igakuro1.0
Sieht alles. Zeigt nichts.
Ein kleines KI-Modell, das personenbezogene Daten in deinen Texten schwärzt. Einmal geladen, gehört es dir — kein Konto, keine Cloud, kein Abo.
auch als nano (1 GB) und max (8 GB) — bald
🇩🇪 Made in Germany — in Deutschland entwickelt
# Modell laden (4,3 GB) wget -O IGA1.0-4B-Q8_0.gguf https://igakuro.de/pull # in LM Studio importieren lms import IGA1.0-4B-Q8_0.gguf
Ein Modell, eine Aufgabe: Schwärzen
igakuro ist ein kleines Sprachmodell, das für genau einen Job trainiert wurde: personenbezogene Daten in deutschen Texten erkennen und unkenntlich machen. Du gibst Text hinein, du bekommst denselben Text zurück — nur ohne das, was niemanden etwas angeht.
Längentreu und berechenbar: Jedes geschwärzte Zeichen wird durch ein X ersetzt, Satzzeichen und Struktur bleiben stehen, der übrige Text bleibt unverändert. Anrede und Titel bleiben, Orts- und Firmennamen ohne Personenbezug auch — „Weiden“ als Stadt bleibt, „92637 Weiden“ als Adresse verschwindet.
Immer dann, wenn Text das Haus verlassen soll
Akten & Bescheide
Dokumente vor Weitergabe, Akteneinsicht oder Veröffentlichung schwärzen — in Sekunden statt mit dem Textmarker.
Prompts für Cloud-KI
Erst durch igakuro, dann zu ChatGPT & Co. So nutzt du große Modelle, ohne Klartext-Personendaten hinauszugeben.
Tickets & Bewerbungen
Support-Verläufe, Bewerbungen oder Protokolle anonymisieren — für Auswertung, Schulung oder den zweiten Blick im Team.
Entwicklung & Pipelines
Als OpenAI-kompatibler Baustein vor jedem Verarbeitungsschritt: ein API-Aufruf, geschwärzte Antwort, weiter geht's.
Cloud-KI nutzen, ohne Personendaten aus der Hand zu geben
Die stärksten Modelle stehen in den USA und China. igakuro schaltet sich lokal dazwischen: Personendaten werden durch Platzhalter ersetzt, nur der bereinigte Prompt geht in die Cloud — und am Ende setzt igakuro die echten Daten wieder in die Antwort ein. Der Inhalt passiert, die Personen bleiben zurück.
So funktioniert die Schleuse →
Gerade im Experiment — probier mit und gib uns Feedback.
So bringst du igakuro in LM Studio
Du brauchst keine Kommandozeile und keine Vorkenntnisse — LM Studio ist eine ganz normale App für macOS, Windows und Linux.
-
LM Studio installieren
Kostenlos von lmstudio.ai laden und öffnen. Das ist das Zuhause, in dem igakuro läuft.
-
igakuro herunterladen
Oben den Knopf drücken — du bekommst eine einzelne Datei im GGUF-Format:
IGA1.0-4B-Q8_0.gguf(4,3 GB). Das ist das komplette Modell. -
Die Datei zu LM Studio legen
Datei in den Modell-Ordner legen:
~/.lmstudio/models/igakuro/iga-4b/(Windows:%USERPROFILE%\.lmstudio\models\igakuro\iga-4b\). Oder, wenn du das Terminal magst:lms import IGA1.0-4B-Q8_0.gguf— beides führt zum selben Ziel. -
Laden und eine Kleinigkeit einstellen
In LM Studio unter „My Models“ erscheint jetzt igakuro. Laden, rechts einmal Temperature auf 0 stellen — LM Studio merkt sich das pro Modell. Das war die ganze Konfiguration.
-
Text einfügen. Fertig.
Alles, was du ins Chatfenster gibst, kommt geschwärzt zurück. Kein Prompt nötig — igakuro kennt seine Aufgabe, sie steckt im Modell selbst.
Für Entwickler: als lokaler API-Baustein
Im Developer-Tab von LM Studio den Server starten — igakuro antwortet dann OpenAI-kompatibel auf localhost:1234:
curl http://localhost:1234/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "iga-4b", "temperature": 0, "messages": [ { "role": "user", "content": "Herr Mustermann wohnt in Weiden." } ] }'
Antwort: Herr XXXXXXXXXX wohnt in Weiden. — der Name verschwindet, die Stadt bleibt.
Die Fragen, die du zu Recht stellst
Läuft das wirklich komplett offline?
