KI-Tools

Ubuntu 26.04 hat sich zu einer der Mainstream-Plattformen für die KI-Entwicklung und -Bereitstellung entwickelt. In diesem Abschnitt wird systematisch erläutert, wie Sie verschiedene KI-Tools unter Ubuntu installieren, konfigurieren und verwenden, um Ihnen dabei zu helfen, schnell eine effiziente KI-Arbeitsumgebung aufzubauen.

Abschnittsübersicht

KI-Editoren und IDEs

Moderne KI-Editoren integrieren große Sprachmodelle tief in den Codebearbeitungsworkflow und bieten intelligente Vervollständigung, Codegenerierung, Refactoring-Vorschläge und mehr. Dieser Abschnitt behandelt:

• Cursor – KI-nativer Editor basierend auf VS Code, der Konversationen mit mehreren Modellen und Codegenerierung unterstützt
• Windsurf (Codeium) – Kostenloses AI-Code-Vervollständigungstool und Editor
• Zed – Hochleistungseditor mit integrierter KI-Unterstützung
• VS Code + AI-Erweiterungen – Erweitern Sie VS Code mit Copilot, Continue, Cline und anderen Erweiterungen

Lesen Sie den AI Editors & IDEs Guide —>

KI-Codierungsassistenten (CLI)

Mit Befehlszeilen-KI-Codierungsassistenten können Sie direkt im Terminal mit KI-Modellen interagieren, um Code zu schreiben, zu debuggen und umzugestalten. Dieser Abschnitt behandelt:

• Claude Code – Anthropics offizieller CLI-Codierungsassistent
• Aider – Open-Source-Terminal-KI-Paar-Programmiertool
• GitHub Copilot CLI – GitHubs offizieller Befehlszeilen-KI-Assistent
• Gemini CLI – Googles Terminal-KI-Tool
• OpenCode – Open-Source-Terminal-KI-Codierungsassistent

Lesen Sie den AI Coding Assistants (CLI)-Leitfaden —>

Lokale LLMs

Führen Sie große Sprachmodelle lokal aus, um den Datenschutz zu schützen, API-Kosten zu senken und Offline-Inferenz zu nutzen. Dieser Abschnitt behandelt:

• Ollama – Das beliebteste lokale Modelllaufzeit-Framework
• LM Studio – Grafisches lokales Modellverwaltungs- und Chat-Tool
• llama.cpp – Hochleistungsfähige C++-Inferenz-Engine
• Jan – Open-Source-Client für lokalen KI-Chat
• Open WebUI – Webschnittstelle für lokale Modellinteraktion
• Modellvergleich – Vergleich beliebter Modelle, darunter Llama 3, Qwen, DeepSeek, Mistral und mehr

Lesen Sie den Local LLMs Guide —>

KI-Bild und Sprache

KI kann mehr als nur Text verarbeiten – sie kann Bilder erzeugen und Sprache verarbeiten. Dieser Abschnitt behandelt:

• Stable Diffusion WebUI (AUTOMATIC1111) – Das beliebteste Tool zur KI-Bildgenerierung
• ComfyUI – Knotenbasierte erweiterte Arbeitsabläufe zur Bildgenerierung
• OpenAI Whisper – Leistungsstarkes Speech-to-Text-Modell

Lesen Sie den AI Image & Speech Guide —>

KI-Plattformen und Automatisierung

Plattformtools zum Erstellen von KI-Anwendungen und Automatisierungsworkflows. Dieser Abschnitt behandelt:

• Dify – Open-Source-LLM-Anwendungsentwicklungsplattform
• n8n – Visuelles Workflow-Automatisierungstool mit AI-Knoten-Unterstützung
• LangChain / LangGraph – Entwicklungsframework zum Erstellen von LLM-Anwendungen

Lesen Sie den AI Platforms & Automation Guide —>

OpenClaw

OpenClaw ist ein lokaler persönlicher KI-Assistent, der auf Ihren eigenen Geräten läuft, über Messaging-Kanäle wie WhatsApp, Telegram und Slack mit Ihnen kommuniziert und Tools aufrufen und automatisierte Aufgaben ausführen kann.

• Local-first – Der Gateway-Daemon wird auf Ihrem eigenen Computer ausgeführt
• Mehrkanal – Chatten Sie mit dem Assistenten in den Apps, die Sie bereits verwenden
• Tools und Automatisierung – Integrierte Tool-Ausführung, Cron-Jobs und Webhooks

Lesen Sie den OpenClaw-Leitfaden ->

GPU-Setup

KI-Workloads erfordern normalerweise eine GPU-Beschleunigung. Dieser Abschnitt behandelt:

• NVIDIA Treiberinstallation – Automatische Installation mit Ubuntu-Treibern
• CUDA Toolkit – Installation und Konfiguration der GPU-Rechenplattform
• cuDNN – Deep-Learning-Beschleunigungsbibliothek
• GPU-Überprüfung – Bestätigen, dass Ihre GPU-Umgebung ordnungsgemäß funktioniert
• ROCm (AMD GPU) – KI-Computing-Unterstützung für AMD-Grafikkarten
• Allgemeine Fehlerbehebung – Lösungen für Treiberkonflikte, Versionskonflikte und mehr

Lesen Sie die GPU-Setup-Anleitung ->

Erste Schritte

Wenn Sie mit KI-Tools noch nicht vertraut sind, empfehlen wir Ihnen, in dieser Reihenfolge zu lesen:

1. Konfigurieren Sie zunächst Ihre GPU-Umgebung (wenn Sie eine NVIDIA-GPU haben).
2. Installieren Sie Ollama, um lokale Modelle auszuführen und erleben Sie lokale KI
3. Wählen Sie einen KI-Editor, um Ihre Programmierproduktivität zu steigern
4. Probieren Sie CLI-Codierungsassistenten aus, um KI im Terminal zu verwenden

Systemanforderungen