während sie erzeugt werden.

Der Chat sitzt in einem größenveränderlichen Panel rechts neben dem Posteingang, sodass Sie beim Fragen weiterlesen können; für längere Sitzungen gibt es zusätzlich eine Vollbildansicht. Ist eine E-Mail geöffnet, bietet das Panel diesen Thread über einen entfernbaren Chip als Kontext an: Fragen zu dieser E-Mail beantwortet es aus dem Thread, eine Frage zum übrigen Postfach („Was ist heute gekommen?“) durchsucht weiterhin das Postfach. Dieser Kontext gilt für genau eine Frage und wird nie in der Unterhaltung gespeichert — Sie können sich also innerhalb eines Chats zwischen E-Mails bewegen.

Der Chat durchsucht immer ein Konto, und eine Auswahl benennt welches — so stammt eine Antwort nie unbemerkt aus dem falschen Postfach. Jedes Konto behält seine eigene Unterhaltung, solange die App geöffnet ist; ein Kontowechsel bringt Sie also dorthin zurück, wo Sie aufgehört haben, und nicht zu einem leeren Chat.

Unter der Haube kombiniert der Chat Retrieval (semantische Suche über Ihre indexierten E-Mails) mit Tool-Aufrufen (direkte Abfragen der Datenbank). Der Routing-Modus ist einstellbar:

• Immer RAG zuerst — der Standard; Kontext abrufen, dann antworten.
• Auto — eine Heuristik entscheidet je Frage, ob zuerst Kontext abgerufen wird.
• Immer Tools zuerst — ohne Retrieval direkt zu den strukturierten Abfragen.

In jedem Modus bleiben die Tools verfügbar; der Modus entscheidet nur, ob vor der Antwort Kontext abgerufen wird.

Fortgeschrittene können den System-Prompt und die Retrieval-Prompts (Query-Umschreibung, Reranking) unter Einstellungen → KI: Backend & Modelle → Chat-Prompts bearbeiten.

KI-Entwürfe

Ein Button KI-Entwurf neben „Allen antworten“ schreibt eine Antwort, die im gerade geöffneten Thread verankert ist. Konfigurieren Sie eine Persona (ein Satz dazu, als wer die KI schreibt), einen Schreibstil sowie Standardton und -länge — oder ersetzen Sie die gesamte Prompt-Vorlage. Entwürfe landen im Editor, damit Sie sie vor dem Senden prüfen.

Klassifizierung

Jede eingehende E-Mail wird entlang dreier Achsen gekennzeichnet — Priorität, Absicht und Thema — sodass sich der Posteingang praktisch selbst sortiert und die intelligenten Filter etwas zum Filtern haben.

Die Klassifizierung arbeitet in zwei Schichten:

1. Regeln greifen bei Absender- oder Betreffmustern (*@*.beehiiv.com, *Rechnung*) und vergeben Kennzeichnungen sofort, ohne Modellaufruf.
2. Das Modell übernimmt alles, was die Regeln nicht abdecken, mit einem Anweisungs-Prompt, den Sie bearbeiten können.

Sie bestimmen, welche Gmail-Kategorien klassifiziert werden, können nach einer Prompt-Änderung alles neu klassifizieren und nicht klassifizierte E-Mails bei Bedarf nachholen.

Tag-Board

Das Tag-Board (unter Ansichten in der Seitenleiste, neben dem Posteingang) macht aus diesen Kennzeichnungen ein Board. Wählen Sie eine Dimension — Unternehmen, Priorität, Absicht oder Thema — und jeder Kennzeichnungswert wird zu einem Block mit seinen Threads; unter Alle Konten gibt es je Konto und Kennzeichnung einen Block. Ein Thread steht in genau einem Block, unter der Kennzeichnung seiner zuletzt klassifizierten Nachricht.

