Docker Compose Schnellstart¶

In 5 Minuten von Null zur laufenden Kamerplanter-Instanz mit deinen ersten Pflanzen.

Voraussetzung

Docker und Docker Compose müssen installiert sein. Falls nicht, folge zuerst der Installationsanleitung.

1. Repository herunterladen¶

Lade den Quellcode herunter und wechsle in das Verzeichnis:

git clone https://github.com/nolte/kamerplanter.git
cd kamerplanter

Kein Git installiert?

Du kannst das Repository auch als ZIP-Datei herunterladen: Gehe auf die GitHub-Seite, klicke auf den grünen Code-Button und wähle Download ZIP. Entpacke die Datei und öffne ein Terminal im entpackten Ordner.

2. Konfiguration erstellen¶

Kopiere die Beispiel-Konfiguration und passe die Passwörter an:

cp .env.example .env

Öffne die Datei .env in einem Texteditor und ändere mindestens die Passwörter:

.env

# Sichere Passwörter setzen (mindestens 12 Zeichen empfohlen)
ARANGO_ROOT_PASSWORD=dein-sicheres-passwort    # (1)!
ARANGODB_PASSWORD=dein-sicheres-passwort        # (2)!

Das Passwort für die Datenbank. Wähle ein sicheres Passwort — es wird nicht im Browser angezeigt.
Muss identisch mit ARANGO_ROOT_PASSWORD sein.

Sicheres Passwort generieren

Unter Linux/macOS kannst du ein zufälliges Passwort erzeugen:

openssl rand -base64 24

Kopiere die Ausgabe und setze sie als Passwort in der .env-Datei ein.

Die übrigen Einstellungen kannst du zunächst auf den Standardwerten belassen.

3. Kamerplanter starten¶

Starte alle Dienste mit einem einzigen Befehl:

docker compose up -d

Docker lädt beim ersten Start die benötigten Images herunter. Das kann je nach Internetverbindung 2–5 Minuten dauern. Bei weiteren Starts geht es deutlich schneller.

Prüfe, ob alle Dienste laufen:

docker compose ps

Du solltest fünf Dienste sehen, alle mit dem Status running oder healthy:

NAME                  STATUS
kamerplanter-arangodb-1        running (healthy)
kamerplanter-valkey-1          running (healthy)
kamerplanter-backend-1         running (healthy)
kamerplanter-celery-worker-1   running
kamerplanter-celery-beat-1     running
kamerplanter-frontend-1        running (healthy)

Ein Dienst zeigt 'unhealthy' oder 'restarting'?

Warte 30 Sekunden und führe docker compose ps erneut aus — manche Dienste brauchen etwas länger zum Starten. Falls das Problem bestehen bleibt, prüfe die Logs:

docker compose logs backend

4. Kamerplanter im Browser öffnen¶

Öffne deinen Browser und gehe zu:

http://localhost:8080

Da Kamerplanter standardmäßig im Light-Modus startet, gibt es keinen Login-Bildschirm — du landest direkt im Onboarding-Wizard.

5. Erste Einrichtung¶

Beim ersten Öffnen startet Kamerplanter automatisch den Onboarding-Wizard. Er führt dich in wenigen Minuten durch Erfahrungsstufe, Standort und die Wahl eines Starter-Kits (z. B. "Fensterbrett-Kräuter" oder "Zimmerpflanzen-Starter"). Alles ist selbsterklärend und im Detail beschrieben auf der Seite Onboarding-Wizard.

Geschafft!¶

Dein Kamerplanter läuft. Von hier aus kannst du:

Pflanzen ansehen und den Wachstumsstatus verfolgen
Aufgaben prüfen, die das Starter-Kit angelegt hat
Standorte anpassen — Räume umbenennen, weitere hinzufügen
Weitere Pflanzen anlegen — über das Menü "Stammdaten"

Optionale Profile (KI, Sensordaten)¶

Der Basis-Start mit docker compose up -d reicht für den vollständigen Pflanzen-, Aufgaben- und Pflegebetrieb. Zusätzliche Funktionen — KI-Wissensassistent und Sensordaten-Historie — können über optionale Docker Compose Profile zugeschaltet werden.

Profile sind additiv und kombinierbar

Jedes Profil erweitert die Basis um zusätzliche Dienste. Du kannst mehrere Profile gleichzeitig aktivieren.

