Hintergrund
Ente ist bislang vor allem als Anbieter von Ende-zu-Ende-verschlüsseltem Foto-Speicher bekannt -- ein datenschutzorientiertes Gegenstück zu Google Photos. Mit Ensu erweitert das Team diesen Ansatz auf LLMs: Am 2. März 2026 erschien die erste öffentliche Version als Ente-Labs-Projekt.
Die Grundthese: LLMs sind zu wichtig, um sie vollständig in die Hände von Big Tech zu geben. Wer auf ChatGPT oder ähnliche Dienste setzt, hat keinen Einblick in die Datenverwertung, ist von Anbietern abhängig und kann durch willkürliche Sperren oder Inhaltsfilterung eingeschränkt werden. Ensu setzt deshalb auf vollständige lokale Ausführung -- kein Netzwerkzugriff, keine Telemetrie.
Wie Ensu funktioniert
Ensu ist eine ChatGPT-ähnliche Chat-Oberfläche, bei der alle LLM-Inferenz direkt auf dem Gerät stattfindet. Die Kernlogik ist in Rust geschrieben. Für mobile Plattformen werden native Apps eingesetzt, für Desktop kommt Tauri zum Einsatz -- beide teilen dieselbe Rust-Logik.
Unterstützte Plattformen: iOS, Android, macOS, Linux, Windows sowie eine experimentelle Web-Version. Bild-Anhänge werden ebenfalls unterstützt.
Die App ist vollständig Open Source.
Privacy-Ansatz
Da alle Berechnungen lokal ablaufen, verlassen Prompts und Antworten das Gerät nicht. Es gibt keine Cloud-Abhängigkeit für die Inferenz selbst. Optional lässt sich ein Ente-Account verbinden, um Chats geräteübergreifend zu synchronisieren -- mit Ende-zu-Ende-Verschlüsselung, analog zur Fotos-App. Self-Hosting ist ebenfalls möglich. Zum Zeitpunkt des ersten Releases war die Sync-Funktion noch deaktiviert, soll aber in einer der nächsten Versionen folgen.
Unterstützte Modelle
Konkrete Modellnamen nennt der Blog-Post nicht. Grundsätzlich setzt Ensu auf kleinere Modelle, die auf Consumer-Hardware lauffähig sind. Das Team verweist darauf, dass lokale Modelle zwar noch eine Lücke zu Frontier-Modellen haben, diese Lücke aber schrumpft -- und dass eine ausreichende Nützlichkeitsschwelle für die meisten Alltagsaufgaben absehbar ist.
Anwendungsfälle laut Ente-Team
- Gedanken, die man einer nicht-privaten KI nicht anvertrauen würde
- Gespräche über Bücher und Texte (Ensu kennt Klassiker wie Bhagavad Gita oder Bibel ohne Webzugriff gut)
- Offline-Nutzung ohne Internetverbindung, z. B. auf Flügen
Geplante Richtungen
Das Team beschreibt Ensu als Reise mit unklarem Pfad. Mögliche zukünftige Ausrichtungen:
- Spezialisierte Schreiboberfläche: Ein nie endender Notizblock, bei dem das LLM Vorschläge, Kritik und Kontext liefert
- Android-Launcher-Integration: Das LLM als unsichtbare Schicht hinter einer bekannten Benutzeroberfläche
- Persönlicher Agent mit Langzeitgedächtnis, der Aufgaben verwaltet und Präferenzen kennt
Vergleich zu anderen lokalen LLM-Tools
| Tool | Fokus | Zielgruppe | Privacy-Sync |
|---|---|---|---|
| Ensu | Chat-App, Consumer-first | Endnutzer | E2EE via Ente-Account |
| Ollama | Modell-Server, API-first | Entwickler | kein eingebautes Sync |
| LM Studio | Desktop-GUI + API | Entwickler / Enthusiasten | kein eingebautes Sync |
Ollama und LM Studio richten sich stärker an Entwickler, die Modelle lokal hosten und per API ansprechen wollen. Ensu zielt auf den normalen Endnutzer mit einer fertigen Chat-Oberfläche und dem bereits etablierten Ente-Ökosystem für verschlüsselte Synchronisation.
Einschätzung
Ensu befindet sich noch im frühen Stadium (Ente Labs) und ist noch nicht für produktiven Einsatz ausgelegt. Der Ansatz ist interessant: Ente hat mit der lokalen Gesichtserkennung und semantischen Bildsuche in der Fotos-App bereits gezeigt, dass On-Device-ML auf Consumer-Hardware funktioniert. Dieselbe Philosophie auf LLMs anzuwenden ist konsequent. Die Kombination aus echter lokaler Inferenz und optionalem E2EE-Sync ist bisher einzigartig unter den verbreiteten LLM-Client-Tools.