ToolNeuron im Test (2026): Open-Source-Android-App für verschlüsselte On-Device-KI

ToolNeuron ist über Google Play oder als direkter APK-Download von der GitHub-Releases-Seite erhältlich. Beide Vertriebskanäle liefern dieselbe quelloffene App.

Dieser Test ist eine Ergänzung zu PromptQuorums Verzeichnis lokaler LLM-Software, das lokale KI-Tools über Plattformen hinweg auflistet, einschließlich des eigenen Eintrags von ToolNeuron.

ToolNeuron ist eine Android-App, die GGUF-Format-Sprachmodelle direkt über llama.cpp auf dem Gerät ausführt, ohne serverseitige Komponente. Laut eigener Beschreibung des Projekts strebt sie an, "On-Device-KI für Android" zu sein — "kein Google-Play-Dienst, keine Telemetrie, keine Cloud" — Modelle, Chats, für die Suche verwendete Dokumente und Verschlüsselungsschlüsselmaterial sind alle so konzipiert, dass sie auf dem Telefon bleiben.

Über den reinen Chat hinaus bündelt die App Dokumentenabruf (RAG) über gängige Dateiformate, Sprachein- und -ausgabe über die sherpa-onnx-Sprach-Engine, einen lokalen HTTP-Server, der eine OpenAI-kompatible API für andere Apps bereitstellt, einen integrierten Hugging-Face-Modellbrowser und ein sandboxed Plugin-System zum Installieren zusätzlicher Funktionen.

Dieser Test stützt sich auf das öffentliche GitHub-Repository des Projekts — dessen README, Lizenzdatei und Repository-Metadaten — sowie auf den Google-Play-Eintrag, nicht auf eine unabhängige Code-Prüfung oder praktische Benchmark-Tests.

ToolNeuron wird von Entwickler Siddhesh Sonar gebaut und gepflegt, der das Projekt offen auf GitHub unter der MIT-Lizenz veröffentlicht. Das Repository zeigt aktive, detaillierte Entwicklung: eine dokumentierte Sicherheitsarchitektur, eine modulare Codebasis, aufgeteilt auf App-, Inferenz-, Verschlüsselungs- und Netzwerkkomponenten, sowie eine öffentliche Discord-Community für Nutzer und Mitwirkende.

Da der Quellcode veröffentlicht statt geschlossen ist, lassen sich Aussagen darüber, was die App mit lokalen Daten tut — und was nicht — direkt am Code prüfen, statt sich allein auf die Beschreibung des Entwicklers zu verlassen.

Die Einrichtung von ToolNeuron dauert wenige Schritte und erfordert keine Kontoerstellung. Der gesamte Vorgang, von der Installation bis zur ersten Offline-Antwort, dauert wenige Minuten plus die Zeit, die das gewählte Modell zum Herunterladen benötigt.

ToolNeuron führt jedes kompatible GGUF-Format-Modell aus, einschließlich gängiger Familien wie Llama, Mistral und Gemma, über llama.cpp. Ein integrierter Hugging-Face-Browser lässt Leser verfügbare Modelle nach Pipeline-Tag, Parameteranzahl, Quantisierung und Lizenz filtern, bevor sie herunterladen.

Über den Chat hinaus listet das eigene README des Projekts: Dokumenten-RAG über PDF, DOCX, XLSX, PPTX, ODT, EPUB, RTF, Markdown, HTML, JSON, XML, CSV und Klartext; Sprachein- und -ausgabe über die sherpa-onnx-Engine (VITS-, Piper- und Whisper-Stimmen); lokale Bildgenerierung, laut Changelog-Notizen des Projekts im Mai 2026 zur App hinzugefügt; einen lokalen HTTP-Server mit einer OpenAI-kompatiblen API samt eigener Web-UI; und ein sandboxed Plugin-System zum Installieren von der Community erstellter Erweiterungen.

Das ist ein breiteres Funktionsspektrum als bei einem Einzelzweck-Chat-Client, und jede Funktion läuft laut Dokumentation des Projekts über dieselbe On-Device-Engine, statt einen Cloud-Dienst aufzurufen.

ToolNeuron benötigt laut öffentlicher Build-Konfiguration des Projekts Android 12 (API-Level 31) oder neuer, auf arm64-v8a- oder x86_64-Hardware. Wie bei jeder On-Device-LLM-App hängt die praktische Hardware-Untergrenze eher davon ab, welches GGUF-Modell geladen ist — dessen Parameteranzahl und Quantisierung — als von einer einzigen festen Spezifikation; ein kleines quantisiertes Modell benötigt deutlich weniger Speicher als ein großes.

Leser mit älteren Android-Versionen oder reinen 32-Bit-Geräten sollten davon ausgehen, dass sich die App nicht installieren lässt, da Mindest-SDK und ABI-Filter direkt vom Android-Paket selbst erzwungen werden, nicht nur als weiche Empfehlung.

Das erklärte Designziel von ToolNeuron ist es, jede Cloud-Abhängigkeit zu vermeiden: kein Google-Play-Dienst erforderlich, keine Telemetrie und keine serverseitige Komponente für die zentralen Chat- und RAG-Funktionen, laut eigenem README des Projekts. Untermauert wird das durch eine ungewöhnlich detaillierte, öffentlich dokumentierte Sicherheitsarchitektur statt einer einzeiligen Datenschutzbehauptung.

Lokale Daten — einschließlich des Verschlüsselungsschlüsselmaterials selbst — sind laut Sicherheitsdokumentation des Projekts mit einem über den Android Keystore abgesicherten AES-256-GCM-Schlüssel (bevorzugt StrongBox, sofern das Gerät dies unterstützt) und Argon2id-basierter PIN-Authentifizierung geschützt. Dieselbe Dokumentation beschreibt einen Sperrmechanismus, der nach wiederholten fehlgeschlagenen PIN-Versuchen eskaliert, sowie eine optionale Panik-PIN-Funktion, die lokale App-Daten löscht.

ToolNeuron liefert eine wirklich breite, kostenlose und quelloffene On-Device-KI-App für Android: GGUF-Chat über llama.cpp, Dokumenten-RAG, Sprachein-/ausgabe, einen lokalen OpenAI-kompatiblen API-Server und ein Plugin-System, alles unterlegt mit einer dokumentierten, verschlüsselungsorientierten Sicherheitsarchitektur statt eines vagen Datenschutzversprechens.

Der veröffentlichte MIT-lizenzierte Quellcode ist ein bedeutender Vorteil gegenüber quellcodegeschlossenen Android-Alternativen — Leser, denen es wichtig ist zu prüfen, was eine App tatsächlich mit lokalen Daten macht, können den Code direkt einsehen, statt allein einem Eintrag zu vertrauen.

Was diesen Test eher zurückhaltend als uneingeschränkt begeistert hält, ist das relativ junge Alter der App und das Fehlen unabhängiger, praktischer Benchmark-Tests ihrer vielen Funktionen speziell durch PromptQuorum; Leser mit leistungskritischen Anforderungen sollten die App zuerst auf ihrem eigenen Gerät testen, bevor sie sich stark darauf verlassen.

Android-Nutzer, die eine kostenlose, quelloffene, auf Datenschutz ausgelegte App mit mehr als reinem Chat möchten, sollten sie ausprobieren; Leser, die eine iPhone-App, einen einfacheren Einzelzweck-Client oder eine etabliertere Erfolgsbilanz möchten, sollten stattdessen Layla oder RikkaHub in Betracht ziehen.