Was ist Frigate?

Passende Hardware im Überblick

Boards – Frigate braucht Rechenleistung:
Raspberry Pi 5 mit 16GB RAM – die Empfehlung für mehrere Kameras (Link)*
Raspberry Pi 5 mit 8GB RAM – der vernünftige Standard (Link)*
Raspberry Pi 5 mit 4GB RAM – nur für ein bis zwei Kameras (Link)*

KI-Beschleuniger – ohne den geht es kaum:
Raspberry Pi AI HAT+ mit 26 TOPS – Hailo-8 auf dem Pi 5 (Link)*
Raspberry Pi AI HAT+ mit 13 TOPS – reicht für den Hausgebrauch (Link)*
Waveshare Hailo-8 M.2-Modul – wenn schon ein M.2-HAT vorhanden ist (Link)*

Speicher und Strom – Aufzeichnungen gehören auf SSD:
Geekworm X1001 M.2-HAT für den Pi 5 (Link)*
Crucial P310 NVMe SSD 500GB – schnell und sparsam (Link)*
Intenso M.2 NVMe SSD 500GB – wenn es günstig sein soll (Link)*
SanDisk Extreme Portable SSD 2TB – viel Platz für lange Aufbewahrung (Link)*
SanDisk Extreme Portable SSD 1TB (Link)*
Offizielles 27-W-Netzteil für den Pi 5 (Link)*
GeeekPi P33 PoE-HAT mit NVMe-Steckplatz (Link)*

Kameras – RTSP-fähig und mit zwei Streams:
Reolink RLC-810A PoE mit 4K – die Empfehlung (Link)*
Reolink RLC-520A PoE mit 5MP – der Preis-Leistungs-Tipp (Link)*
Reolink Video-Türklingel PoE – liefert ebenfalls RTSP (Link)*
eufy SoloCam S340 Solar – kabellos, RTSP nur über die HomeBase (Link)*

Kurz gesagt: Was ist Frigate und wofür braucht man es?

Frigate in aller Kürze:

• Objekterkennung statt Bewegungsmeldung: Frigate meldet nicht jeden Schatten und jeden Grashalm im Wind, sondern erkennt konkret Person, Auto, Fahrrad, Hund oder Katze – und schweigt beim Rest.
• Alles bleibt im Haus: Die Erkennung läuft lokal auf dem eigenen Gerät. Kein Cloud-Konto, kein Abo, keine Videos auf fremden Servern.
• Ein KI-Beschleuniger ist Pflicht: Ein Google Coral oder ein Hailo-Modul im AI HAT+ übernimmt die Bilderkennung. Reine CPU-Erkennung funktioniert, taugt aber nur als Notlösung.
• Installation über Docker: Ein Container, eine config.yaml und die RTSP-Adressen der Kameras – im Kern ist es nicht mehr.
• Speicher gehört auf SSD: Frigate schreibt rund um die Uhr Videodaten. Eine Speicherkarte überlebt das keine Saison.
• Home Assistant als Oberfläche: Über die offizielle Integration entstehen Sensoren, Live-Bilder und Push-Meldungen mit Schnappschuss auf dem Handy.

Was Frigate ist – Objekterkennung statt Bewegungsmelder

Frigate ist ein quelloffener Videorekorder mit eingebauter Objekterkennung. Er nimmt die Bilder vorhandener Netzwerkkameras entgegen, jagt sie durch ein neuronales Netz und beantwortet damit eine andere Frage als klassische Software: nicht „hat sich etwas verändert", sondern „was ist da zu sehen".

Der Unterschied entscheidet über Erfolg oder Frust. Klassische Bewegungserkennung vergleicht aufeinanderfolgende Bilder und schlägt an, sobald sich genug Pixel ändern. Ein Ast im Wind, das Scheinwerferlicht eines Autos an der Hauswand, ein Insekt vor der Linse in der Nacht – alles Bewegung, alles Alarm. Wer so ein System an eine Überwachungskamera im Garten hängt, schaltet die Benachrichtigungen erfahrungsgemäß nach zwei Wochen ab.