Ja. igakuro ist eine einzelne GGUF-Datei, die vollständig auf deinem Rechner rechnet — es gibt keinen Server von uns, keine Telemetrie, keinen Rückkanal. Nach dem Download kannst du das Netzwerkkabel ziehen; auch in abgeschotteten Umgebungen ohne Internet läuft es unverändert.
Wie wurde igakuro trainiert?
igakuro ist ein Feintuning von Qwen3-4B-Instruct (Apache 2.0) auf zehntausenden deutschen Geschäftstexten — Briefe, Aktennotizen, Tickets, Zahlungsverkehr. Die Besonderheit: Alle Trainingsdaten sind synthetisch erzeugt. Namen, Adressen und Kontonummern stammen aus einem Generator, nicht von echten Menschen — dadurch sind die Lernbeispiele fehlerfrei beschriftet, und im Training steckt kein einziger echter Personendatensatz.
Was genau wird erkannt — und was bleibt stehen?
Erkannt werden sieben Kategorien: Personennamen (auch Initialen und gebeugte Formen), Postadressen, E-Mail-Adressen, Telefonnummern, IBANs, Kfz-Kennzeichen und Geburtsdaten. Stehen bleiben Anreden und Titel, Firmen-, Orts- und Produktnamen ohne Personenbezug, Beträge, Termine und Vorgangsnummern. Ersetzt wird längentreu Zeichen für Zeichen durch X — die Struktur des Dokuments bleibt lesbar und vergleichbar.
Ist eine KI dafür nicht unzuverlässig?
Eine gute Frage, und die ehrliche Antwort hat zwei Teile. Erstens: igakuro wird nicht per Prompt gebeten, sondern wurde trainiert — die Aufgabe steckt in den Gewichten, das macht es deutlich treffsicherer als ein Allzweckmodell mit Anweisung. Zweitens: Für Dokumente, die einer Prüfung standhalten müssen, gehört zu igakuro eine deterministische Audit-Pipeline mit Gold-Testset. Die Erkennungsquote ist damit eine Zahl, die du auf deinen eigenen Texten nachmessen kannst — kein Werbeversprechen.
Welche Hardware brauche ich?
igakuro nano (1 GB, bald) läuft auf praktisch jedem Rechner der letzten Jahre. igakuro 4B (4,3 GB) fühlt sich ab 8 GB Arbeitsspeicher wohl — richtig flott ist es auf Apple-Silicon-Macs und Rechnern mit Grafikkarte. igakuro max (8 GB, bald) ist für Server und lange Dokumente gedacht. Eine spezielle KI-Hardware brauchst du nicht.
Und sehr lange Dokumente?
igakuro arbeitet mit einem Kontextfenster — sehr lange Akten werden abschnittsweise verarbeitet, was Werkzeuge wie die Audit-Pipeline automatisch übernehmen. Für den Alltag gilt: Briefe, Bescheide, Tickets und Protokolle passen in einem Stück.
Ein kleines Geheimnis dieser Seite
Die kleine Schreibmaschine oben im ersten Bildschirm ist ein Beispiel — ehrlich beschriftet, keine Modellausgabe. Aber: Wenn auf deinem Rechner gerade LM Studio mit gestartetem Server läuft (und „Enable CORS“ aktiv ist), verschwindet das Beispiel und an seiner Stelle erwacht eine Live-Demo — verbunden mit deinem echten, lokalen Modell. Ab dann zeigt die Seite nur noch, was wirklich passiert: echte Schwärzung, keine Attrappe.
Japanisch inspiriert. Made in Germany.
Der Name ist meine Geschichte in einem Wort: Meine Erfahrung in Japan und Korea hat meine Art zu arbeiten geprägt — und aus meinem Nachnamen Eger wurde in Japan 伊賀 (Iga), ein Namensgeschenk mit denselben Kanji wie die legendäre Ninja-Provinz. Dazu „kuro“ (黒), das Schwarz der Tusche: igakuro, „Egers Schwarz“. Ein Ninja sieht alles und zeigt nichts — genau das tut dieses Werkzeug.
Entwickelt wurde igakuro aber vollständig in Deutschland: von mir, Matthias Eger (ResultOS UG), KI-gestützt gebaut, auf deutsche Texte und die DSGVO zugeschnitten und ausschließlich mit synthetischen deutschen Daten trainiert. igakuro ist kostenlos — es zeigt, was lokale KI heute kann. Wenn du das in deiner Organisation einsetzen willst, freue ich mich auf den Austausch.
Bereit, wenn du es bist
Lad dir igakuro, wirf einen Brief hinein und schau zu. Und wenn du Fragen hast oder igakuro in deiner Organisation einsetzen willst — schreib mir einfach.
igakuro 4B laden GGUF Q8_0 · 4,3 GB · für LM Studio