Self-Hosted-AI-Starter-Kit: Labor oder betreuter privater Dienst?

Trenne die Produktentscheidung von der Betriebsentscheidung. Eine Vorlage kann die Software starten. Sie benennt nicht die Personen, die Änderungen genehmigen oder den Dienst wiederherstellen.

Was ist das Self-Hosted-AI-Starter-Kit von n8n?

Das offizielle Kit ist eine offene Docker-Compose-Vorlage für eine lokale KI- und Low-Code-Entwicklungsumgebung. n8n betreut das Projekt und kombiniert seine selbst gehostete Workflow-Plattform mit kompatiblen Komponenten für lokale KI-Workflows (GitHub).

Der dokumentierte Bestand umfasst:

• n8n, die selbst gehostete Workflow-Plattform (GitHub)
• Ollama, den lokalen Sprachmodelldienst (GitHub)
• Qdrant, den Vektorspeicher (GitHub)
• PostgreSQL, die Datenbank (GitHub)

Das Repository enthält eine Docker-Compose-Datei sowie vorkonfigurierte Netzwerk- und Speichereinstellungen (GitHub). Die README-Datei dokumentiert außerdem eine Umgebungsdatei, Maschinenprofile, einen enthaltenen Workflow, lokalen Dateizugriff und profilspezifische Update-Befehle (GitHub).

Zu den offiziellen Beispielen gehören ein Agent zur Terminplanung, Zusammenfassungen von Unternehmens-PDFs, Slack-Bots für Unternehmenskommunikation und IT-Betrieb sowie die Analyse von Finanzdokumenten (GitHub, n8n-Dokumentation). Das sind beispielhafte Ansätze für Entwickler. Es sind keine fertigen Kundendienste, und AI Jungle OS behauptet nicht, sie bereitzustellen.

Vermische diesen Bestand nicht mit anderen Repositories. local-ai-packaged ist beispielsweise ein separates Projekt, das Komponenten wie Supabase, Open WebUI, Flowise, Neo4j, Langfuse, SearXNG und Caddy ergänzt (local-ai-packaged). Diese Komponenten gehören nicht zum hier beschriebenen offiziellen n8n-Kit.

Wie unterscheidet sich ein lokales Experiment von einem betreuten privaten KI-Dienst?

Ein lokales Experiment weist nach, dass ein Workflow ausgeführt werden kann. Für einen betreuten privaten Dienst sind zusätzlich Verantwortliche für Entscheidungen zu Zugriff, Änderungen, Ausfällen und Wiederherstellung benannt. Die erste Hälfte dieser Unterscheidung ergibt sich aus dem dokumentierten Umfang des Kits. Die zweite Hälfte stammt aus unseren Kriterien für Käufer.

Entscheidungsbereich	Was das offizielle Kit dokumentiert	Was du laut diesem Leitfaden entscheiden musst
Zweck	Eine lokale KI- und Low-Code-Entwicklungsumgebung für den Einstieg und für Machbarkeitsnachweise (GitHub, n8n-Dokumentation)	Welche Workflows Experimente bleiben dürfen und welche zu einem Dienst werden dürfen
Komponenten	n8n, Ollama, Qdrant und PostgreSQL in einer Docker-Compose-Vorlage (GitHub)	Für welche konkreten Komponenten dein Dienst verantwortlich ist und Support leistet
Produktionsgrenze	Das Kit ist nicht vollständig für die Produktion optimiert und muss vor dem Produktionseinsatz abgesichert und gehärtet werden (n8n-Dokumentation)	Wer entscheidet, dass deine Konfiguration bereit ist, und diese Entscheidung dokumentiert
Zugriff	Die Einrichtungsanleitung fordert dich auf, die Beispiel-Umgebungsdatei zu kopieren und ihre Geheimnisse und Passwörter zu ändern (GitHub)	Wer den Administratorzugriff und die Anwendungszugangsdaten besitzt
Updates	Die README-Datei enthält profilspezifische Update-Befehle (GitHub)	Wer eine Änderung prüft, genehmigt, anwendet und rückgängig macht
Wiederherstellung	Der Schnellstart behandelt das Hochfahren und die Prüfung der Protokolle beim ersten Lauf (GitHub)	Was von wem wiederhergestellt wird und wie das Ergebnis geprüft wird

Diese Tabelle definiert keinen universellen Produktionsstandard. Sie verhindert einen verbreiteten Kategorienfehler: eine Komponentenliste wie ein Betriebsmodell zu lesen.

