Docker Desktop wird über das Startmenü oder Shell gestartet

systemctl --user start docker-desktop

Die Container sind aufgelistet und im Status erfolgreich gestartet.

Neben den Containern sind die zugehörigen Portnummer zu sehen (bzw. aufklappbar) und und klickbar.

Ollama

Ollama ist ein lokales KI-Tool, das verschiedene KI-Modelle betreiben kann. In dieser installation wurde Ollama innerhalb eines Docker-Containers gestartet.

KI-Modelle auswählen

Zunächst einmal müssen KI-Modelle für Ollama heruntergeladen und installiert werden. Später können verschiedene KI-Modelle für verschiedene Aufgaben in Open Notebook zugewiesen werden, z.B. Embedding und Chatbot.

Es gibt Modelle unterschiedlicher Hersteller und häufig verschiedene Varianten des selben Modells mit unterschiedlicher Genauigkeit/Qualität (Anzahl Parameter). Dabei erhöht die Wahl eines Modells mit besserer Genauigkeit/Qualität den Bedarf an (V)RAM und die Rechenleistung. Die verwendeten Modelle sollten also passend zur eigenen Rechnerausstattung sein. Die verfügbaren Modelle und Varianten für Ollama können in der Library eingesehen werden. Es gibt unterschiedliche Modelle für unterschiedliche Aufgaben. Multimodale Modelle sind für mehr als eine Aufgabe geeignet, z.B. Text- und Bildanalyse. Auf huggingface können Modelle eingesehen und online getestet werden.

• Allzweck- und Chat-Modelle
  Diese Modelle sind wahre Alleskönner. Sie eignen sich hervorragend für allgemeine Fragen, das Zusammenfassen von Texten oder das Befolgen komplexer Anweisungen.
  • Llama von Meta AI (z.B. Llama 3): Eines der leistungsstärksten Standardmodelle, das eine exzellente Balance zwischen Geschwindigkeit und Qualität bietet.
  • Gemma von Google AI (z.B. Gemma 4 / 3): Ein Modell, das besonders schnell ist und sich gut für alltägliche Unterhaltungen und Assistenzaufgaben eignet.
  • Qwen von Alibaba Cloud (z.B. Qwen 2.5 / 3): Ein weiteres leistungsstarkes Open-Source-Modell, das bei einer Vielzahl von Aufgaben sehr gut abschneidet.
  • Mistral von Mistral AI (z.B. Mistral-Nemo): Hervorragend bei Textübersetzungen, Zusammenfassungen und Logikaufgaben, sehr stark in Deutsch und vielen anderen Sprachen.
• Programmierung (Coding)
  Diese Modelle sind speziell darauf trainiert, Quellcode zu verstehen, zu schreiben, zu debuggen und in verschiedenen Programmiersprachen zu optimieren.
  • Qwen-Coder von Alibaba Cloud (z.B. Qwen3 Coder): Führend in seiner Klasse und exzellent für das Entwickeln ("Vibe Coding") sowie für komplexe Programmieraufgaben. 
  • DeepSeek von DeepSeek AI (z.B. DeepSeek R1): Sehr stark bei mathematischen und logischen Denkaufgaben sowie der Codegenerierung.
  • Codestral von Mistral AI: Reine Spezialisierung auf Programmierung und Code-Generierung, beherrscht über 80 Programmiersprachen.
• Kompakte Modelle
  Besonders ressourcenschonende Modelle, die sich hervorragend für ältere Computer, Handys oder den Einsatz als schnelle Hintergrund-KI (z.B. für Smarthome-Befehle) eignen.
  • Phi von Microsoft (z.B. Phi-4 Mini): Trotz seiner geringen Größe (benötigt nur ca. 4 GB VRAM) verfügt dieses Modell über starke logische Fähigkeiten.
  • Qwen-Mini von Alibaba Cloud: Eine kleinere, sehr schnelle Variante der Qwen-Familie.
• Weitere Spezialmodelle
  Neben textbasierten Modellen bietet Ollama z.B. auch Unterstützung für sogenannte multimodale Aufgaben.
  • Vision-Modelle (Qwen-VL von Alibaba Cloud, Llama-Vision von Meta AI): Diese Modelle können neben Text auch Bilder analysieren, beschreiben oder Bildunterschriften generieren.
  • Embedding-Modelle (nomic-embed-text von Nomic AI, jina-embeddings-v2-base-de  von Jina AI, BGE-M3 von BAAI) erzeugen numerische Vektoren (Zahlenreihen) für Texte, keine Sprachausgaben. Für mehrsprachige oder rein deutsche Texte benötigt man ein geeignetes mehrsprachiges Modell.
  • Reasoning-Modelle: Deep Thinking ist eine Funktion die hilft knifflige Probleme zu lösen. Es funktioniert so, dass man mehrere Ideen gleichzeitig mit parallelem Denken durchdenkt, sie vergleicht und dann die beste Lösung auswählt.
  • TTS/STT-Modelle (text to speech / Speech to text) für Sprachausgaben müssen als lokale Instalation via OpenAI-kompatibler API angebunden werden. Ollama unterstützt das nicht. Man braucht dazu einen weiteren Container z.B. mit speaches-ai.
  • Mixture of Experts Modelle: MoE ist eine KI-Architektur, bei der ein großes neuronales Netz in viele kleine, spezialisierte Teilnetze (die "Experten") unterteilt wird. Ein Steuerungsmechanismus (der "Router") leitet jede Anfrage dynamisch nur an die Experten weiter, die für das jeweilige Problem am besten geeignet sind. 
  • Tools (Function Calling) ist die Fähigkeit eines Sprachmodells selbstständig Programme, APIs, Webseiten oder andere externe Skripte auszuführen, anstatt nur Text zu generieren
  • MLX ist Apples eigenes Machine-Learning-Framework. Modelle mit MLX im Namen sind für Apple Silicon CPUs.

