# Contexte Tech wird Open Source: ein Hub für alles, womit man ein KI-Modell anpasst type: article | language: de | date: 2026-09-27 | author: Tony, Gründer von Contexte Tech | tags: Open Source, Souveränität, LLM, MCP url: https://contextetech.com/de/articles/contextetech-open-source description: Warum ich Contexte Tech gebaut habe, wie es unter der Haube funktioniert und warum der Code unter der AGPL-3.0 veröffentlicht wird. other languages: fr: https://contextetech.com/articles/contextetech-open-source en: https://contextetech.com/en/articles/contextetech-open-source es: https://contextetech.com/es/articles/contextetech-open-source it: https://contextetech.com/it/articles/contextetech-open-source nl: https://contextetech.com/nl/articles/contextetech-open-source pt: https://contextetech.com/pt/articles/contextetech-open-source sv: https://contextetech.com/sv/articles/contextetech-open-source pl: https://contextetech.com/pl/articles/contextetech-open-source all articles: https://contextetech.com/de/articles --- Seit sechs Monaten verbringe ich einen guten Teil meiner Tage damit, Sprachmodelle an konkrete Fälle „anzupassen“: hier ein System-Prompt, dort drei Few-Shot-Beispiele, ein MCP-Server, damit der Assistent meine Dateien liest, eine LoRA-Konfiguration, wenn der Prompt nicht mehr reicht. Und jedes Mal dieselbe Frustration: Diese Bausteine sind verstreut. Ein Prompt in einem Gist, ein Datensatz auf Hugging Face, ein MCP-Server in einer README, eine Claude-Code-Konfiguration in einer Ecke des Projekts. Daraus ist **Contexte Tech** entstanden: ein einziger Ort für alles, womit man ein KI-Modell anpasst, geordnet, getestet und bereit zum Kopieren. Die Website ist unter [contextetech.com](https://contextetech.com) online, und der Code ihrer ersten Version (v1) ist jetzt frei. ## Was man dort findet Elf Ressourcentypen, in drei Familien gruppiert: - **Produktion** (man nutzt das Modell, ohne es zu verändern): Kontexte, Prompts, Agenten, RAG-Pipelines; - **Training** (man verändert es): Fine-Tuning-Datensätze, LoRA-Konfigurationen, Evaluierungen; - **Erweiterungen** (man gibt ihm Werkzeuge): MCP-Server, Skills, Harness. Jede Ressource lässt sich direkt im Format des Zielwerkzeugs exportieren: JSONL für einen Datensatz, `SKILL.md` für einen Skill, `CLAUDE.md` und `settings.json` für einen Harness, die `mcpServers`-Konfiguration für einen MCP-Server. Zwei Dinge waren mir wichtig, weil sie anderswo fehlen: 1. **„Getestet mit“**: Jede Ressource kann angeben, mit welchen Modellen sie ausprobiert wurde, mit dem Ergebnis (bestanden, teilweise, nicht bestanden) und einer Punktzahl. Ein Prompt, der mit einem Modell funktioniert und mit einem anderen nicht, ist Alltag; also schreibt man es auf. 2. **Das Risikoniveau von MCP-Servern und Harnesses**: Bevor man einen Server installiert, will man wissen, ob er Dateien liest, schreibt, ins Netz geht oder Befehle ausführt. Die Ressource zeigt es klar an. ### Ein konkretes Beispiel **Der Bedarf.** Ein mittelständisches Unternehmen möchte seine Support-Tickets von einem LLM zusammenfassen lassen. Problem: Die Tickets enthalten Namen, Telefonnummern, IBANs. Sie unverändert an einen externen Dienst zu schicken, ist ein Abfluss personenbezogener Daten und ein DSGVO-Problem. **Die Antwort auf Contexte Tech.** Statt zehn Ressourcen an zehn Orten zu suchen, folgt man einer einzigen Kette: 1. der **Kontext** [anonymisation-rgpd](https://contextetech.com/contextes/anonymisation-rgpd-pekk5y) ersetzt personenbezogene Daten vor jedem Versand durch Platzhalter: ```text Entrée : Bonjour, je suis Marie Dupont, joignable au 06 12 34 56 78. Sortie : Bonjour, je suis [PRENOM_1] [NOM_1], joignable au [TELEPHONE_1]. ``` 2. die **Evaluierung** [eval-anonymisation-rgpd](https://contextetech.com/evaluations/eval-anonymisation-rgpd-1lx4w2h) prüft mit startbereiten Testfällen, dass keine Daten durchrutschen; 3. reicht der Prompt nicht mehr, erlauben der **Datensatz** [anonymisation-rgpd-fr](https://contextetech.com/datasets/anonymisation-rgpd-fr-1muzget) und die **LoRA-Konfiguration** [mistral7b-anonymisation-qlora](https://contextetech.com/lora/mistral7b-anonymisation-qlora-187bztw), ein