Die fehlende Ebene ist Verantwortlichkeit, nicht ein weiterer Container. Wenn niemand für ein Update oder einen fehlgeschlagenen Workflow verantwortlich ist, bleibt die Dienstgrenze undefiniert.

Wie solltest du zwischen einem Starter-Kit und einer betriebenen Einrichtung wählen?

Entscheide anhand schriftlicher Antworten, nicht anhand der Länge der Komponentenliste. Nutze die folgenden Prüfungen als redaktionelles Entscheidungsprotokoll. Sie erweitern die Support-Aussage von n8n nicht.

Verantwortung

Benenne die für den Host verantwortliche Person und die für jeden Workflow verantwortliche Person. Halte fest, wer einen Workflow stoppen kann. Wenn dieselbe Person für beides verantwortlich ist, dokumentiere das. Das Ziel ist kein umfangreicher Prozess. Es geht um eine Antwort, die auch bei einem Ausfall eindeutig bleibt.

Zugriff

Liste die für die Einrichtung erforderlichen Administratorkonten und Anwendungszugangsdaten auf. Halte fest, wer Zugriff gewähren und wer ihn entziehen kann. Der offizielle Schnellstart fordert Benutzer auf, .env aus .env.example zu erstellen und die Geheimnisse und Passwörter zu aktualisieren (GitHub). Unsere Kriterien ergänzen die Frage nach der menschlichen Verantwortung.

Updates

Entscheide, wer eine Änderung an einem Workflow, Modell oder einer Komponente prüft. Halte fest, wer sie genehmigt und wer sie rückgängig machen kann. Das Repository veröffentlicht verschiedene Update-Befehle für seine dokumentierten Profile (GitHub). Diese Anleitung auf Befehlsebene legt deine Genehmigungsregel nicht fest.

Wiederherstellung

Dokumentiere, was nach einem Ausfall wieder funktionieren muss. Benenne die Person, die es wiederherstellt, und die Person, die das Ergebnis prüft. Halte auch fest, was exportierbar sein muss, wenn der Dienst den Verantwortlichen wechselt oder eingestellt wird. Das sind die Betriebsfragen dieses Leitfadens. Sie sind keine dem Starter-Kit zugeschriebenen Wiederherstellungsfunktionen.

Nutze ein Starter-Kit, wenn die unmittelbare Aufgabe darin besteht, einen lokalen Workflow zu erstellen und zu prüfen. Ziehe eine betriebene Einrichtung in Betracht, wenn der Workflow außer dem Entwickler weitere Benutzer hat und dein Unternehmen dauerhafte Antworten auf die obigen Prüfungen benötigt. Die Bezeichnung ist weniger wichtig als die schriftlich festgehaltene Verantwortung.

Wie führst du das Beispiel des Self-Hosted-AI-Starter-Kits aus?

Folge dem im Repository beschriebenen Ablauf für Klonen, Profil, Browser und den enthaltenen Workflow. Die offizielle Bereitstellungsseite verweist Benutzer auf das GitHub-Repository des Kits (n8n-Dokumentation).

