Betriebsprofile¶

Kamerplanter ist modular aufgebaut. Du entscheidest selbst, welche Komponenten du brauchst — von einer schlanken Installation auf dem Raspberry Pi bis zum vollstaendigen Multi-Tenant-Setup auf Kubernetes. Diese Seite hilft dir, das richtige Profil fuer deinen Anwendungsfall zu finden.

Komponentenuebersicht¶

Jede Kamerplanter-Installation besteht aus einem Kern (immer erforderlich) und optionalen Komponenten, die du je nach Bedarf aktivierst.

Kern (immer aktiv)¶

Optionale Komponenten¶

Profile im Ueberblick¶

Die folgende Matrix zeigt fuenf vordefinierte Profile. Jedes Profil ist eine Empfehlung — du kannst jederzeit einzelne Komponenten hinzufuegen oder weglassen.

Minimal¶

Zielgruppe¶

Du willst Kamerplanter schnell ausprobieren oder hast nur wenige Zimmerpflanzen. Ein Raspberry Pi ⅘ oder ein alter Laptop reicht aus. Du brauchst weder Login noch KI.

Voraussetzungen¶

• Docker + Docker Compose
• 1 GB freier RAM, 2 GB Speicherplatz
• Raspberry Pi 4 (2 GB), Raspberry Pi 5, NUC, Laptop

Aktivierte Komponenten¶

• Backend + Frontend
• ArangoDB + Valkey
• Celery Worker + Beat
• KI-Assistent
• TimescaleDB
• Home Assistant
• Knowledge Service / RAG

Beispielkonfiguration¶

services:
  arangodb:
    image: arangodb:3.11
    # ...

  valkey:
    image: valkey/valkey:8-alpine
    # ...

  backend:
    build: ./src/backend
    environment:
      KAMERPLANTER_MODE: light
      AI_DEFAULT_PROVIDER: none
      TIMESCALEDB_ENABLED: "false"
      VECTORDB_ENABLED: "false"
    depends_on: [arangodb, valkey]

  celery-worker:
    build: ./src/backend
    command: celery -A app.tasks worker --loglevel=info
    depends_on: [arangodb, valkey]

  celery-beat:
    build: ./src/backend
    command: celery -A app.tasks beat --loglevel=info
    depends_on: [arangodb, valkey]

  frontend:
    build: ./src/frontend
    environment:
      KAMERPLANTER_MODE: light
    depends_on: [backend]

Was fehlt im Vergleich zum naechsten Profil?¶

Ohne KI-Assistent bekommst du keine automatischen Pflegetipps und Diagnosen. Du kannst Ollama jederzeit spaeter hinzufuegen, ohne Daten zu verlieren.

Hobby¶

Zielgruppe¶

Du hast 10--50 Pflanzen und einen Home-Server (NAS, alter Desktop, NUC). Du moechtest KI-gestuetzte Pflegetipps, aber deine Daten sollen dein Netzwerk nicht verlassen. Login brauchst du nicht — du bist der einzige Nutzer.

Voraussetzungen¶

• Docker + Docker Compose
• 4 GB freier RAM (8 GB mit 7B-Modell), optional GPU
• Home-Server, NUC, Desktop-PC

Aktivierte Komponenten¶

• Backend + Frontend
• ArangoDB + Valkey
• Celery Worker + Beat
• Ollama (lokales Sprachmodell)
• Knowledge Service / RAG (optional aktivierbar)
• TimescaleDB
• Home Assistant (optional)
• Externe Anreicherung (optional)

Beispielkonfiguration¶

services:
  # ... Kern wie Minimal ...

  backend:
    build: ./src/backend
    environment:
      KAMERPLANTER_MODE: light
      AI_DEFAULT_PROVIDER: ollama
      AI_OLLAMA_URL: http://ollama:11434
      AI_OLLAMA_MODEL: gemma3:4b
      TIMESCALEDB_ENABLED: "false"
    depends_on: [arangodb, valkey]

  ollama:
    image: ollama/ollama:latest
    volumes:
      - ollama_models:/models
    # GPU-Passthrough (optional):
    # deploy:
    #   resources:
    #     reservations:
    #       devices:
    #         - capabilities: [gpu]

Was fehlt im Vergleich zum naechsten Profil?¶

Ohne Full-Modus kannst du keine weiteren Nutzer einladen. Ohne TimescaleDB werden Sensordaten nicht langfristig gespeichert. Beides laesst sich spaeter aktivieren.

Standard¶

Zielgruppe¶

Du bist engagierter Hobbyist oder betreibst einen kleinen Gemeinschaftsgarten. Mehrere Personen sollen eigene Konten haben. Du moechtest KI-Tipps und optional Sensordaten langfristig speichern.

