Karakeep wird mit Open WebUI, lokaler KI und ScaleTail zum eigenen Bookmark-Archiv. So bleibt die Auswertung im Homelab statt in der Cloud.
Bookmarks sind schnell gesetzt – und genauso schnell wieder vergessen. Zunächst landet ein Artikel in der Sammlung, dann ein GitHub-Projekt, anschließend vielleicht eine Docker-Anleitung, eine PDF, ein Screenshot und irgendeine Notiz. Nach ein paar Wochen weiß man oft nicht mehr genau, was und warum man etwas gespeichert hat. Der Titel ist weg, der Zusammenhang auch. Für solche Sammlungen eignet sich Karakeep sehr gut.
Dieser Online-Dienst speichert Links, Notizen, Bilder und PDFs. Er zieht Metadaten ein, durchsucht Inhalte per Volltext und kann Einträge automatisch mit Schlagwörtern versehen. Hinzu kommen Listen, Regeln, OCR, RSS-Feeds, eine REST-API, Browser-Erweiterungen und Apps für iOS und Android. Karakeep hieß früher Hoarder, ist Open Source und wurde mit Selfhosting als fester Grundlage entwickelt.
Karakeep: Lokale KI statt Cloud-Pflicht
Das Tool spielt vor allem dann seine Stärken aus, wenn es nicht nur Links sammelt, sondern auch für Ordnung in der Ablage sorgt. Webseiten, Titel und Ordner bilden die Basis. Der eigentliche Nutzen entsteht jedoch erst, wenn der Dienst gespeicherte Inhalte automatisch einordnet und zusammenfasst.
Karakeep kann die gespeicherten Inhalte mit einem lokalen KI-Modell auswerten. Das wäre optimal. Denn in dem Fall fließen keine Daten an einen der großen KI-Firmen ab. Tags und Zusammenfassungen gehören auf die heimische Festplatte. Externe Anbieter lesen im Zweifel sowieso mehr mit, als einem lieb ist.
Der Dienst unterstützt OpenAI-kompatible Anbieter und Ollama. Damit ist Karakeep nicht an OpenAI selbst gebunden, sondern kann auch im eigenen Homelab mit lokalen Modellen arbeiten. Man braucht lediglich einen kompatiblen Endpunkt, den Karakeep für Tags und Zusammenfassungen erreicht. Die Dokumentation empfiehlt bei Ollama den OpenAI-kompatiblen Weg über /v1, da dieser mit verschiedenen Modellen zuverlässiger arbeitet.
Mögliche Szenarien für die KI-Einbindung
In vielen Homelabs ist diese Struktur bereits vorhanden. Wer Open WebUI als Oberfläche für Ollama nutzt, kann Karakeep über einen API-Key bzw. einen Bearer-Token an diese vorhandene Modellschicht anbinden. Damit ist kein separates KI-Setup nur für Karakeep erforderlich. Es reicht ein brauchbares lokales Modell, das kurze Zusammenfassungen und Tagging sauber hinbekommt.
Karakeep braucht dafür keine Chat-Oberfläche, die sofort wie ChatGPT & Co. antwortet. Der Dienst soll im Hintergrund gespeicherte Inhalte lesen, Tags vergeben und kurze Zusammenfassungen erzeugen. Ob die Auswertung auf einem Mini-PC, über eine NPU oder auf einem kleinen Server zu Hause ein paar Sekunden länger läuft, spielt kaum eine Rolle. Die Arbeit findet nicht im Chatfenster, sondern im Archiv statt. Zeit spielt dabei eine eher untergeordnete Rolle.
Ein Modell wie GPT-OSS-20B oder Gemma 4 E4B ist für diese Aufgabe gut geeignet, sofern die lokale Hardware mitspielt: GPT-OSS-20B ist für lokale Inferenz gedacht und kann auf Edge-Geräten mit rund 16 GB Speicher laufen. Gemma 4 gibt es unter anderem in den Größen E2B, E4B, 26B, A4B und 31B. Wer eine kleine GPU oder eine brauchbare iGPU nutzt und genügend Speicher zuweist, kann die Auswertung auch darüber laufen lassen. Sonst bleibt der klassische Weg über die CPU. Für einfache Setups reichen 16 GB RAM, 32 GB lassen dem System deutlich mehr Luft.
Wer lieber einen externen Anbieter nutzt, kann auch einen OpenAI-kompatiblen Cloud-Endpunkt einbinden, etwa von OpenAI selbst oder Anthropic. Der Unterschied liegt in der Wahlfreiheit. Karakeep arbeitet mit dem Endpunkt, den man ihm gibt. Ob das jeweilige Modell für Tagging und kurze Zusammenfassungen geeignet ist, muss man trotzdem selbst prüfen.
Bookmarks sollten privat bleiben
Warum das bei Bookmarks wichtig ist: Ein Bookmark-Archiv ist nicht neutral. Es enthält Recherchen, Projekte, berufliche Themen, private Interessen und manchmal auch interne Arbeitsstände. Wer solche Inhalte automatisch analysieren lässt, sollte die Verarbeitung besser nicht achtlos an einen externen Dienst auslagern.
Mit Karakeep und Open WebUI kann die Auswertung im eigenen Setup bleiben. Die Lesezeichen liegen im eigenen System, die Suche bleibt lokal und die KI-Schicht muss nicht automatisch in die Cloud wandern. Wer externe Anbieter nutzen möchte, kann dies tun. Wer lokal bleiben möchte, muss das aber nicht aufgeben.
Das Ergebnis ist trotzdem kein Zauberarchiv. Karakeep liefert die Ablage, Open WebUI übernimmt die Modellschicht und das lokale Modell erledigt die Vorsortierung. Mehr Magie braucht ein Bookmark-Archiv nicht. Die Auffindbarkeit reicht völlig aus.