Open Notebook verwendet Esperanto zur Anbindung der verschiedener KI-Provider. Es gibt eine Übersicht, welche Anbieter/Modelle welche Aufgaben (Embedding, Chat, TTS, STT) erledigen können. Da mit Ollama keine Audio Ein- oder Ausgabe angebunden werden kann wird Audio erstmal vertagt.

Man sollte mindestens ein auf Chat/Suche und ein auf Embedding optimiertes Modell herunterladen. Dabei ist zu beachten, wie viel freier (V)RAM auf der eigenen Hardware zur Verfügung steht.

KI-Modelle installieren

• Empfehlung für kleine Hardwareausstattung ~4,7GB (V)RAM:

docker exec open-notebook-ollama-1 ollama pull jina/jina-embeddings-v2-base-de

docker exec open-notebook-ollama-1 ollama pull mistral

• Empfehlung für mittlere Genauigkeit/Qualität ~7,8GB (V)RAM:

docker exec open-notebook-ollama-1 ollama pull bge-m3

docker exec open-notebook-ollama-1 ollama pull qwen3.5

• Empfehlung für hohe Genauigkeit/Qualität ~12,1GB (V)RAM:

docker exec open-notebook-ollama-1 ollama pull qwen3-embedding:4b

docker exec open-notebook-ollama-1 ollama pull gemma4

• Empfehlung für höchste Genauigkeit/Qualität ~22,7GB (V)RAM:

docker exec open-notebook-ollama-1 ollama pull qwen3-embedding:8b

docker exec open-notebook-ollama-1 ollama pull gemma4:26b

GPU-Nutzung überprüfen

Wenn in der Ollama-Docker-Konfiguration die Unterstützung für NVidia-GPUs aktiviert wurde kann die Funktionalität überprüft werden. Bei der Ollama-Prozessübersicht muß die Spalte PROCESSOR mit GPU gefüllt sein.

docker exec open-notebook-ollama-1 ollama ps
NAME             ID              SIZE      PROCESSOR    CONTEXT    UNTIL
llama2:latest    78e26419b446    6.0 GB    100% GPU     4096       3 minutes from now

Die Abfrage kann auch direkt in Docker Desktop erfolgen.

Weiter gehts mit der Konfiguration in Teil 4.

Docker ist eine freie Software zur Isolierung von Anwendungen mit Hilfe von Containervirtualisierung.

