My 6~7 Brain — Privacy-first Wissensmanagement

Das Problem

Moderne Fachkräfte werden mit Informationen überflutet — E-Mails, Besprechungsnotizen, Ideen, To-dos und Nachrichten verteilt über Dutzende Apps. Das Wiederfinden dessen, was Sie brauchen, kostet Zeit und Frust. Bestehende KI-Tools versprechen eine Lösung, verlangen aber, dass Sie all Ihre persönlichen Daten in die Cloud schicken. Für datenschutzbewusste Nutzer ist das keine Option.

Die Lösung

My 6~7 Brain ist eine Privacy-first iOS-App, die all Ihre Gedanken, Notizen und Erinnerungen erfasst und intelligent durchsuchbar macht — vollständig on-device, ohne dass auch nur ein Byte an externe Server geht.

• Mehrere Erfassungsmethoden: tippen, per Sprachtranskription diktieren oder Ihre E-Mail und Ihren Kalender verknüpfen — alles kommt an einem Ort zusammen.
• On-Device-KI: semantische Suche und KI-Chat laufen lokal auf Ihrem iPhone über Core ML und MLX Swift (Phi-4-mini / Llama 3.2). Ihre Daten verlassen niemals Ihr Gerät.
• Knowledge Graph: die App entdeckt automatisch Zusammenhänge zwischen Ihren Ideen und zeigt sie visuell, sodass Sie Muster erkennen, die Ihnen sonst entgehen würden.
• Wöchentliche Einblicke: KI-generierte Zusammenfassungen Ihrer Stimmungen, Produktivität und wiederkehrenden Themen — ganz ohne Ihr Zutun.
• Apple-Ökosystem: Apple Watch-App für schnelles Erfassen, Home- & Lock-Screen-Widgets, iCloud-Sync und Face ID / Touch ID-Sicherheit.

Ergebnisse

Was dieses Projekt besonders macht

• Privacy by Design: keine Kompromisse — alle KI-Modelle laufen lokal auf dem Gerät über Apples Core ML-Framework.
• Vollständige App-Entwicklung: von Konzept und UX-Design bis zur Swift 6 / SwiftUI-Implementierung, inklusive Apple Watch-App und Widgets.
• Komplexe Integrationen: Gmail, Outlook, EventKit und iCloud/CloudKit — alles in einem nahtlosen Erlebnis verbunden.
• Skalierbares KI-Modell: das System kann sowohl on-device (Privacy-Modus) als auch über API (Cloud-Modus) arbeiten, je nach Präferenz des Nutzers.

Architectuur

Volledig op het apparaat: er wordt geen backend gebruikt voor AI-verzoeken. SwiftData slaat aantekeningen, taken en herinneringen lokaal op; bij het starten van de app laadt de MLX Swift-runtime een gequantiseerd taalmodel (Phi-4-mini of Llama 3.2) in het geheugen. Semantisch zoeken en de knowledge graph worden ontwikkeld met behulp van embeddings die ook op het apparaat zelf worden berekend, zodat het niet nodig is om content naar een server te sturen.

Modelkeuze

Bewust gekozen voor kleine, gequantiseerde open-source modellen in plaats van een cloud-API zoals GPT. De privacygarantie van de app houdt in dat er geen gegevens het apparaat mogen verlaten, waardoor de afmetingen van het model beperkt zijn tot wat er op de Neural Engine van een iPhone past. Dit is een weloverwogen afweging: iets lagere kwaliteit vergeleken met een grootschalig cloud-model, maar voldoende voor semantisch zoeken en het samenvatten van persoonlijke notities. Voor gebruikers die meer waarde hechten aan kwaliteit dan aan privacy is een optionele cloud-modus beschikbaar via API.

Kosten & latency

• Geen API-kosten per gebruiker in de standaardmodus: het model draait lokaal na een eenmalige download tijdens installatie, dus de kosten per extra gebruiker zijn vrijwel verwaarloosbaar.
• Het modelbestand, enkele gigabytes groot, wordt eenmalig gedownload en lokaal opgeslagen.
• Het eerste keer laden van het model bij app-start kost ongeveer 2 tot 3 seconden; daarna is semantisch zoeken binnen 1 seconde mogelijk (zie Resultaten).

Lessons learned

Een vroege MLX-integratie met een omvangrijker model (7 miljard parameters) leidde tot geheugenproblemen op oudere iPhones. Overschakelen naar modellen met 3 tot 4 miljard parameters verhielp dit zonder merkbare afbreuk aan de gebruikservaring. De optionele cloud-modus is later geïntroduceerd voor gebruikers die kwaliteit belangrijker vinden dan strikte privacy, met een duidelijke keuze in de app in plaats van een verborgen instelling.

Concept — cijfers ter illustratie, nog te verifiëren tegen het daadwerkelijke project vóór publicatie.