Details

Geschrieben von: Moritz Conjé

Kategorie: Work-Life-Flow

Veröffentlicht: 16. November 2025

Zugriffe: 57

Wer seine Ausgaben wirklich verstehen will, braucht mehr als eine Excel-Tabelle. Ich habe Apache Superset lokal aufgesetzt – und mit etwas KI-Unterstützung ein Sankey-Diagramm gebaut, das meine Finanzen in vier Ebenen visualisiert.

Warum überhaupt ein eigenes Dashboard?

Banking-Apps zeigen Kontostände. Was sie selten zeigen: wohin das Geld wirklich fließt, wenn man die Ausgaben in sinnvolle Kategorien aufdröselt. Ich wollte das ändern – ohne meine Daten an einen Cloud-Dienst zu übergeben. Die Lösung: Apache Superset, eine Open-Source-Plattform für Datenvisualisierung, die sich vollständig selbst hosten lässt.

Apache Superset – was ist das?

Apache Superset ist ein quelloffenes Business-Intelligence-Tool, das ursprünglich bei Airbnb entwickelt wurde. Es unterstützt Dutzende Datenquellen, erlaubt komplexe SQL-Abfragen und bietet eine breite Bibliothek an Chart-Typen – darunter auch das Sankey-Diagramm, das für Geldflüsse wie gemacht ist.

Der entscheidende Vorteil gegenüber kommerziellen Alternativen wie Tableau oder Looker: alles bleibt lokal. Die Daten liegen auf dem eigenen Rechner, in einem Docker-Container – kein Dritter hat Zugriff.

Installation per Docker

Superset lässt sich über das offizielle Docker-Compose-Setup einrichten. Wer schon einmal einen Dienst per Docker gestartet hat, findet sich schnell zurecht. Die grundlegenden Schritte: Repository klonen, Umgebungsvariablen anpassen, Container starten.

Hinweis: Beim ersten Start kann es zu Konfigurationsproblemen kommen – etwa mit Datenbank-Migrationen oder fehlenden Umgebungsvariablen. Hier lohnt es sich, die Container-Logs genau zu lesen (docker compose logs -f).

Genau an dieser Stelle kam Claude ins Spiel. Ich hatte einen Fehler beim Start, der nicht auf Anhieb verständlich war. Ich habe Claude daraufhin Zugriff auf den Installationspfad gegeben – und die KI hat nicht nur die Ursache erklärt, sondern auch den korrekten Fix geliefert. Ein iterativer Prozess, der am Ende funktioniert hat.

Die KI wurde zum Debugging-Partner: Zugriff auf das lokale Projekt, Anweisungen abwarten, Lösung anwenden – und wieder von vorne, bis der Container sauber lief.

Daten importieren: von der CSV zur Datenbank

Meine Ausgangsdaten waren Kontoauszüge im CSV-Format – so wie sie jede Bank zum Download anbietet. Das Problem: Die Spaltenstruktur und das Datumsformat variieren je nach Bank, und Superset erwartet eine saubere Tabelle in einer Datenbank.

Mit Claude habe ich die passenden SQL-Befehle generiert, um die CSV-Daten zu importieren und dabei gleichzeitig zu bereinigen. Konkret:

1. CSV-Struktur analysieren und Zieltabelle in SQLite anlegen
2. Datumsfelder normalisieren, Beträge als numerische Werte importieren
3. Kategorien und Unterkategorien als eigene Spalten hinzufügen
4. Dataset in Superset registrieren und für Charts freigeben

Wer seine Ausgaben kategorisieren will, kommt um eine manuelle Zuordnung nicht ganz herum – zumindest einmalig. Ich habe dafür eine einfache Mapping-Tabelle angelegt, die Buchungstext-Muster einer Kategorie zuweist.

Das Sankey-Diagramm – vier Ebenen für den Geldfluss

Das Herzstück des Dashboards ist ein Sankey-Diagramm. Es visualisiert, wie Geld von einer Quelle durch mehrere Stufen fließt – ideal für Finanzdaten. Mein Aufbau umfasst vier Ebenen:

• Ebene 1 – Einkommen: Der Ausgangspunkt. Alle Geldeingänge fließen hier zusammen.
• Ebene 2 – Hauptkategorie: Wohnen, Lebenshaltung, Freizeit, Sparen – die groben Ausgabenblöcke.
• Ebene 3 – Unterkategorie: Miete, Nebenkosten, Lebensmittel, Gastronomie, Kultur, Sport und weitere.
• Ebene 4 – Zweck: Die konkrete Buchungsebene – Supermarkt, Fitnessstudio, Streamingdienst, Restaurantbesuch.

Was auf den ersten Blick abstrakt klingt, wird im Diagramm unmittelbar anschaulich: Man sieht auf einen Blick, wie viel vom Gesamteinkommen in die Hauptkategorien fließt, wie sich diese auf Unterkategorien aufteilen und für welche konkreten Zwecke das Geld letztlich ausgegeben wird.

Dashboard: weitere Kennzahlen, Diagramme, Filter

Weitere Diagramme kann man in einem Dashboard zusammenfassend darstellen.

