Open-Source-KI-Radar Juni 2026: 30 neue GitHub-Projekte

Dieser Bericht fasst die 30 wichtigsten neuen beziehungsweise stark wachsenden GitHub-Repositories im Juni 2026 zusammen – inklusive Lizenzstatus, Reifegrad und typischen Use-Cases. Ideal für Entwickler, Unternehmen und Tech-Portale, die den nächsten Schritt im KI-Stack planen.

Warum der Juni 2026 ein Wendepunkt für Open-Source-KI ist

• Starker Anstieg neuer KI-Agenten: Terminal-, IDE- und Multi-Agent-Systeme für Coding und Automatisierung.
• Boom bei lokaler Inferenz: Rust-, Vulkan- und Metal-basierte Engines ohne Python-Monolith.
• Rasant wachsendes MCP-Ökosystem: neue Server, Developer-Tools und Integrationen.
• Voice-AI & Document-AI: mehrere neue OSI-offene Projekte mit klaren Lizenzmodellen.
• Gesunde Star-Fork-Verhältnisse: deutet auf organisches Wachstum statt künstlicher Star-Inflation hin.

Lokale Inferenz: „Runs on my machine“ wird Standard

Lokale KI-Inferenz ist im Juni 2026 kein Nischenthema mehr, sondern ein Kerntrend. Entwickler wollen Modelle direkt auf ihren eigenen Systemen betreiben – ohne komplexe Python-Stacks und ohne Abhängigkeit von einzelnen Cloud-Anbietern.

• shimmy: Rust-basierte Inferenz-Engine als Single-Binary, OpenAI-API-kompatibel, läuft auf Vulkan/D3D12/Metal. Modelle werden automatisch aus HuggingFace, Ollama und LM Studio erkannt. Lizenz: Apache-2.0.

KI-Agenten & Automatisierung: vom persönlichen Assistenten bis zum Workflow-Builder

Agenten sind der zweite große Schwerpunkt im Juni-Radar. Sie verbinden Messaging-Plattformen, lokale Tools und Cloud-APIs zu autonomen Workflows.

• openclaw: lokaler persönlicher KI-Assistent, angebunden an zahlreiche Messaging-Plattformen, mit Fokus auf Privacy und Local-First. Lizenz: MIT.
• hermes-agent: selbstverbessernder Agent mit persistentem Gedächtnis, nutzbar über CLI und Messaging. Lizenz: MIT.
• sim: visueller Agent-Workflow-Builder, mit dem sich LLM-Apps per Drag-and-Drop erstellen und deployen lassen. Lizenz: Apache-2.0.
• CopilotKit: Toolkit für KI-Assistenten in React-Anwendungen, optimiert für produktionsreife Agenten in Web-Apps. Lizenz: MIT.

Coding-Agenten im Terminal: KI als Pair Programmer

Im Bereich Developer Experience dominieren Coding-Agenten, die direkt im Terminal arbeiten und eng mit Git und lokalen Modellen verzahnt sind.

• OpenCode: einer der meistgestirnten Coding-Agenten, Terminal-first, unterstützt Dutzende Modellanbieter und bietet persistente Sessions. Lizenz: MIT.
• Aider: Git-nativer Pair-Programming-Agent, der automatisch Commits erzeugt und besonders mit größeren lokalen Modellen (ab 32B) glänzt. Lizenz: Apache-2.0.
• CoreCoder: bewusst minimal gehaltener Agent mit rund 1.400 Zeilen Code – ideal, um Agent-Architekturen zu verstehen und anzupassen. Lizenz: MIT.

Coding-Agenten in der IDE: VS Code & Co. werden KI-native

Parallel dazu wächst die Zahl der Agenten, die direkt in IDEs wie VS Code integriert sind und dort komplexe Entwicklungsaufgaben übernehmen.

• Cline: VS-Code-Agent mit Fokus auf Governance, Audit-Trail und Multi-Step-Planning. Lizenz: Apache-2.0.
• Roo Code: Fork von Cline mit zusätzlichen Multi-Agent-Modi (Architect, Debug, Custom-Flows). Lizenz: Apache-2.0.

MCP-Server & Standards: Model Context Protocol setzt sich durch

Das Model Context Protocol (MCP) entwickelt sich zum wichtigen Standard, um Tools, Datenquellen und Modelle sauber zu verbinden. Im Juni sind mehrere neue Server und Integrationen hinzugekommen.

