Der Verfasser beschreibt sich als Coder und DBA mit fast 40 Jahren Berufserfahrung, der seit rund 15 Jahren nicht mehr aktiv programmiert hat und zuletzt hauptsächlich mit .NET-basierten Migrationspaketen sowie Azure Data Factory und SSIS gearbeitet hat. Er ist derzeit arbeitslos, sucht seit Monaten erfolglos nach Stellen und sieht seinen Fachbereich – Datenmigration und Datenbankadministration – zunehmend durch KI-Systeme ersetzt. Um sich neu aufzustellen, hat er bereits einen Python-Zertifikatskurs auf Coursera absolviert und verfügt über einen AWS-Server, den er aktuell nur als Datenbankserver betreibt, aber ggf. umwidmen könnte. Sein erklärtes Ziel ist kein oberflächliches „Paket-Installieren", sondern ein tiefes konzeptionelles Verständnis: Er möchte verstehen, wie Sprachmodelle intern funktionieren, und demonstriert das anhand einer eigenen, im Wesentlichen korrekten Erklärung von Token-IDs und dem Prinzip des nächsten-Token-Vorhersage-Trainings. Daneben erwähnt er einen älteren Rechner, den er potenziell zu einem Linux-basierten AI-Projekt-Server umbauen möchte, obwohl er nach eigener Aussage kaum Linux-Erfahrung besitzt. Der Post zielt auf die r/LocalLLaMA-Community als Anlaufstelle für praxisnahe, kostenorientierte Lernpfad-Empfehlungen – also explizit auf lokale, ressourcenschonende Ansätze statt Cloud-abhängige Dienste.