Neben dem Sankey-Diagramm gebe ich mir feste Kennzahlen aus:

• Einnahmen
• Ausgaben
• Differenz
• Sparrate (Betrag)
• Sparquote (%)

Durch die Kategorisierung in den Kontoauszügen werden diese ganz einfach automatisch ausgerechnet und angezeigt.

Das Dashboard wird ergänzt durch Filter, in meinem Fall nach Monaten, also 01/2026, 02/2026 und so weiter. Durch diese Monatsauswahl kann man die Monate untereinander vergleichen und Auffälligkeiten ins nachvollziehbar.

Außerdem können mehrere Monate (oder das ganze Jahr) zusammengefasst werden. Alles im selben Dashboard.

KI als Werkzeug – nicht als Abkürzung

Ein Aspekt, der mir bei diesem Projekt wichtig erscheint: Die KI hat die Arbeit nicht ersetzt, sondern qualitativ verändert. Ich musste weiterhin verstehen, was ich tue – welche SQL-Struktur Sinn ergibt, wie Superset Datasets aufbaut, was ein Sankey-Diagramm an Datenstruktur erwartet.

Aber anstatt mich durch Dokumentationsseiten zu kämpfen oder Trial-and-Error bei SQL-Queries zu betreiben, hatte ich einen Gesprächspartner, der Fehler erklärt, Alternativen vorschlägt und Code direkt lieferbar macht. Das beschleunigt nicht nur – es senkt die Hemmschwelle, solche Projekte überhaupt anzugehen.

Fazit: Eigenes Finanz-Dashboard ist möglich

Apache Superset, Docker und ein wenig KI-Unterstützung reichen aus, um ein vollwertiges Finanz-Dashboard auf dem eigenen Rechner zu betreiben. Die Daten bleiben lokal, die Visualisierung ist flexibel, und der Aufbau ist – mit der richtigen Unterstützung – auch ohne tiefes Datenbankwissen machbar.

Das Sankey-Diagramm mit vier Ebenen ist für mich inzwischen das wichtigste Werkzeug für den monatlichen Finanzüberblick. Wer ähnliche Ausgaben-Strukturen kennt und seine Daten endlich sinnvoll visualisieren möchte, findet in diesem Setup einen guten Startpunkt.

Details

Geschrieben von: Moritz Conjé

Kategorie: Work-Life-Flow

Veröffentlicht: 24. Oktober 2025

Zugriffe: 29

Einleitung: Das Problem der Papierlast

Dokumente sammeln sich an. Steuererklärungen, Verträge, Rechnungen, Quittungen, Behördenschreiben. Manche liegen noch auf meinem Schreibtisch von vor einem Jahr. Andere sind in Ordnern archiviert, aber wo genau?

Das digitale Chaos ist ähnlich schlimm. PDFs landen im Download-Ordner, in verschiedenen Cloud-Speichern, überall verteilt. Wenn ich später eine Rechnung brauche oder einen Vertrag suche, brauche ich zu lange, um sie zu finden.

Das war lange mein Standard. Bis ich anfing, mich zu fragen: Wie kann ich meine Dokumente wirklich organisiert halten? Nicht nur abspeichern, sondern durchsuchbar machen. Mit Schlagworten versehen. Nach Kategorien gruppieren.

Die Lösung, die ich gesucht habe: Ein System, das automatisch digitalisiert, das Volltextsuche bietet, das mit wenig Aufwand funktioniert.

Das System heißt Paperless-ngx.

Warum Paperless-ngx (und nicht die Alternativen)?

Es gibt viele Lösungen für Dokumentenverwaltung. Google Drive, Dropbox, kommerzielle DMS-Systeme wie DocuWare. Warum habe ich mich für Paperless-ngx entschieden?

Drei Gründe:

1. Open Source: Der Code ist öffentlich

Bei kommerziellen Lösungen weiß ich nicht, was mit meinen Dokumenten passiert. Wo werden sie gespeichert? Wer hat Zugriff? Bei Open Source kann ich den Code selbst ansehen. Ich vertraue nicht blind; ich verstehe, wie das System funktioniert.

2. Self-Hosted: Meine Daten bleiben bei mir

Cloud-Lösungen sind bequem. Aber meine Steuerdokumente, meine Verträge; die möchte ich nicht auf fremde Server hochladen. Mit Paperless-ngx läuft alles auf meinem eigenen NUC zu Hause. Meine Daten, meine Kontrolle.

3. Kostenlos: Keine Abo-Gebühren

Kommerzielle DMS-Systeme kosten Geld. Monatlich oder jährlich. Paperless-ngx ist kostenlos. Ich zahle nur für die Hardware, die ich ohnehin für andere Projekte nutze - wie dem Smart Home System aus meinem letzten Artikel.

Was Paperless-ngx nicht ist

Ein wichtiger Punkt: Es ist nicht ein Ersatz für eine Buchführungs-Software. Es speichert Dokumente und macht sie auffindbar - es ersetzt nicht das Tracking von Ausgaben oder die Rechnungsverwaltung in anderen Tools.