Voraussetzungen¶

• Docker Compose oder Kubernetes-Cluster
• 4--6 GB freier RAM
• Server, NUC oder kleiner K8s-Cluster

Aktivierte Komponenten¶

• Backend + Frontend
• ArangoDB + Valkey
• Celery Worker + Beat
• Ollama (lokales Sprachmodell)
• Externe Anreicherung (GBIF + Perenual)
• Knowledge Service / RAG (optional)
• TimescaleDB (optional)
• Home Assistant (optional)

Beispielkonfiguration¶

services:
  # ... Kern + Ollama ...

  backend:
    build: ./src/backend
    environment:
      KAMERPLANTER_MODE: full
      AI_DEFAULT_PROVIDER: ollama
      AI_OLLAMA_URL: http://ollama:11434
      AI_OLLAMA_MODEL: gemma3:4b
      JWT_SECRET_KEY: ${JWT_SECRET_KEY}  # openssl rand -hex 32
      PERENUAL_API_KEY: ${PERENUAL_API_KEY}
      TIMESCALEDB_ENABLED: ${TIMESCALEDB_ENABLED:-false}
    depends_on: [arangodb, valkey]

controllers:
  backend:
    containers:
      main:
        env:
          KAMERPLANTER_MODE: full
          AI_DEFAULT_PROVIDER: ollama
          AI_OLLAMA_URL: http://ollama:11434
          AI_OLLAMA_MODEL: gemma3:4b
          TIMESCALEDB_ENABLED: "false"

Was fehlt im Vergleich zum naechsten Profil?¶

Ohne TimescaleDB kein automatisches Downsampling von Sensordaten. Ohne Home Assistant keine automatische Sensorerfassung und Aktorsteuerung. Ohne Knowledge Service / RAG keine kontextangereicherten KI-Antworten aus der Wissensbasis.

Profi¶

Zielgruppe¶

Du betreibst professionelles Indoor-Growing oder einen grossen Gemeinschaftsgarten mit Rollenverwaltung. Sensoren und Aktoren sind ueber Home Assistant angebunden. Du willst lueckenlose Zeitreihen, KI-gestuetzte Diagnosen mit RAG-Kontext und Cloud-Fallback fuer das Sprachmodell.

Voraussetzungen¶

• Kubernetes-Cluster (3+ Nodes empfohlen)
• 6--8 GB RAM fuer Kamerplanter-Pods
• Home Assistant Instanz im Netzwerk
• Optional: GPU-Node fuer schnellere KI-Inferenz

Aktivierte Komponenten¶

• Backend + Frontend
• ArangoDB + Valkey
• Celery Worker + Beat
• Ollama + Cloud-Fallback (OpenAI oder Anthropic)
• Knowledge Service + VectorDB + Embedding Service
• Reranker Service (Cross-Encoder Re-Ranking)
• TimescaleDB
• Home Assistant
• Externe Anreicherung (GBIF + Perenual)

Beispielkonfiguration¶

controllers:
  backend:
    containers:
      main:
        env:
          KAMERPLANTER_MODE: full
          AI_DEFAULT_PROVIDER: ollama
          AI_OLLAMA_URL: http://ollama:11434
          AI_OLLAMA_MODEL: mistral:7b
          AI_FALLBACK_PROVIDER: openai
          AI_OPENAI_API_KEY:
            secretKeyRef:
              name: kamerplanter-secrets
              key: openai-api-key
          TIMESCALEDB_ENABLED: "true"
          TIMESCALEDB_HOST: timescaledb
          HA_URL: http://homeassistant.home:8123
          HA_ACCESS_TOKEN:
            secretKeyRef:
              name: kamerplanter-secrets
              key: ha-access-token
          PERENUAL_API_KEY:
            secretKeyRef:
              name: kamerplanter-secrets
              key: perenual-api-key

  timescaledb:
    enabled: true

  knowledge-service:
    enabled: true
    containers:
      main:
        env:
          RERANKER_URL: "http://kamerplanter-ki-reranker-service:8081"
          RERANKER_INITIAL_K: "20"
          RERANKER_TOP_K: "5"

  reranker-service:
    enabled: true
    containers:
      main:
        env:
          RERANKER_MODEL: "bge-reranker-v2-m3"

  embedding-service:
    enabled: true

  vectordb:
    enabled: true

Was fehlt im Vergleich zum naechsten Profil?¶

Im Profi-Profil betreibst du eine einzelne Instanz fuer deine Organisation. Das SaaS-Profil fuegt Multi-Mandanten-Isolation, horizontale Skalierung und Cloud-KI als Primaerprovider hinzu.

SaaS / Multi-Tenant¶

Zielgruppe¶

Du betreibst Kamerplanter als Plattform fuer mehrere unabhaengige Mandanten (Gaerten, Betriebe, Gemeinschaften). Jeder Mandant hat eigene Daten, Rollen und Einstellungen. Du brauchst horizontale Skalierung und zuverlaessige Cloud-KI.