Übersicht der Profile¶

Profil	Was es startet	Wofür	Nötiger `.env`-Schalter
`vectordb`	PostgreSQL + pgvector (Port 5433) + Reranker-Service (Port 8081)	KI-/RAG-Wissensassistent — semantische Suche in der Wissensdatenbank	`VECTORDB_ENABLED=true`
`ollama`	Ollama LLM-Server (Port 11434)	Lokale LLM-Inferenz für den Wissensassistenten, als Alternative zu einer Cloud-API	`LLM_PROVIDER=ollama` und `LLM_API_URL=http://ollama:11434`
`timescaledb`	TimescaleDB (Port 5432)	Zeitreihen-Speicherung von Sensordaten (Messwert-Historie, automatisches Downsampling)	`TIMESCALEDB_ENABLED=true`

Beispiel-Befehle¶

Nur Basis (Standard — kein Profil nötig):

docker compose up -d

KI-Wissensassistent mit lokalem LLM (Ollama):

docker compose --profile vectordb --profile ollama up -d

Aktiviere anschließend die Dienste in der .env:

.env

VECTORDB_ENABLED=true
LLM_PROVIDER=ollama
LLM_API_URL=http://ollama:11434
LLM_MODEL=llama3.2          # Beliebiges auf Ollama verfügbares Modell

Modell beim ersten Start herunterladen

Ollama lädt das Modell beim ersten Aufruf herunter. Abhängig vom Modell sind das 4–15 GB — plane entsprechend Disk-Speicher ein.

KI-Wissensassistent mit Cloud-LLM (z. B. Anthropic):

docker compose --profile vectordb up -d

.env

VECTORDB_ENABLED=true
LLM_PROVIDER=anthropic
LLM_API_KEY=sk-ant-...
LLM_MODEL=claude-sonnet-4-20250514

Sensordaten-Historie:

docker compose --profile timescaledb up -d

.env

TIMESCALEDB_ENABLED=true

Ressourcenbedarf der Profile¶

Ollama braucht deutlich mehr Ressourcen

LLM-Modelle sind groß. Rechne für ein kleineres Modell (z. B. llama3.2) mit mindestens 8 GB RAM und 5 GB freiem Speicherplatz. Größere Modelle benötigen entsprechend mehr. Ohne dedizierte GPU läuft die Inferenz auf der CPU — das ist langsamer, aber funktioniert.

Profil	Zusätzlicher RAM (typisch)	Zusätzlicher Speicher
`vectordb`	~512 MB	~500 MB
`ollama`	8–16 GB (je nach Modell)	5–30 GB (je nach Modell)
`timescaledb`	~256 MB	wächst mit Sensordaten

Nützliche Befehle¶

Befehl	Was er tut
`docker compose up -d`	Alle Basisdienste starten
`docker compose --profile vectordb --profile ollama up -d`	Basis + KI-Profile starten
`docker compose --profile timescaledb up -d`	Basis + Sensordaten-Profil starten
`docker compose stop`	Alle Dienste anhalten (Daten bleiben erhalten)
`docker compose down`	Alle Dienste stoppen und Container entfernen (Daten bleiben erhalten)
`docker compose down -v`	Alles stoppen und Daten löschen (Neuanfang)
`docker compose logs -f backend`	Backend-Logs live verfolgen
`docker compose ps`	Status aller Dienste anzeigen

Daten löschen

Der Befehl docker compose down -v löscht alle gespeicherten Daten unwiderruflich. Verwende ihn nur, wenn du einen kompletten Neuanfang möchtest.

Zugangspunkte¶

Standard (immer verfügbar)¶

Dienst	URL	Beschreibung
Benutzeroberfläche	http://localhost:8080	Die Kamerplanter-App
API-Dokumentation	http://localhost:8000/api/v1/docs	Interaktive API-Referenz (Swagger UI)
Datenbank-UI	http://localhost:8529	ArangoDB Web-Interface (für Fortgeschrittene)

Optional (nur mit aktiviertem Profil)¶

Dienst	URL	Profil	Beschreibung
Reranker-Service	http://localhost:8081	`vectordb`	Cross-Encoder für RAG-Qualität
Ollama	http://localhost:11434	`ollama`	Lokaler LLM-Server (API)

Siehe auch¶

Onboarding-Wizard — Ausführliche Beschreibung aller Wizard-Schritte
Light-Modus — Was der Light-Modus genau bedeutet
Erstes Deployment — Kamerplanter dauerhaft auf eigenem Server betreiben