← Zurück zum Blog
Aica. 7 Min. Lesezeit

Yogurt nimmt das Meeting auf, ohne dass ein Bot beitritt. Dann öffnet es einen Socket.

Veröffentlicht 15. Nov. 2026
Yogurt nimmt das Meeting auf, ohne dass ein Bot beitritt. Dann öffnet es einen Socket.

Das Erste, was man bei einem Meeting-Recorder verstehen muss, ist das, was er in den Call hineinlegt. Die meisten treten als Teilnehmer bei. Ein Name erscheint im Grid, andere sehen ihn, und die Aufnahme hat eine sichtbare Ursache. Für die Einwilligung ist das gut und für alles andere schlecht: Der Bot muss zugelassen werden, er taucht in der Gästeliste auf, und auf manchen Plattformen verändert er das Layout des Calls.

Yogurt, von Frigade unter MIT veröffentlicht, tritt nicht bei. Es nimmt dein Mikrofon auf und alles, was der Rechner abspielt. Kein Teilnehmer, keine Änderung an der Gästeliste, nichts, was der Host zulassen muss.

Die FAQ sagt die Folge klar: Es tritt kein Bot bei, also sag den anderen im Call, dass du aufnimmst. Dieser Satz leistet mehr, als er aussieht. Wenn der Recorder unsichtbar ist, bleibt als Einwilligungsmechanismus nur, dass du etwas sagst.

Was es laufen lässt

Die Pipeline besteht aus drei lokalen Teilen.

Die Transkription läuft über whisper.cpp, mit large-v3-turbo oder einem kleineren Modell je nach Rechner. Auf unterstützten Macs liefert Apples SpeechAnalyzer die Live-Wörter während des Calls, während Whisper das gespeicherte Transkript erzeugt. Die Aufteilung ist vernünftig: eine Engine für die Latenz, eine für das Artefakt, das du behältst.

Zusammenfassungen und Fragen laufen über llama.cpp auf einem Open-Weight-Modell aus den Familien Gemma 4, gpt-oss oder Qwen3, ausgewählt nach deiner Hardware. Die App ist Electron und braucht kein Konto.

Das Setup lädt in zwei Stufen. Zuerst ein kleineres Notizmodell, etwa 5 GB. Dann das beste, das der Rechner gut schafft, laut Doku 14 GB oder mehr. Aufnehmen geht, sobald das Setup durch ist; Notizen und Fragen laufen offline, sobald das Notizmodell da ist. Minimum sind 8 GB Arbeitsspeicher, unter macOS 14.4 auf Apple Silicon, Windows 10 2004 oder neuer auf x64 und Ubuntu 22.04 oder ähnlich.

Die Daten bleiben an vorhersehbaren Orten. ~/Library/Application Support/Yogurt auf dem Mac, %APPDATA%\Yogurt unter Windows, ~/.config/Yogurt oder $XDG_CONFIG_HOME/Yogurt unter Linux. Online geht die App für Modell-Downloads und Update-Checks, und das ist die ganze Liste.

Was nur auf dem Mac geht, und was nicht

Die Call-Erkennung ist plattformübergreifend, aber flach. Yogurt schaut, welche Apps das Mikrofon nutzen. Bei Browser-Calls prüft es zusätzlich den Tab-Titel oder einen nahen Kalendereintrag mit Call-Link. Wenn es glaubt, ein Call hat begonnen, bietet es die Aufnahme an. Aufgenommen wird nur, wenn du zustimmst, und das ist der richtige Default für etwas, das sich nicht selbst ankündigen kann.

Sprechernamen gibt es nur auf dem Mac. Dort kann Yogurt mit der Bedienungshilfen-Berechtigung lesen, wer spricht, wenn Zoom, Teams und Meet das anzeigen. Unter Windows und Linux hat das Transkript keine Zuordnung pro Sprecher. Wenn dir Diarisierung wichtig ist, ist das die entscheidende Linie, und es ist ein seltsamer Ort für eine Plattformlücke in einem Produkt von 2026.

Der Kalender ist ebenfalls Mac-only, und er liest Kalender, die schon auf dem Rechner liegen. Du meldest dich in Yogurt bei keinem Kalenderkonto an. Der Mehrsprachigkeitsmodus deckt 99 Sprachen bei der Transkription ab, 32 Sprachen in der Oberfläche. Zusammenfassungen folgen der Hauptsprache des Meetings, Antworten der Sprache deiner Frage.

Zwei kleinere Verhaltensweisen zählen. Yogurt stoppt die Aufnahme, wenn der Call endet, über dasselbe Mikrofon-belegt-Signal. Und Antworten über mehrere Meetings hinweg kommen mit Links zur Quelle, die einzige Funktion in dieser Kategorie, die ich für nicht verhandelbar halten würde. Eine Zusammenfassung, die du nicht prüfen kannst, ist eine Zusammenfassung, der du glauben musst.

Der eine Socket

Die interessante Entscheidung ist der lokale MCP-Server.