Karakeep passt auch zu dem ScaleTail-Setup, das wir bereits vorgestellt haben. Wer Selfhosting-Dienste über Tailscale erreichbar macht, kann Karakeep dort als weiteren Dienst einhängen. Für den privaten Zugriff reicht Tailscale Serve im eigenen Tailnet. Wer Karakeep öffentlich erreichbar machen will, kann Funnel nutzen.
Dafür eignet sich Karakeep besser als viele kleine Bastel-Webdienste. Die Weboberfläche verfügt über eine Login-Abfrage, API-Zugriffe laufen über Bearer-Token und Open WebUI muss nicht öffentlich danebenstehen. Karakeep kann erreichbar sein, während die KI-Struktur im eigenen Netzwerk bleibt.
Trotzdem bleibt Funnel ein öffentlicher Zugang. Wer den Dienst freigibt, sollte Updates, starke Zugangsdaten und Backups nicht vernachlässigen.
Gerade unterwegs spielt Karakeep seine wahre Stärke aus. Bookmarks, PDFs, Screenshots und Notizen landen nicht nur am Desktop im Archiv. Viele Fundstücke stammen vom Smartphone. Läuft Karakeep über ScaleTail „Serve” oder Tailscale „Funnel”, können Links direkt ins eigene Archiv geschoben werden, ohne dass eine klassische Portfreigabe am Router eingerichtet werden muss.
Karakeep = Weniger Ordner, mehr Auffindbarkeit
Klassische Lesezeichen-Sammlungen funktionieren nur so lange gut, wie man sie ordentlich und regelmäßig pflegt. Das heißt: Ordner anlegen, Tags setzen, Sammlungen sortieren und alte Einträge löschen. Das kann man machen. Die meisten Archive wachsen jedoch schneller, als man sie sauber halten kann. Oder sie werden so groß, dass man trotzdem häufiger den Überblick verliert.
Karakeep nimmt einem die Kontrolle nicht weg. Es reduziert jedoch die stupide Handarbeit massiv. Der Dienst kann Metadaten abrufen, Inhalte durchsuchen und Einträge automatisch taggen. Später kann man nicht nur nach dem exakten Titel suchen, sondern auch nach Begriffen, Themen oder automatisch vergebenen Schlagwörtern. Karakeep nennt dafür Volltextsuche, ein LLM-basiertes Tagging und Zusammenfassungen, eine Regel-Engine, RSS-Importe und eine REST-API als feste Funktionen.
Das ist besonders bei technischen Recherchen hilfreich. Eine Proxmox-Anleitung, ein GitHub-Repository, ein DNS-Artikel, ein PDF und eine eigene Notiz verschwinden nicht mehr in verschiedenen Werkzeugen. Sie landen in einem Archiv und bleiben gemeinsam durchsuchbar.
Linkwarden als Alternative
Linkwarden bleibt die klassische Alternative für alle, die vor allem Webseiten archivieren, Sammlungen pflegen und Links sauber sichern wollen. Das gilt besonders, wenn man den Dienst nicht selbst betreiben möchte. AdminForge bietet Linkwarden als fertigen Dienst an.
Karakeep zielt jedoch auf einen anderen Arbeitsablauf ab. Dort werden nicht nur Webseiten, sondern auch Notizen, Bilder, PDFs, RSS-Funde und technische Recherchewege in einem gemeinsamen Archiv gespeichert. Bei Linkwarden steht hingegen die saubere Ablage von Webinhalten im Vordergrund. Karakeep wird mit zunehmender Sammlung mächtiger und spielt seine wahre Stärke aus, wenn lokale KI bereits vorhanden ist oder bewusst aufgebaut werden soll.
Vorsicht bei Docker-Setups
Technischer Hinweis: In Docker-Setups darf Karakeep Open WebUI nicht einfach über localhost ansprechen, wenn beide Dienste in getrennten Containern laufen, da localhost dann auf den Karakeep-Container selbst zeigt. Die Open-WebUI-Instanz muss über den richtigen Container-Namen, Hostnamen oder eine erreichbare interne Adresse erreichbar sein. Dasselbe gilt für Ollama.
Eine einfache Konfiguration kann wie folgt aussehen:
OPENAI_API_KEY=
OPENAI_BASE_URL=http://openwebui:3000/api
INFERENCE_TEXT_MODEL=
Der Modellname muss zu dem passen, was Open WebUI auch bereitstellt. Der API-Key stammt aus Open WebUI. Karakeep nutzt dann den OpenAI-kompatiblen Weg und leitet die Anfrage an das passende Modell weiter.
Karakeep ist kein weiteres Bookmark-Grab
Nein, Karakeep ist keine weitere Sammelstelle für vergessene Lesezeichen. Der Dienst gehört dorthin, wo gespeicherte Inhalte später wieder verwendet werden. Links, Notizen, Bilder und PDFs werden in einem eigenen Archiv gespeichert, bleiben durchsuchbar und können mithilfe eines lokalen Modells vorsortiert werden.
Der Vorteil liegt nicht darin, einen weiteren Bookmark-Manager zu betreiben. Karakeep wird interessant, wenn bereits ein Selfhosting-Setup vorhanden ist und die Auswertung nicht automatisch in der Cloud landen soll. Dann passt der Dienst gut zu Open WebUI, Ollama und einem Zugriff über Tailscale oder ScaleTail.
Wenn es vor allem um klassisches Webarchivieren geht, bleibt Linkwarden die bequemere Wahl. Karakeep ist die bessere Alternative, wenn aus Links, PDFs, Notizen, RSS-Funden und Screenshots ein breiteres Recherchearchiv entstehen soll.
