Wearable-Lifelogging & persönlicher Gedächtnisassistent (KI-Anhänger, smarte Brillen)

Menschen vergessen Zusagen, Namen, Termine und halb gehörte Anweisungen. Eine neue Geräteklasse – KI-Anhänger, Clip-Rekorder, Armbänder und Kamerabrillen – erfasst Gespräche und Alltagskontext, transkribiert sie und baut daraus ein durchsuchbares persönliches Gedächtnis mit automatischen Erinnerungen und Aufgaben. Die Technik funktioniert; schwierig sind in der EU Recht und Etikette: Aufnahmen von anderen Personen, die dem nie zugestimmt haben.

Problem & Nutzen

• Heute: Das Gedächtnis stützt sich auf Notizen, die im Moment getippt werden (KNOW-018), auf Sprachmemos des Smartphones oder auf geplante Besprechungsrekorder (SPEECH-001). Spontane Gespräche (Arzt, Vermieter, Lehrkraft, Familienplanung, eine Idee an der Straßenecke) gehen verloren oder werden falsch erinnert.
• KI-Nutzen: Aufnahme mit geringem Aufwand, Abruf per Frage in natürlicher Sprache, automatische Extraktion von Zusagen und Terminen sowie Kontext über Wochen hinweg. Großer Nutzen bei der Barrierefreiheit für Menschen mit Gedächtnisbeeinträchtigungen oder ADHS (je Person zu prüfen; hier keine klinischen Aussagen).
• Marktsignal: Die Konsolidierung zeigt, dass die Kategorie strategisch ist. Amazon hat Bee übernommen (Juli 2025) und auf der CES 2026 gezeigt; Meta kündigte im Dezember 2025 die Übernahme von Limitless an, stellte den Verkauf des Anhängers ein und beendete den Dienst in mehreren Regionen, darunter die EU und das Vereinigte Königreich [1]. Plaud brachte auf der CES 2026 den Clip NotePin S auf den Markt [1]. Lehre: Der Cloud-Dienst hinter einem Gerät kann verschwinden, daher ist die Übertragbarkeit der Daten wichtig.
• Belastbare, begutachtete Zahlen zum Produktivitätsgewinn gibt es nicht; Herstellerangaben sind als Marketing zu behandeln.

Varianten

• Audio-Anhänger / Clip / Armband (Plaud NotePin, Bee, früher Limitless): dauerhaft aktiv oder per Tipp aufnehmen, die Smartphone-App erstellt die Zusammenfassung.
• Smarte Brillen mit Kamera und Mikrofonen (Meta Ray-Ban / Ray-Ban Display, Even Realities G1/G2, Brilliant Labs Halo, Geräte der Klasse XREAL/Rokid): ergänzen "Was habe ich gerade gesehen / wo habe ich geparkt".
• Nur Smartphone: Aufnahme im Hintergrund oder Protokollierung von Bildschirm und Benachrichtigungen, keine zusätzliche Hardware.
• Gedächtnisstütze zur Unterstützung: Erinnerungen für Menschen mit leichten Gedächtnisproblemen, oft zusammen mit einer Betreuungsperson.
• Private lokale Variante: Die gesamte Verarbeitung läuft auf einem Heimserver (PERS-005).
• Hier nicht behandelt: berufliche Besprechungen (SPEECH-001), Fotobibliotheken (PERS-006), Szenenbeschreibung für blinde Nutzende (PERS-007, CONV-027).

So funktioniert es

1. wearable (mic / camera, button or wake-gesture, VAD)
2. BLE/Wi-Fi sync to phone app (encrypted)
3. voice-activity detection + ASR + speaker diarisation (optionally on-device)
4. [glasses] keyframe sampling
5. VLM captioning
6. LLM: summary, topics, commitments, entities (people, places, dates)
7. embeddings
8. vector index + timeline store
9. reminders / to-dos
10. calendar & task apps (AGENT-012)
11. retrieval: "what did X promise me?" (RAG over own memory, with source snippets)

• Die Aufnahmeregeln sind das zentrale Gestaltungselement: Aufnahme per Tipp oder sichtbare Anzeige, per Geofence festgelegte "Nie aufnehmen"-Zonen (Bad, Arztpraxis, Schule), automatische Pause, wenn in privaten Umgebungen Sprache Dritter erkannt wird.
• ASR + Sprechererkennung: Modelle der Whisper-Klasse plus Sprechererkennung; das Benennen von Sprechenden erfordert eine Stimmregistrierung, die biometrische Daten berührt (siehe Risiken).
• Gedächtnisschicht: hierarchische Zusammenfassungen (Tag, Woche) plus Rohausschnitte als Belege, um Halluzinationen zu begrenzen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Besitzerin oder der Besitzer bestätigt extrahierte Aufgaben, kann jedes Segment löschen und Aufnahmen als "nicht indizieren" markieren.

