Open WebUI ist eine Chat-Oberfläche im Browser, die du selbst betreibst. Sie rechnet nicht selbst, sondern spricht mit einem Modell-Server: mit Ollama oder mit jedem Dienst, der die OpenAI-kompatible Schnittstelle anbietet, lokal oder in der Cloud. Dazu kommen Benutzerkonten mit Rollen, eine Wissensbasis für eigene Dokumente (RAG) und ein Admin-Bereich. Installiert wird es meist per Docker. Vor dem Einsatz im Unternehmen wichtig: Ab Version 0.6.6 (erschienen im Mai 2025) gilt eine Lizenz mit Branding-Klausel. Name und Logo darfst du nur bei höchstens 50 Nutzern, mit Erlaubnis oder mit Enterprise-Lizenz entfernen.
Vor mein eigenes lokales Modell, Qwen3.8-27B unter SGLang auf einem Nvidia DGX Spark, habe ich einen Terminal-Agenten gesetzt; der Spark ist mein Testfeld für die Frage, wie weit ein lokales Modell ohne Cloud kommt. Mehr dazu in Qwen 3.8 lokal: Erfahrung mit DGX Spark und auf der Seite KI. Open WebUI ist die Antwort auf eine andere Frage: Wie arbeiten Menschen ohne Terminal mit so einem Modell?
Alle Ausgaben unten stammen aus einem lokalen Test vom 31.10.2026 auf einem Mac mit Apple-Silicon-Chip und Docker 29.8.1: Open WebUI v0.12.5, Ollama 0.40.13 und das kleine Modell qwen3:0.6b.
Was Open WebUI ist und was nicht
Open WebUI ist die Oberfläche, nicht das Modell. Wie gut die Antworten sind, entscheidet das Modell dahinter, wie schnell sie kommen, die Hardware. Wie du Ollama einrichtest und wann sich vLLM oder SGLang lohnen, steht in Lokale KI einrichten: Ollama bis SGLang. Open WebUI legt darüber, was einem nackten Modell-Server fehlt: Anmeldung, Chatverlauf pro Person, Rollen, Dokumente als Wissensquelle und die Kontrolle, wer welches Modell nutzt.
Open WebUI installieren mit Docker und Ollama
Die offizielle Anleitung startet Open WebUI mit einem Befehl und sucht Ollama auf dem Rechner selbst unter http://host.docker.internal:11434. Im Test liefen beide in Containern, in einem eigenen Docker-Netzwerk und nur auf 127.0.0.1 erreichbar:
docker network create owui-test-net
docker run -d --name owui-test-ollama --network owui-test-net \
-p 127.0.0.1:11435:11434 -v owui-test-ollama-data:/root/.ollama ollama/ollama:0.40.13
docker exec owui-test-ollama ollama pull qwen3:0.6b
OWUI_KEY=$(openssl rand -hex 32); echo "$OWUI_KEY" # Wert sicher aufbewahren
docker run -d --name owui-test-webui --network owui-test-net \
-p 127.0.0.1:3100:8080 -v owui-test-webui-data:/app/backend/data \
-e OLLAMA_BASE_URL=http://owui-test-ollama:11434 \
-e WEBUI_SECRET_KEY="$OWUI_KEY" \
ghcr.io/open-webui/open-webui:v0.12.5
# erster Start: rund zwei Minuten warten (lädt das Embedding-Modell)
curl -s http://127.0.0.1:3100/api/version
{"version":"0.12.5","deployment_id":""}
Drei Punkte aus der Anleitung:
- Version festlegen. Die Doku nutzt
:main, das immer der neuesten Version folgt. Mit :v0.12.5 weißt du, was läuft.
WEBUI_SECRET_KEY setzen. Ohne festen Schlüssel meldet jeder neu erstellte Container alle ab. Die Doku empfiehlt openssl rand -hex 32.- Nur lokal veröffentlichen.