Das ist eine ressourcensparsame Variante der Virtualisierung, bei der sich die Container den Betriebssystemkern mit dem Hauptsystem teilen. Im Wesentlichen werden dabei die Prozesse der Container durch Betriebssystemfunktionen abgeschottet und Zugriffe beschränkt. Die Bereitstellung von Anwendungen in Containern erfolgt über Image- und Konfigurationsdateien. Bei Updates wird einfach das Image ausgetauscht. Das Installaieren und Aktualisieren von Applikationscontainern erscheint Vielen als deutlich leichter, als Applikationen nativ im Betriebssystem bereitzustellen. Das liegt daran, dass alle benötigten Dateien in passender Version im Container-Image enthalten sind, d.h. keine Probleme mit Abhängigkeiten. 

Unter Linux steht die freie Docker Engine (Docker CE) standardmäßig zur Installation Verfügung, die über Kommandozeile bedient wird.

Docker Desktop bietet eine Bedienoberfläche, steht für verschiedene Betriebssysteme zur Verfügung und ist für den privaten Gebrauch kostenlos. Für Einsteiger in Containervirtualisierung empfiehlt sich diese Variante.

Installation von Docker Desktop

Ubuntu Linux

Die Installation von Docker Desktop für Ubuntu läuft wie folgt ab:

sudo apt-get update

sudo apt install gnome-terminal

Docker Desktop für Linux deb-Paket herunterladen.

sudo apt install ./docker-desktop-amd64.deb

Docker Desktop startet man aus dem Startmenü oder via Shell:

systemctl --user start docker-desktop 

Debian Linux

Die Installation von Docker Desktop für Debian läuft identisch wie bei Ubuntu ab.

Fedora Linux

Die Installation von Docker Desktop für Fedora läuft wie folgt ab:

sudo dnf install gnome-terminal

sudo dnf config-manager addrepo --from-repofile https://download.docker.com/linux/fedora/docker-ce.repo

Docker Desktop für Linux rpm-Paket herunterladen.

sudo dnf install ./docker-desktop-x86_64.rpm

Docker Desktop startet man aus dem Startmenü oder via Shell:

systemctl --user start docker-desktop 

Windows

Die Installation von Docker Desktop für Windows läuft wie folgt ab:

Als Voraussetzung muss entweder WSL2, Hyper-V oder Virtualbox in Windows installiert sein. Das liegt daran, dass zum Betrieb ein Linux-Betriebssystemkern benötigt wird. Als ressourcenschonende Variante hat sich WSL2 bewährt. Die Installation wurde bereits in einem Artikel beschrieben. 

Zunächst lädt man Docker Desktop für Windows x86_64 herunter und installiert "Docker Desktop Installer.exe". Bei der Installation wählt man WSL2 als Konfigurationsoption aus.

Nach der Installation kann man in der Powershell überprüfen, ob eine Linux Instanz für Docker angelegt wurde:

wsl --list
Windows Subsystem für Linux-Distributionen:
Ubuntu (Standard)
docker-desktop

MacOs

Für die Installation von Docker Desktop für Mac folgt man der Anleitung. Zu beachten sind dabei benötigte Berechtigungen.

Screenshot von Docker Desktop mit laufenden Containern der App Open Notebook:

Mit dem Windows-Subsystem für Linux (WSL) können Windows-Anwender eine Linux-Distribution (z.B. Ubuntu, OpenSUSE, Kali, Debian, Arch Linux usw.) installieren und Linux-Anwendungen, Dienstprogramme und Bash-Befehlszeilentools direkt unter Windows verwenden, ohne den Aufwand eines herkömmlichen virtuellen Computers oder Dual Boot Setups.Der Ressourcenverbrauch für WSL2 ist gering.

WSL2 installieren:

PowerShell im Administratormodus öffnen (mit Rechtsklick auf Icon)

wsl --install

Verfügbare Distributionen auflisten:

wsl --list --online

Im Folgenden finden Sie eine Liste gültiger Distributionen, die installiert werden können.
Mit "wsl.exe --install <Distro>" installieren.

