Dein Posteingang ist eine private Goldgrube

Die meisten behandeln ihren Posteingang wie eine To-Do-Liste mit miesem UX. Tatsächlich ist er etwas ganz anderes. Ein jahrelanger Verhaltensdatensatz über jede Person, mit der du arbeitest, direkt auf deiner Festplatte. Jede Mail ist ein Zeitstempel, eine Beziehung, und ein kleines Signal darüber, wie der Absender tickt.

Wenn du seit zehn Jahren im Job bist, liegen bei dir vielleicht vierzig- bis sechzigtausend archivierte E-Mails. Das sind genug Datenzeilen, um ein echtes Bild von jedem Kontakt zu zeichnen. Wann sind sie online. Wann vertrauen sie dir Anhänge an. Wann werden sie still. Wann sind sie für dich da.

Wenn du als Freelancer fünfzehn Kunden-Threads gleichzeitig jonglierst, als Founder über drei Messaging-Apps verteilt arbeitest, oder dein Kalender hauptsächlich ein Protokoll von Gesprächen ist: du sitzt schon auf dem Datensatz, der erklärt, warum manche Wochen laufen und andere nicht. Du hast ihn wahrscheinlich nie gelesen.

Du sitzt schon auf einem privaten OSINT-Korpus

Open-Source Intelligence (OSINT) ist die Disziplin, ein Bild von einer Person oder Sache aus öffentlichen, beobachtbaren Signalen zu bauen. Analysten nutzen es für Untersuchungen. Recruiter zum Sourcing. Journalisten zur Verifikation.

Mit einem Korpus, der dir längst gehört, kannst du etwas Vergleichbares machen: deine gesendeten und empfangenen E-Mails. Ich nenne das persönliche E-Mail-Intelligenz, weil OSINT technisch nur öffentliche Quellen abdeckt, und dein Posteingang eine private ist. Die Methoden sind verwandt. Du leitest Muster aus Spuren ab, die die meisten wegwerfen.

Persönliche E-Mail-Intelligenz

Die Muster und Schlüsse, die du aus deiner eigenen E-Mail-Historie ziehen kannst. Absender-Rhythmen, Antwortverhältnisse, eingeschlafene Beziehungen, Anhang-Archive. Alles, ohne ein einziges Byte an Dritte zu senden.

Der Haken: "dein Posteingang" heißt meistens ein Gmail- oder Exchange-Tab. Die Suche ist mittelmäßig, Exports sind umständlich, und jedes "AI-Feature", das Insights verspricht, liefert sie meistens, indem es die Daten irgendwohin schickt, wo sie nichts verloren haben.

Die E-Mail-Sub-App in Franz macht das anders. Die Signale werden on-device berechnet, gegen einen Per-Domain-SQLite-Cache. Das Intelligence-Panel macht nie einen Netzwerk-Call. Dein Posteingang bleibt dein Posteingang.

Eine Zwei-Sekunden-Übung, bevor wir starten

Wähl einen Kontakt. Jemand, mit dem du eng zusammengearbeitet hast und seit einer Weile nichts mehr gehört hast. Du kannst wahrscheinlich nicht aus dem Kopf sagen, wann sie dir geschrieben haben, wie oft sie geantwortet haben, oder wie sich der Rhythmus eures Austauschs verändert hat. Die vier Signale unten sind das, was das Panel für diese Person und für alle anderen in etwa dreißig Sekunden rekonstruiert. Halt den Namen im Kopf, während du liest.

Signal Nr. 1: Absender-Rhythmus

Das nützlichste Muster ist auch das einfachste: wann schreibt dir eine bestimmte Person eigentlich?

Häng jede Mail eines Absenders in ein 7x24-Raster, Wochentag über Stunde, in seiner Lokalzeit. Ein Arbeitsrhythmus taucht auf. Die meisten Leute sind erstaunlich konsistent. Zwei oder drei Stoßzeiten, ein Loch nach dem Mittag, und ein klarer Schnitt zum Feierabend.

Lies die Demo oben wie eine Uhr. Maria schickt fast alles zwischen Dienstag und Donnerstag, zwischen 9 und 11 ihrer Zeit. Wenn du um 18 Uhr Wien ein Angebot rausschickst, landet es morgen ganz unten in ihrer Queue, unter zwölf neueren Threads. Schickst du es um 22 Uhr deiner Zeit am Vorabend, kurz bevor sie mit Kaffee ihren Laptop aufklappt, stehst du oben.

Dieselbe Matrix sagt dir noch etwas: wann du sie nicht stören sollst. Freitagnachmittage sind kalt. Wochenenden sind tot. Eine "kurze Frage" am Samstagmorgen ist nicht kurz. Sie ist eine Montag-9-Uhr-Frage mit 48 Stunden Verzögerung obendrauf.

Die Heatmap oben läuft gegen Demo-Daten. Dasselbe Panel gegen deine eigenen Kontakte ist eine ganz andere Erfahrung. Du erinnerst dich plötzlich, warum sich Dienstage um 11 immer produktiv anfühlen. (Wenn du gleich loslegen willst, die Trial-Details stehen am Ende.)

