2 Dinge… Off-Topic.. 
Da rennst du offene Türen ein! Tatsächlich basierte SFML zu Beginn auf einer Docker-Architektur auf einem Raspberry Pi. Der entscheidende Vorteil: Die Lösung agierte vollkommen entkoppelt von Home Assistant (HA) und dessen systembedingten Limitationen. Echte schwergewichtige lokale KI (!!)
Die technischen Vorteile der Docker-Version:
- Maximale Flexibilität: Da auf einem Pi (oder Linux-Host) nahezu alle Bibliotheken verfügbar sind, konnte eine deutlich leistungsfähigere KI implementiert werden.
- Fortgeschrittene AI (Transformer mit mehreren HEADS): Vollständiges Modell-Training via JobLib, direkter Daten-Pull aus der HA-Datenbank (Recorder-API) inklusive automatisierter Aufbereitung sowie ein effizienter Warmstart mit erweiterten Parametern.- Ki von Tag eins
- Performance: Schnell, effizient und unabhängig von der HA-Core-Auslastung. → HA hat nur die Daten geliefert / liefert sie
Warum der Wechsel zur HA-Integration?
Trotz der technischen Überlegenheit war die Einstiegshürde zu hoch. Die Konfiguration von Proxmox, das Management separater Docker-Container oder die Bereitstellung dedizierter Hardware (Zweit-PC/Pi) überforderte viele Nutzer. Der Switch zur nativen HA-Integration war daher ein logischer Schritt: Er reduziert die Komplexität massiv und macht SFML durch bekannte Workflows für eine breitere Zielgruppe zugänglich.
Das “Powerhouse”: SFML-Docker
Dennoch existiert die extrem leistungsfähige Docker-Variante weiterhin. Sie ist weit mehr als eine reine Prognose-KI. Über SSH und Token-Authentifizierung kann sie HA vollumfänglich überwachen, konfigurieren und aktiv zur Problemlösung beitragen. - Alles lokal ohne Abo, Internet,..
- LLM-Integration: Aktuell ist SFML KI in Qwen 3.5 nativ angebunden, was eine flüssige Kommunikation und allerlei KI Features zulässt.
- Hardware-Anforderungen: Hier liegt die größte Hürde. Als “All-in-one”-Docker-Lösung wird aktuell ein PC mit GPU und mindestens 8 GB VRAM benötigt. → LLM`s laufen mit CUDA oder ROC / Vulcan auf der GraKa und andere Lösungen erzeugen einen zu großen Overhead
- Ausblick: Um die Hardware-Hürde zu senken, arbeite ich derzeit an einer CPU-only-Version. Diese soll auf Standard-Hardware wie Laptops oder NUCs lauffähig sein – allerdings weiterhin auf Docker-Basis, um die Unabhängigkeit zu bewahren.
@Kaysen899 @Joachim-xo @CaptSonic
Stand heute: Komplett fertige eigene Linux Distro, in der Alles eingebaut ist.
(Meine eigene Linux-Distro incl KI Live in VM gebooted ohne installation… KI funktioinert im Terminal -auch ohne GrKa.. aber das Deutsch ist nicht das Beste.. aber für ein Live System völlig okay.. bei Installation zieht er autmatisch der HW entsprechend größere Modell nach..) - Schaut mal was da steht 
Das ist dann die Profi-Version für Nerds und Spielkinder die in der Lage sind Docker zu nutzen.
zu tiefe Prognose seit dem Update