Frigate arbeitet zweistufig. Zuerst sucht es sehr sparsam nach Bewegung im Bild – das kostet kaum Rechenzeit. Erst wenn sich etwas rührt, schneidet es den betroffenen Bildausschnitt heraus und schickt ihn an das Erkennungsmodell. Das antwortet mit einem Label und einer Trefferwahrscheinlichkeit, etwa „person, 87 Prozent". Nur wenn das Label zu den konfigurierten Objekten passt, entsteht ein Ereignis mit Schnappschuss und Aufzeichnung.

Damit lässt sich formulieren, was viele eigentlich wollten: eine Meldung, wenn jemand zur Haustür geht – aber keine, wenn die Nachbarskatze über die Terrasse läuft. Zusätzlich liest die Software auf Wunsch Nummernschilder, unterscheidet Gesichter und meldet abgestellte Pakete – alles ohne einen einzigen Frame in die Cloud zu schicken.

Frigate auf dem Raspberry Pi installieren – Schritt für Schritt

1. Unterbau vorbereiten: 64-Bit Raspberry Pi OS auf einem Pi 5, gebootet von NVMe-SSD. Danach Docker einrichten – Frigate wird ausschließlich als Container betrieben.
2. KI-Beschleuniger einbauen: Google Coral am USB-Anschluss oder ein Hailo-Modul auf dem M.2-Steckplatz. Der Beschleuniger sollte stecken, bevor der Container das erste Mal startet.
3. RTSP-Adressen sammeln: Jede Kamera liefert eine Adresse im Stil rtsp://benutzer:passwort@192.168.1.50:554/h264Preview_01_main. Der genaue Pfad steht im Handbuch und unterscheidet sich je Modell.
4. Ordner anlegen: Ein Verzeichnis wie ~/docker/frigate mit den Unterordnern config und media – der Medienordner auf der SSD.
5. compose.yaml schreiben: Der Container braucht das Beschleuniger-Gerät durchgereicht, einen ausreichend großen shm-size-Wert und die beiden Ordner als Volumes:
   services:
     frigate:
       image: ghcr.io/blakeblackshear/frigate:stable
       container_name: frigate
       restart: unless-stopped
       shm_size: "256mb"
       devices:
         - /dev/bus/usb:/dev/bus/usb
       volumes:
         - ./config:/config
         - ./media:/media/frigate
       ports:
         - "5000:5000"
6. config.yaml anlegen: Pro Kamera zwei Eingänge definieren – der kleine Stream mit der Rolle detect, der große mit der Rolle record. Dazu die gewünschten Objekte, etwa person und car.
7. Starten und prüfen: docker compose up -d, dann die Oberfläche unter http://pi-adresse:5000 aufrufen. Unter „System" zeigt Frigate die Inferenzzeit je Bild – der wichtigste Wert überhaupt.
8. Zonen und Masken zeichnen: Straße, Nachbargrundstück und Himmel gehören ausmaskiert, damit sie gar nicht erst analysiert werden. Erst danach ist das System alltagstauglich.

KI-Beschleuniger für Frigate: Coral, Hailo oder CPU

Die Objekterkennung ist der teure Teil der Rechnung, und ein Raspberry Pi 5 ist dafür ohne Hilfe nicht gebaut. Deshalb lagert Frigate diese Arbeit an einen Beschleuniger aus. Die entscheidende Kennzahl heißt Inferenzzeit: die Millisekunden, die eine einzelne Erkennung dauert.

Der Google Coral galt lange als einzige sinnvolle Wahl, war aber jahrelang kaum lieferbar. Mit dem AI HAT+ gibt es inzwischen eine offizielle Alternative aus dem Hause Raspberry Pi, die Frigate seit Version 0.15 unterstützt. Wer ohnehin einen M.2-HAT nutzt, sollte den Hailo-Weg gehen, denn der Coral belegt einen USB-3-Anschluss und mag lange Verlängerungskabel nicht.

Der Verzicht auf jeden Beschleuniger ist möglich, aber unangenehm: Der Prozessor läuft dauerhaft heiß, die Erkennung hinkt Sekunden hinterher, und für andere Aufgaben bleibt nichts übrig. Wer KI auf dem Pi ernsthaft nutzen möchte, plant den Beschleuniger von Anfang an mit ein – zusammen mit einer ordentlichen Kühlung, denn Dauerlast erzeugt Wärme.

