Was ist notebooklm-py?
Mit notebooklm-py kannst du Google NotebookLM per Skript bedienen, das Google im Juli 2026 in Gemini Notebook umbenannt hat; laut README steuert die Bibliothek denselben Dienst und funktioniert unverändert. Du kannst Notebooks anlegen, Quellen aus URLs, YouTube, Dateien und Drive hinzufügen, mit ihnen chatten, Deep Research ausführen und Audio-Überblicke, Videos, Foliensätze, Quizze, Lernkarten, Berichte und Mindmaps erzeugen.
Es gibt sie als Python-Bibliothek, als CLI, als MCP-Server (lokal über stdio oder selbst gehostet als Remote-Connector) und als Agenten-Skill; notebooklm skill install legt den Skill in den Skills-Ordner von Claude Code. Sie ist inoffiziell und ruft dieselben undokumentierten internen APIs auf, die auch die Web-App nutzt.
Lohnt sich notebooklm-py?
notebooklm-py ist der weitreichendste Weg, NotebookLM aus Code zu steuern, und der am wenigsten abgesicherte. Das Projekt hat etwa 19.900 GitHub-Sterne, veröffentlichte v0.8.5 am 12. Oktober 2026 und hat nur 19 offene Issues. Das spricht für einen Maintainer, der mit den Änderungen bei Google Schritt hält, statt zurückzufallen.
Die Reichweite geht über die Web-App hinaus: Batch-Downloads aller Artefakte eines Typs, Mindmaps als JSON, Quizze und Lernkarten als JSON oder Markdown, Datentabellen als CSV und Foliensätze als bearbeitbares PPTX. Das Muster, das das README vorantreibt, ist Kostenverlagerung. Gemini liest 30 Dokumente auf dem Server, und der Agent verbraucht eigene Token nur für die endgültige Antwort. Die Rechnung wandert so von deinem API-Konto zu deinem Google-Abo.
Die Schwachstelle ist die Authentifizierung. Der Standardweg ist ein Browser-Login über Playwright (der erste Lauf lädt etwa 170 MB Chromium herunter) oder aus Chrome übernommene Cookies. Für Server und CI gibt es einen Login per Master-Token, der unbeaufsichtigt frische Cookies erzeugt; das README nennt ihn "a powerful full-account credential" und rät zu einem eigenen Google-Konto. Jeder Agent und jeder Remote-MCP-Connector, der dieses Token hält, kann in deinem Namen überall bei Google handeln, nicht nur in NotebookLM.
Die Kapazität legt Google fest, nicht die Bibliothek. Ein kostenloses Konto bekommt 100 Notebooks mit je 50 Quellen; Google AI Pro erhöht das auf 500 Notebooks mit 300 Quellen, und Google kennzeichnet jede Grenze als änderbar. Das README warnt, dass intensive Nutzung gedrosselt werden kann, und sein eigenes Rezept für Lernsets taktet Anfragen bewusst, um das zu vermeiden. Gegenüber PleasePrompto/notebooklm-skill, das den Browser automatisiert und seit November 2025 kein Release mehr hatte, ist dies der fähigere und aktiver gepflegte Weg, auch wenn beide brechen, wenn Google sein Frontend ändert.
Wo es sich lohnt
Eine Solo-Forscherin, die Claude Code mit einem Google-AI-Pro-Plan nutzt
30 Fachartikel zusammenfassen, ohne Claude-Token für das Lesen auszugeben
Der Agent legt ein Notebook an, fügt die Quellen hinzu und stellt NotebookLM Fragen; Gemini übernimmt das Lesen innerhalb der Grenze von 300 Quellen des Pro-Plans, und Claude schreibt nur die belegten Antworten auf.
Ein Platform Engineer bei einem Startup mit 30 Beschäftigten
Coding-Agenten eine Quelle für belegte Antworten zu internen RFCs und Architekturdokumenten geben
Ein Notebook mit den Dokumenten wird über den MCP-Server bereitgestellt, eine Vektordatenbank ist nicht nötig. Es hängt an einem einzigen Google-Login, daher sind ein eigenes Konto und eine kurzlebige Cookie-Sitzung sicherer als das Master-Token.
Ein Trainingsverantwortlicher in einem Unternehmen mit 200 Beschäftigten
Onboarding-Material für jedes Thema in Podcasts, Quizze und Lernkarten verwandeln
Ein Skript legt pro Thema ein Notebook an und exportiert Quizze gesammelt als JSON und Audio als MP3. Die Erzeugung zählt gegen die täglichen Kontingente des Kontos, und Anfragen müssen getaktet werden, um Drosselung zu vermeiden.
