Khoj verbindet eigene Dokumente mit einem KI-Assistenten

Worum es geht

Khoj von Khoj Inc. ist ein nutzbarer KI-Assistent für Menschen, deren Wissen über Notizen, PDFs und andere Dokumente verteilt liegt. Statt bei jeder Frage Dateien in einen neuen Chat zu kopieren, lässt sich eine eigene Wissensbasis anbinden. Hinzu kommen Webrecherche, konfigurierbare Agenten und zeitgesteuerte Aufgaben. Der Einstieg ist über eine Webanwendung oder eine selbst betriebene Installation möglich.

Dieser Tool-Check beruht auf den am 25. Oktober 2026 abgerufenen Produktseiten, der Dokumentation und dem öffentlichen Repository. Er beschreibt ein vorhandenes Werkzeug, keinen neuen Modellstart. Ein eigener Installationstest oder eine Messung der Antwortqualität fand nicht statt. Besonders interessant ist Khoj für Menschen, die ihre Dokumentensuche mit einer wählbaren Modellanbindung kombinieren möchten.

Was Khoj tatsächlich macht

Die Suchdokumentation beschreibt zwei Schritte: Ein Modell übersetzt Dokumentabschnitte und Suchfragen in Zahlenrepräsentationen ihrer Bedeutung. Darüber findet Khoj passende Textstellen. Ein weiteres Modell sortiert die Treffer anschließend neu. Das ist eine Suche nach inhaltlicher Nähe, nicht nur nach identischen Wörtern. Gefundene Inhalte können dem Sprachmodell als Kontext für eine Antwort dienen.

Das Projekt nennt unter anderem PDF, Markdown, Klartext, Org-Mode und Notion als Datenquellen. Dateien lassen sich in der Weboberfläche hochladen; Clients für Obsidian, Emacs und den Desktop können Dokumente synchronisieren. Welche Inhalte ankommen, hängt damit auch von der gewählten Anbindung ab. Ein Ordner auf der Festplatte ist nicht schon deshalb Teil der Wissensbasis, weil Khoj installiert wurde.

Für Antworten können lokale oder externe Modelle eingerichtet werden. Die Installationsanleitung beschreibt unter anderem die Verbindung zu Ollama sowie kommerziellen Modell-APIs. Konfigurierbare Agenten ergänzen eigene Wissensbestände, Rollen und Werkzeuge. Automationen führen Anfragen zu festgelegten Zeiten aus und können Ergebnisse per E-Mail liefern. Beim Selbsthosting verlangt dieser E-Mail-Weg laut Dokumentation zusätzliche Authentifizierung und eine Resend-Konfiguration.

Warum das wichtig ist

Der praktische Nutzen liegt in der Verbindung bereits vorhandener Unterlagen mit einer wiederverwendbaren Such- und Gesprächsoberfläche. Wer regelmäßig zwischen Projektnotizen, Handbüchern und öffentlich zugänglichen Informationen wechselt, kann damit einen zusammenhängenden Rechercheweg aufbauen. Das ist konkreter als ein zusätzlicher Chatbot, dem bei jeder Sitzung der Hintergrund fehlt.

Die wissenschaftliche Arbeit Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks erklärt den grundsätzlichen Ansatz, Sprachgenerierung mit abgerufenen Informationen zu verbinden. Sie ist eine akademische Hintergrundquelle, kein unabhängiger Test von Khoj. Aus ihren Ergebnissen lässt sich deshalb keine Trefferquote für dieses Produkt ableiten.

Unsere redaktionelle Nutzwert-Einschätzung beträgt 8 von 10 Punkten: Dokumentenanbindung, mehrere Zugangswege und Selbsthosting ergeben einen klaren Anwendungsfall. Der Einrichtungsaufwand und die notwendige Kontrolle der Antworten verhindern eine uneingeschränkte Empfehlung. Wer nur gelegentlich eine einzelne Datei zusammenfassen möchte, braucht dafür nicht zwingend einen eigenen Dienst.

Einfach erklärt

Man kann sich Khoj wie eine Hilfskraft in einem Arbeitszimmer vorstellen. Sie kennt die beschrifteten Ordner, sucht passende Seiten heraus und formuliert daraus eine Antwort. Das Sprachmodell ist dabei die schreibende Person, die Dokumentensuche der Griff ins Regal. Liegt die gesuchte Seite nicht im Regal oder wird der falsche Ordner ausgewählt, kann auch eine flüssige Antwort am eigentlichen Problem vorbeigehen. Deshalb bleibt der Blick auf das Original wichtig.

Praktisches Beispiel

Ein fiktiver freier Projektberater beginnt mit 20 unvertraulichen Dokumenten: 12 Projektnotizen und 8 öffentlich verfügbaren Handbüchern. Vor dem Import notiert er 10 Fragen mit bekannten Antworten. Darunter sind fünf einfache Faktenfragen, drei Vergleiche zwischen Dokumenten und zwei Fragen, deren Antwort absichtlich nirgends steht. Diese Zahlen beschreiben einen vorgeschlagenen Test, keine gemessene Produktleistung.

Nach dem Import fragt er beispielsweise, welche Notiz eine bestimmte Freigabe dokumentiert und worin sich zwei beschriebene Abläufe unterscheiden. Er prüft die Antworten direkt an den Originalstellen. Bei den unbeantwortbaren Fragen achtet er darauf, ob der Assistent seine Wissenslücke offenlegt. Erst anschließend erweitert er den Bestand oder richtet eine wiederkehrende Recherche ein.

Zum Testprotokoll gehören außerdem das gewählte Chatmodell, die Suchkonfiguration und die aktivierten externen Dienste. So lässt sich später unterscheiden, ob eine Verbesserung aus besseren Unterlagen, einer anderen Suche oder einem Modellwechsel stammt. Der nächste sinnvolle Schritt ist also ein begrenzter Dokumententest, nicht der sofortige Upload des gesamten persönlichen Archivs.

Einordnung und Grenzen

• Treffer sind keine Wahrheitsgarantie. Fehlende, schlecht eingelesene oder veraltete Inhalte können zu falschen Antworten führen. Die Dokumentation weist zudem darauf hin, dass mehrsprachige Suche eine andere Modellkonfiguration erfordern kann. Wer vor allem deutsche Unterlagen nutzt, sollte genau damit testen.
• Selbsthosting ist nicht automatisch offline. Laut Datenschutzhinweisen können relevante Dokumentausschnitte an einen externen Modellanbieter gehen. Außerdem beschreibt das Projekt Nutzungstelemetrie und eine Abschaltmöglichkeit beim Selbsthosting. Für einen lokalen Betrieb müssen auch Suchmodell, Chatmodell und weitere aktivierte Dienste entsprechend geprüft werden.
• Offener Quellcode ersetzt weder Betrieb noch Budget. Das Repository nennt AGPL-3.0. Eigene Hardware, Wartung und gegebenenfalls externe APIs verursachen Aufwand oder Kosten; für die Cloud gelten gesonderte Tarife. Dieser Check nennt bewusst keinen ungeprüften aktuellen Monatspreis. Lizenzpflichten sind vor einer angepassten Bereitstellung zu prüfen.

Das verwendete Hero-Bild ist ein offizieller Dokumentations-Screenshot der Weboberfläche, kein Nachweis des aktuellen Erscheinungsbilds jeder Installation.

SEO- und GEO-Schlüsselbegriffe

Khoj, Khoj Inc., KI-Assistent, Dokumentensuche, semantische Suche, Selbsthosting, Obsidian, Ollama, Retrieval-Augmented Generation, AGPL-3.0