Es ist auch nicht vollautomatisch. Der Großteil läuft automatisch (OCR, Tagging), aber manchmal muss ich manuell eingreifen und Schlagworte setzen. Das ist aber nicht kompliziert, es dauert Sekunden.

Hardware und Infrastruktur

Paperless-ngx braucht eine Grundlage. Ein System, auf dem es läuft.

Wie im Artikel über Smart Home erwähnt, habe ich einen NUC (Next Unit of Computing) mit Proxmox aufgesetzt. Das ist eine Virtualisierungsplattform; auf einem einzigen Mini-PC kann ich mehrere isolierte Anwendungen betreiben.

Paperless-ngx läuft dort als ein Container. Genau wie Home Assistant, Datenbanken oder andere Anwendungen. Sie beeinflussen sich nicht gegenseitig.

Was Paperless-ngx braucht

Die Anforderungen sind nicht besonders hoch:

• CPU: Nicht besonders anspruchsvoll. Ein moderner Prozessor (wie im NUC i5) reicht locker aus.
• RAM: 2-4 GB sollten ausreichen. Je nachdem, wie viele Dokumente parallel verarbeitet werden.
• Speicher: Das ist der wichtigere Faktor. Je nach Dokumentenmenge können das schnell mehrere Hundert GB bis TB sein. Ich habe 1 TB NVMe für diesen Zweck reserviert.
• Datenbank: Paperless-ngx braucht eine PostgreSQL-Datenbank. Auch das läuft bei mir als Container.

Der Vorteil dieser Infrastruktur: Wenn ich Paperless-ngx neu installieren oder aktualisieren muss, kann ich den Container einfach neu starten. Andere Anwendungen sind nicht betroffen. Das reduziert das Risiko erheblich.

Installation und erste Konfiguration

Die Installation selbst ist relativ straightforward. Ich nutze Docker-Compose auf meinem Proxmox-System.

Die Schritte

1. Container-Image herunterladen (offizielles Paperless-ngx Image)
2. Datenbank (PostgreSQL) konfigurieren
3. Speicherplatz zuweisen (für die Dokumentensammlung)
4. Container starten
5. Web-Interface öffnen und initiale Einrichtung vornehmen (Admin-Benutzer erstellen, Netzwerk-Zugang konfigurieren)

Konfiguration im Detail

Nach dem Start öffne ich das Web-Interface von Paperless-ngx. Hier muss ich einige grundlegende Einstellungen vornehmen:

• Benutzer: Einen Admin-Benutzer erstellen
• OCR-Engine: Tesseract konfigurieren (das OCR-System, das gescannte Dokumente durchsuchbar macht)
• Netzwerk-Zugang: Sicherstellen, dass ich von meinen Geräten im Heimnetz auf Paperless zugreifen kann
• Speicher-Pfade: Bestimmte Ordner für Input, Archive und Logdateien definieren

Das ist nicht kompliziert, aber es braucht Zeit, um alle Optionen zu verstehen. Die Community ist hilfreiche und bietet viele Tutorials, das hat mir bei den ersten Schritten geholfen.

Die 3 Input-Wege in der Praxis

Hier wird Paperless praktisch. Es gibt drei Wege, Dokumente ins System zu bekommen. Je nachdem, wo das Dokument herkommt, nutze ich den passenden Weg.

Input-Weg 1: Web-Upload

Das einfachste. Ich öffne das Paperless-Web-Interface und lade ein Dokument hoch.

Wie es funktioniert:

1. Paperless-Interface öffnen
2. Upload-Button klicken
3. Datei aussuchen
4. Upload läuft, Dokument wird sofort erfasst
5. OCR startet im Hintergrund

Wann ich das nutze: Einzelne Dokumente, die gerade in meiner Hand sind. Schnelle Uploads zwischendurch. Wenn ich sofort nach dem Upload Schlagworte setzen möchte.

Praktisches Beispiel: Eine Rechnung kommt per Mail an, ich lade sie hoch, setze das Schlagwort "Rechnung" und die Kategorie "Internet-Provider"; fertig.

Input-Weg 2: SMB-Netzwerk-Ordner

Das ist mein Favorit für Batch-Processing. Ein einfacher Netzwerkordner, den ich von jedem Gerät im Heimnetz aus ansprechen kann.

Wie es funktioniert:

1. Ich richte einen SMB-Share (Netzwerkordner) auf meinem NUC ein
2. Dieser Ordner ist mit Paperless verbunden
3. Ich lege Dokumente in diesen Ordner, egal von welchem Gerät im Netz
4. Paperless übernimmt die Dokumente automatisch und verarbeitet sie
5. Die Dokumente verschwinden aus dem Ordner und landen im Archiv

Wann ich das nutze: Mehrere Dokumente auf einmal. Batch-Processing von gescannten Dokumenten. Automatisierte Dateien-Übergaben (z.B. von einem Scanner direkt in den Ordner).

Praktisches Beispiel: Ich habe einen Papierstapel Steuerdokumente aus diesem Jahr. Ich scanne sie alle mit meinem Scanner in einen lokalen Ordner. Dann kopiere ich alle PDFs in den Paperless-SMB-Ordner. Paperless importiert sie automatisch. Keine manuellen Uploads nötig.

