My 6~7 Brain — Privacy-first kennismanagement

Het probleem

Hedendaagse professionals worden overspoeld door een overvloed aan informatie, zoals e-mails, notities van vergaderingen, ideeën, takenlijsten en berichten die verspreid zijn over verschillende apps. Het kan veel tijd en frustratie kosten om te vinden wat je nodig hebt. Huidige AI-oplossingen beloven hulp, maar vereisen dat je al je persoonlijke gegevens naar de cloud uploadt. Voor gebruikers die waarde hechten aan privacy is dit echter geen geschikte keuze.

De oplossing

My 6~7 Brain is een privacy-first iOS-app die al je gedachten, notities en herinneringen vastlegt en slim doorzoekbaar maakt — volledig on-device, zonder dat er een byte naar externe servers gaat.

• Meerdere capture-methodes: type, spreek in via voice transcription, of koppel je e-mail en kalender — alles komt samen op één plek.
• On-device AI: semantisch zoeken en AI-chat draaien lokaal op je iPhone via Core ML en MLX Swift (Phi-4-mini / Llama 3.2). Je data verlaat nooit je apparaat.
• Knowledge graph: de app ontdekt automatisch verbanden tussen je ideeën en toont ze visueel, zodat je patronen ziet die je anders zou missen.
• Wekelijkse inzichten: AI-gegenereerde samenvattingen van je stemmingen, productiviteit en terugkerende thema's — zonder dat je er moeite voor hoeft te doen.
• Apple ecosystem: Apple Watch-app voor snelle capture, Home & Lock Screen widgets, iCloud-sync en Face ID / Touch ID beveiliging.

Resultaten

Wat dit project bijzonder maakt

• Privacy by design: geen compromissen — alle AI-modellen draaien lokaal op het apparaat via Apple's Core ML framework.
• Volledige app-ontwikkeling: van concept en UX-design tot Swift 6 / SwiftUI implementatie, inclusief Apple Watch-app en widgets.
• Complexe integraties: Gmail, Outlook, EventKit en iCloud/CloudKit — alles gekoppeld in een naadloze ervaring.
• Schaalbaar AI-model: het systeem kan zowel on-device (privacy-modus) als via API (cloud-modus) werken, afhankelijk van de voorkeur van de gebruiker.

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.