1. Klone das offizielle Repository und wechsle in sein Verzeichnis (GitHub).
2. Kopiere .env.example nach .env und ersetze anschließend die Geheimnisse und Passwörter (GitHub).
3. Starte das für deine Maschine dokumentierte Docker-Compose-Profil: gpu-nvidia, gpu-amd unter Linux oder cpu. Die README-Datei enthält einen separaten Ablauf für Mac (GitHub).
4. Öffne http://localhost:5678/, schließe die n8n-Einrichtung ab, öffne den enthaltenen Workflow und wähle Chat (GitHub).
5. Prüfe beim ersten Workflow-Lauf die Protokolle in der Docker-Konsole, falls Ollama Llama3.2 noch herunterlädt (GitHub).

Die README-Datei nennt AI Agent, Text Classifier und Information Extractor als verfügbare n8n-KI-Nodes. Sie verweist für ein lokales Sprachmodell auf den Ollama-Node und für den Vektorspeicher auf Qdrant (GitHub). Mit diesem Ablauf wird das Beispiel ausgeführt. Er ändert nicht die veröffentlichte Warnung zum Produktionseinsatz (n8n-Dokumentation).

Kannst du das Starter-Kit unter Ubuntu oder Windows ausführen?

Das offizielle Repository dokumentiert hardwarebezogene Docker-Compose-Profile, keine getrennten Ubuntu- und Windows-Ausgaben. Es dokumentiert ein AMD-GPU-Profil unter Linux, ein Nvidia-GPU-Profil, ein CPU-Profil und einen separaten Ablauf für Mac (GitHub).

Nutze unter Ubuntu das dokumentierte Profil, das zur verfügbaren Hardware passt. Das Repository ordnet das AMD-GPU-Profil ausdrücklich Linux zu (GitHub). Die bereitgestellten Unterlagen enthalten keine Ubuntu-spezifische Produktionsgarantie.

Für Windows gibt die bereitgestellte README-Datei kein Windows-spezifisches Kompatibilitätsversprechen ab. Der allgemein dokumentierte Ablauf nutzt das CPU-Profil. Der GPU-Text nennt Nvidia und AMD unter Linux (GitHub). Prüfe die aktuelle README-Datei für genau die Windows-, Docker- und Hardwarekonfiguration, die du einsetzen möchtest.

In beiden Fällen ändert die Wahl des Betriebssystems nichts an der Aussage von n8n, dass das Kit nicht vollständig für die Produktion optimiert ist und vor dem Produktionseinsatz abgesichert und gehärtet werden muss (n8n-Dokumentation).

Welche Hardware benötigt ein Self-Hosted-AI-Starter-Kit?

Das offizielle Kit nennt Laufzeitprofile statt einer universellen Hardwarespezifikation. Es dokumentiert Abläufe für Nvidia-GPUs, AMD-GPUs unter Linux, CPUs und Macs mit Apple Silicon (GitHub).

• Nutze gpu-nvidia für den dokumentierten Nvidia-Ablauf. Die README-Datei verweist neue Benutzer von Docker-GPUs auf die Anleitung von Ollama (GitHub).
• Nutze gpu-amd für den dokumentierten AMD-Ablauf unter Linux (GitHub).
• Nutze cpu für den im Repository dokumentierten Ablauf auf anderen Maschinen (GitHub).
• Auf Apple Silicon kann die GPU laut README-Datei nicht für die Docker-Instanz freigegeben werden. Sie nennt den reinen CPU-Betrieb oder ein nativ auf dem Host ausgeführtes und mit n8n verbundenes Ollama als Optionen (GitHub).

Die bereitgestellten offiziellen Quellen nennen keine universelle Anforderung für Arbeitsspeicher, Speicherplatz, Parallelität, Latenz oder Modellgröße. Dieser Leitfaden erfindet deshalb keine. Wähle zuerst das dokumentierte Profil und bewerte anschließend das mögliche Modell für den benannten Workflow.

Welches Modell ist das beste für das Starter-Kit?

Das offizielle Kit bewertet kein einzelnes Modell als beste Wahl für jeden Workflow. Sein enthaltener Workflow weist darauf hin, dass Ollama beim ersten Lauf Llama3.2 herunterlädt. Die README-Datei verweist auf den Ollama-Node, wenn das Sprachmodell lokal bleiben soll (GitHub).