Die meisten 'beste Sendezeit'-Studien mitteln über Millionen Fremder. Der einzige Absender, der für deine nächste E-Mail zählt, ist die eine Person, die sie liest.

Signal Nr. 2: Reziprozität

Das zweite Muster geht um die Beziehung, nicht ums Timing.

Für jeden Kontakt trackt die E-Mail-Sub-App zwei Zahlen: wie oft schreiben sie dir, und wie oft schreibst du zurück. Das Verhältnis ist die ganze Beziehung in einer Zahl.

Leute, denen du schneller antwortest als sie dir, sind die Beziehungen, die du trägst. Leute, die dreimal schreiben für jede deiner Antworten, verlieren die Geduld. Leute, die mal bei 1:1 lagen und Richtung 5:1 driften, sind kurz davor, aus deinem Leben zu verschwinden.

Signal Nr. 3: Geister

Das dritte Muster ist das, was niemand zugeben will zu brauchen: mit wem du verstummt bist.

Die meisten haben einen langen Schwanz an Beziehungen, die sie eigentlich pflegen wollten. Alte Kollegen, ehemalige Kunden, der Founder, dem du versprochen hast, jemanden vorzustellen. Der Abriss bleibt unsichtbar, weil E-Mail-Clients nach Aktualität sortieren. Die Threads, die Aufmerksamkeit brauchen, sind genau die, die nicht auftauchen.

Beim ersten Lauf gegen meinen eigenen Posteingang förderte der Geister-Detektor zwischen zwanzig und fünfzig Kontakte zutage, die die Sechzig-Tage-Schwelle überschritten hatten, ohne dass es mir aufgefallen wäre. Die ehrliche Antwort ist: die meisten dieser Beziehungen kommen nicht zurück. Ein kleiner Anteil schon, und dieser Anteil ist enorm wertvoll.

Der Geister-Detektor kehrt die Aktualitäts-Sortierung um. Er holt Kontakte hoch, denen du regelmäßig geschrieben hast und seit N Tagen nicht mehr, sortiert nach der ehemaligen Wärme der Beziehung. Es ist das unangenehmste Feature der App. Und das, für das mir die meisten danken.

Signal Nr. 4: Absender-Anreicherung

Das vierte Muster geht nicht um dich. Es geht um die anderen.

Bevor du einem Fremden antwortest, sind drei Dinge wichtig: wer sie sind, was ihre Firma macht, und ob jemand in deinem Netzwerk sie kennt. Das Intelligence-Panel zieht eine Profilkarte aus den öffentlichen Signalen, die an ihrer Domain und ihrer Adresse hängen: Favicon, öffentliches Profilbild falls vorhanden, Social-Handles aus der Signatur, der "Über uns"-Text der Firma.

Das ist der Teil, der echtem OSINT am nächsten kommt, und der Teil, bei dem ich am vorsichtigsten bin. Es wird nie gescrapet. Es wird nie ein externer Anreicherungs-Anbieter mit der E-Mail-Adresse abgefragt. Alles, was du siehst, war entweder in der Mail selbst oder kam von einem öffentlichen Endpunkt, den die Infrastruktur des Absenders selbst bereitstellt (eine /.well-known/security.txt, ein öffentlicher HKP-Key, eine robots-erlaubte Homepage). Wenn dein Kontakt sich aus dem öffentlichen Web zurückgezogen hat, ist er nicht im Panel. Die Karte ist meistens leer, und das ist das richtige Ergebnis.

Alles zusammen: ihren Loop-Sweetspot finden

Jedes Signal für sich ist ein Hinweis. Der zusammensetzende Move ist, alle vier auf einmal anzuschauen.

Diese Sequenz (Rhythmus, Verhältnis, Aktualität, Relevanz) ist der ganze Loop. Per Hand ist das anstrengend. Im Panel sind es dreißig Sekunden, bevor du auf Senden drückst.

Oder lass das Panel ganz weg

Es gibt eine leisere Version, über die du gar nicht nachdenken musst. Die Intelligenz kommt zu dir, genau in dem Moment, in dem es zählt: wenn du gerade antworten willst.

Der Composer liest dieselbe Per-Domain-Datenbank wie das Panel und blendet die zwei Signale ein, die deine Entscheidung gerade ändern, direkt unter dem Empfänger-Pill. Ihr typisches Antwortfenster. Ob du in eines ihrer aktiven Fenster schickst oder in eines ihrer toten. Keine Klicks, kein Panel, kein Umweg.

Der Punkt ist nicht, zu nerven. Der Punkt ist, die Kosten in dem einzigen Moment sichtbar zu machen, in dem man noch handeln kann. Wenn der Chip sagt "außerhalb ihrer typischen Zeiten, Verzögerung wahrscheinlich", kannst du sagen, das ist okay, und trotzdem senden. Oder du speicherst als Entwurf und schickst morgen früh in ihrer Zeit. Beides ist ein besseres Ergebnis als ungewollt in ein totes Fenster zu schicken.

