Neuester Blog
10 Selbstgehostete Apps, die sich auf einem Heimserver lohnen auszuprobieren
Entdecken Sie 10 praktische selbstgehostete Apps, darunter Immich, Jellyfin, Vaultwarden, Nextcloud, Home Assistant, Stirling-PDF und AdGuard Home.
Warum puffert Jellyfin auf einem Heimserver?
Ein praktischer Jellyfin-Pufferleitfaden, der Direct Play, Transkodierung, GPU-Beschleunigung, Untertitel, Docker, Netzwerklimits, Speicher und FFmpeg-Protokolle abdeckt.
Welche NAS-Apps verbessern tatsächlich Geschwindigkeit, Backup und Medien?
Die meisten NAS-Apps machen ein NAS nicht von selbst schneller. Sie verbessern das System nur, wenn sie einen echten Engpass beseitigen: langsame lokale Übertragungen, unzuverlässige Backups, unordentliche Mediatheken, schwachen Fernzugriff, schlechte App-Isolierung oder Dienste, die um...
Wie überprüft man, ob ein lokales LLM die richtigen Modell-Dateien und den richtigen Speicherpfad verwendet?
Diese Anleitung erklärt, wie überprüft wird, ob ein lokales LLM die korrekten Modell-Dateien und den richtigen Speicherpfad verwendet. Sie behandelt Laufzeit-Modelllisten, Docker-Host-zu-Container-Mounts, Modell-Metadaten, GGUF- und Quantisierungsprüfungen, Protokolle, den aktiven Modellzustand, Speicherwachstum sowie ZimaOS AI Search als...
Wie man überprüft, ob Hardware-Transcoding tatsächlich funktioniert
Dieser Leitfaden erklärt, wie man bestätigt, ob Hardware-Transcoding in Plex, Jellyfin, Emby oder Docker-basierten Mediaservern tatsächlich funktioniert. Er behandelt erzwungene Transcoding-Tests, Dashboard-Anzeigen, Aktivität der Host-GPU / iGPU, FFmpeg-Protokollpfade, teilweise Hardwarebeschleunigung, CPU-Auslastung, Docker-Gerätezugriff und echte Verifizierungsstandards.
Wie man ein lokales LLM bereitstellt, ohne Speicher oder Apps zu beeinträchtigen
Dieser Leitfaden erklärt, wie man ein lokales LLM sicher auf einem gemeinsam genutzten Heim-NAS oder Heimserver bereitstellt. Er behandelt Speicherpfade für Modelle, Docker-Volume-Mapping, Speicher- und CPU-Grenzen, parallele Anfragen, Modellauswahl, App-Isolierung, Warnzeichen und Überprüfungen, um Speicher, Backups...
Was sind die lokalen KI-Grenzen eines Heim-NAS?
Dieser Leitfaden erklärt die lokalen KI-Grenzen eines Heim-NAS nach Arbeitslasttyp, Hardware-Ressourcen und realen Auswirkungen. Er behandelt OCR, Medienanalyse, RAG, kleine LLMs, GPU-/NPU-Beschleunigung, RAM-/VRAM-Grenzen, Warnzeichen und wann ein separater KI-Server verwendet werden sollte.
Kann man lokale KI auf einem Heim-NAS ohne dedizierte GPU ausführen?
Dieser Leitfaden erklärt, ob ein Heim-NAS lokale KI ohne dedizierte GPU ausführen kann. Er behandelt CPU-Inferenz, RAM-Reserven, quantisierte Modelle, Docker-Setups, KI-Suche, Auslagerungsmuster und wie man die Leistung testet, ohne die Kernaufgaben des NAS zu stören.