Bevor du dich festlegst
- Einrichtung
- uv tool install "notebooklm-py[browser]", dann notebooklm login, das beim ersten Lauf etwa 170 MB Chromium für die Google-Anmeldung herunterlädt; Python 3.10 oder neuer. Wer die Bibliothek ohne Playwright einbettet, braucht nur ein einfaches pip install.
- Integrationen
- Asynchrone Python-API, CLI, ein MCP-Server für Claude Desktop, Claude Code und Codex, ein selbst hostbarer Remote-Connector für claude.ai und ChatGPT und ein Skill, installiert mit notebooklm skill install oder npx skills add.
- Daten und Datenschutz
- MIT-Lizenz, laut README keine Telemetrie. Quellen und Chats gehen unter deinem Konto an Google; laut Google werden NotebookLM-Inhalte privater Konten nicht zum Training seiner Modelle genutzt, sofern du kein Feedback einreichst, und Workspace-Konten erhalten strengere Bedingungen. Cookies oder ein Master-Token werden in einem lokalen Profil gespeichert.
- Kosten im großen Maßstab
- Die Bibliothek ist kostenlos; die Kapazität ist dein Google-Plan. Kostenlose Konten erhalten 100 Notebooks mit 50 Quellen, Google AI Plus 200 mit 100, Google AI Pro 500 mit 300 und Ultra bis zu 600 Quellen pro Notebook.
- Grenzen
- Nicht mit Google verbunden, und Endpunkte können sich ohne Vorwarnung ändern; intensive Nutzung kann gedrosselt werden. Zum Zeitpunkt der Prüfung 19 offene Issues.
Was gut ist
- Bietet Exporte, die der Web-App fehlen: Batch-Downloads, Mindmaps als JSON, Folien als PPTX
- Bibliothek, CLI, MCP-Server und Skill für Claude Code in einem Paket
- Häufige Releases und eine kurze Issue-Liste
Was nicht
- Undokumentierte Google-APIs können sich ohne Vorwarnung ändern
- Der Login per Master-Token ist ein Credential für das gesamte Google-Konto
- Drosselung bei intensiver Nutzung; Obergrenzen für Notebooks und Quellen hängen von deiner Google-Stufe ab
Am besten für
Forscher, die Claude Code NotebookLM-Notebooks anlegen und abfragen lassen wollen.
Alternativen zu notebooklm-py
notebooklm-py: häufige Fragen
- Lohnt sich notebooklm-py?
- Der volle Funktionsumfang von NotebookLM in den Händen eines Agenten, zusammengehalten von undokumentierten Google-Endpunkten und einem Login, den du ihm nicht leichtfertig geben solltest. Wir bewerten es mit 3.8 von 5.
- Was kostet notebooklm-py?
- Kostenlos und Open Source (MIT). Die Grenzen von NotebookLM hängen von der Stufe deines Google-Kontos ab.
- Welche Nachteile hat notebooklm-py?
- Undokumentierte Google-APIs können sich ohne Vorwarnung ändern; Der Login per Master-Token ist ein Credential für das gesamte Google-Konto; Drosselung bei intensiver Nutzung; Obergrenzen für Notebooks und Quellen hängen von deiner Google-Stufe ab.
- Für wen eignet sich notebooklm-py?
- Forscher, die Claude Code NotebookLM-Notebooks anlegen und abfragen lassen wollen.
- Was kostet notebooklm-py für ein Team oder im Produktivbetrieb?
- Die Bibliothek ist kostenlos; die Kapazität ist dein Google-Plan. Kostenlose Konten erhalten 100 Notebooks mit 50 Quellen, Google AI Plus 200 mit 100, Google AI Pro 500 mit 300 und Ultra bis zu 600 Quellen pro Notebook.
- Ist notebooklm-py sicher für Firmendaten?
- MIT-Lizenz, laut README keine Telemetrie. Quellen und Chats gehen unter deinem Konto an Google; laut Google werden NotebookLM-Inhalte privater Konten nicht zum Training seiner Modelle genutzt, sofern du kein Feedback einreichst, und Workspace-Konten erhalten strengere Bedingungen. Cookies oder ein Master-Token werden in einem lokalen Profil gespeichert.
- Was sind die besten Alternativen zu notebooklm-py?
- Die nächsten Alternativen, die wir getestet haben, sind claude-obsidian und claude-mem.
Antworten geprüft am 23. Okt. 2026.