In den Einstellungen unter AI apps einschalten, den Helferbefehl kopieren und ihn als lokalen MCP-Server im eigenen Assistenten eintragen. Der Zugriff ist standardmäßig aus. Verbundene Apps bekommen Leserechte auf Meetings, Notizen und Transkripte. Sie können nichts ändern. Yogurt lässt sich auch sagen, dass es weitere Lesezugriffe unterlassen soll.

Unter Mac und Linux ist der Transport ein Socket im Profilordner mit 0600-Rechten, also kann ihn nur dein Benutzerkonto öffnen. Unter Windows ist es eine Named Pipe mit einem neuen Zufallsnamen bei jedem Start, der nur im Profilordner liegt.

Dann kommt der Satz, wegen dem ich diesen Text geschrieben habe: Es gibt kein Token pro App, also kann jede App, die unter deinem Konto läuft, lesen, solange der Zugriff an ist. Die Einstellungen zeigen verbundene Apps unter den Namen, die sie selbst angeben.

Setz dich kurz damit hin. Das Berechtigungsmodell hier läuft pro Benutzersitzung, nicht pro Anwendung. Sobald du den Schalter umlegst, ist die Grenze dein Login und keine Liste genehmigter Programme. Und die App-Liste in den Einstellungen ist nur eine Anzeige zur Bequemlichkeit, denn die Namen sind selbst gemeldet.

Man kann das auf zwei Arten lesen. Die unfreundliche Lesart: Ein lokaler Lese-Socket ohne Zugangsdaten pro App ist ein Berechtigungssystem mit abgefeilten Zähnen, und "selbst gemeldete Namen" schreibt man, wenn man keine Identitätsschicht gebaut hat.

Die freundliche Lesart: Tokens pro App sind auf dem Desktop schwer gut zu machen, ein 0600-Socket ist eine echte Grenze gegen andere Nutzer auf der Maschine, und die Alternative, die die meisten wirklich nutzen, ist das Hochladen von Transkripten zu einem Anbieter. Ein lokaler Socket mit dokumentiertem Vorbehalt ist das bessere Geschäft als eine Cloud-API mit Datenschutzerklärung.

Ich neige zur zweiten Lesart, mit einer Bedingung. Der Vorbehalt muss in der FAQ bleiben. In dem Moment, in dem so ein Produkt den lokalen MCP-Zugriff ohne den Zusatz als sicher beschreibt, wird ehrliche Ingenieursarbeit zu Marketing.

Was es dich kostet

Nichts, und darum geht es nicht. Die Kosten liegen woanders.

Speicherplatz und RAM, erstens. Ein 14-GB-Modell plus Aufnahmen ist real auf einem Laptop, der auch einen Browser fährt. Der Setup-Ablauf sagt dir, ob die Maschine zu langsam ist, was eleganter ist als bei den meisten.

Aufmerksamkeit, zweitens. Die App kann sich nicht ankündigen, also wird Einwilligung zu einer sozialen Handlung, an die du dich jedes Mal erinnern musst. Das ist ein schlechteres Nutzererlebnis als ein Bot im Grid und ein besseres für die Leute im Call, die nichts installiert haben.

Plattform, drittens. Der Mac bekommt Sprechernamen und Kalender, Windows bekommt beim ersten Start eine SmartScreen-Warnung, weil der Build nicht mit einem Microsoft-Zertifikat signiert ist, und Linux bekommt die App ohne eines der beiden Mac-Extras.

Der Deal des Produkts ist stimmig. Lokale Verarbeitung, lokaler Speicher, lokales Modell, kein Konto und ein Lese-Socket, damit dein Assistent Fragen zu letztem Dienstag beantworten kann. Fast jede Alternative gibt mindestens zwei davon auf.

Warum es einen Platz verdient

Die Kategorie hat inzwischen eine Standardform: Ein Bot tritt bei, Audio geht auf einen Server, eine Zusammenfassung kommt zurück, und der Anbieter behält das Transkript. Yogurt ist dasselbe Produkt mit umgedrehtem Transport, und ein umgedrehter Transport erzwingt, dass jede andere Entscheidung explizit getroffen wird, auch die unschönen zur Sprecherzuordnung und zur App-Identität.

Das ist der nützliche Teil. Eine Local-First-App definiert sich darüber, wohin sie ihre Dateien schreibt und wie sie entscheidet, wer sie lesen darf. Beides ist hier in einer selten erreichten Detailtiefe dokumentiert, bis zu Dateirechten und Pipe-Namen, die Lücke eingeschlossen. Man kann die Lücke ablehnen und die App trotzdem nutzen, was man von einem Dienst, der einem nie sagt, wo die Lücke ist, nicht behaupten kann.

Installer liegen auf der GitHub-Release-Seite für Mac arm64, Windows x64 und ein Linux-AppImage. Das Repo dokumentiert auch den Build aus dem Quellcode, falls du lieber den Code liest als die FAQ. Angesichts des Berechtigungsmodells wirkt Code lesen wie der vernünftige Schritt.

Verwandte Artikel