Kameras, Streams und Speicherbedarf richtig planen

Die wichtigste Anforderung an eine Kamera lautet: RTSP muss offen sein, ohne Umweg über eine Hersteller-App. Ebenso wichtig ist ein zweiter, kleiner Stream. Fast alle Netzwerkkameras liefern parallel einen hochauflösenden Hauptstream und einen sparsamen Substream – Frigate nutzt beide für verschiedene Zwecke.

• Substream für die Erkennung: 640 × 360 oder 1280 × 720 Pixel bei 5 Bildern je Sekunde genügen vollkommen. Das Erkennungsmodell skaliert ohnehin auf 320 × 320 Pixel herunter.
• Hauptstream für die Aufzeichnung: Volle Auflösung, aber unangetastet – Frigate schreibt den Datenstrom direkt weg, ohne ihn neu zu kodieren.

Aus dieser Trennung folgt die Speicherrechnung. Eine 4K-Kamera erzeugt bei mittlerer Bitrate rund 40 GB pro Tag, eine 5-MP-Kamera eher 20 GB. Vier Kameras im Dauerbetrieb füllen also selbst eine 2-TB-Platte in wenigen Wochen. Wer nur Ereignisse aufzeichnet, kommt mit einem Bruchteil aus – die Sekunden vor dem Ereignis fehlen trotzdem nicht, weil Frigate einen Puffer mitschreibt.

Diese Datenmenge ist auch der Grund für die härteste Hardware-Regel: Aufzeichnungen gehören auf eine SSD. Eine Speicherkarte hat eine begrenzte Zahl an Schreibvorgängen, und Dauervideo verbraucht dieses Budget in atemberaubendem Tempo. Wer viel Platz braucht, legt den Medienordner alternativ auf eine Netzwerkfreigabe und behält die Konfiguration lokal.

Wie viele Kameras schafft ein Pi 5? Mit Beschleuniger und sauberen Substreams sind vier bis sechs realistisch. Die Grenze setzt selten der Beschleuniger, sondern das Entpacken der Videoströme durch den Prozessor.

Frigate in Home Assistant einbinden und Meldungen einrichten

Frigate bringt eine eigene Weboberfläche mit, entfaltet seine Stärke aber erst zusammen mit Home Assistant. Die Integration wird über HACS installiert und braucht zusätzlich einen MQTT-Broker, über den Frigate seine Ereignisse meldet.

Nach der Einrichtung erscheinen pro Kamera mehrere Entitäten: ein Kamerabild, ein Zähler für erkannte Objekte, ein Sensor je Objektklasse und ein Bild des letzten Ereignisses. Damit lässt sich alles bauen, was in Automationen denkbar ist – vom Licht, das angeht, wenn nachts eine Person im Hof erkannt wird, bis zur Nachricht über ein abgestelltes Paket.

Der Klassiker ist die Push-Meldung mit Schnappschuss: Frigate erkennt eine Person in der Zone „Eingang", Home Assistant schickt das Standbild auf das Handy, ein Tippen darauf öffnet den Videoclip. Wer lieber ohne App arbeitet, nutzt Telegram als Kanal; die ausführliche Anleitung steht unter Frigate mit Home Assistant. Wichtig dabei: Meldungen gehören an Zonen gekoppelt, nicht an die Kamera als Ganzes. Eine Person auf dem Gehweg ist kein Ereignis, eine Person auf dem Grundstück schon.