Input-Weg 3: Email-Empfang

Die elegante Lösung für automatisierte Prozesse und mein Favorit für spontane Uploads unterwegs.

Wie es funktioniert:

1. Ich richte einen speziellen Email-Account auf meinem Mail-Server ein
2. Paperless überwacht diesen Account
3. Alle Emails, die an diese Adresse gehen, werden als Anhänge extrahiert
4. Die Anhänge landen automatisch in Paperless
5. Emails werden gelöscht (optional)

Wann ich das nutze: Rechnungen und Quittungen, die mir per Email zugesendet werden. Automatisierte Prozesse (z.B. mein Online-Banking sendet mir Kontoauszüge). Dokumente von externen Systemen. Aber auch: Spontane Uploads unterwegs. Wenn ich irgendwo bin und ein wichtiges Dokument habe, kann ich es direkt an die Paperless-Email schicken, egal wo ich bin.

Praktische Beispiele: Mein Stromanbieter sendet mir monatlich die Rechnung per Mail. Ich richte eine Weiterleitung ein, die diese Emails an meinen Paperless-Account schickt. Die Rechnungen landen automatisch in Paperless. Oder: Ich bin beim Zahnarzt, erhalte eine Quittung und mache schnell ein Foto. Das Bild schicke ich per Mail an Paperless; fertig. Wenn ich später nach Zahnarzt-Rechnungen suche, ist sie bereits im System.

Automatisierung: OCR, Tagging, Suche

Nachdem ein Dokument in Paperless angekommen ist, passiert einiges automatisch im Hintergrund.

OCR-Verarbeitung

OCR steht für "Optical Character Recognition", optische Zeichenerkennung. Gescannte Dokumente sind eigentlich nur Bilder. Ohne OCR könnte man darin nicht suchen.

Paperless nutzt Tesseract, eine Open Source OCR-Engine. Wenn ich ein Dokument hochlade (egal ob PDF oder Bild), läuft die OCR im Hintergrund. Nach ein paar Sekunden oder Minuten (je nach Dokumentengröße) ist das Dokument vollständig durchsuchbar.

Das heißt: Wenn ich "Stromrechnung Januar 2023" suche, und das Wort in einem gescannten Dokument steht, wird es gefunden.

Automatische Tagging-Regeln

Ich kann automatische Regeln einrichten: "Wenn das Dokument das Wort 'Amazon' enthält, füge automatisch das Schlagwort 'Online-Shopping' hinzu."

Das spart Zeit. Nicht jedes Dokument muss ich manuell taggen.

Dokumententypen und Kategorien

Paperless kann automatisch erkennen, ob etwas eine Rechnung, ein Vertrag oder eine Quittung ist. Das ist nicht 100% zuverlässig, aber hilft bei der Kategorisierung. Zusätzlich kann ich manuell Kategorien erstellen: "Versicherungen", "Verträge", "Finanzen", "Steuern" und Dokumente entsprechend zuordnen.

Die Suchfunktion

Das Wichtigste: Die Suche. Ich kann nach Schlagworten suchen, nach Datum, nach Dokumenttyp. Oder einfach nach Keywords z.B. "Versicherung" und bekomme alle Versicherungsdokumente angezeigt. Die Volltextsuche bedeutet: Auch wenn ich nur ein Wort aus einem gescannten Dokument kenne, finde ich es.

Praktische Anwendungsfälle aus meinem Alltag

Theorie ist gut. Aber wie nutze ich das praktisch?

Anwendungsfall 1: Steuerdokumente organisieren

Steuererklärungen sind ein großes Thema. Finanzamt, Nachweise, Quittungen.

Früher: Ich hatte einen Ordner "Steuern 2023" mit vielen Dateien. Wenn ich eine bestimmte Quittung brauche, muss ich manuell durch alle Dateien gehen.

Jetzt: Alle Steuerdokumente landen in Paperless. Mit Schlagworten wie "Steuern", "2023", "Quittung", "Berufliches". Ich suche "Steuern 2023 Telekommunikation" und bekomme sofort die relevanten Dokumente.

Die Zeitersparnis ist spürbar. Statt 10 Minuten Suchen, finde ich das Dokument in 10 Sekunden.

Anwendungsfall 2: Vertragsunterlagen archivieren

Versicherungen, Mietverträge, Lizenzen, alle Verträge landen in Paperless.

Mit Schlagworten wie "Vertrag", "Versicherung", "Krankenversicherung" kann ich schnell finden, was ich brauche. Zusätzlich nutze ich die Datums-Funktion: Ich sehe, wann Verträge erneuert werden müssen.

Anwendungsfall 3: Finanzielle Belege sammeln

Rechnungen, Quittungen, Bankabzüge, alles landet automatisch (über Email oder SMB-Ordner) in Paperless.

Mit Kategorisierung "Geschäftlich" und "Privat" habe ich eine vollständige Übersicht über meine Ausgaben. Wenn der Steuerberater fragt, kann ich schnell die benötigten Belege zusammenstellen.

Anwendungsfall 4: Behördenakten sichern

Ämter-Schreiben sind wichtig. Ich lagere sie in Paperless ein.