NAME                            FRIENDLY NAME
Ubuntu                          Ubuntu
Ubuntu-26.04                    Ubuntu 26.04 LTS
Ubuntu-24.04                    Ubuntu 24.04 LTS
Ubuntu-22.04                    Ubuntu 22.04 LTS
openSUSE-Tumbleweed             openSUSE Tumbleweed
openSUSE-Leap-16.0              openSUSE Leap 16.0
SUSE-Linux-Enterprise-15-SP7    SUSE Linux Enterprise 15 SP7
SUSE-Linux-Enterprise-16.0      SUSE Linux Enterprise 16.0
kali-linux                      Kali Linux Rolling
Debian                          Debian GNU/Linux
AlmaLinux-8                     AlmaLinux OS 8
AlmaLinux-9                     AlmaLinux OS 9
AlmaLinux-Kitten-10             AlmaLinux OS Kitten 10
AlmaLinux-10                    AlmaLinux OS 10
archlinux                       Arch Linux
FedoraLinux-44                  Fedora Linux 44
FedoraLinux-43                  Fedora Linux 43
eLxr                            eLxr 12.12.0.0 GNU/Linux
OracleLinux_7_9                 Oracle Linux 7.9
OracleLinux_8_10                Oracle Linux 8.10
OracleLinux_9_5                 Oracle Linux 9.5
SUSE-Linux-Enterprise-15-SP6    SUSE Linux Enterprise 15 SP6

Distribution aus obiger Liste installieren, z.B. Ubuntu:

wsl --install -d Ubuntu

Installierte Distributionen anzeigen:

wsl --list
Windows Subsystem für Linux-Distributionen:
Ubuntu (Standard)
FedoraLinux-44
openSUSE-Tumbleweed
kali-linux
docker-desktop

In Linux auf der Shell wechseln:

PS C:\Users\xxx> wsl
xxx@pcxxx:/mnt/c/Users/xxx$ uname -a
Linux pcxxx 6.18.33.1-microsoft-standard-WSL2 #1 SMP PREEMPT_DYNAMIC Fri Jun  5 01:12:21 UTC 2026 x86_64 GNU/Linux
xxx@pcxxx:/mnt/c/Users/xxx$ cat /etc/*release*
DISTRIB_ID=Ubuntu
DISTRIB_RELEASE=26.04
DISTRIB_CODENAME=resolute
DISTRIB_DESCRIPTION="Ubuntu 26.04 LTS"
PRETTY_NAME="Ubuntu 26.04 LTS"
NAME="Ubuntu"
VERSION_ID="26.04"
VERSION="26.04 (Resolute Raccoon)"
VERSION_CODENAME=resolute
ID=ubuntu
ID_LIKE=debian
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
UBUNTU_CODENAME=resolute
LOGO=ubuntu-logo

Der Zugriff auf Dateien des jeweiligen Systems ist problemlos möglich:

• Im Windows Explorer ruft man \\wsl.localhost\Ubuntu auf um auf das Dateisystem der Distribution Ubuntu zuzugreifen.
• Unter Linux greift man auf /mnt/c zu, wenn man die Partition c:\ aufrufen will.

Selbst die Ausgabe grafischer Fenster ist mittlerweile möglich.

WSL2 ist auch standardmäßig die Voraussetzung für die Installation von Docker Desktop auf Windows.

Voraussetzung für die Bereitstellung von Open Notebook ist eine vorhandene Installation der Containervirtualisierung Docker Engine (Docker CE) oder Docker Desktop. Letzteres steht für die gängigen Betriebssysteme Linux, Windows und MacOs zur Verfügung.

Open Notebook besteht aus mehreren Komponenten:

• Datenbank surrealdb als Docker Container
• Anwendung Open Notebook als Docker Container (Python-Anwendung mit Webserver uvicorn und next.js-Webframework)
• KI Tools / LLMs
  • Cloud-basiert (z.B. Google AI, Anthropic, OpenAI, ElevenLabs, ...) über API-Zugriff
  • Lokal installiert (Ollama oder LM Studio) über API-Zugriff
  • Lokal als Docker Container (Ollama) über API-Zugriff

Installation vorbereiten

Zunächst legt man sich einen Ordner für die Anwendung an, in der die Container-Daten gespeichert werden. Dort kann kann man sich zunächst die Bauanleitung von Open Notebook für Docker einrichten.