Die Blöcke sind danach geordnet, wie viel Aufmerksamkeit eine Kennzeichnung tatsächlich bekommt — wie oft Sie ihre Threads beantworten und lesen, mit mehr Gewicht auf jüngerer Aktivität — Werbung und Benachrichtigungen stehen zuletzt. Die intelligenten Filter in der Seitenleiste folgen derselben Reihenfolge. Ziehen Sie Blöcke, um sie umzuordnen (die Reihenfolge wird je Dimension gemerkt), blenden Sie ein Tag über sein ⋮-Menü aus — das nächste Tag rückt an seine Stelle, und der Filter verschwindet auch aus der Seitenleiste — und holen Sie ausgeblendete Tags über den Link Ausgeblendete Tags anzeigen zurück.

Die Werkzeugleiste grenzt das Board nach Zeitraum ein (Heute, Gestern, Letzte 7 Tage oder ein eigener Datumsbereich), nach Gmail-Kategorie, nach Tag-Name und mit demselben Schalter zum Ausblenden von Junk wie im Posteingang; zwei Symbole legen die Blockbreite fest. Ein Klick auf eine Karte öffnet den Thread im Lesebereich, ihr ⋮-Menü bietet dieselben Aktionen wie eine Zeile im Posteingang, und das Chat-Symbol im Lesebereich startet eine Unterhaltung mit diesem Thread als Kontext.

Das Board braucht die Klassifizierung: Es bleibt leer, bis E-Mails gekennzeichnet sind, und wird bei ausgeschalteten KI-Funktionen nicht angezeigt.

Semantische Suche

E-Mails werden lokal eingebettet, damit die Suche nach Bedeutung statt nur nach Stichwörtern trifft — beschreiben Sie, woran Sie sich erinnern, und EmailOps findet es. Das treibt auch „Ähnliche finden“ und den Retrieval-Schritt im Chat an. Wählen Sie unter Einstellungen → KI-Suche, welche Kategorien eingebettet werden, und bauen Sie den Index nach einem Wechsel des Embedding-Modells von Grund auf neu.

Übersetzung

Bei E-Mails in einer anderen Sprache und im Verfassen-Fenster erscheinen Übersetzen-Schaltflächen. Der Übersetzungs-Prompt ist wie die anderen bearbeitbar.

Aufgaben

Experimentell. EmailOps durchsucht E-Mails nach Handlungspunkten, Zusagen und Fristen und sammelt sie in einem Aufgaben-Bereich. Da echte Zusagen meist in dem stehen, was Sie geschrieben haben, gibt es einen Modus „nur aus selbst geschriebenen E-Mails lernen“. Sie können Absender und Kennzeichnungen ausschließen (Newsletter sind standardmäßig ausgeschlossen), Aufgaben pro E-Mail begrenzen, den Rückblickzeitraum einschränken und ältere E-Mails bei Bedarf nacharbeiten lassen.

Gedächtnis

Experimentell. Fakten, die der Assistent über Ihre Kontakte, Domains und Projekte lernt, werden als Langzeitkontext gespeichert, damit der Chat nicht jedes Mal bei null beginnt. Kandidaten-Fakten werden bewertet und ab einem Schwellenwert übernommen; schlecht bewertete laufen aus. Alles Gelernte ist einsehbar, und das gesamte Teilsystem hat einen Hauptschalter.

Linsen

Experimentell. Typisierte Sichten auf Ihr Postfach — gespeicherte, per KI extrahierte strukturierte Projektionen (etwa „alle Rechnungen mit Betrag und Fälligkeit“), die Sie in der Seitenleiste anlegen und ausführen.

Alles abschalten

Einstellungen → KI: Backend & Modelle → KI-Funktionen ist ein Hauptschalter. Schalten Sie ihn aus, und EmailOps läuft als reiner E-Mail-Client: kein Chat, keine Klassifizierung, keine Embeddings, kein geladenes Modell. Ihre vorhandenen lokalen KI-Daten bleiben erhalten, falls Sie ihn wieder einschalten.