Datenaufbereitung

Die "Daten" entstehen überwiegend durch das Gerät selbst: Audio, Fotos, Kalendereinträge, Kontakte und Standort. Sie liegen auf dem Wearable, in der Smartphone-App und in der Cloud des Herstellers; Papier oder ERP-Systeme spielen keine Rolle. Typische Lücken sind verrauschtes Audio, sich überlappende Sprechende, fehlende Sprechernamen, doppelte Aufnahmen, uneinheitliche Zeitstempel oder Ortsangaben und vor allem fehlende Einwilligung der aufgenommenen Personen. Schritte der Aufbereitung: (1) festlegen, was überhaupt aufgenommen wird (Aufnahme auf Tastendruck, keine Dauerüberwachung in privaten Räumen); (2) einige bekannte Stimmen für die Sprechererkennung registrieren und eine Kontaktliste ergänzen, damit Namen aufgelöst werden; (3) lokal transkribieren (Whisper, faster-whisper) und das Roh-Audio nach kurzer Aufbewahrungsfrist verwerfen; (4) Transkripte nach Gespräch in Abschnitte teilen, Datum, Ort und Personen als Metadaten ergänzen und in einem lokalen Vektorspeicher einbetten; (5) Dritte nach Möglichkeit pseudonymisieren (PREP-022). Ein Glossar persönlicher Begriffe und Namen verbessert die Erkennung (PREP-015). Grober Anteil am Aufwand: etwa 10-15 Prozent, weil die Erfassung automatisch läuft; der größte Aufwand entfällt auf das Datenschutzkonzept und die Aufbewahrungsregeln. Die Einstufung, was in welches Werkzeug darf, behandelt PREP-024, die Grundlagen der Datenreife GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Privat: Weg C. Gespräche Dritter und Alltagsroutinen sind hochsensibel, und Transkription der Whisper-Klasse plus ein kleines lokales Modell laufen auf Smartphone oder Laptop (HW1); fertige Anhänger (Weg A) sind bequem, senden Audio aber an Hersteller-Clouds, oft außerhalb der EU.
• Entwickler: Weg B. Der Bau eines Gedächtnisprodukts braucht schnelle Iteration mit in der EU gehosteten Sprach- und LLM-Schnittstellen; die lokale Verarbeitung kommt später dazu, sobald das Datenschutzkonzept steht.

Weg A — Kaufen (bequem, aber an die Cloud gebunden)

• Audio-Wearables: Plaud NotePin / NotePin S und Note Pro (Rekorder mit App und Abonnement), Amazon Bee (Handgelenk, Alexa+-Integration; Verfügbarkeit in der EU prüfen), Limitless (eingestellt — nicht kaufen).
• Brillen: Meta-Ray-Ban-Reihe mit Meta AI; Even Realities der G-Serie (Display-Brillen, Schwerpunkt Audio); Brilliant Labs (Brillen, die Open Source offen gegenüberstehen).
• Nur Software: Smartphone-Apps mit Transkription im Hintergrund und Gedächtnissuche.
• Prüfen: Datenspeicherung in der EU, AVV/Datenschutzerklärung, Exportformat, Löschung auf Anfrage, was bei Übernahme oder Schließung des Herstellers geschieht, Aufnahmeanzeige für Umstehende. Einen dominierenden EU-Hardwarehersteller gibt es bislang nicht; in der EU gehostete Transkriptions-Backends existieren, fragen Sie also nach, wo das Audio verarbeitet wird.
• A wählen, wenn: es in wenigen Tagen laufen soll und Sie ein Abonnement und Cloud-Verarbeitung akzeptieren.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Transkription: Mistral Voxtral (Anbieter aus der EU), OpenAI-Transkriptionsmodelle, Google Speech-to-Text, Azure AI Speech (EU-Regionen), Deepgram oder AssemblyAI mit Sprechererkennung.
• Schlussfolgerung/Zusammenfassungen: Claude, Gemini, GPT oder Mistral-Modelle über EU-Regionen, sofern angeboten.
• Orchestrierung: Smartphone-App oder n8n; Embeddings plus pgvector oder Qdrant (Anbieter aus der EU).
• B wählen, wenn: Sie als Entwickler eine eigene Gedächtnis-App auf Standardhardware bauen (z. B. ein Bluetooth-Rekorder oder ein ESP32-/Open-Source-Anhänger).

Weg C — Selbst betreiben (Open Source)

• ASR: Whisper large-v3 / faster-whisper, whisper.cpp für den Einsatz auf dem Smartphone; NVIDIA Parakeet für Geschwindigkeit.
• Sprechererkennung: pyannote.audio.
• LLM: kleine Modelle von Qwen, Llama, Gemma oder Mistral über Ollama / llama.cpp; VLMs wie Qwen-VL für Bilder der Brillen.
• Gedächtnis: Postgres + pgvector oder Qdrant; Open-Source-Gedächtnis-Frameworks (z. B. Mem0) können geprüft werden.
• Hardware: HW1 genügt für ASR und ein kleines LLM bei nächtlicher Stapelverarbeitung (Mac mini, Mini-PC); HW2 für zügige Anfragen. Alles Audio bleibt zu Hause (PERS-005).