KI-Tools cloud-basiert 

Wer nur mit Cloud-basierten KI-Tools arbeiten will kann auf den zusätzlichen Docker-Container für Ollama verzichten. 

docker-compose.yml herunterladen

curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

docker-compose.yml mit Texteditor öffnen und Schlüssel für Verschlüsselung anpassen

OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string

KI-Tools lokal installiert

Wer bereits Ollama oder LM Studio lokal installiert hat kann das als lokalen LLM-Provider für Open Notebook verwenden und auf den zusätzlichen Docker-Container für Ollama verzichten. 

docker-compose.yml herunterladen

curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

docker-compose.yml mit Texteditor öffnen und Schlüssel für Verschlüsselung anpassen

OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string

KI-Tools lokal als Docker Container

Wer mit lokaler KI arbeiten will, aber noch keine bereitgestellt hat, kann das am einfachsten über einen zusätzlichen Docker-Container mit Ollama realisieren.

Mit Texteditor docker-compose.yml erstellen:

services:
  surrealdb:
    image: surrealdb/surrealdb:v2
    command: start --log info --user root --pass root rocksdb:/mydata/mydatabase.db
    user: root  # Required for bind mounts on Linux
    ports:
      - "8000:8000"
    volumes:
      - ./surreal_data:/mydata
    environment:
      - SURREAL_EXPERIMENTAL_GRAPHQL=true
    restart: always
    pull_policy: always

  open_notebook:
    image: lfnovo/open_notebook:v1-latest
    ports:
      - "8502:8502"  # Web UI
      - "5055:5055"  # REST API
    environment:
      # REQUIRED: Change this to your own secret string
      # This encrypts your API keys in the database
      - OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string

      # Database connection (default values - no need to change)
      - SURREAL_URL=ws://surrealdb:8000/rpc
      - SURREAL_USER=root
      - SURREAL_PASSWORD=root
      - SURREAL_NAMESPACE=open_notebook
      - SURREAL_DATABASE=open_notebook
      
      # Ollama (required when running Ollama via Docker, as in this compose file)
      - OLLAMA_BASE_URL=http://ollama:11434
      
    volumes:
      - ./notebook_data:/app/data
    depends_on:
      - surrealdb
    restart: always
    pull_policy: always

  ollama:
    image: ollama/ollama:latest
    ports:
      - "11434:11434"
    volumes:
      - ./ollama_models:/root/.ollama
    restart: always
    # Optional: set GPU support if available
    # deploy:
    #  resources:
    #    reservations:
    #      devices:
    #        - driver: nvidia
    #          count: 1
    #          capabilities: [gpu]

NVidia GPU-Support

Wer über eine NVidia GPU verfügt kann in der docker-compose.yml GPU-Unterstützung aktivieren.

    # Optional: set GPU support if available
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

Installation / Deployment

Nun können die Container gemäß der Bauanleitung erzeugt werden.

docker compose up -d
[+] up 26/26
 ✔ Image surrealdb/surrealdb:v2            Pulled                                                                   2.0s
 ✔ Image lfnovo/open_notebook:v1-latest    Pulled                                                                 274.2s
 ✔ Image ollama/ollama:latest              Pulled                                                                1116.3s
 ✔ Container open-notebook-ollama-1        Started                                                                  0.7s
 ✔ Container open-notebook-open_notebook-1 Started                                                                  0.9s
 ✔ Container open-notebook-surrealdb-1     Started                                                                  0.2s

What's next:
    Filter, search, and stream logs from all your Compose services
    in one place with Docker Desktop's Logs view. docker-desktop://dashboard/logs?appId=open-notebook

docker ps
CONTAINER ID   IMAGE                            COMMAND                  CREATED          STATUS          PORTS                                                                                      NAMES
ca2e70575fe9   lfnovo/open_notebook:v1-latest   "/usr/bin/supervisor…"   13 minutes ago   Up 13 minutes   0.0.0.0:5055->5055/tcp, [::]:5055->5055/tcp, 0.0.0.0:8502->8502/tcp, [::]:8502->8502/tcp   open-notebook-open_notebook-1
576e87ed7f57   ollama/ollama:latest             "/bin/ollama serve"      13 minutes ago   Up 13 minutes   0.0.0.0:11434->11434/tcp, [::]:11434->11434/tcp                                            open-notebook-ollama-1
1029532d05e5   surrealdb/surrealdb:v2           "/surreal start --lo…"   5 days ago       Up 13 minutes   0.0.0.0:8000->8000/tcp, [::]:8000->8000/tcp                                                open-notebook-surrealdb-1

Docker Desktop 

Jetzt kann Docker Desktop gestartet werden.

