Die quelloffene Menüleisten-Anwendung DigUp ermöglicht auf Apple-Silicon-Computern das Durchsuchen lokaler Dateien mittels natürlicher Sprache. Im Zentrum der Funktionsweise steht das multimodale Modell EmbeddingGemma 2 von Google DeepMind, dessen technische Architektur auf einen einheitlichen 768-dimensionalen Vektorraum setzt. Anstelle reiner Dateinamen erfasst das System Dokumente, Bilder, Audiodateien und Videos über ihren inhaltlichen Kontext.
Multimodale Vektoreinbettung mit 740 Millionen Parametern
Das von Google DeepMind unter der Apache-2.0-Lizenz bereitgestellte Modell EmbeddingGemma 2 verfügt über insgesamt 740 Millionen Parameter. Die Architektur teilt sich auf ein Text-Backbone mit 270 Millionen Parametern, einen Vision-Encoder mit 170 Millionen Parametern sowie einen Audio-Encoder mit 300 Millionen Parametern auf. Diese Komponenten überführen die unterschiedlichen Medientypen in gemeinsame 768-dimensionale Vektorräume.
Durch diese Vektoreinbettung können Anfragen in natürlicher Sprache inhaltliche Übereinstimmungen quer durch verschiedene Dateiformate finden. Ein Suchauftrag nach Gesprächen über Schlaf führt beispielsweise direkt an die passende Stelle einer Podcast-Aufnahme. Auch visuelle Beschreibungen wie ein Strandspaziergang lokalisieren relevante Fotos, während Klauseln in Verträgen auf die entsprechende PDF-Seite verweisen.
Die Anwendung kombiniert die semantische Vektorsuche mit einer exakten Wortsuche, sodass neben allgemeinen Inhaltsbeschreibungen auch spezifische Nummernfolgen oder Rechnungsdaten auffindbar bleiben.
EmbeddingGemma 2 unterstützt dabei mehrere Sprachen, womit sich etwa fremdsprachige Dokumente auch mit Beschreibungen in anderen Sprachen erfassen lassen. Einschränkungen zeigen sich laut Berichten bei sehr kurzen Videoszenen sowie bei der exakten chinesischen Begriffssuche.
Technische Umsetzung auf Apple-Silicon-Hardware
Wer gerade erst auf ein Apple-System umgestiegen ist, um solche innovativen KI-Tools zu nutzen, sollte die wichtigsten Grundeinstellungen kennen. Ein gratis PDF-Starterpaket verrät die cleveren Tricks, mit denen Sie Ihren Apple-Computer von Tag 1 an optimal nutzen. So werden Sie in kürzester Zeit zum Mac-Profi – völlig kostenlos
Entwickelt wurde DigUp von Abdur Rahim. Das Programm ist in Swift geschrieben, steht unter der MIT-Lizenz und verzeichnete auf der Entwicklerplattform GitHub bereits 2125 Stars.
Die Installation erfolgt entweder manuell über ein DMG-Paket oder über den Paketmanager Homebrew. Voraussetzung für den Betrieb ist ein Rechner mit Apple-Silicon-Prozessor und dem Betriebssystem macOS 14 oder neuer; ältere Macs mit Intel-Prozessoren werden nicht unterstützt.
Zur Ausführung der Berechnungen greift die Anwendung auf llama.cpp und die Metal-Schnittstelle zurück, um die Grafikkerne des Apple-Prozessors direkt anzusprechen. Vor der ersten Nutzung lädt das Programm das Modell mit einer Datengröße von rund 865 MB herunter.
Die Indexierung verarbeitet Inhalte je nach Format auf unterschiedliche Weise:
– PDF-Dokumente werden seitenweise verarbeitet.
– Audiodateien werden in überlappenden Fenstern von jeweils 30 Sekunden Dauer erfasst.
– Videodateien werden parallel über die visuelle Spur und die Tonspur analysiert.
– Quellcode wird in semantische Fragmente unterteilt, um Funktionen über die Beschreibung ihrer Arbeitsweise wiederzufinden.
Um bei der täglichen Arbeit mit solchen Programmen noch schneller zum Ziel zu kommen, helfen oft schon einfache Tastenkombinationen. Dieser kostenlose PDF-Ratgeber stellt die 19 besten Mac-Tastenkombinationen vor, mit denen Sie sofort flüssiger und entspannter arbeiten. Mac-Experte verrät: Mit diesen 19 Shortcuts sparen Sie jeden Tag messbar Zeit
Lokale Indexierung und Datenschutz ohne Cloud-Anbindung
Die erzeugten Vektoreinbettungen und Metadaten werden vollständig in einer lokalen SQLite-Datenbank auf dem Endgerät gespeichert. Für den Betrieb ist keine Internetverbindung erforderlich. Weder setzt das Werkzeug ein Benutzerkonto voraus, noch werden Telemetriedaten oder Dateiinhalte an externe Server übertragen.
Der rein lokale Berechnungsansatz bringt jedoch einen anfänglichen Rechenaufwand mit sich. Die erste Indexierung erfordert je nach Datenumfang Zeit: Während kleinere Ordner mit mehreren hundert Dateien innerhalb von Minuten eingelesen sind, kann die Erfassung umfangreicher Bestände wie eines großen Download-Ordners rund eine Stunde in Anspruch nehmen.
Sobald der Index erstellt ist, springt die Suche bei Treffern direkt auf die ermittelte PDF-Seite, den Codeabschnitt oder den exakten Zeitstempel im Audio- und Videomaterial.