Typische Fehler und Stolpersteine bei Frigate

• Falsche Auflösung für die Erkennung: Der häufigste Fehler. Wer den 4K-Hauptstream als detect-Quelle einträgt, zwingt den Prozessor, dauerhaft riesige Bilder zu entpacken und zu verkleinern. Der Substream mit 720p und 5 fps liefert dieselben Erkennungen bei einem Bruchteil der Last.
• Zu weit gefasste Zonen: Eine Zone, die Straße, Bürgersteig und halbe Nachbarschaft einschließt, produziert am Abend im Minutentakt Meldungen. Zonen gehören eng auf das eigene Grundstück gezeichnet, alles andere wird maskiert.
• SD-Karte als Speicherort: Video rund um die Uhr auf eine Speicherkarte zu schreiben, endet vorhersehbar – meist mit einem System, das nach einigen Monaten nicht mehr startet.
• Kein Beschleuniger: Die CPU-Erkennung ist als Einstieg gedacht, nicht als Betriebsart. Inferenzzeiten jenseits von 100 Millisekunden bedeuten, dass eine schnell gehende Person zwischen zwei Erkennungen durchs Bild verschwindet.
• shm_size vergessen: Der Standardwert von 64 MB reicht bei mehreren Kameras nicht. Frigate stürzt dann mit unverständlichen Fehlermeldungen ab, obwohl an der Konfiguration nichts falsch ist.
• Zu hohe Erwartung an die Trefferquote: Bei Nacht, starkem Regen oder Gegenlicht sinkt die Erkennung spürbar – Infrarot-Bilder in Graustufen sind für die Modelle deutlich schwerer als Tageslicht.

Häufige Fragen zu Frigate

Läuft Frigate auf einem Raspberry Pi 4?
Ja, mit einem Coral und ein bis zwei Kameras. Der Pi 4 ist beim Entpacken der Videoströme aber deutlich langsamer, und USB-Speicher bremst zusätzlich. Für neue Aufbauten ist der Pi 5 die vernünftigere Wahl.

Brauche ich zwingend einen Google Coral?
Nein. Ein Hailo-Modul im AI HAT+ erfüllt denselben Zweck und ist besser lieferbar. Ohne jeden Beschleuniger läuft Frigate zwar, aber nur mit einer Kamera und dauerhaft ausgelastetem Prozessor.

Wie viele Kameras schafft ein Raspberry Pi 5?
Vier bis sechs Kameras sind mit Beschleuniger und sauberen Substreams realistisch. Entscheidend ist nicht die Zahl der Kameras, sondern die Summe der Pixel und Bildraten, die der Prozessor dekodieren muss.

Funktioniert Frigate mit jeder Kamera?
Nur mit Kameras, die einen offenen RTSP-Stream liefern. Modelle, die ausschließlich über eine Hersteller-Cloud arbeiten, lassen sich nicht einbinden. Bei manchen Funkkameras führt der Weg über die zugehörige Basisstation.

Wie viel Speicherplatz sollte ich einplanen?
Grobe Orientierung: 20 bis 40 GB pro Kamera und Tag bei durchgehender Aufzeichnung. Wer nur Ereignisse speichert, kommt mit deutlich weniger aus. Zwei Wochen bei vier Kameras passen auf eine 2-TB-SSD.

Verlassen die Videos mein Netzwerk?
Nein. Erkennung, Aufzeichnung und Oberfläche laufen vollständig lokal. Für den Zugriff von unterwegs ist ein VPN der richtige Weg – eine Portfreigabe für eine Kamera-Oberfläche ist es nie.

Was ist der Unterschied zu motionEye?
motionEye erkennt nur Bewegung anhand veränderter Pixel und ist damit deutlich genügsamer, aber auch deutlich lauter im Alarmverhalten. Frigate erkennt Objekte und braucht dafür Rechenleistung – dieser Unterschied ist die ganze Entscheidung.

Fazit

Frigate ist die überzeugendste Antwort auf ein altes Ärgernis: eine Videoüberwachung, die nur dann meldet, wenn wirklich jemand da war. Unsere klare Empfehlung für den Aufbau: Pi 5 mit 8 GB RAM, Hailo-Beschleuniger im AI HAT+, NVMe-SSD für die Aufzeichnungen und Kameras mit offenem RTSP-Stream – wer an einer dieser vier Stellen spart, ärgert sich später an genau dieser Stelle. Und noch ein Rat, der mehr bringt als jede Hardware: Nimm dir eine halbe Stunde Zeit für Zonen und Masken. Frigate ist nur so gut wie die Bereiche, die es überhaupt betrachtet.

* = Affiliate Link (raspi-config.de ist Teilnehmer des Partnerprogramms von Amazon EU, das zur Bereitstellung eines Mediums für Websites konzipiert wurde, mittels dessen durch die Platzierung von Werbeanzeigen und Links zu Amazon.de Werbekostenerstattung verdient werden kann.)