-p 3000:8080 aus der Doku öffnet den Port auf allen Netzwerkschnittstellen. 127.0.0.1: davor hält ihn auf dem eigenen Rechner. Für ein Team gehört ein Reverse Proxy mit TLS davor und ein gehärteter Server darunter, siehe Eigenen Server absichern: Linux und Windows.
Lokal belegten die Images 4,11 GB (Open WebUI) und 4,29 GB (Ollama), das Modell 522 MB. Die Doku nennt als komprimierten Download für Linux/amd64 1,62 GB bei :main und 197 MB bei :slim. :slim braucht für die Wissensbasis einen externen Embedding-Anbieter.
Auf dem Mac gehört Ollama besser nicht in den Container. Im Log von Ollama stand inference compute id=cpu library=cpu: Im Docker-Container auf dem Mac rechnet Ollama nur auf der CPU. Laut Ollama-Doku nutzt Ollama auf Apple-Geräten die GPU über Metal, das gilt aber für die Installation direkt auf dem Mac. Dann reicht laut Anleitung der Befehl mit --add-host=host.docker.internal:host-gateway, aber mit -p 127.0.0.1:3000:8080 statt -p 3000:8080. Dieser Weg war nicht Teil des Tests.
Erster Start: Admin-Konto und erste Frage
Beim ersten Start beantwortete der Container laut Log erst nach rund zwei Minuten Anfragen. In dieser Zeit lud der Container das Embedding-Modell sentence-transformers/all-MiniLM-L6-v2 von Hugging Face nach, obwohl die Doku :main als Image mit eingebauten Embedding-Modellen beschreibt. Mehr dazu unten.
Danach zeigt die Oberfläche „Loslegen mit Open WebUI“ und den Knopf „Admin-Konto erstellen“. Das erste Konto ist laut Doku der Administrator. Danach sind Neuregistrierungen aus. Wer sie wieder einschaltet, bekommt neue Konten mit der Standardrolle „ausstehend“, ein Admin muss sie freigeben.
Die Testfrage war: „Erkläre in zwei Sätzen, was ein Docker-Volume ist.“ qwen3:0.6b dachte laut Anzeige 15 Sekunden nach und antwortete:
„Ein Docker-Volume ist eine temporäre Speicherbereich, der Docker-Container-Dateien speichern kann. […]“
Das ist falsch. Ein Volume ist gerade der Speicher, der den Container überdauert. Ein Modell mit 0,6 Milliarden Parametern taugt zum Ausprobieren der Oberfläche, nicht für Antworten, auf die du dich verlässt.
Aufschlussreicher waren die Zahlen dahinter. Die Info zur Antwort meldete 37,6 Sekunden, 8,1 Tokens pro Sekunde und 2.050 Eingabe-Tokens für eine Frage aus acht Wörtern. Dieselbe Frage direkt an Ollama kam mit 26 Eingabe-Tokens aus. Und das Ollama-Log zeigte für die eine Frage vier Anfragen von Open WebUI. Eine davon war die Antwort. Für die übrigen kommen die Hintergrundaufgaben infrage: Die Oberfläche bot danach drei automatisch erzeugte Folgefragen an, und die Titelgenerierung für Chats ist ab Werk an. Auf schwacher Hardware legst du deshalb unter Einstellungen > Administrator > Benutzeroberfläche ein kleines „Aufgabenmodell“ für Hintergrundaufgaben fest oder schaltest die Titelgenerierung ab.
Benutzer, Rollen und Gruppen
Im Admin-Bereich unter Benutzer stehen alle Konten mit Rolle, im Test ein Administrator und null Gruppen. Die Rollen sind „ausstehend“, „Benutzer“ und „Administrator“. Unter Einstellungen > Administrator > Authentifizierung stellst du die Standardrolle, die Standardgruppe, Neuregistrierungen, API-Schlüssel und eine Pflicht zur Zwei-Faktor-Anmeldung ein. Im Test waren API-Schlüssel und Zwei-Faktor-Pflicht aus. Laut Doku gibt es außerdem SSO per OIDC und LDAP, SCIM 2.0 und Rechte je Rolle, Gruppe und Ressource, etwa für Modelle und Wissenssammlungen.
