Was ist Open Notebook?
Open Notebook ist eine quelloffene, selbst gehostete Alternative zu Googles NotebookLM (im Juli 2026 in Gemini Notebook umbenannt). Du sammelst Quellen in Notebooks, chattest mit ihnen samt Zitaten, lässt wiederverwendbare Transformationen laufen, die jede Quelle in Zusammenfassungen oder andere Erkenntnisse verwandeln, suchst im Volltext oder per Vektoren und erzeugst Podcast-Folgen mit einem bis vier Sprechern. Alles ist über eine REST-API erreichbar, und ein MCP-Server aus der Community lässt Claude Desktop und andere Clients es steuern.
Technisch ist es ein Python-Backend (FastAPI) mit einem Next.js-Frontend und SurrealDB als Datenbank, ausgeliefert als zwei Docker-Dienste. Modelle kommen über Esperanto, die Bibliothek des Maintainers, die mehr als 20 Anbieter abdeckt, von OpenAI, Anthropic, Google und Mistral bis zu Ollama, LM Studio und jedem OpenAI-kompatiblen Server. Als Quellen dienen PDF-, Office- und OpenDocument-Dateien, EPUB, Audio, Video, Webseiten, YouTube-Transkripte und eingefügter Text.
Das Repository wurde im Oktober 2024 von Luis Novo (lfnovo) angelegt, steht unter MIT-Lizenz, hat rund 41.100 GitHub-Sterne und erreichte am 4. Oktober 2026 v1.15.0. Eine kostenpflichtige Edition oder einen gehosteten Dienst des Maintainers gibt es nicht.
Lohnt sich Open Notebook?
Open Notebook ist nach unserer Lektüre die ausgereifteste selbst gehostete Antwort auf NotebookLM, und für diese Freiheit gibt es Feinschliff und Sicherheitstiefe her. Googles Gemini Notebook ist kostenlos, gehostet und geschlossen: Es läuft nur mit Googles Modellen, und seine Ausgaben reichen inzwischen von Audio und Video Overviews über Mindmaps, Karteikarten und Quizze bis zu Foliensätzen. Open Notebook kann weniger, nämlich Chat, Notizen, Transformationen, Suche und Podcasts, läuft aber mit jedem von mehr als 20 Anbietern, macht jede Funktion über eine REST-API zugänglich und hält die Notebooks auf deiner Festplatte. Die Qualität von Antworten und Podcasts ist daher die deines gewählten Modells, kein festes Google-Produkt.
Die Podcast-Funktion ist besser konfigurierbar als Googles Format mit zwei Moderatoren. Ein Episodenprofil legt ein Outline-Modell, ein Transkript-Modell und 3 bis 20 Segmente fest; ein Sprecherprofil legt eine bis vier Stimmen fest, die von verschiedenen Text-to-Speech-Anbietern stammen können, darunter OpenAI, Google, ElevenLabs, Mistral, Deepgram, MiniMax und ein lokaler Speaches-Server. Den mitgelieferten Profilen sind keine Modelle zugewiesen, es entsteht also nichts, bis du sie einrichtest. Die Kosten sind die zwei Durchläufe des Sprachmodells über alle ausgewählten Inhalte plus die Sprachausgabe für das Skript: Zum tts-1-Preis von OpenAI, $15 pro 1M Zeichen, kostet die Vertonung eines Skripts mit 30.000 Zeichen etwa $0.45, mit tts-1-hd $0.90. Audio- und Videoquellen brauchen ebenso ein Spracherkennungsmodell, bevor sie verarbeitet werden können.
Der Datenschutz ist nur dann besser als bei Google, wenn du ihn einrichtest. Mit einem Cloud-Anbieter schickt jeder Chat, jede Transformation und jeder Podcast-Schritt den Text deiner Quellen an diesen Anbieter; der vollständig lokale Weg kombiniert Ollama für Chat und Embeddings mit Speaches für Sprache, und die Dokumentation verlangt 8 GB RAM und warnt, dass kleine Modelle auf der CPU langsam sind. Ollamas Standardkontext von 8.192 Tokens kürzt lange Prompts stillschweigend, was sich in Antworten zeigt, die deine Quellen ignorieren. Erklärtes Prinzip des Projekts ist keine Telemetrie ohne Zustimmung, und wir haben im Repository keinen Telemetriecode gefunden.