Weiter gehts mit der Installation der KI-Modelle in Teil 3.

NotebookLM

Für KI-unterstütztes Lernen und Recherchieren mit Quellennachweis setzt das kommerzielle Google NotebookLM, basierend auf Gemini, aktuell die Referenz.

Es können verschiedene Quellen als Eingabe hinzugefügt werden:

• Dokumente: PDF, EPUB, DOCX (Word), TXT und Markdown
• Tabellen: XLSX (Excel)
• Präsentationen: PPTX (PowerPoint)
• Medien: Audio-Dateien, Video-Transkripte sowie direkte YouTube-Links
• Web: Öffentliche URLs und kopierter Text

Als Ausgabe können die Quellen und Chats in unterschiedlichster Form aufbereitet werden.

• Berichte, Zusammenfassungen und Briefings
• Audio-Übersichten/Podcasts
• Erklärvideos
• Datentabellen
• Notizen
• Quiz
• Karteikarten
• Mindmap
• Präsentation

Hier ein Screenshot für ein Notebook in Google NotebookLM: 

AnythingLLM

Ich habe als lokale, freie Alternative bislang mit AnythingLLM eine RAG-Pipeline selbst gebastelt.

Open Notebook

Open Notebook ist eine weitere freie Alternative, bietet ein schönes Frontend, dass schon nahe an das NotebookLM-Erlebnis herankommt und unterstützt dabei die Anbindung verschiedener KI-Tools über APIs - lokal (Ollama) und über Cloud (z.B. Google Gemini).

• Die in Open Notebook hochgeladenen Dokumente und URLs, Embeddings, Analysen und Chatverläufe bleiben in jedem Fall lokal gespeichert.
• Bei der Benutzug lokaler LLMs (für z.B. Embeddings, Chatbot, etc.) verlassen auch zur Verarbeitung keine Daten den Rechner.

Unterstützte Quellen sind:

• Dokumente: PDF, Epub, Text, Markdown, Office (doc, ppt)
• Medien: YouTube videos, Lokale Videos, Audio Aufnahmen
• Web Content: Web Artikel, Blog posts, News Artikel

 Die Features von Open Notebook sind:

• Support für LLM-Modelle verschiedener KI-Anbieter
• Support unterschiedlicher Formate für Inhalte
• KI-Chatbot
• KI-unterstützte Notien
• Verschiedene Berichte (Transformationen)
• (Volltext- und Vektor-) Suche und Fragen
• Umwandeln von  Notizen in Podcasts

Hier ein Screenshot für ein Notebook in Open Notebook:: 

Interesse geweckt? Dann schaut euch Teil 2 der Artikelreihe zu Open Notebook an.

Freie Software

Zunächst einmal gibt es für Einsteiger den Hinweis, dass freie Software vielfältig ist. Diese beiden Kategorien sind häufig relevant:

• freie Anwendungssoftware (Apps)
• freie Betriebssysteme (OS)

freie Anwendungssoftware

Die Mehrheit setzt aktuell kommerzielle, unfreie Software ein, z.B.

• als Betriebssystem Microsoft Windows 11 und als App Microsoft Office 365 (Bürosoftware mit Schreibprogramm und Tabellenkalkulation)
• als Betriebssystem Apple MacOs X und als App Apple Final Cut Pro (Videoschnittsoftware)

Ein Grund für einen Wechsel auf freie Software können die Betriebskosten für die Apps sein, wo im Jahr gerne 2-3stellige Beträge fällig werden. Freie Apps kann man idR parallel auf dem bestehenden System betreiben, da diese für verschiedene Plattformen zur Verfügung stehen. So kann man die freien Apps herunterladen, installieren, gefahrlos austesten und mit der kommerziellen Software vergleichen. Freie Apps als Ersatz können z.B. sein:

• für die kommerzielle App Microsoft Office 365 (derzeit ~100€/Jahr) gibt es freie Alternativen, z.B. LibreOffice und OnlyOffice
• für die kommerzielle App Apple Final Cut Pro (derzeit ~130€/Jahr oder einmalig ~350€) gibt es freie Alternativen, z.B. kdeenlive und shotcut