kleines Modell zu trainieren, das lokal läuft; 4. der **Agent** [agent-tri-documents](https://contextetech.com/agents/agent-tri-documents-wn0rgt) und der **MCP-Server** [mcp-filesystem](https://contextetech.com/serveurs-mcp/mcp-filesystem-1lkmh25) automatisieren die Verarbeitung eines ganzen Ordners. Ein Bedarf, eine Kette miteinander verknüpfter Ressourcen, jede im passenden Format exportierbar. ## Unter der Haube Ich wollte einen einfachen, schnellen und vollständig selbst hostbaren Stack: - **Website**: [Astro](https://astro.build) mit Server-Rendering, mit ein paar [Svelte](https://svelte.dev)-Inseln nur dort, wo Interaktivität nötig ist (Veröffentlichungsformular, „Gefällt mir“-Knopf). Alles andere ist HTML; die Startseite wiegt etwa 16 KB. - **API**: [FastAPI](https://fastapi.tiangolo.com) und asynchrones SQLAlchemy, PostgreSQL 17 für die Daten, Redis für den Cache und die Begrenzungen gegen Missbrauch. Der Cache wird durch einen einfachen Versionszähler ungültig gemacht, der bei jeder Veröffentlichung hochgezählt wird: keine feine Bereinigung zu verwalten. - **Netz**: Caddy davor (automatisches TLS, HTTP/3), dann das europäische CDN Bunny (Slowenien) für die statischen Dateien, dank versionierter Dateinamen ein Jahr im Cache. - **Fünf Sprachen** (Französisch, Englisch, Spanisch, Deutsch, Italienisch). Eine Feinheit für die Suchmaschinen: Eine auf Französisch geschriebene Ressource wird nur auf Französisch indexiert; ihre `/en/…`-Versionen übersetzen die Oberfläche, verweisen aber kanonisch auf das Original. Sonst sieht Google fünf Kopien desselben Textes. - **Lesbare und eindeutige Adressen**: `/prompts/resume-article-technique-k3j9a2`. Das Suffix ist ein FNV-1a-Hash der internen Kennung, in Python und JavaScript identisch berechnet. Zwei Autoren können denselben Namen wählen, ohne sich in die Quere zu kommen. - **Keine Tracker**: keine Werbe-Cookies; die Besuche werden mit Plausible gemessen, selbst gehostet, ohne Cookies und ohne personenbezogene Daten. ## Ein souveränes Projekt Contexte Tech wird in Europa entwickelt und gehostet, ohne von den amerikanischen Cloud-Riesen abzuhängen: - **Server und Datenbank** bei Scaleway in Frankreich (verwaltetes PostgreSQL, dedizierter Server); - **CDN und DNS** bei Bunny, einem europäischen Unternehmen mit Sitz in Slowenien; - **E-Mails** über Proton in der Schweiz, verschlüsselt und signiert (SPF, DKIM, DMARC); - **Schriften, Skripte und Styles** werden von der Website selbst ausgeliefert: keine Google Fonts, kein fremdes CDN; selbst gehostete Plausible-Statistiken, ohne Cookies; - **Herausgeber**: ein französisches Unternehmen, das der DSGVO unterliegt. Einzige, bewusste Ausnahme: Der Code wird als Spiegel auf GitHub und GitLab veröffentlicht, weil dort die Entwickler sind. Die Arbeitsversion lebt auf unserem eigenen Server. ## Warum die AGPL-3.0 Ich habe zwischen ihr und Apache-2.0 (der Lizenz der Hugging-Face-Bibliotheken) geschwankt. Ich habe mich für die **AGPL-3.0** entschieden: Sie dürfen Contexte Tech nutzen und verändern, sofern Sie Ihre Änderungen veröffentlichen, wenn Sie es online anbieten. Es ist die Lizenz von Mastodon oder Plausible, und sie garantiert, dass ein offener Hub offen bleibt. Die Ressourcen behalten jeweils die Lizenz, die ihr Autor gewählt hat (MIT, CC BY 4.0…). ## Wo das Projekt steht Es ist der Anfang, und ich bin lieber ehrlich: Der Katalog startet mit einer Ressource pro Typ, rund um denselben konkreten Fall (die DSGVO-Anonymisierung von Texten vor dem Versand an einen externen Dienst). Er braucht vor allem Ihre Ressourcen, Ihr Feedback und Ihre Tests. - Die Website: [contextetech.com](https://contextetech.com) - Der Code der v1: [github.com/contexte-tech/contextetech](https://github.com/contexte-tech/contextetech) (Spiegel auf GitLab). Die Website entwickelt sich danach in einer intern entwickelten v2 weiter. - Mitmachen: Lesen Sie `CONTRIBUTING.md`, oder veröffentlichen Sie einfach Ihre erste Ressource. Wenn Sie einen Prompt haben, den Sie jeden Tag nutzen, einen MCP-Server, den Sie mögen, oder eine gut eingestellte Claude-Code-Konfiguration, dann ist das der richtige Ort, um sie zu teilen.