• AWS MCP Server: Open-Source-Toolkit für MCP, optimiert für Cloud-Workflows und Enterprise-Integrationen. Lizenz: Apache-2.0.
• chrome-devtools-mcp: MCP-Integration für Chrome DevTools, OSI-offen und speziell im Juni-Update erweitert.
• n8n-mcp: verbindet das Workflow-Automation-Tool n8n mit MCP, um KI-gestützte Automationspipelines zu bauen.

Voice-AI & Audio: neue offene Stimmen

Voice-AI bleibt ein stark reguliertes Feld, doch im Open-Source-Bereich entstehen zunehmend klar lizenzierte Projekte mit Fokus auf Transparenz.

• voicebox: OSI-offenes Voice-AI-Projekt, das im Juni-Update neue Funktionen und Modelle erhalten hat.
• supertonic: Open-Weight-Audio-Modell mit OpenRAIL-M-Lizenz, geeignet für Forschung und ausgewählte kommerzielle Szenarien.
• OmniVoice Studio: Source-available Lösung mit FSL-1.1-Lizenz, die Einblick in den Code erlaubt, aber kommerzielle Nutzung einschränkt.

Document-AI & RAG: Wissen im Unternehmen nutzbar machen

Unternehmen setzen zunehmend auf RAG (Retrieval-Augmented Generation), um interne Wissensbestände sicher und effizient nutzbar zu machen. Der Juni bringt hier mehrere spannende Projekte.

• onyx: KI-Such- und Q&A-Assistent für Unternehmensdaten, liefert ChatGPT-ähnliche Antworten auf Basis interner Wissensdatenbanken.
• langextract: OSI-offenes Document-AI-Projekt, das im Juni-Update neu hinzugekommen ist und sich auf Extraktion und Strukturierung von Texten konzentriert.

LLM-Frameworks & Toolchains: Performance und Effizienz im Fokus

Neben neuen Projekten wurden etablierte Frameworks im Juni deutlich ausgebaut. Der Fokus liegt klar auf Effizienz, Kostenreduktion und breiter Modellunterstützung.

• TensorRT-LLM: NVIDIA-Framework zur GPU-optimierten LLM-Inferenz, ideal für High-Performance-Deployments.
• litellm: Unified LLM API Gateway mit Unterstützung für zahlreiche Modellanbieter – erleichtert das Routing und die Orchestrierung von Modellen.
• unsloth: High-Efficiency-Fine-Tuning-Toolkit, das laut Benchmarks bis zu doppelte Geschwindigkeit bei rund 70 % weniger Speicherverbrauch bietet. Lizenz: Apache-2.0.

Klassische ML-Frameworks: kontinuierliche Updates

Auch die großen ML-Frameworks bleiben relevant und wurden im Juni weiterentwickelt. Sie bilden häufig die Basis für spezialisierte KI-Projekte.

• TensorFlow: End-to-End-ML-Framework mit großem Ökosystem, Lizenz: Apache-2.0.
• PyTorch: GPU-beschleunigtes Framework für dynamische neuronale Netze, mit aktiven Updates und starkem Community-Support.

Lizenz-Transparenz: entscheidend für Unternehmen

Für den produktiven Einsatz in Unternehmen ist die Lizenzlage der Projekte zentral. Der Open-Source-KI-Radar unterscheidet drei Hauptkategorien:

• OSI-open: Apache, MIT, BSD – volle kommerzielle Nutzung, meist ohne Copyleft-Pflichten.
• Open-weight: Modelle sind frei ladbar, die Nutzung kann jedoch eingeschränkt oder reguliert sein.
• Source-available: Quellcode ist einsehbar, aber nicht frei kommerziell nutzbar; häufig mit zusätzlichen Bedingungen.

Jetzt ist der richtige Zeitpunkt, diese Projekte zu testen

Mit 30 neuen beziehungsweise stark wachsenden Projekten zeigt der Juni 2026, wie schnell sich das Open-Source-KI-Ökosystem weiterentwickelt – insbesondere in den Bereichen lokale KI, Coding-Agenten, MCP-Standards und Voice-AI. Für Entwickler, Unternehmen und KI-Interessierte ist jetzt der ideale Zeitpunkt, diese Repositories zu evaluieren, in eigene Workflows zu integrieren und den eigenen KI-Stack zukunftssicher aufzubauen.