Die Anweisung war, direkt mit dem korrigierten HTML zu antworten (nicht eine Datei zu bearbeiten) — daher hier die Korrektur als Text:
- Frigate ist ein kostenloses Open-Source-NVR (Network Video Recorder, also eine Software zur Aufzeichnung und Verwaltung von Kamerabildern), das Objekte per KI erkennt – komplett lokal, ohne dass Bilder eine Hersteller-Cloud durchlaufen.
- Seit Version 0.16 sind Gesichtserkennung und Kennzeichenerkennung kostenlos dabei, ein kostenpflichtiges Abo ist dafür nicht nötig.
- Für flüssige Objekterkennung lohnt sich ein KI-Beschleuniger wie Hailo-8L – reine CPU-Last lässt sich damit deutlich senken.
- Läuft als Docker-Container, auch auf Unraid per Community-Applications-Vorlage installierbar.
Wer eine eigene Kameraüberwachung zuhause aufbauen will, landet schnell bei Herstellern, die ohne eigene Cloud und Abo kaum funktionieren. Frigate geht den umgekehrten Weg: Die komplette Auswertung der Kamerabilder läuft auf der eigenen Hardware im Heimnetz, keine Aufnahme muss das Haus verlassen. Entwickelt wird die Software von Blake Blackshear und einer aktiven Community unter der freien MIT-Lizenz, aktuell als stabile Version 0.17.2.
Was Frigate genau macht
Frigate ist ein NVR mit eingebauter Objekterkennung: Statt jede Bewegung aufzuzeichnen, erkennt die Software per KI-Modell, ob tatsächlich eine Person, ein Auto oder ein Paket im Bild ist – und filtert so wehende Bäume oder vorbeifahrende Autoscheinwerfer heraus, die sonst ständige Fehlalarme auslösen würden. Die Bilder der Kameras erreichen dabei zu keinem Zeitpunkt einen fremden Server, und eine Cloud-Anbindung ist zu keinem Zeitpunkt Pflicht.
Was die Hardware können muss
Frigate läuft als Docker-Container, braucht also eine Linux-Umgebung mit Docker – ein Mini-PC, ein Raspberry Pi oder eben ein NAS (Network Attached Storage, ein Speicher, der am Netzwerk hängt und rund um die Uhr läuft) bieten sich an. Wichtig: Der Prozessor muss AVX bzw. AVX2 unterstützen, spezielle Befehlssätze, die bestimmte Berechnungen beschleunigen. Ein beliebter Sockel dafür sind Mini-PCs mit Intel-N100-Prozessor wie der Beelink EQ13, die zusätzlich eine iGPU (im Prozessor eingebaute Grafikeinheit) mitbringen, mit der sich das Decodieren der Videostreams entlasten lässt – laut Frigate-Team der CPU-intensivste Teil der ganzen Kette.
Beim Arbeitsspeicher gilt: mindestens 4 GB RAM bei einfachen Setups mit dediziertem KI-Beschleuniger, mindestens 8 GB sobald zusätzliche Funktionen wie Gesichts- oder Kennzeichenerkennung mitlaufen. Für den Zwischenspeicher der Videodecodierung reserviert Frigate zudem Shared Memory (/dev/shm); wie viel davon nötig ist, hängt von der gewählten Erkennungsauflösung ab.
KI-Beschleuniger: Warum reine CPU-Power nicht reicht
Objekterkennung mit einem KI-Modell ist rechenintensiv. Ohne dedizierten Beschleuniger reicht die CPU-Leistung schnell nicht mehr für mehrere Kameras gleichzeitig. Lange Zeit galt der Google Coral als Standardempfehlung, ein kleiner TPU-Chip (Tensor Processing Unit, ein Prozessor speziell für KI-Berechnungen). Inzwischen sieht das anders aus: Google hat die Weiterentwicklung eingestellt, die Verfügbarkeit ist seit dem Chip-Engpass 2023 unzuverlässig, und Frigates eigene Dokumentation rät für Neuinstallationen nicht mehr generell dazu.
An seine Stelle ist der Hailo-8 bzw. Hailo-8L getreten, der sich seit 2025/2026 als von der Community bevorzugte Alternative etabliert hat – inklusive offizieller Integration in Frigate. Auf einem Raspberry Pi 5 mit Hailo-8L-Beschleuniger (13 TOPS, also Tera Operations Per Second, eine Maßeinheit für die Rechenleistung von KI-Chips) lassen sich real 4 bis 5 Kamerastreams bei rund 10 % CPU-Last verarbeiten.
| Beschleuniger | Leistung / Praxiswert | Einordnung |
|---|---|---|
| Google Coral (USB) | TPU, ca. 60 USD | Verfügbarkeit unsicher, End-of-Life-Empfehlung laut Frigate-Doku |
| Google Coral (M.2, A+E-Key) | TPU, ca. 25–30 USD wenn lieferbar | End-of-Life-Empfehlung laut Frigate-Doku |
| Hailo-8L | 13 TOPS, 4–5 Streams auf Raspberry Pi 5 bei ~10 % CPU-Last | Aktuell von der Community bevorzugt |
| Intel iGPU (OpenVINO) | Für Mini-PCs mit AVX/AVX2, z. B. Intel N100 | Gut für Videodecoding |
| NVIDIA GPU / Jetson | TensorRT/ONNX, Jetpack 6 für Jetson | Für höhere Kamerazahlen oder 4K-Auflösung |
Hailo-8 M.2 AI-Beschleuniger-Modul, kompatibel mit Raspberry Pi 5
Genau die Art von KI-Beschleuniger, die Frigate für lokale Objekterkennung ohne Cloud-Anbindung nutzt – die oben genannten Praxiswerte (4–5 Streams, ~10 % CPU-Last) beziehen sich auf die Hailo-8L-Variante, nicht auf dieses Modell.