Mit Schlagworten wie "Behörde", "Finanzamt", "Rentenversicherung" finde ich schnell, was ich brauche, wenn es nötig ist. Eine zentrale Stelle für all diese wichtigen Dokumente.

Fazit: Der Perspektivwechsel

Technisch gesehen habe ich gelernt: Wie ein Document Management System funktioniert. Wie OCR Dokumente durchsuchbar macht. Wie man Prozesse automatisiert. Wie man in großen Dokumentenmengen schnell findet, was man braucht.

Aber die wichtigere Erkenntnis ist eine andere.

Früher dachte ich: "Meine Dokumente müssen irgendwo sicher abgelegt sein; das ist genug."

Jetzt denke ich: "Meine Dokumente sollen sicher, organisiert UND auffindbar sein."

Das ist ein großer Unterschied. Es geht nicht nur um Speicherung; es geht um Nutzung.

Und das ist der Homo Creator-Ansatz, den ich interessant finde: Ich habe mein eigenes System gebaut. Nicht weil ich alles über Dokumentenverwaltung wusste, sondern weil ich bereit war, die einzelnen Teile zu lernen und sie zusammenzusetzen.

Das hat sich auch auf andere Bereiche ausgeweitet. Wenn Paperless-ngx läuft, warum nicht auch andere selbstgehostete Anwendungen? Die eine oder andere Idee habe ich noch.

Das ist, was mich reizt: Nicht abhängig sein von Cloud-Anbietern. Nicht abhängig sein von ihren Geschäftsentscheidungen. Stattdessen: Eigenes System, eigene Regeln, vollständige Kontrolle.

Papierloses Leben ist möglich. Und es ist nicht so kompliziert, wie es klingt.

Details

Geschrieben von: Moritz Conjé

Kategorie: Work-Life-Flow

Veröffentlicht: 21. September 2025

Zugriffe: 112

• Technik

Einleitung: Die Ausgangslage

Home-Automation war lange ein Konzept, mit dem ich mich nicht auseinandersetzt habe. Bis Arbeitskollegen anfingen, davon zu erzählen.

Diese Gespräche waren informativ und detailliert - erzeugten bei mir aber auch eine erste Hürde: zu viel Komplexität, zu viel spezialisiertes Wissen erforderlich. Mein erster Gedanke: „Das ist für mich wahrscheinlich zu viel."

Dann kam eine längere Recherchephase. Verschiedene Systeme, ihre Ansätze, ihre Vor- und Nachteile. Dabei wurde mir ein zentrales Problem deutlich: Die meisten Systeme sind cloudbasiert. Deine Daten liegen auf Servern eines Anbieters. Du nutzt das System, aber kontrollierst nicht, wo und wie deine Daten gespeichert werden.

Das hat mich bewogen, eine andere Route zu suchen: Open Source. Systeme, deren Code offen einsehbar ist. Systeme, bei denen ich die Kontrolle über meine Daten behalte und sie lokal betreiben kann.

Diese Suche führte mich zu Home Assistant.

Die erste Hürde: Hardware und Virtualisierung

Hardware-Entscheidungen

Der erste konkrete Schritt: Welche Hardware brauche ich?

Ein vollwertiger PC mit Monitor kam nicht in Frage. Ein Mini-PC - ein NUC (Next Unit of Computing) - schien die richtige Größe zu sein. Die Auswahl war aber größer als erwartet: Prozessoren, RAM, Stromverbrauch, Preis.

Die Lösung als günstiger Einstieg war ein NUCi5 von Kleinzeigen mit den Specs:

• Intel(R) Core(TM) i5-7260U CPU @ 2.20GHz
• 8GB RAM
• 1 TB NVMe

Dazu kam ein strategischer Überlegung: In Zukunft könnte ich weitere Projekte auf diesem System umsetzen wollen. Ein Dateiserver. Andere selbstgehostete Anwendungen.

Das führte zu der Frage: Wie isoliere ich verschiedene Projekte voneinander? Wie verhindere ich, dass ein Update in einer Anwendung die anderen beeinträchtigt?

Diese Frage führte mich zu Virtualisierung - ein Konzept, das ich aus beruflicher IT-Welt kannte, aber noch nie selbst angewendet hatte.

Proxmox als Virtualisierungslösung

Ich recherchierte verschiedene Virtualisierungslösungen und stieß auf Proxmox - eine Open Source Virtualisierungsplattform mit großer Community.

Proxmox ermöglicht es, auf einem einzigen NUC mehrere isolierte Umgebungen zu schaffen. Jede Anwendung läuft in ihrem eigenen Container. Sie beeinflussen sich nicht gegenseitig.

Damit war klar: Ich baue nicht einfach nur eine Anwendung. Ich schaffe eine Infrastruktur - die Basis, auf der ich in Zukunft weitere Projekte umsetzen kann.

Der praktische Vorteil dieser Isolation: Sollte es bei einer Anwendung Probleme geben, kann ich diese neu aufsetzen, ohne dass andere Systeme davon betroffen sind. Das reduziert das Risiko erheblich und half mir bereits bei der initialen Instalation, die nicht gleich klappte.