Der Funktionsumfang und die Bedienung können sich gegenüber kommerzieller Software unterscheiden. Manch freie App steht auch nur für freie Betriebssysteme wie Linux zur Verfügung. 

freie Betriebssysteme

Es gibt einige freie Betriebsysteme. Es empfiehlt sich eine einsteigerfreundliche Linux-Distribution. Eine Distribution ist eine Software-Zusammenstellung aus Betriebssystemkern, Systemtools, grafischer Oberfläche und Apps. Distributionen sind häufig für einen bestimmten Anwenderkreis oder Einsatzzweck optimiert. So würde man nicht unbedingt die selbe Distribution für Gaming-PCs mit aktuellen Spielen und für ein betagtes Büro-Notebook zum Internetsurfen empfehlen. D.h. man sollte sich die Frage stellen welche Hardware man nutzen möchte und welche Kategorie an Apps zum Einsatz kommen sollen.

Gerade für Windows Umsteiger sind die Distributionen Linux Mint und Ubuntu Linux recht beliebt, da hier viel deutschsprachige Dokumentation und Communities existieren, wo man bei Fragen und Problemen auch schnell eine Antwort oder Lösung bekommt. Zudem sind diese Distributionen gute "Allrounder" und eignen sich für verschiedene Einsatzgebiete, auch für Gaming.

Ein aktuell häufiger Grund, warum viele Windows Nutzer über einen Umstieg auf Linux nachdenken ist das nahende Support-Ende von Windows 10. Bei einigen PCs ist ein Umstieg auf das neuere Windows 11 (ohne Tricks und Risiken) nicht möglich, da Microsoft offiziell bestimmte ältere Hardware nicht mehr unterstützt. Wer sein bisheriges Gerät weiterverwenden möchte findet in Linux eine Möglichkeit das umzusetzen und weiterhin aktuelle Updates zu bekommen. Von einem Weiterbetrieb von Windows 10 über den 10.10.26 hinaus sollte aus Sicherheitsgründen abgesehen werden.

Freie Betriebssysteme kann man auf verschiedene Arten gefahrlos testen:

• Linux Distribution als "Live"-Version auf USB-Stick und beim Rechnerstart das alternative OS auswählen
• Linux Distribution in einer virtuellen Maschine im bisherigen OS betreiben, z.B. mit Oracle Virtualbox oder Microsoft Hyper-V
• Windows Subsystem für Linux in Windows installieren

Wenn man sich entschlossen hat Linux zu installieren steht als nächstes an:

• Datensicherung aller relevanter Daten (Dokumente, Bilder, Videos, Musik, Lesezeichen) auf einen externen Datenträger, z.B. USB-Stick
• Übersicht bisher genutzter Apps
• Übersicht an Zugangsdaten und Konfiguration von Diensten, z.B. E-Mail

Wenn o.g. Punkte zuverlässig abgehakt werden können ist zu überlegen, ob man einen Parallelbetrieb mit dem bisherigen OS haben möchte (sog. "Dual-Boot") oder Linux das bisherige System komplett ersetzen soll. Bei Dual-Boot kann man abwechselnd das jeweilige OS starten, Apps nutzen, die ggf. nur auf einem bestimmten OS verfügbar sind, dafür ist die Installation und Betrieb etwas aufwändiger. Zudem fühlen sich manche Anwender sicherer, wenn ein Fallback auf das alte System möglich ist.

Am Ende lädt man sich ein sog. "OS-Image" (ISO-Datei) der gewünschten Distribution herunter, bringt es mit geeigneter Software wie z.B. Rufus oder balenaEtcher auf USB-Stick und bootet diesen. Danach folgt man den Installationsanweisungen und wird bald mit einem Linux-Login belohnt.

Have fun!

P.S.

Es gibt unglaublich viele mögliche Konstellationen, die an dieser Stelle nicht erschöpfend behandelt werden können.

Bei einem persönlichen Treffen in einer Linux Usergroup werden Fragen beantwortet, Empfehlungen gegeben und auch Installationen unterstützt. Scheuen sie sich nicht bei einem Treffen vorbei zu kommen.