Weg D — Eigenes Training

Für Einzelpersonen selten lohnend. Möglich sind: ein feinabgestimmtes kleines ASR-Modell für Dialekt oder Akzent oder ein Klassifikator für Aufweck-Gesten. Erfordert eigene, gut beschriftete Daten, die mit Einwilligung erhoben wurden.

Stand der Technik (2026)

• Die Transkription klarer Nahsprache ist in den wichtigen EU-Sprachen sehr genau; Lärm, überlappende Sprechende, Dialekte und Sprachwechsel bleiben die Hauptfehlerquellen (Testende berichten auch von schwachen Anhänger-Mikrofonen in lauten Räumen) [1].
• Die Zusammenfassung durch LLMs ist gut, kann aber Zusagen erfinden oder Sprechende falsch zuordnen; behalten Sie daher immer den Link zum Ausschnitt.
• Dauerhaft lauschende Edge-Inferenz ist durch den Akku begrenzt; die meisten Geräte lagern noch an Smartphone oder Cloud aus.
• Die Hardware wechselt schnell; die Geschäftsmodelle haben sich vom Einmalkauf zum Abonnement verschoben.
• Grenzen: Anhänger verstehen keinen Kontext außerhalb des Audios; Brillenkameras stoßen auf stärkeren sozialen und rechtlichen Widerstand als reine Audioaufnahmen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Technologie-Stack (asr + diarization + llm-general): SPEECH-001 Besprechungsnotizen, SPEECH-003 Übersetzung, SPEECH-017 Hearables.
• Gedächtnis-/RAG-Schicht: KNOW-018 Second Brain, PERS-006 Fotosuche — ein gemeinsamer persönlicher Index.
• Heimserver: PERS-005 liefert das lokale HW1/HW2-Backend.
• Aktionen: AGENT-012 Kalender-Agent; PERS-009 Familienorganisation.
• Visuell: CONV-027 Live-Bildunterstützung; PERS-007 unterstützendes Sehen.
• Rechte: PERS-016 für Auskunfts- und Löschanfragen gegenüber Herstellern.

Aufwand, Kosten & Kennzahlen

• Weg A: Minuten bis Tage; Hardware etwa 50–200 EUR, oft plus monatliches Abonnement (Preise aus Testberichten, schwankend) [1].
• Weg B: einige Wochen für einen Prototyp; die Kosten richten sich nach den transkribierten Audiostunden.
• Weg C: ein Wochenende zur Einrichtung; laufende Pflege und einmalige Hardware für zu Hause.
• Kennzahlen: Trefferquote beim Abruf bei Testfragen, Anteil der extrahierten Aufgaben, die die Nutzerin oder der Nutzer übernimmt, Wortfehlerrate der Transkription, Akkulaufzeit, Anzahl ungewollter Aufnahmen, Zeit bis zur Löschung der Daten.

Menschen & Veränderung

Dies ist vor allem ein privater Anwendungsfall; die "Beteiligten" sind die Nutzerin oder der Nutzer und die Menschen im Umfeld. Beziehen Sie Familie, Freunde und Kollegen ein, bevor Sie einen Rekorder tragen: Sagen Sie, wann er aufnimmt, holen Sie die Einwilligung ein und schalten Sie ihn auf Wunsch ab. Das Aufnehmen des vertraulich gesprochenen Wortes anderer kann in Deutschland eine Straftat sein (§ 201 StGB); klare Regeln sind deshalb wichtiger als die Technik. Betriebsrat: nein, solange das Gerät privat genutzt wird; testet ein Arbeitgeber oder ein Entwicklerteam es mit Beschäftigten, wird es zu einem System, das Verhalten überwachen kann, und ein Betriebsrat (oder Personalrat) ist nach § 87 Abs. 1 Nr. 6 BetrVG zu beteiligen; zudem gilt die Unterrichtungspflicht nach § 90 Abs. 1 Nr. 3 (siehe GUIDE-004). Entwickler, die das Produkt anbieten, benötigen eine(n) Datenschutzbeauftragte(n), eine Datenschutz-Folgenabschätzung (DSFA; systematische Aufnahme, neue Technologie) und Auftragsverarbeitungsverträge (AVV) (GUIDE-005). KI-Kompetenz: Art. 4 der KI-Verordnung (AI Act) verlangt von Anbietern und Betreibern, die KI-Kompetenz ihrer Beschäftigten zu fördern; bieten Sie daher eine kurze Einführung zu Grenzen wie falschen Zuordnungen und halluzinierten Zusammenfassungen (GUIDE-006). Pilotieren Sie zwei Wochen lang mit einigen informierten Freiwilligen. Typische Sorgen sind Überwachung und Vertrauen: Begegnen Sie ihnen mit sichtbaren Aufnahmeanzeigen, lokaler Speicherung, Löschung auf Anfrage und menschlicher Prüfung jeder Zusammenfassung, bevor sie eine Aktion auslöst.

