Vane: Open-Source-Alternative zu Perplexity einrichten (2026)

Vane (ehemals Perplexica) ist eine quelloffene, selbst gehostete KI-Antwortmaschine, die als datenschutzfreundliche Alternative zu Perplexity AI entwickelt wurde. Sie kombiniert eine lokale SearXNG-Metasuchmaschine mit lokalen Sprachmodellen über Ollama oder kommerziellen Modellen über API-Keys. So liefert sie webbasierte Antworten mit Quellenangaben ganz ohne monatliche Abonnementgebühren. Mit Docker Compose lässt sich das System in etwa fünf Minuten lokal bereitstellen. Allerdings erfordern leistungsfähige Modelle dedizierte Hardware und eine kontinuierliche Wartung der Scraping-Endpunkte.

Warum Vane derzeit so viel Zuspruch erhält

Das Interesse von Entwicklern an selbst gehosteter Suche ist angesichts steigender Abonnementkosten und wachsender Datenschutzbedenken sprunghaft gestiegen. Perplexity Pro kostet 20 $ pro Monat (oder 200 $ pro Jahr Stand November 2026), wobei alle Suchanfragen über proprietäre Cloud-Server verarbeitet werden. Für Entwickler, Forscher und sicherheitsbewusste Anwender, die mit internen Dokumenten oder vertraulichen Daten arbeiten, verbietet sich die Übertragung sämtlicher Anfragen an externe Plattformen aus Compliance-Gründen.

Das vom Entwickler ItzCrazyKns ins Leben gerufene Projekt hieß ursprünglich Perplexica und sammelte über 18.000 GitHub-Sterne, bevor es in Vane umbenannt wurde. Der neue Name spiegelt das erweiterte Ziel wider: Vane soll als anpassbares Navigationsinstrument durch Webinhalte dienen und nicht bloß ein Klon bestehender Produkte sein. Nutzer können eigene Modelle anbinden, Such-Backends konfigurieren und behalten die vollständige Kontrolle über ihren Suchverlauf.

So richten Sie Vane mit Docker ein

Für die Einrichtung von Vane wird ein System mit installiertem Git, Docker und Docker Compose benötigt. Zudem ist ein Inferenz-Provider erforderlich: entweder eine lokale Ollama-Instanz auf Ihrem Rechner oder API-Keys von Anbietern wie Anthropic, OpenAI oder Google.

Schritt 1: Repository klonen

Öffnen Sie Ihr Terminal und klonen Sie das offizielle Repository:

git clone https://github.com/ItzCrazyKns/Vane.git
cd Vane

Falls Sie zuvor ItzCrazyKns/Perplexica geklont hatten, aktualisieren Sie einfach Ihre Remote-URL auf das neue Vane-Repository, um Zugriff auf die neuesten Releases zu erhalten.

Schritt 2: Umgebung konfigurieren

Kopieren Sie die Beispielkonfiguration in eine aktive Konfigurationsdatei:

cp sample.config.toml config.toml

Öffnen Sie config.toml in Ihrem Code-Editor. Diese Datei steuert das Backend für die Websuche, die Modellanbieter und die Port-Zuweisungen.

Wenn Sie Ollama verwenden, stellen Sie sicher, dass Ihr Ollama-Endpunkt auf das Host-System verweist:

[GENERAL]
PORT = 3000
SIMILARITY_MEASURE = "cosine"

[MODELS.OLLAMA]
API_URL = "http://host.docker.internal:11434"

Wenn Sie kommerzielle API-Keys statt lokaler Modellgewichte nutzen, tragen Sie Ihre Zugangsdaten in die entsprechenden Provider-Blöcke ein:

[MODELS.OPENAI]
API_KEY = "sk-your-openai-api-key"

[MODELS.ANTHROPIC]
API_KEY = "sk-ant-your-anthropic-api-key"

Schritt 3: Docker-Stack starten

Vane bündelt die Weboberfläche, die Backend-Anwendung und eine SearXNG-Metasuchinstanz. Starten Sie alle Dienste im Hintergrund:

docker compose up -d

Docker lädt die erforderlichen Container-Images herunter, konfiguriert SearXNG und startet den Vane-Server. Die Startprotokolle können Sie mit docker compose logs -f überwachen.