Passende Kameras
Frigate ist herstellerneutral: Jede Kamera reicht, die RTSP (Real Time Streaming Protocol, der Standard, über den Kameras ihr Videobild im Netzwerk bereitstellen) oder ONVIF Profile S/T beherrscht – ein Standard, der festlegt, wie Kameras verschiedener Hersteller mit fremder Software zusammenarbeiten. Reolink- und Amcrest-PoE-Modelle (Power over Ethernet, Strom und Netzwerk über ein einziges Kabel) laufen damit ohne Zwang zur Hersteller-App.
Installation als Docker-Container
Frigate wird als Docker-Container betrieben. Wer bereits ein Unraid-NAS im Einsatz hat, findet in den Community Applications eine offizielle Vorlage – einfach nach „Frigate“ suchen und installieren. Auf anderen Systemen genügt ein passendes Docker-Compose-Setup mit Zugriff auf den gewählten KI-Beschleuniger.
Funktionen ohne Zusatzkosten
Seit Version 0.15 bringt Frigate Semantic Search mit: eine Suche, die per CLIP-Modell (einem KI-Modell, das Bilder und Text miteinander vergleicht) ähnliche Szenen anhand von Text- oder Bildbeschreibungen findet, statt nur nach starren Filtern zu suchen. Version 0.16 hat Gesichtserkennung und Kennzeichenerkennung (LPR, License Plate Recognition) direkt eingebaut – beides kostenlos, ganz ohne das kostenpflichtige Frigate+-Abo. Seit 0.17 kann Frigate zusätzlich GenAI nutzen, um aufgezeichnete Ereignisse automatisch zusammenzufassen: Titel, Beschreibung und eine Einstufung als gefährlich, verdächtig oder normal. Die dafür nötige Anbindung an einen externen oder lokalen Sprachmodell-Anbieter lässt sich frei konfigurieren.
Frigate+: das optionale Bezahl-Add-on
Wer will, kann für 50 USD im Jahr Frigate+ abonnieren. Enthalten sind 12 Trainings-Credits, mit denen sich Erkennungsmodelle auf die eigenen Kameras und die eigene Umgebung feintunen lassen; weitere Feintunings kosten je 5 USD. Das Praktische: Einmal trainierte Modelle bleiben auch nach Ablauf des Abos lokal nutzbar. Pflicht ist Frigate+ für keine der oben genannten Kernfunktionen.
Zusammenspiel mit Home Assistant
Wer Home Assistant für die Hausautomation einsetzt, kann Frigate darüber einbinden – per HACS-Integration (Home Assistant Community Store, eine Sammelstelle für Zusatzmodule) oder Add-on. Die Kommunikation läuft über MQTT, ein schlankes Nachrichtenprotokoll, über das smarte Geräte im Heimnetz Ereignisse austauschen: Objekterkennungen, Sensorwerte und Kameraentitäten landen so direkt in Home Assistant. Für die aktuelle Integration wird mindestens Home Assistant 2026.3.0 vorausgesetzt.
Eine offizielle native App für Smartphones gibt es nicht – Frigate setzt stattdessen auf eine PWA (Progressive Web App, eine Webseite, die sich wie eine App anfühlt und sich auf dem Homescreen installieren lässt). Begründet wird das damit, dass eine kommende Version deutlich mobilfreundlicher werde und eine native App keinen echten Mehrwert brächte. Wer trotzdem eine App-artige Oberfläche will, findet inoffizielle Drittanbieter-Lösungen in den App Stores.
Rechtliches nicht vergessen
„Alles bleibt ja lokal“ ist rechtlich kein Freibrief. In Deutschland dürfen private Überwachungskameras grundsätzlich nur das eigene Grundstück erfassen – öffentliche Wege und Nachbargrundstücke grundsätzlich nicht. Erfasst eine Kamera doch fremden Bereich, greift die DSGVO (Datenschutz-Grundverordnung), und es braucht eine Rechtsgrundlage wie eine Einwilligung oder ein berechtigtes Interesse. Der Speicherort der Aufnahmen – lokal oder Cloud – ändert daran nichts.
Fazit
Frigate zeigt, dass eine leistungsfähige Kameraüberwachung ohne Hersteller-Cloud und ohne Zwangsabo funktioniert. Mit passender Hardware, allen voran einem KI-Beschleuniger wie Hailo-8L, laufen Objekterkennung, Gesichtserkennung und Kennzeichenerkennung kostenlos und komplett im eigenen Netz. Wer zusätzlich Home Assistant nutzt, bekommt die Kamera-Ereignisse nahtlos in die Hausautomation eingebunden – bei der Kameraplatzierung sollte trotzdem niemand die rechtlichen Grenzen aus den Augen verlieren.