Risiken, Regulierung & Compliance

• Strafrecht (Deutschland): Das heimliche Aufnehmen des nichtöffentlich gesprochenen Wortes anderer ist nach § 201 StGB (Verletzung der Vertraulichkeit des Wortes) strafbar; auch das Verwenden oder Weitergeben solcher Aufnahmen ist strafbar. Die sichere Regel ist die Einwilligung aller Beteiligten. Andere EU-Staaten haben vergleichbare Regeln [2].
• DSGVO: Die Haushaltsausnahme (Art. 2 Abs. 2 Buchst. c) ist eng; die Rechtsprechung (EuGH Ryneš, C-212/13) begrenzt sie, wo die Aufnahme in den öffentlichen Raum reicht. Arbeitgeber und Berufsträger, die Kundschaft oder Kollegen aufnehmen, sind voll verantwortlich. Hersteller sind Auftragsverarbeiter bzw. Verantwortliche: Es gelten AVV, Garantien für Drittlandübermittlungen, Aufbewahrungsfristen und Löschrechte [3]. Die Stimmregistrierung zur Sprechererkennung sind biometrische Daten (Risiko nach Art. 9).
• KI-Verordnung (AI Act): bei privater Nutzung in der Regel begrenztes/minimales Risiko; Transparenzpflichten (Art. 50) gelten für den Anbieter bei KI-Systemen, die mit Personen interagieren oder synthetische Inhalte erzeugen. Warnung zu Art. 5: Die Ableitung von Emotionen aus Stimme oder Gesicht am Arbeitsplatz oder in der Bildung ist verboten, ebenso sind das ungezielte Auslesen von Gesichtsbildern oder die biometrische Echtzeit-Fernidentifizierung in öffentlich zugänglichen Räumen verboten oder stark eingeschränkt. Ein Lifelogging-Produkt darf keine "Stimmungserkennung von Kollegen" oder Gesichtserkennung von Umstehenden anbieten. Behandeln Sie Anhänger am Arbeitsplatz als Thema des Arbeitsrechts und der Mitbestimmung [4].
• Besondere Umgebungen: medizinische, rechtliche, schulische und vertrauliche geschäftliche Umgebungen (Berufsgeheimnis, § 203 StGB) — nicht ohne ausdrückliche Erlaubnis aufnehmen.
• Weitere Risiken: Datenpannen legen höchst intime Daten offen; Einstellung des Dienstes oder Übernahme des Herstellers; Zwang innerhalb von Familien oder Beziehungen.
• Gegenmaßnahmen: sichtbare Anzeige und mündliche Ankündigung, Vorlagen für Einwilligungen, Zonen ohne Aufnahme, Verarbeitung auf dem Gerät oder nur in der EU, kurze Aufbewahrung des Roh-Audios (nur Zusammenfassungen), Verschlüsselung, Exportierbarkeit.

Erste Schritte

1. Legen Sie den Zweck fest: persönliche Erinnerungen, Barrierefreiheit oder Arbeit. Schließen Sie zuerst Arbeits- und vertrauliche Umgebungen aus.
2. Testen Sie zwei Wochen lang die Aufnahme per Tipp mit einem Clip-Rekorder oder einer Smartphone-App; kündigen Sie die Aufnahme immer an.
3. Prüfen Sie AVV des Herstellers, Verarbeitung in der EU, Export und Löschung; meiden Sie Produkte, deren Dienst eingestellt wird.
4. Legen Sie Zonen ohne Aufnahme und eine Aufbewahrung des Roh-Audios von 30 Tagen fest.
5. Optional: Wechsel auf einen lokalen Stack (Whisper + pyannote + kleines LLM) auf einem Heimserver.

Quellen

1. The Gadgeteer — Best AI wearables 2026 (Bee, Plaud, Limitless context) — https://the-gadgeteer.com/2026/05/05/best-ai-wearables-2026/
2. §201 StGB, Verletzung der Vertraulichkeit des Wortes — https://www.gesetze-im-internet.de/stgb/__201.html
3. Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
4. Regulation (EU) 2024/1689 (AI Act), Art. 5 and 50 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. CJEU C-212/13 Ryneš — https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62013CJ0212
6. pyannote.audio — https://github.com/pyannote/pyannote-audio
7. whisper.cpp — https://github.com/ggml-org/whisper.cpp