Contexte Tech wird Open Source: ein Hub für alles, womit man ein KI-Modell anpasst
Tony, Gründer von Contexte Tech · 27. September 2026
Seit sechs Monaten verbringe ich einen guten Teil meiner Tage damit, Sprachmodelle an konkrete Fälle „anzupassen“: hier ein System-Prompt, dort drei Few-Shot-Beispiele, ein MCP-Server, damit der Assistent meine Dateien liest, eine LoRA-Konfiguration, wenn der Prompt nicht mehr reicht. Und jedes Mal dieselbe Frustration: Diese Bausteine sind verstreut. Ein Prompt in einem Gist, ein Datensatz auf Hugging Face, ein MCP-Server in einer README, eine Claude-Code-Konfiguration in einer Ecke des Projekts.
Daraus ist Contexte Tech entstanden: ein einziger Ort für alles, womit man ein KI-Modell anpasst, geordnet, getestet und bereit zum Kopieren. Die Website ist unter contextetech.com online, und der Code ihrer ersten Version (v1) ist jetzt frei.
Was man dort findet
Elf Ressourcentypen, in drei Familien gruppiert:
- Produktion (man nutzt das Modell, ohne es zu verändern): Kontexte, Prompts, Agenten, RAG-Pipelines;
- Training (man verändert es): Fine-Tuning-Datensätze, LoRA-Konfigurationen, Evaluierungen;
- Erweiterungen (man gibt ihm Werkzeuge): MCP-Server, Skills, Harness.
Jede Ressource lässt sich direkt im Format des Zielwerkzeugs exportieren: JSONL für einen Datensatz, SKILL.md für einen Skill, CLAUDE.md und settings.json für einen Harness, die mcpServers-Konfiguration für einen MCP-Server.
Zwei Dinge waren mir wichtig, weil sie anderswo fehlen:
- „Getestet mit“: Jede Ressource kann angeben, mit welchen Modellen sie ausprobiert wurde, mit dem Ergebnis (bestanden, teilweise, nicht bestanden) und einer Punktzahl. Ein Prompt, der mit einem Modell funktioniert und mit einem anderen nicht, ist Alltag; also schreibt man es auf.
- Das Risikoniveau von MCP-Servern und Harnesses: Bevor man einen Server installiert, will man wissen, ob er Dateien liest, schreibt, ins Netz geht oder Befehle ausführt. Die Ressource zeigt es klar an.
Ein konkretes Beispiel
Der Bedarf. Ein mittelständisches Unternehmen möchte seine Support-Tickets von einem LLM zusammenfassen lassen. Problem: Die Tickets enthalten Namen, Telefonnummern, IBANs. Sie unverändert an einen externen Dienst zu schicken, ist ein Abfluss personenbezogener Daten und ein DSGVO-Problem.
Die Antwort auf Contexte Tech. Statt zehn Ressourcen an zehn Orten zu suchen, folgt man einer einzigen Kette:
- der Kontext anonymisation-rgpd ersetzt personenbezogene Daten vor jedem Versand durch Platzhalter:
Entrée : Bonjour, je suis Marie Dupont, joignable au 06 12 34 56 78.
Sortie : Bonjour, je suis [PRENOM_1] [NOM_1], joignable au [TELEPHONE_1].
- die Evaluierung eval-anonymisation-rgpd prüft mit startbereiten Testfällen, dass keine Daten durchrutschen;
- reicht der Prompt nicht mehr, erlauben der Datensatz anonymisation-rgpd-fr und die LoRA-Konfiguration mistral7b-anonymisation-qlora, ein kleines Modell zu trainieren, das lokal läuft;
- der Agent agent-tri-documents und der MCP-Server mcp-filesystem automatisieren die Verarbeitung eines ganzen Ordners.