Die Sicherheitsvoreinstellungen passen zu einer Person mit einem Laptop und zu nichts darüber hinaus. Die mitgelieferte Compose-Datei veröffentlicht die Oberfläche auf Port 8502 und die API auf 5055 auf allen Schnittstellen, mit ausgeschalteter Authentifizierung, und ihr Verschlüsselungsschlüssel für gespeicherte Anbieterschlüssel ist ein öffentlicher Platzhalter, vor dem die App nicht warnt. Der optionale Schutz ist ein einziges gemeinsames Passwort ohne Konten, Rollen, Sitzungsablauf, Ratenlimit oder Audit-Log; der Browser speichert es in localStorage, und CORS ist für jeden Origin offen, bis du CORS_ORIGINS setzt. SurrealDB nutzt standardmäßig root:root, ist aber an localhost gebunden. Im April 2026 meldete CERT-EU eine kritische Remote-Code-Ausführung per Template-Injection und zwei schwerwiegende Fehler beim Lesen und Schreiben von Dateien, behoben in v1.8.4, nach einer SurrealDB-Injection, die in v1.8.3 behoben wurde. Mehrbenutzerbetrieb wird erwogen, ist aber nicht gebaut.
Gegenüber AnythingLLM, das Arbeitsbereiche für mehrere Nutzer bietet, ist Open Notebook das schmalere Produkt und die genauere Kopie des Recherchekreislaufs von NotebookLM. Für einen Haushalt oder einen einzelnen Forscher in einem privaten Netz ist es eine solide Wahl; ein Team, das getrennte Anmeldungen braucht, muss einen authentifizierenden Proxy davorsetzen.
Wo es sich lohnt
Eine Journalistin, die mit geleakten Dokumenten arbeitet, die nicht zu Google dürfen
Fragen über einige hundert PDFs stellen, ohne dass der Text meinen Rechner verlässt
Die Compose-Datei mit an 127.0.0.1 gebundenen Ports starten, Ollama mit qwen3 und nomic-embed-text hinzufügen und Docling für gescannte PDFs einschalten. Nichts geht an einen Modellanbieter; der Preis ist ein Rechner mit mindestens 8 GB RAM und langsamere Antworten als mit einem Cloud-Modell.
Ein Hochschuldozent, der die wöchentliche Lektüre für pendelnde Studierende in Audio verwandelt
Aus den Papers jeder Woche eine kurze Gesprächsfolge machen
Ein Episodenprofil mit einem günstigen Outline- und Transkript-Modell und ein Profil mit zwei Sprechern auf OpenAI tts-1 einrichten, die Quellen der Woche auf Summary-Ebene auswählen und den Worker die Folge bauen lassen. Die Vertonung eines Skripts mit 30.000 Zeichen kostet etwa $0.45 plus die Aufrufe des Sprachmodells.
Ein Entwickler, der für eine Beratung mit 10 Personen einen internen Rechercheassistenten baut
Kundenberichte automatisch einspeisen und aus unseren eigenen Werkzeugen abfragen
Dateien über POST /api/sources mit einem Bearer-Passwort hochladen, hinter einem Reverse Proxy mit HTTPS und gesetztem CORS_ORIGINS, oder Agenten über den Server open-notebook-mcp anbinden. Alle teilen ein Passwort, für Zugriff pro Person braucht es also einen Proxy oder ein Gateway davor.
Bevor du dich festlegst
- Einrichtung
- docker-compose.yml herunterladen, den Platzhalter in OPEN_NOTEBOOK_ENCRYPTION_KEY ersetzen, dann docker compose up -d und etwa 30 Sekunden später localhost:8502 öffnen; unter Manage, Models mindestens ein Sprach- und ein Embedding-Modell hinzufügen. Die Dokumentation verlangt 4 GB freien RAM, 8 GB mit lokalem Ollama.
- Integrationen
- OpenAI, Anthropic, Google, Vertex AI, Azure OpenAI, Mistral, Groq, DeepSeek, xAI, OpenRouter, Cohere, Voyage, ElevenLabs, Deepgram, MiniMax und weitere über Esperanto; Ollama, oMLX, LM Studio sowie OpenAI- oder Anthropic-kompatible Server; Docling, Crawl4AI, Firecrawl und Jina für die Extraktion; eine REST-API und ein MCP-Server aus der Community.
- Daten und Datenschutz
- Notebooks liegen in SurrealDB und im lokalen Ordner notebook_data; Anbieterschlüssel werden seit v1.15.0 mit per PBKDF2 abgeleitetem Fernet verschlüsselt. Quelltext geht an die Anbieter, die du einrichtest. Keine Telemetrie gefunden; Authentifizierung standardmäßig aus; vier Sicherheitshinweise, alle bis v1.8.4 behoben.