Was du leise verlierst, ohne das hier

Ein kurzer Absatz zu dem, was leise verloren geht. Es wäre unehrlich, das auszulassen. Die meisten Absender in den Testdaten antworten zwei- bis dreimal so wahrscheinlich zur Stoßzeit wie zu einer zufälligen Zeit. Wenn du fünfzig wichtige E-Mails pro Jahr schickst und die Hälfte außerhalb des Fensters landet, sind das ungefähr eine Woche verpasste Antworten. Nicht katastrophal. Leise und gleichmäßig, auf eine Weise, die in keinem einzelnen Posteingang auftaucht. Über ein Netzwerk von fünfzig Kontakten ist genau dieses Muster der Grund für das langsame Verblassen, das du dir nie ganz erklären kannst.

Es geht im Panel nicht darum, jeden Versand zu optimieren. Es geht darum, die Kosten von "ins falsche Fenster geschickt" sichtbar genug zu machen, dass du es nicht mehr aus Versehen tust.

Local by default. Cloud by choice.

Der Grund, warum die meisten "E-Mail-AI"-Produkte schlecht sind, ist strukturell. Damit sie dir Insights geben können, müssen sie deine Mails lesen. Also schicken sie sie an einen Server. Der Server wird zum Ziel. Die Privacy-Story stirbt im zweiten Absatz der Doku.

Franz fängt woanders an. Das Intelligence-Panel läuft gegen eine Per-Domain-SQLite-Datenbank auf deiner eigenen Festplatte. Jede Grafik in diesem Post wird aus diesem lokalen Cache gebaut. Kein Netzwerk-Call verlässt das Panel. Das Modell, das eine Mail als Newsletter oder persönliche Nachricht klassifiziert, läuft on-device. Zone-Parsing und Anhang-Extraktion laufen in einem Worker-Thread in deinem eigenen Electron-Prozess. Absender-Rhythmus, Reziprozität, Geister-Detektion, Absender-Anreicherung aus öffentlichen Signalen: alles lokal, immer. Die Privacy-Architektur ist auf Pro identisch — egal ob eigener Anbieter-Key oder Franz Cloud.

Das Intelligence-Panel selbst ist Teil von Franz Pro. Verfügbar auf Pro ($5,99/Monat mit eigenem Key), Pro Cloud ($9,99/Monat), und während des 14-Tage-Trials. Der Free-Plan deckt das Verbinden von Services, Workspaces und on-device AI ab. Die Intelligence-Schicht schaltet frei, sobald du den Trial startest oder upgradest.

Die schwereren AI-Funktionen sind dort, wo Compute echtes Geld kostet: der Schreib-Assistent, tiefe semantische Suche über Jahre an Mails, smarte Kategorisierung im großen Stil. Dort hast du die Wahl. Niemand zwingt dich in eine SaaS-Datenbank:

• Lokale Inferenz (kostenlos). Ein gebündeltes Modell läuft komplett on-device. Ehrlicherweise langsamer als das Cloud-Modell, vor allem auf älterer Hardware. Nichts verlässt deinen Rechner.
• Pro mit eigenem Key. Bring deinen eigenen Provider-Key mit. Franz wird ein dünner Client. Die Anfrage geht von deinem Rechner direkt zu deinem Account bei OpenAI, Anthropic oder Google.
• Pro Cloud. Managed Cloud-Inferenz für alle, die Tempo wollen, ohne Keys zu verwalten. Privacy-First by Design: wir trainieren nicht auf deinem Posteingang, wir behalten deine Mails nicht, und die Grenzen, die du von einem EU-ansässigen Tool erwartest, halten Ende-zu-Ende. Du bezahlst für Compute, nicht für eine Kopie deiner Daten.

Ein paar ehrliche Grenzen, weil die Frage sowieso kommt. Das Panel weiß nur, was deine Maschine weiß. Es gibt kein Cross-Device-Profil, und die Desktop-App ist der Ort, an dem die Daten liegen. Franz hat heute keine Mobile-App. Das Panel braucht ungefähr einen Tag zum Backfill, bevor die Muster brauchbar sind. Und die Heatmap ist nur so gut wie dein Archiv. Wenn du gerade erst einen Account verbunden hast, gib ihm eine Woche.

Das vollständige Briefing zu was lokal bleibt, wofür Pro Cloud genutzt wird und was Franz mit deinen Inhalten nie tut, steht in So geht Pro Cloud mit deinen Daten um.

Wir sind nicht zum fünften Signal gekommen

Es gibt ein fünftes Signal, das nicht in diesen Post gepasst hat: das Anhang-Archiv. Jede Datei, die du je mit dieser Person ausgetauscht hast, sortiert nach Quartal, inline aufgelistet. Es ist erstaunlich emotional, da durchzuscrollen. Ein anderes Mal.

Probier es an deinem eigenen Posteingang

Denk an den Kontakt, den du am Anfang im Kopf hattest. Der Trial setzt das Panel auf die Historie dieser Person an, in deinen eigenen Daten, in etwa einem Tag.