Ein Bedarf, eine Kette miteinander verknüpfter Ressourcen, jede im passenden Format exportierbar.
Unter der Haube
Ich wollte einen einfachen, schnellen und vollständig selbst hostbaren Stack:
- Website: Astro mit Server-Rendering, mit ein paar Svelte-Inseln nur dort, wo Interaktivität nötig ist (Veröffentlichungsformular, „Gefällt mir“-Knopf). Alles andere ist HTML; die Startseite wiegt etwa 16 KB.
- API: FastAPI und asynchrones SQLAlchemy, PostgreSQL 17 für die Daten, Redis für den Cache und die Begrenzungen gegen Missbrauch. Der Cache wird durch einen einfachen Versionszähler ungültig gemacht, der bei jeder Veröffentlichung hochgezählt wird: keine feine Bereinigung zu verwalten.
- Netz: Caddy davor (automatisches TLS, HTTP/3), dann das europäische CDN Bunny (Slowenien) für die statischen Dateien, dank versionierter Dateinamen ein Jahr im Cache.
- Fünf Sprachen (Französisch, Englisch, Spanisch, Deutsch, Italienisch). Eine Feinheit für die Suchmaschinen: Eine auf Französisch geschriebene Ressource wird nur auf Französisch indexiert; ihre
/en/…-Versionen übersetzen die Oberfläche, verweisen aber kanonisch auf das Original. Sonst sieht Google fünf Kopien desselben Textes. - Lesbare und eindeutige Adressen:
/prompts/resume-article-technique-k3j9a2. Das Suffix ist ein FNV-1a-Hash der internen Kennung, in Python und JavaScript identisch berechnet. Zwei Autoren können denselben Namen wählen, ohne sich in die Quere zu kommen. - Keine Tracker: keine Werbe-Cookies; die Besuche werden mit Plausible gemessen, selbst gehostet, ohne Cookies und ohne personenbezogene Daten.
Ein souveränes Projekt
Contexte Tech wird in Europa entwickelt und gehostet, ohne von den amerikanischen Cloud-Riesen abzuhängen:
- Server und Datenbank bei Scaleway in Frankreich (verwaltetes PostgreSQL, dedizierter Server);
- CDN und DNS bei Bunny, einem europäischen Unternehmen mit Sitz in Slowenien;
- E-Mails über Proton in der Schweiz, verschlüsselt und signiert (SPF, DKIM, DMARC);
- Schriften, Skripte und Styles werden von der Website selbst ausgeliefert: keine Google Fonts, kein fremdes CDN; selbst gehostete Plausible-Statistiken, ohne Cookies;
- Herausgeber: ein französisches Unternehmen, das der DSGVO unterliegt.
Einzige, bewusste Ausnahme: Der Code wird als Spiegel auf GitHub und GitLab veröffentlicht, weil dort die Entwickler sind. Die Arbeitsversion lebt auf unserem eigenen Server.
Warum die AGPL-3.0
Ich habe zwischen ihr und Apache-2.0 (der Lizenz der Hugging-Face-Bibliotheken) geschwankt. Ich habe mich für die AGPL-3.0 entschieden: Sie dürfen Contexte Tech nutzen und verändern, sofern Sie Ihre Änderungen veröffentlichen, wenn Sie es online anbieten. Es ist die Lizenz von Mastodon oder Plausible, und sie garantiert, dass ein offener Hub offen bleibt.
Die Ressourcen behalten jeweils die Lizenz, die ihr Autor gewählt hat (MIT, CC BY 4.0…).
Wo das Projekt steht
Es ist der Anfang, und ich bin lieber ehrlich: Der Katalog startet mit einer Ressource pro Typ, rund um denselben konkreten Fall (die DSGVO-Anonymisierung von Texten vor dem Versand an einen externen Dienst). Er braucht vor allem Ihre Ressourcen, Ihr Feedback und Ihre Tests.
- Die Website: contextetech.com
- Der Code der v1: github.com/contexte-tech/contextetech (Spiegel auf GitLab). Die Website entwickelt sich danach in einer intern entwickelten v2 weiter.
- Mitmachen: Lesen Sie
CONTRIBUTING.md, oder veröffentlichen Sie einfach Ihre erste Ressource.
Wenn Sie einen Prompt haben, den Sie jeden Tag nutzen, einen MCP-Server, den Sie mögen, oder eine gut eingestellte Claude-Code-Konfiguration, dann ist das der richtige Ort, um sie zu teilen.