- Kosten im großen Maßstab
- Kein kostenpflichtiger Tarif. Die Ausgaben sind die Nutzung von Modellen, Embeddings und Sprache plus ein kleiner Server; Podcasts kosten zum tts-1-Preis von OpenAI $15 pro 1M Zeichen Skript, Transkription mit Whisper etwa $0.006 pro Minute. Lokale Modelle beseitigen die Kosten pro Aufruf, brauchen aber RAM oder eine GPU.
- Grenzen
- 135 offene Issues und 56 offene Pull Requests; nur ein Nutzer; kein Ratenlimit und kein Audit-Log; YouTube kann Transkript-Anfragen des Servers ohne Proxy oder Cookies blockieren; das Upgrade auf v1.15.0 schreibt gespeicherte Schlüssel in ein Format um, das ältere Versionen nicht lesen können.
Was gut ist
- Mehr als 20 Modellanbieter, einschließlich vollständig lokalem Ollama
- Podcasts mit einem bis vier Sprechern und TTS-Anbieter pro Sprecher
- Jede Funktion über eine REST-API verfügbar
- MIT-Lizenz und Docker-Installation mit zwei Containern
Was nicht
- Ports standardmäßig auf allen Schnittstellen offen, ohne Passwort
- Ein gemeinsames Passwort; keine Benutzerkonten oder Rollen
- Vier Sicherheitshinweise im April 2026, einer davon kritisch
- Weniger Ausgabeformate als Gemini Notebook
Am besten für
Forschende, Studierende und kleine private Teams, die Notebooks und Podcasts im Stil von NotebookLM mit eigenen Modellen und eigenem Server wollen und es aus dem offenen Internet heraushalten oder hinter einen authentifizierenden Proxy stellen können.
Alternativen zu Open Notebook
Open Notebook: häufige Fragen
- Lohnt sich Open Notebook?
- Open Notebook bietet dir den Arbeitsablauf von NotebookLM auf Modellen und Hardware deiner Wahl, solange du sein einziges gemeinsames Passwort als Riegel und nicht als Schloss betrachtest. Wir bewerten es mit 4.0 von 5.
- Was kostet Open Notebook?
- Kostenlos und Open Source (MIT). Nur selbst gehostet; du bezahlst deine eigenen Anbieter für Modelle, Embeddings, Spracherkennung und Sprachausgabe, oder mit lokalen Modellen nichts pro Aufruf.
- Welche Nachteile hat Open Notebook?
- Ports standardmäßig auf allen Schnittstellen offen, ohne Passwort; Ein gemeinsames Passwort; keine Benutzerkonten oder Rollen; Vier Sicherheitshinweise im April 2026, einer davon kritisch; Weniger Ausgabeformate als Gemini Notebook.
- Für wen eignet sich Open Notebook?
- Forschende, Studierende und kleine private Teams, die Notebooks und Podcasts im Stil von NotebookLM mit eigenen Modellen und eigenem Server wollen und es aus dem offenen Internet heraushalten oder hinter einen authentifizierenden Proxy stellen können.
- Was kostet Open Notebook für ein Team oder im Produktivbetrieb?
- Kein kostenpflichtiger Tarif. Die Ausgaben sind die Nutzung von Modellen, Embeddings und Sprache plus ein kleiner Server; Podcasts kosten zum tts-1-Preis von OpenAI $15 pro 1M Zeichen Skript, Transkription mit Whisper etwa $0.006 pro Minute. Lokale Modelle beseitigen die Kosten pro Aufruf, brauchen aber RAM oder eine GPU.
- Ist Open Notebook sicher für Firmendaten?
- Notebooks liegen in SurrealDB und im lokalen Ordner notebook_data; Anbieterschlüssel werden seit v1.15.0 mit per PBKDF2 abgeleitetem Fernet verschlüsselt. Quelltext geht an die Anbieter, die du einrichtest. Keine Telemetrie gefunden; Authentifizierung standardmäßig aus; vier Sicherheitshinweise, alle bis v1.8.4 behoben.
- Was sind die besten Alternativen zu Open Notebook?
- Die nächsten Alternativen, die wir getestet haben, sind AnythingLLM, Khoj, DeepTutor und notebooklm-py.
Antworten geprüft am 31. Okt. 2026.