Schritt 4: Weboberfläche aufrufen und Fokusmodus wählen

Sobald die Container initialisiert sind, rufen Sie in Ihrem Browser http://localhost:3000 auf.

Vane bietet spezialisierte Fokusmodi, die beeinflussen, wie SearXNG Informationen sammelt und wie das Sprachmodell die Antworten strukturiert:

• Web Search: Allgemeine Websuche über die in SearXNG konfigurierten Suchmaschinen.
• Academic Search: Gezielte Suche nach wissenschaftlichen Arbeiten und Preprint-Servern.
• Writing Assistant: Deaktiviert den Webabruf und generiert Texte direkt über das Sprachmodell.
• YouTube Search: Durchsucht Video-Transkripte nach bestimmten Passagen und Zitaten.
• Reddit Search: Durchsucht öffentliche Diskussionen nach Meinungen und Erfahrungsberichten aus der Community.

Die versteckten Hürden beim Self-Hosting von Vane

Eine eigene, private Suchmaschine klingt verlockend, doch der Eigenbetrieb von Vane bringt praktische Kompromisse mit sich, die Umsteiger von gehosteten Plattformen oft überraschen.

1. SearXNG-Ratenbegrenzungen und IP-Sperren

Vane nutzt SearXNG, um Live-Ergebnisse durch das Scraping großer Suchmaschinen wie Google, Bing und DuckDuckGo abzurufen. Öffentliche Suchmaschinen erkennen Anfragen von Rechenzentrums-IPs oder gehäufte Abfragen aus Heimnetzwerken schnell und blockieren diese aktiv.

Ohne rotierende Residential Proxies stoßen SearXNG-Instanzen regelmäßig auf CAPTCHAs, Bot-Prüfungen oder stille Ratenbegrenzungen. Kann SearXNG keine Textauszüge aus dem Web abrufen, neigt Vane dazu, Antworten ohne reale Quellenangaben zu halluzinieren.

2. Hardware-Einschränkungen bei lokalen Modellen

Um Vane komplett offline zu betreiben, muss ein lokales Sprachmodell über Ollama ausgeführt werden. Kleinere Modelle wie Llama 3.1 8B oder Qwen 2.5 7B laufen problemlos auf gängigen Laptops mit 8 GB bis 16 GB RAM, haben jedoch oft Mühe, Informationen aus mehreren langen Webseiten präzise zusammenzufassen. Häufig gehen dabei Quellenhinweise verloren oder Fakten werden falsch zugeordnet.

Führende Reasoning-Modelle auf dem Niveau von Perplexity Pro, etwa Modelle mit 70 Milliarden Parametern, benötigen mindestens 48 GB Unified Memory auf Apple Silicon oder leistungsstarke dedizierte Grafikkarten.

3. Token-basierte API-Kosten summieren sich rasch

Viele Nutzer umgehen Hardware-Engpässe, indem sie API-Keys von Anthropic oder OpenAI in Vane hinterlegen. Allerdings speisen Suchmaschinen bei jeder Anfrage umfangreiche Kontextdaten ein.

Jede Suchanfrage lädt mehrere Webseiten mit extrahiertem Text. In einem mehrteiligen Dialog wird dieser vollständige Kontext bei jeder weiteren Nachricht erneut übertragen, was tausende Eingabe-Token pro Austausch verbraucht. Wer täglich 20 bis 30 tiefgehende Recherchen über kommerzielle API-Keys durchführt, zahlt schnell 25 bis 50 $ pro Monat, wodurch der Preisvorteil gegenüber einem Pauschal-Abonnement verfliegt.

4. Einfacher Abruf statt mehrstufiger Tiefenrecherche

Vane arbeitet mit einem einfachen Suchdurchlauf (Single-Pass): Das System nimmt Ihre Anfrage, schickt die Suchbegriffe einmalig an SearXNG, verarbeitet die Top-Treffer und formuliert eine Antwort.