Praktische Umsetzung

Die nächsten Schritte waren praktischer Natur: NUC ins Heimnetzwerk integrieren. Sicherstellen, dass Home Assistant stabil erreichbar ist. Entscheiden, welche Ports geöffnet werden.

Das waren keine großen technischen Hürden, aber eine Reihe von Details, die ich selbst recherchieren musste.

Das ist ein wichtiger Punkt: Man muss nicht alles im voraus wissen. Man muss bereit sein, die einzelnen Schritte zu gehen und Fragen zu stellen.

Das erste funktionierende System: Daten sammeln und visualisieren

Das Problem: Daten ohne Kontext

Home Assistant war installiert, der NUC lief. Aber jetzt?

Home Assistant allein ist eine Verwaltungsoberfläche. Sie braucht Daten, um sinnvoll zu sein. Und sie braucht eine Möglichkeit, diese Daten verständlich zu machen.

Ich installierte InfluxDB - eine Datenbank, die spezialisiert auf Sensordaten ist. Hier landen alle Messwerte strukturiert mit Zeitstempel: Temperatur, Luftfeuchte, Energieverbrauch.

Dann installierte ich Grafana - ein Visualisierungstool, das diese Rohdaten in Graphen umwandelt.

Die Visualisierung ändert alles

InfluxDB speichert Daten, Grafana holt sie sich und visualisiert sie. Ich musste mich eine Weile mit den Variablen und "Verarbeitungsoptionen" von Grafana beschäftigen. Doch nach einer Weile sah ich auf meinem Bildschirm nicht nur Tabellen mit Zahlen - ich sah Kurven, Muster, Zusammenhänge.

Ich konnte sehen, wie die Temperatur im Schlafzimmer über den Tagesverlauf reagiert. Wie die Luftfeuchte auf Wetterverhältnisse antwortet. Wie sich nachts die Außentemperatur auf die Innentemperatur auswirkt.

An diesem Punkt war mein initiales Ziel erreicht: Sensoren liefern Daten. Eine Datenbank speichert sie. Ein Visualisierungstool zeigt sie mir und ich konnte die äußeren lokalen Klimadaten mit den Messwerten meiner Wohnung verknüpfen.

Optimierung der Datenquellen

Das erste Problem: Datenqualität

Die ersten Sensoren, die ich einband, waren meine bestehenden Temperatur- und Luftfeuchtigkeitssensoren. Ein BLE-Empfänger auf einem ESP32-Mikrocontroller sammelte diese Daten. Ich bestellte eine handvoll Controller ukd lernte, wie man sie mit der entsprechenden Software flasht. Danach bekamen die nackten Sensoren noch ein schlichtes Gehäuse und wurde an neuralgischen Punkten in der Wohnung verteilt.

Technisch funktionierte alles. Aber die Datenqualität war suboptimal:

• Die Sensoren sende alle paar Sekunden einen Wert → Das erzeugt Rauschen in den Graphen
• Ein anderer Sensor zeigte vier Dezimalstellen an → Mehr Genauigkeit als nötig
• Die Sensor-Namen waren kryptisch → sensor_5a8f statt aussagekräftigen Namen

Die Daten waren vorhanden, aber nicht optimiert.

Template-Sensoren als Lösung

Template-Sensoren schafften Abhilfe. Ein Template-Sensor ist ein virtueller Sensor, den ich selbst definiere, basierend auf echten Sensoren.

Mit Template-Sensoren kann ich:

• Die Datenrate reduzieren (nur jeden 5. Wert speichern statt alle paar Sekunden)
• Die Messgenauigkeit anpassen (auf zwei Dezimalstellen runden)
• Aussagekräftige Namen vergeben (sensor_wohnzimmer_temperatur statt sensor_5a8f)
• Korrekturberechnungen durchführen (z.B. eine fehlerhafte Messung korrigieren)

Das war ein wichtiger Lernpunkt: es kommt nicht auf die Masse an Daten an, sondern auf die Qualität.

Erweiterung: Kontext und Kontrolle

Kontext durch externe Daten

Mit den Basis-Sensoren wollte ich das System erweitern. Ich integrierte Wetterdaten von Met.no über einen Template-Sensor, der eine API anzapft.

Plötzlich hatte ich nicht nur Daten aus meinem Zuhause, sondern auch Kontext der Außenwelt.

Das macht einen Unterschied: Wenn die Innentemperatur sinkt, kann ich jetzt sehen, ob das an der Außentemperatur liegt oder an meinen Verhaltensweisen (Fenster offen).

Kontrolle durch Aktoren

Dann kam der nächste Schritt: der Sonoff Zigbee-Stick. Damit konnte ich Matter-kompatible Geräte einbinden - nicht nur Sensoren, sondern auch Schalter und Mess-Steckdosen:

• Mess-Steckdosen (um Stromverbrauch zu messen)
• Schaltsteckdosen (um Geräte zu schalten)

Das System wurde damit von einer reinen Beobachtungslösung zu einer aktiven Infrastruktur, die auf ihre Umgebung reagieren kann.