Voraussetzungen¶

• Kubernetes-Cluster mit Autoscaling
• 8+ GB RAM fuer Kamerplanter-Pods
• Managed-Datenbank-Dienste empfohlen (ArangoDB Oasis, Managed PostgreSQL)
• Cloud-KI-Provider-Konto (OpenAI oder Anthropic)

Aktivierte Komponenten¶

• Backend + Frontend (mehrere Replicas)
• ArangoDB + Valkey
• Celery Worker (mehrere Replicas) + Beat
• Cloud-KI (OpenAI / Anthropic)
• Knowledge Service + VectorDB + Embedding Service
• TimescaleDB
• Externe Anreicherung (GBIF + Perenual)
• Home Assistant (optional, mandantenspezifisch)

Beispielkonfiguration¶

controllers:
  backend:
    replicas: 3
    containers:
      main:
        env:
          KAMERPLANTER_MODE: full
          AI_DEFAULT_PROVIDER: openai
          AI_OPENAI_MODEL: gpt-4o-mini
          TIMESCALEDB_ENABLED: "true"

  celery-worker:
    replicas: 2

  frontend:
    replicas: 2

Eigenes Profil zusammenstellen¶

Die Profile oben sind Empfehlungen. Du kannst jede Komponente einzeln aktivieren oder deaktivieren, indem du die entsprechenden Umgebungsvariablen setzt:

In Docker Compose aktivierst du optionale Dienste ueber Profile:

# Nur Kern:
docker compose up -d

# Mit Ollama und TimescaleDB:
docker compose --profile ollama --profile timescaledb up -d

# Mit RAG (Knowledge Service + VectorDB + Reranker):
docker compose --profile ollama --profile timescaledb --profile vectordb up -d

Eine vollstaendige Liste aller Umgebungsvariablen findest du unter Umgebungsvariablen.

Entscheidungshilfe¶

Das folgende Flussdiagramm hilft dir, ein passendes Profil zu finden:

flowchart TD
    A[Wie viele Nutzer?] -->|Nur ich| B{Brauchst du KI-Tipps?}
    A -->|2-10 Personen| D{Kubernetes vorhanden?}
    A -->|10+ / Mandanten| G[SaaS / Multi-Tenant]

    B -->|Nein| C[Minimal]
    B -->|Ja| E[Hobby]

    D -->|Nein| F[Standard\nDocker Compose]
    D -->|Ja| H{Sensoren / HA?}

    H -->|Nein| F2[Standard\nKubernetes]
    H -->|Ja| I[Profi]

Haeufige Fragen¶

Kann ich spaeter auf ein groesseres Profil wechseln?¶

Ja. Alle Profile nutzen dieselbe Datenbank. Du kannst jederzeit Komponenten hinzufuegen (z.B. Ollama aktivieren, TimescaleDB starten, von Light auf Full wechseln), ohne Daten zu verlieren. Beim Wechsel von Light auf Full musst du einmalig ein Passwort fuer den bestehenden System-Benutzer setzen.

Kann ich Ollama auf einem Raspberry Pi ausfuehren?¶

Ja, ab dem Raspberry Pi 5 mit 8 GB RAM. Verwende ein kleines Modell wie llama3.2:3b. Die Antwortzeiten liegen bei 15--30 Sekunden pro Tipp — akzeptabel, aber nicht schnell. Auf dem Raspberry Pi 4 ist die Leistung fuer groessere Modelle nicht ausreichend.

Brauche ich TimescaleDB, wenn ich keine Sensoren habe?¶

Nein. Ohne automatische Sensordatenerfassung (IoT/MQTT oder Home Assistant) bringt TimescaleDB keinen Vorteil. Manuelle Messwerte (pH, EC) werden in ArangoDB gespeichert. Du kannst TimescaleDB spaeter aktivieren, wenn du Sensoren anbindest.

Was passiert, wenn ich keinen KI-Provider konfiguriere?¶

Kamerplanter funktioniert vollstaendig ohne KI. Wenn AI_DEFAULT_PROVIDER=none gesetzt ist (oder kein Provider konfiguriert), werden die KI-Tipp-Karten in der Oberflaeche nicht angezeigt. Alle regelbasierten Funktionen (Phasensteuerung, Duengeplaene, Pflegeerinnerungen) arbeiten unabhaengig vom KI-Provider.

Siehe auch¶

• Light-Modus — Details zum Betrieb ohne Authentifizierung
• KI-Provider einrichten — Ollama, OpenAI, Anthropic und andere Provider konfigurieren
• Home Assistant Integration — Sensor- und Aktor-Anbindung
• Umgebungsvariablen — Vollstaendige Variablenreferenz
• Kubernetes — Cluster-Setup und Deployment
• Infrastruktur — Skaffold-Profile — Skaffold-Module (-m ki) fuer den KI-Stack