Eine autonome Tiefenrecherche findet nicht statt. Wenn Ihre Fragestellung das Untersuchen verschiedener Teilaspekte, den Abgleich widersprüchlicher Aussagen aus 20 oder mehr Quellen oder das Verfolgen weiterführender Links über mehrere Minuten erfordert, bricht Vane nach den ersten Suchtreffern ab.

Wann sich Zemith für Multi-Modell-Recherchen anbietet

Für Analysten, Gründer und Fachleute, die fundierte Webrecherchen mit Spitzenmodellen benötigen, aber keine Lust auf Docker-Wartung, SearXNG-Proxy-Debugging oder unübersichtliche API-Abrechnungen haben, bietet Zemith eine sofort einsatzbereite Alternative.

Zemith verbindet den Zugriff auf führende KI-Modelle mit autonomer Recherche und Dokumentenexport:

• Spitzenmodelle inklusive: Wechseln Sie im Plus-Tarif (15,99 $ pro Monat oder 179,88 $ pro Jahr) innerhalb desselben Chats flexibel zwischen Claude 5.5 Sonnet, GPT 6.1 Sol, Gemini 4 Argon und Perplexity Sonar.
• Autonome Tiefenrecherche: Statt eines einfachen Suchdurchlaufs entwirft der Deep Research-Agent von Zemith einen strukturierten Untersuchungsplan, holt Ihre Freigabe ein und analysiert im Hintergrund rund 24 Quellen über einen Zeitraum von bis zu 10 Minuten. Die Recherche läuft auch dann weiter, wenn Sie den Browser oder die Smartphone-App schließen, und liefert für 100.000 Credits pro Durchlauf einen ausführlichen Bericht samt lückenloser Fußnoten.
• Export in fertige Office-Dateien: Statt unformatierte Markdown-Tabellen mühsam zu kopieren, erstellen und laden Sie native Word-Dokumente (.docx), Excel-Tabellen (.xlsx) oder Präsentationsfolien (.pptx) direkt aus dem Recherche-Chat herunter.
• Bibliotheks-Integration: Speichern Sie Studien, Transkripte und Webquellen in einem Bibliotheksprojekt mit bis zu 50 Quellen, um komplexe Unterlagen mit präzisen Zitaten im Detail auszuwerten.

Self-Hosting Vane vs. Perplexity Pro vs. Zemith

Die passende Lösung hängt davon ab, ob Sie eine vollständige Netzwerk-Isolation ohne Drittzugriff bevorzugen, eine schlüsselfertige Suchmaschine suchen oder Multi-Modell-Recherchen mit fertigen Exportdateien benötigen.

Warum wurde Perplexica in Vane umbenannt?

Der Entwickler ItzCrazyKns benannte Perplexica in Vane um, um eine eigenständige Open-Source-Identität aufzubauen, statt dauerhaft als bloßer Nachbau von Perplexity AI wahrgenommen zu werden. Eine Wetterfahne (engl. wind vane) zeigt im bewegten Wind die Richtung an; der Name symbolisiert ein Instrument, das Nutzern inmitten unübersichtlicher Webdaten den Weg zu verlässlichen Antworten weist.

Das Repository unter github.com/ItzCrazyKns/Vane führt dieselbe Codebasis, Lizenz und Docker-Bereitstellungsstruktur fort, ergänzt durch regelmäßige Updates für die Fokusmodi und Such-Extraktoren.

Welche Hardware wird benötigt, um Vane mit Ollama zu betreiben?

Um Vane ohne Cloud-API-Keys auf eigener Hardware auszuführen, hängen die Systemanforderungen von der gewählten Modellgröße ab:

• Minimalanforderung (8B-Modelle wie Llama 3.1 8B): 8-Kern-CPU, 16 GB Arbeitsspeicher (oder 8 GB VRAM auf einer NVIDIA-GPU) und 20 GB freier Speicherplatz. Antworten werden zügig generiert, doch bei komplexen Recherchen über mehrere Quellen gehen oft wichtige Details verloren.
• Empfohlen (14B- bis 32B-Modelle wie Qwen 2.5 32B): Apple Silicon mit 32 GB Unified Memory oder eine dedizierte Grafikkarte mit mindestens 16 GB VRAM.
• Spitzenklasse (70B-Modelle): Apple Silicon mit mindestens 64 GB Unified Memory oder Dual-GPUs mit insgesamt 48 GB VRAM.