Was sich durch dieses Projekt geöffnet hat

Die technische Seite

Ich habe gelernt, wie Virtualisierung funktioniert. Wie Datenbanken und Visualisierungswerkzeuge zusammenarbeiten. Wie man Sensoren einbindet. Wie man Systeme isoliert und wartet.

Der Perspektivwechsel

Aber die wichtigere Erkenntnis ist eine andere: Ich bin kein reiner Konsument mehr.

Früher: „Mein Smart Home müssen andere bauen. Ich zahle, sie installieren, ich nutze."

Jetzt: „Ich baue das selbst. Nicht als Profi. Aber als jemand, der bereit ist, die einzelnen Schritte zu lernen und sie zusammenzusetzen."

Das hat sich auch auf andere Bereiche ausgeweitet. Virtualisierung war ein abstraktes Konzept. Jetzt habe ich es umgesetzt. Ich verstehe das Grundkonzept und sehe das Potenzial für weitere Projekte. Das ist nicht mehr Theorie - das ist nun Erfahrung.

Und es hat zu neuen Ideen geführt: Wenn ich Home Assistant aufgesetzt habe, warum nicht auch andere selbstgehostete Anwendungen? Ein Dateiserver. Ein Paperless-System für Dokumentenverwaltung. Alles auf der gleichen Infrastruktur, alles isoliert, alles unter meiner Kontrolle.

Das reizt mich am Homo Creator-Ansatz: nicht als Fertig-Experte starten, sondern als jemand, der willens ist, die einzelnen Teile zu lernen und sie zusammenzusetzen.

Ausblick: Der nächste Schritt

Bis hier habe ich ein System, das beobachtet, speichert und visualisiert. Das funktioniert und ist wertvoll.

Der nächste logische Schritt sind Automationen:

• Wenn die Temperatur sinkt, soll die Heizung reagieren
• Wenn die Luftfeuchte kritisch wird, soll eine Benachrichtigung erfolgen
• Wenn die Sonne untergeht, sollen die Lichter angehen
• Wenn ich nicht zuhause bin, sollen Sicherheitsfunktionen aktivieren

Das ist der Punkt, wo ein Smart Home von einer Messlösung zu einem reaktiven System wird.

Aber auch diesen Schritt freue ich mich, an der Umsetzung der einzelnen Komponenten zu lernen.

Details

Geschrieben von: Moritz Conjé

Kategorie: Work-Life-Flow

Veröffentlicht: 11. Dezember 2024

Zugriffe: 8153

• Technik

Ich suchte nach einer Möglichkeit, mein Auto etwas smarter zu machen, da es nicht über ein modernes Entertainmentsystem oder Navigationsgerät verfügt. Das Nachrüsten eines modernen Konsolen-Radios ist möglich, kostet jedoch auch ein paar Euro. So suchte ich nach einer Alternative zur Umsetzung eines modernen Auto-Entertainmentsystems.

Ich testete eine Standalone-Headunit; das Gerät an sich konnte mich aber nicht überzeugen, die generelle Nutzung und die Funktionalität aber schon. Ich brauchte also eine Alternative zwischen einer Standalone-Headunit und einem Konsolenradio.

Vor einigen Jahren hatte ich mir das Tab S6 Lite als eines meiner ersten Tablets gekauft. Mittlerweile wurde das Gerät aufgrund der nachlassenden Performance durch andere Geräte ersetzt und fristete sein Dasein seit ein paar Monaten im Regal an meinem Schreibtisch. Die Idee war nun, das Tablet zu einem zweiten Nutzungszyklus durch die Umwandlung in eine Android-Auto-Headunit zu verhelfen – frei nach den Prinzipien und Grundsätzen von GreenIT; mehr Infos zur Strategie des Landes Schlwesig-Holstein in bezug auf GreenIT sind hier nachzulesen..

Anwendung “Android Auto” auf dem Tablet nutzen

Die Anwendung „Android Auto“ ist im Betriebssystem von Android integriert. Es ist keine eigenständige App, sondern interagiert mit verschiedenen Anwendungen auf dem Gerät oder mit externen Geräten/Displays und erweitert den Bildschirm des Handys, zum Beispiel auf Display-Einheiten in Autos.

Somit ist eine direkte Nutzung eines Samsung-Tablets als „Streaming-Device“ für ein Samsung-Handy, zum Beispiel S24 Ultra, nicht möglich. Auf dem Tablet muss eine App installiert werden, die es als externen Bildschirm nutzbar macht. Meine Wahl fiel dabei auf den Headunit Reloaded Emulator HUR / play.google.com. Dieser sieht im ersten Moment nicht sehr einladend aus, nach der Einrichtung agiert er aber nur noch im Hintergrund und stellt das Android-Auto-Interface zur Verfügung.

Die App allein ist im Selfmode als Standalone-Anwendung nutzbar, jedoch gehen damit einige Probleme einher. So emuliert das Tablet die Android Auto und Headunit-Einheit gleichzeitig, was zu ungewünschten Verhalten bei der Nutzung der Texteingabe führen kann. Somit ist eine weitere App notwendig, die das streamen vom Handy auf die Headunit ermöglicht.