Anbindung an OpenAI-kompatible APIs
Unter Einstellungen > Administrator > Verbindungen gibt es zwei Listen: Ollama-API und OpenAI-API. Im Test stand bei Ollama die Adresse aus OLLAMA_BASE_URL. Bei OpenAI war ab Werk https://api.openai.com/v1 eingetragen und eingeschaltet, ohne Schlüssel. Brauchst du keine Cloud, schalte sie ab.
Jeder Server mit OpenAI-kompatibler Schnittstelle kommt als weitere Verbindung mit URL und Schlüssel hinzu. Die Doku listet unter anderem LM Studio (http://localhost:1234/v1), vLLM, Llama.cpp und LocalAI. Laut Doku prüft Speichern die Verbindung nicht, das macht erst der Knopf zum Prüfen. Der Schalter „Direktverbindungen“ erlaubt Nutzern eigene Endpunkte. Im Test war er aus; im Unternehmen bleibt er das besser.
Wissensbasis (RAG) im Test
Unter Arbeitsbereich > Wissen legst du Sammlungen an und lädst Dateien hoch. Im Test kam ein erfundenes Testdokument mit drei Hausregeln eines „Testlagers Nord“ per API in eine Sammlung, die danach dort erscheint. Auf die Frage „Wann hat das Testlager Nord geöffnet, und was brauche ich für eine Rücksendung?“ antwortete qwen3:0.6b mit der Sammlung:
„Das Testlager Nord wurde von 6:30 bis 14:00 Uhr geöffnet, sobald es montags bis freitags ist [1]. Für eine Rücksendung benötigst du eine Vorgangsnummer, die mit RT- beginnt [2].“
Holprig, aber richtig und mit Quellenverweis. Ohne Sammlung erfand dasselbe Modell, das Lager sei „im 2021 geöffnet“ worden, und listete Formulare auf, die im Dokument nicht vorkommen. Dafür ist RAG da: Das Modell bekommt passende Textstücke, statt zu raten.
Die Grundeinstellungen unter Einstellungen > Administrator > Dokumente: Stückgröße 1.000 Zeichen mit 100 Zeichen Überlappung, Embedding über SentenceTransformers mit all-MiniLM-L6-v2. Laut seiner Modellkarte ist das ein englisches Modell. Für deutsche Dokumente lohnt ein Vergleich mit einem mehrsprachigen Embedding-Modell, das du dort einstellst.
Telemetrie, Updates und was nach außen geht
Im Image von v0.12.5 sind SCARF_NO_ANALYTICS=true, DO_NOT_TRACK=true und ANONYMIZED_TELEMETRY=false voreingestellt. Auf der Seite zum Anlegen des Admin-Kontos schreibt die Oberfläche: „Open WebUI stellt keine externen Verbindungen her; Ihre Daten bleiben sicher auf Ihrem lokalen Server.“ Ganz ohne Internet lief der Test trotzdem nicht. Beim ersten Start zeigte das Log 22 Anfragen an huggingface.co, um das Embedding-Modell zu laden, rund 923 MB im Cache. Weitere ausgehende Anfragen zeigte das Container-Log nicht; was der Browser nachlädt, wurde nicht geprüft.
Zwei Schalter gehören vor dem Einsatz geprüft:
- Update-Prüfung:
ENABLE_VERSION_UPDATE_CHECK steht laut Doku standardmäßig auf True. OFFLINE_MODE=true schaltet Update-Prüfung und Modell-Downloads von Hugging Face ab. Lade das Embedding-Modell vorher, sonst scheitern Wissensbasis und Dokumentanalyse laut Doku.
- „Teilen mit der Community“: Unter Einstellungen > Administrator > Allgemein war der Schalter ab Werk an, Text: „Erlaubt Benutzern, Chats mit der Open WebUI Community zu teilen.“ Für Firmendaten schaltest du ihn ab.
