Foto-Archiv und OCR auf eigener Hardware: Deine Daten, deine Kontrolle

Du hast tausende Fotos auf der Festplatte, verstaubte Rechnungen im Schuhkarton und deine Notizen sind über diverse Hefte verstreut. Google und Co. schreien laut: „Lad alles in die Cloud, wir sortieren das für dich!“ Aber ist das wirklich die einzige Lösung? Oder gibst du damit die Kontrolle über deine intimsten digitalen Erinnerungen und Dokumente ab, nur um ein bisschen Komfort zu kaufen? Die gute Nachricht: Du kannst das besser. Und zwar bei dir zu Hause.

Was du in 5 Minuten verstehen sollst

* Selfhosting bedeutet: Die Software läuft auf deinem eigenen Rechner, nicht auf fremden Servern. * Datenschutz: Deine Bilder bleiben in deinem Netzwerk. Kein Algorithmus analysiert sie für personalisierte Werbung. * KI-Magie: Moderne Tools können deine Fotos automatisch nach Gesichtern oder Objekten sortieren – ganz ohne Internetverbindung. * OCR (Optische Zeichenerkennung) macht aus einem Foto deiner Stromrechnung einen durchsuchbaren Text. * Der Preis: Es kostet dich etwas Zeit beim Einrichten, dafür sparst du monatliche Abo-Gebühren und behältst die Hoheit über deine Daten.

Sektion A: Das eigene Foto-Archiv

Ein Foto-Archiv ist mehr als nur ein Ordner mit JPEGs. Es ist eine Datenbank, die Metadaten liest, Gesichter erkennt und dir hilft, „das Bild vom Strand 2022“ in Sekunden zu finden.

* Immich ([immich.app](https://immich.app/)): Das aktuell wohl spannendste Projekt. Es fühlt sich an wie Google Photos, ist aber komplett lokal. Stärken: Fantastische App, Face-Recognition. Schwächen: Benötigt Docker und ordentlich Ressourcen. * PhotoPrism ([photoprism.app](https://photoprism.app/)): Der Klassiker. Sehr stabil, liest vorhandene Dateistrukturen perfekt. Stärken: Läuft fast überall. Schwächen: Keine native Smartphone-App (nur Web). * digiKam ([digikam.org](https://www.digikam.org/)): Das „Schweizer Taschenmesser“. Ein mächtiges Desktop-Programm. Stärken: Unschlagbar bei riesigen Archiven. Schwächen: Kein Web-Interface. * A-Eye: Verbindet Foto-Archiv mit lokalen KI-Modellen. Stärken: Perfekt, wenn du deine Fotos durch Ollama-Modelle „verstehen“ lassen willst.

Zitat: „Dein Foto-Archiv sollte keine Einbahnstraße sein. Wenn das Tool morgen verschwindet, müssen deine Bilder immer noch in den Ordnern liegen, in denen sie vorher waren.“

Sektion B: Dokumente digitalisieren (OCR)

OCR steht für Optical Character Recognition. Es ist die Brücke zwischen einem „blinden“ Bild und einem intelligenten Dokument.

Lokal vs. Cloud: Wenn du sensible Arztrechnungen scannst, willst du sie nicht über eine Cloud-API jagen. Lokale Tools wie PaddleOCR halten alles auf deiner Hardware. Mindee ist zwar komfortabler für Buchhaltung, kostet aber deine Daten-Privatsphäre.

Sektion C: Klassiker ohne KI-Ballast

Manchmal will man einfach nur Bilder schauen, ohne dass eine KI versucht, die Katze auf dem Foto zu katalogisieren.

* XnView MP: Schnell, leicht, frisst jedes Format. * Geeqie: Minimalistisch und perfekt für schnelle Sichtungen auf schwacher Hardware. Adobe Bridge (Historisches Vorbild): War früher der Goldstandard für Metadaten-Management, heute nur noch proprietär. Alternative:* digiKam macht heute vieles besser, was Bridge früher konnte.

Sektion D: Lokale Vision-KI über Nacht

Stell dir vor, dein Server scannt nachts alle neuen Bilder. Dank Ollama (der Maschine hinter dem Modell) und Modellen wie llava oder moondream kann dein Rechner jetzt „sehen“. Er schreibt dir in die Datei-Notizen: „Werkstatt, altes Motorrad, Werkzeugschrank“. Das ist kein Marketing-Gequatsche, sondern lokale Rechenkraft.

Sektion E: Dein Fahrplan für Blackcover

Du willst nicht alles gleichzeitig machen. Hier ist die Reihenfolge für den Newbie:

1. Schritt 1: Installiere Immich. Das gibt dir sofort das Gefühl, deine Google-Photos-App durch etwas Eigenes ersetzt zu haben. 2. Schritt 2: Ordne deine Bestandsdaten. Nutze digiKam, um die alten Schuhkarton-Digitalisate in eine saubere Ordnerstruktur zu bringen. 3. Schritt 3: Richte eine einfache OCR-Pipeline mit PaddleOCR ein, um neue Dokumente automatisch zu durchsuchen. 4. Schritt 4: Verbinde OCR mit Ollama, um Rechnungen automatisch umzubenennen (z.B. „2026-06-Rechnung-Strom.pdf“). 5. Schritt 5: Vertage die Gesichtserkennung für deine gesamte Ahnenforschung. Das frisst am meisten Strom und Zeit – das kannst du machen, wenn der Rest stabil läuft.

Wichtiger Stolperstein: Fang klein an. Importiere nicht 100.000 Fotos auf einmal, sondern arbeite dich monatlich durch die Ordner.

Beitragsbild-Vorschlag: Eine Nahaufnahme einer alten, verstaubten Festplatte, daneben liegt ein aktuelles Smartphone und ein schlichter Notizblock mit Stift. Das Licht ist warm, die Atmosphäre eher „Werkstatt/Büro“ als „High-Tech-Labor“. Fotorealistisch.

Quellen

1. Immich Doku: [immich.app/docs](https://immich.app/docs) 2. PhotoPrism GitHub: [github.com/photoprism/photoprism](https://github.com/photoprism/photoprism) 3. digiKam Handbuch: [docs.digikam.org](https://docs.digikam.org/) 4. PaddleOCR Repo: [github.com/PaddlePaddle/PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) 5. Surya OCR: [github.com/datalab-to/surya](https://github.com/datalab-to/surya) 6. Ollama Vision-Models: [ollama.com](https://ollama.com/blog/vision-models) 7. OCR.space API: [ocr.space/ocrapi](https://ocr.space/ocrapi) 8. Mindee API: [mindee.com](https://mindee.com/) 9. TrOCR (HuggingFace): [huggingface.co/docs/transformers/model_doc/trocr](https://huggingface.co/docs/transformers/model_doc/trocr)

Im nächsten Beitrag schauen wir uns an, wie du diese Tools praktisch auf Blackcover zum Laufen bekommst – Schritt für Schritt mit Screenshots.