Nutze bei der Auswahl eines Modells diese redaktionellen Fragen:

• Läuft das mögliche Modell auf dem gewählten dokumentierten Hardwareprofil?
• Muss das Modell innerhalb der gewählten Datengrenze lokal bleiben?
• Wer bewertet das Modell für den benannten Workflow?
• Wer genehmigt eine Modelländerung und macht sie rückgängig?

Llama3.2 ist das Modell, das im Hinweis zum ersten Lauf des enthaltenen Workflows genannt wird. Diese Tatsache ist keine universelle Empfehlung (GitHub). Die letzten Fragen weisen Verantwortung zu. Sie enthalten keine Aussage zur Leistung.

Eine Modellwahl ist unvollständig, bis jemand für die Bewertung und die Änderungsentscheidung verantwortlich ist. Eine Vorgabe in einem Beispiel-Workflow bleibt nur eine Vorgabe.

Reicht das Self-Hosted-AI-Starter-Kit für eine Boutique-Firma aus?

Es reicht für den Beginn eines Machbarkeitsnachweises. Die bereitgestellten offiziellen Quellen belegen jedoch nicht, dass das Standard-Kit für die Produktion ausreicht. n8n weist darauf hin, dass das Kit nicht vollständig für die Produktion optimiert ist und vor dem Produktionseinsatz abgesichert und gehärtet werden muss (n8n-Dokumentation).

Dokumentiere vor dem Einsatz für Kunden:

• den Verantwortlichen für Administratorzugriff und Anwendungszugangsdaten
• den Genehmigenden für Änderungen an Workflows, Modellen und Komponenten
• die Person, die Ausfälle prüft und einen Workflow stoppen kann
• das Wiederherstellungsergebnis, das wiederhergestellt und geprüft werden muss
• das Material, das bei einer Übergabe oder Einstellung exportierbar sein muss
• die Person, die den Wechsel vom Machbarkeitsnachweis zur Produktion genehmigt

Diese Liste enthält die redaktionellen Kriterien von AI Jungle OS. Sie verspricht nicht, dass eine bestimmte Konfiguration produktionsbereit ist. Sie bedeutet auch nicht, dass AI Jungle OS n8n oder das öffentliche Starter-Kit enthält.

Wenn deine Antworten bereits verantwortliche Betreiber benennen, kann das öffentliche Kit eine nützliche Laborgrundlage sein. Wenn die Antworten leer bleiben, werden zusätzliche Komponenten sie nicht ergänzen. Sieh dir das Cockpit von AI Jungle OS an, um die von dieser Publikation verwendete Betriebsgrenze kennenzulernen.

Häufig gestellte Fragen

Liefert AI Jungle OS das n8n-Starter-Kit mit?

Nein. Dieser Artikel nutzt das öffentliche n8n-Kit als Vergleichspunkt. Er behauptet nicht, dass AI Jungle OS n8n oder das öffentliche Starter-Kit mitliefert.

Ist der SourceForge-Download ein anderes Starter-Kit?

SourceForge beschreibt seine Seite als exakte Spiegelung des GitHub-Projekts und weist darauf hin, dass SourceForge nicht mit dem Projekt verbunden ist (SourceForge). Nutze das offizielle GitHub-Repository als Referenz für den in diesem Leitfaden behandelten Workflow und die Dateien (GitHub).

Legt Self-Hosting fest, wer Änderungen genehmigen darf?

Nein. Der Bereitstellungsort weist keinen menschlichen Verantwortlichen zu. Dieser Leitfaden behandelt die Verantwortung für Genehmigung und Wiederherstellung als Entscheidungen auf Käuferseite, nicht als dokumentierte Fähigkeiten des n8n-Kits.

Geschrieben von Tileo, der ein Portfolio von Internetunternehmen über dasselbe Cockpit betreibt.