Auf dem Tablet rufen wir die App Headunit Reloaded Emulator HUR auf und stellen unter “Settings” > “Connectivity” unter “WiFi connection mode” den Modus “WiFi client mode (phone will create hotspot)”. Diese Einstellung korrespondiert mit der Einstellung, die wir im nächsten Schritt in der App auf dem Handy einstellen werden.

Kabelloses Streamen vom Handy per ”Wifi Launcher”

Um die Verbindung vom Handy zum Tablet herustellen, ist eine weitere App auf dem Handy notwendig, die eine kabellose Verbindung vom Handy zum Tablet und der Android Auto Anwendung herstellt - der Wifi Launcher / play.google.de. Diese Anwendung Verknüpft über den Hotspot des Handys die Headunit auf dem Tablet.

Die App benötigt diverse Berechtigungen auf dem Handy, die beim ersten Aufruf genehmigt werden müssen. Etwas umständlich war bei mir die Deaktivierung der Akku-Optimierung. Diese wurde im Einrichtungsprozess aufgerufen, jedoch nicht angenommen, sodass ich diese händisch einrichten musste. Einen Artikel dazu gibt es hier: Android: So deaktiviert ihr die Akku-Optimierung für eine App / netzwelt.de.

Hier muss im Anschluss an die Ersteinrichtung unter “Bluetooth” das Device gewählt werden, welches als Android Auto Interface genutzt werden soll, in meinem Fall das Tab S6 Lite.

Unter “Wireless” wird der Modus “Create WiFi hotspot” ausgewählt. Dies bedeutet, dass das Handy einen Hotspot öffnet, über das sich das Tablet verbindet. Somit haben wir eine WLAN-Verbindung der Geräte hergestellt.

Reihenfolge der Verbindung der Geräte

Die Geräte werden zur Nutzung zwei Verbindungen herstellen, eine WLAN-Verbindung und eine Bluetooth/BLE-Verbindung. Hier ist es besonders wichtig, die richtige Reihenfolge bei der Verbindung der beiden Devices zu befolgen.

1. Hotspot auf dem Handy aktivieren

Zuerst muss auf dem Handy ein “Hotspot” eingerichtet werden. Die Ersteinrichtung erfolgt auf dem Android-Gerät (Android 14 / OneUI6.1) unter “Einstellungen” > “Verbindungen” > “Mobile Hotspot und Tethering” > “Mobile Hotspot”. Bei der Ersteinrichtung muss man einmal auf den Menüpunkt klicken und die entsprechenden Einstellungen vornehmen (Netzname, Passwort und Frequenzbereich (Empfehlung: “5GHz bevorzugt”)). Danach kann der “Mobile Hotspot” aktiviert werden. In Zukunft kann er auch über das Schnellmenü des Handy aktiviert werden (ggf. muss das Symbol einmalig eingeblendet werden.). Wir wählen als Namen “AA Hotspot”. Diesen nutzt später die App “Wifi Launcher” automatisch zur Verknüpfung der Geräte.

2. Handy mit dem Tablet per Bluetooth verbinden

Im zweiten Schritt verbinden wir das Handy per Bluetooth mit dem Tablet. Dazu aktiviert man auf beiden Geräten Bluetooth und sucht per Scann auf dem Handy nach dem Tablet. Wurde dies gefunden, verbindet man das Handy mit dem Tablet. Danach wird auf beiden Geräten die Verbindung angezeigt.

3. Tablet per WiFi mit dem Handy verbinden

Im dritten Schritt öffnet man auf dem Tablet das WLAN-Menü (Schnellmenü aufrufen / Swipe von oben nach unten auf dem Bildschirm) > in die Auswahl des WLANs gehen > Verbindung mit dem Hotspot des Handys auswählen (AA Hotspot).

Dadurch sollte das Handy bzw. die App “WiFi Launscher” das Tablet bereits als potenzielle “Headunit” erkennen.

4. Starten der App Headunit Reloaded Emulator HUR auf dem Tablet

Nun müssen wir nur noch die App auf dem Tablet aufrufen. Nachdem sich das alte App-Menü öffnet, sollte diese nach einem kurzen Augenblick in das Interface von “Android Auto” wechseln. Im Zweifel aktiviert man auf dem Handy noch einmal “Android Auto” (Einstellungen > Verbundene Geräte > Android Auto). Hier kann man unter “Verbindungen” > “+ Auto verbinden” ebenfalls noch einmal das Tablet auswählen (ggf. nach dem Klick auf den Button im Kontextmenü das verbundene Tablet nochmal trennen und erneut verbinden).

Automatisierung durch Android Routinen”

In einem Folgebeitrag werde ich den Vorgang der Geräteverknüpfungen durch "Routinen" automatisieren. Mit den bestehenden Optionen ist dies ohne weiteres möglich. Zudem kommen mit dem Update Android 15 und One UI 7 weitere Optionen und Funktionen hinzu (Update für Samsung Galaxy bringt gleich 32 neue Handy-Routinen, damit ihr im Alltag weniger selber machen müsst / gamestar.de). Ich bin gespannt, welche Usecases in Zukunft damit umsetzbar sind.