Mehr zu Datenschutz und Betrieb: Lokale KI und Datenschutz: Cloud oder Server?.
Lizenz: BSD-3 mit Branding-Klausel
Das ist keine Rechtsberatung, sondern die Lesart des Lizenztexts, Stand 31.10.2026.
Ab v0.6.6 gilt die „Open WebUI License“ (Stichtag laut Projekt 19. April 2025, die Version erschien am 5. Mai 2025): die drei BSD-Klauseln plus eine vierte. Sie verbietet, die Marke „Open WebUI“ zu ändern, zu entfernen, zu verdecken oder zu ersetzen, also Name, Logo und andere Kennzeichen der Oberfläche. Ausnahmen gibt es drei:
- höchstens 50 Endnutzer, also natürliche Personen mit direktem Zugriff, in einem rollierenden Zeitraum von 30 Tagen,
- vorherige schriftliche Erlaubnis des Rechteinhabers,
- eine Enterprise-Lizenz, die das ausdrücklich erlaubt.
Nutzen, verändern und weitergeben bleibt erlaubt, auch kommerziell und mit mehr als 50 Nutzern, solange das Branding sichtbar bleibt. Code bis einschließlich v0.6.5 behält seine alte Lizenz ohne Branding-Klausel: laut LICENSE_HISTORY BSD-3, Code von vor dem 10. Januar 2025 MIT. Das Projekt schreibt selbst, dass die Lizenz ab v0.6.6 keine von der OSI anerkannte Open-Source-Lizenz ist.
Für die Praxis heißt das: Eine interne Instanz im Standard-Look ist unkritisch. Wer Open WebUI unter eigenem Namen an mehr als 50 Personen ausliefert, etwa als Agentur für Kunden, braucht Erlaubnis oder Enterprise-Lizenz. Zu Lizenzen bei Modellen siehe Open Weight vs. Open Source: Lizenzen erklärt.
Häufige Fragen
Ist Open WebUI kostenlos?
Ja, die Software selbst kostet nichts, solange du das Branding stehen lässt. Für eigenes Branding bei mehr als 50 Nutzern brauchst du eine Erlaubnis oder eine Enterprise-Lizenz; die Oberfläche verweist unter Einstellungen > Administrator > Allgemein auf einen „lizenzierten Plan“. Kosten entstehen außerdem durch Hardware oder durch Cloud-APIs, die du anbindest.
Brauche ich Ollama für Open WebUI?
Nein. Jeder Server mit OpenAI-kompatibler Schnittstelle funktioniert, auch ein Cloud-Anbieter. Irgendeinen Modell-Server brauchst du aber, denn Open WebUI rechnet selbst nicht.
Läuft Open WebUI ohne Internet?
Laut Doku ja: Mit vorher geladenen Modellen schaltet OFFLINE_MODE=true Update-Prüfung und Modell-Downloads ab. Ohne Vorbereitung braucht der erste Start Internet, im Test lud der Container das Embedding-Modell von Hugging Face.
Wie aktualisiere ich Open WebUI?
Laut Doku: Container entfernen, neues Image ziehen und mit demselben Volume und demselben WEBUI_SECRET_KEY neu starten. Daten und Konten liegen im Volume unter /app/backend/data. Sichere es vor jedem Update.
Wie du weitermachst
Fang mit dem Modell an, nicht mit der Oberfläche: Richte Ollama nach Lokale KI einrichten: Ollama bis SGLang direkt auf dem Rechner ein, teste ein Modell im Terminal und setz Open WebUI erst davor, wenn andere Menschen damit arbeiten sollen. Ob sich lokale KI für dich überhaupt lohnt, klärt Lokale KI: was 2026 wirklich geht, die Hardware dafür Eigener KI-Server: Hardware und Kosten. Wie Open WebUI in ein internes Firmen-LLM passt, steht in Corporate LLM: Anbieter oder eigener Server?.