Erfüllt Ihr System diese Anforderungen nicht, führt der Betrieb lokaler Modelle zu sehr langsamer Textgenerierung und Fehlern durch Speichermangel bei der Zusammenfassung von Suchergebnissen.

Wie schlägt sich Vane im Vergleich zu Perplexity Pro bei Recherchen?

Perplexity Pro ist bei komplexen, explorativen Recherchen einer standardmäßigen Vane-Installation nach wie vor deutlich überlegen. Perplexity betreibt einen eigenen, webweiten Suchindex samt Scraping-Infrastruktur und umgeht so CAPTCHAs und Bot-Erkennungen, die SearXNG-Instanzen regelmäßig ausbremsen.

Darüber hinaus bietet Perplexity Pro eine automatisierte Tiefenrecherche, die rekursiv im Web nachfragt, um unklare Antworten zu präzisieren. Vane führt hingegen nur einen einzelnen Abfrage- und Suchzyklus aus. Ohne eigene Orchestrierungs-Skripte kann Vane nicht selbstständig Teilaspekte untersuchen, verzweigte Suchpfade verfolgen und umfangreiche Berichte aus dutzenden Webseiten zusammenstellen.

Für Rechercheure, die Alternativen zu Perplexity Pro prüfen, analysiert unser Vergleich Perplexity vs ChatGPT for research, wie Zitiergenauigkeit und mehrstufiges Schlussfolgern auf den führenden Plattformen abschneiden.

Wann lohnt sich das Self-Hosting von Vane gegenüber Cloud-Tools?

Der Eigenbetrieb von Vane ist vor allem in zwei Szenarien die beste Wahl:

1. Strenge Air-Gap- oder Geheimhaltungsanforderungen: Wenn Sie Patientendaten, juristische Beweismittel oder vertraulichen Quellcode verarbeiten, der laut Richtlinien keinesfalls externe Netzwerke passieren darf, garantiert Vane in Verbindung mit einer lokalen Ollama-Instanz, dass kein einziges Datenpaket Ihr lokales Netz verlässt.
2. Homelab- und Open-Source-Enthusiasten: Wenn Sie Freude daran haben, eigene Serverdienste zu pflegen, SearXNG-Instanzen zu konfigurieren, Proxy-Pools abzustimmen und Docker-Container zu verwalten, ist Vane ein spannendes und vielseitiges Projekt.

Liegt Ihr Schwerpunkt jedoch darauf, schnell fundierte und belegte Recherchen zu erstellen, ohne Netzwerkbrücken in Docker zu debuggen, blockierte Suchanfragen zu beheben oder zusehen zu müssen, wie ungespeicherte API-Tokens Ihr Budget aufzehren, arbeitet ein verwalteter Multi-Modell-Dienst deutlich produktiver.

Fazit

Vane ist eine bemerkenswerte Open-Source-Entwicklung, die zeigt, dass selbst gehostete KI-Suche mit Quellenangaben auf Endverbraucher-Hardware möglich ist. Für Datenschutz-Puristen und Homelab-Entwickler bietet das Projekt ein solides Fundament für private Antwortmaschinen.

Für alltägliche wissenschaftliche, marktbezogene und technische Recherchen stellen die laufende Pflege der SearXNG-Endpunkte und die hohen Hardwareanforderungen an lokale Spitzenmodelle jedoch einen erheblichen Aufwand dar.

Wenn Sie Zugriff auf führende Modelle wie Claude 5.5 Sonnet und Gemini 4 Argon suchen und gleichzeitig von automatisierter Tiefenrecherche sowie nativen Office-Exporten profitieren möchten, bietet Zemith Plus für 15,99 $ pro Monat eine umfassende Rechercheumgebung ganz ohne Infrastrukturaufwand. Wie sich Zemith im direkten Vergleich mit reinen Suchmaschinen schlägt, erfahren Sie in unserem Vergleich von Zemith und Perplexity.