KI, die mich kennt - Teil 1: Claude auf dem NAS einrichten

KI ist aktuell das Thema, das mich am meisten fasziniert. Ich habe das Glück, dass ich meinen beruflichen Arbeitsablauf stark durch KI unterstützen lassen kann. Das macht mir zum einen total Spaß, nimmt mir aber auch viele “Zeitfresser” ab. Privat wollte ich mir deshalb auch eine Art “persönlichen, digitalen Assistenten” aufbauen. Eine KI, die mich kennt, am besten lokal auf meinem NAS, damit ich sie von allen Geräten aus nutzen kann: MacBook, iPad, iPhone, egal. Kann ich eine SSH-Session initiieren, kann ich meine KI nutzen.

Bevor ich tiefer in den Blog Post einsteige, lass mich kurz schreiben, dass dieser Post meinungsstark ist. Ich werde ein Setup aufbauen, dass zu mir passt. Das ist ganz wichtig. Auch, wenn dieser Post wie ein Tutorial wirkt, so ist ein Eins-zu-Eins-Nachbau vermutlich nur in wenigen Fällen sinnvoll. Eigentlich nur, wenn du exakt dieselben Interessen hast, wie ich. Denn mein Ziel ist eine persönliche KI. Ich will dich aber ermächtigen, dir selbst eine solche KI zu bauen und dir Ideen geben, wie ein solches Setup aussehen kann und welche Möglichkeiten es gibt.

Zielarchitektur für die KI, die mich kennt

Meine zentrale KI wird Claude Code, das CLI Tool von Claude. Um Claude als Konsolentool zu nutzen, brauchst du zwingend mindestens ein Pro-Abo oder einen abrechnungsfähigen API Key. Mit dem Gemini CLI gibt es eine sehr gute Alternative, die ein wirklich großzügiges Gratis-Tier besitzt. Mein Tutorial basiert auf “Claude”, das Konzept ist aber mit beiden KIs umsetzbar. Die Befehle sind ein wenig angepasst - aber nichts, was eine KI für dich umbiegen könnte 😉.

Aber was macht Claude in meinem Setup persönlich, wie mache ich aus Claude eine KI, die mich kennt? Als erstes muss ich Claude bestimmte Fähigkeiten ermöglichen. Es wäre wirklich cool, wenn Claude …

• … auf meine lokalen Dateien zugreifen kann (klar, ein No-Brainer).
• … Zugriff auf meinen GitHub Account hätte.
• … Zugriff auf meinen Unifi Controller (und somit auf die Administration meines Heimnetzwerkes) hätte.
• … mein Smart Home einsehen kann.
• … meinen Kalender kennt?!
• … meine sportliche Leistung einschätzen kann.

Das wäre doch schon ein starker Anfang, um Claude für persönliche Dinge zu nutzen. Trainingspläne erstellen, Rolling Firmware Updates meiner Unifi-Geräte, GitHub Issues ansehen und den Code dazu prüfen. Das ist schon deutlich mehr, als einfach das generische Web-Interface im Browser zu nutzen und jedes Mal wieder einen mehr oder weniger soliden Kontext einzubringen.

All diese Fähigkeiten können wir per MCP Server bereitstellen.

Was ist MCP?

Was ist ein MCP Server? MCP steht für Model Context Protocol und ist ein mittlerweile standardisierter Weg, einer KI neue Fähigkeiten zu ermöglichen. Oft kommt der Vergleich mit USB-C: USB-C ist ein Stecker-Standard über welchen du alles Mögliche an deinen Rechner anschließen und dessen Funktionsumfang erweitern kannst. Drucker über USB-C geben deinem Rechner die Fähigkeit zu drucken. Eine Tastatur ermöglicht das Tippen, eine Kamera die Foto- und Videoaufnahme.

Über das Model Context Protocol können wir der KI ebenfalls Tools an die Hand geben, um Dinge zu tun. Über einen Unifi MCP Server könnte eine KI lernen (oder direkt wissen), wie die heimischen Unifi-Geräte auszulesen und zu administrieren sind. So könnte man fragen, “Hey, wie viele Access Points habe ich?” und die KI nutzt den per MCP angebundenen Unifi MCP Server, der das richtige Tool beinhaltet, um diese Frage zu beantworten.

So erhält Claude Zugriff auf das Heimnetz. Ich mag mich als Nerd outen, aber ich finde das ziemlich cool!

Über MCP können wir auf sehr vieles zugreifen. So werden auch unsere weiteren Fähigkeiten angebunden.

Es geht los: Lokales Docker-Setup

Mein Setup umfasst zwei Ebenen: Die lokale Ebene und die Service-Ebene. Die lokale Ebene beinhaltet die Tools, die wir lokal bereitstellen müssen, während die Service-Ebene ebendie Tools umfasst, die wir über das Internet anbinden. Tools, die wir nicht selbst hosten müssen.

Lokal brauchen wir einen Host, auf dem Claude installiert werden kann und einen Host, um den Unifi MCP Server zu betreiben. Da unser Netzwerk typischerweise lokal ist, brauchen wir auch den MCP-Server lokal. Glücklicherweise können wir beides über Docker bereitstellen. Es lebe Docker!

Für Claude gibt es kein eigenes Image, aber wir können einen schlanken Node Container nutzen. Für unsere angebundene Heimnetz-Fähigkeit gibt es glücklicherweise bereits einen Unifi MCP Server als Communityprojekt.

Beide Container lasse ich auf meinem NAS im selben Netzwerk laufen, das ich ai-net nenne.

Hier mein docker-compose.yaml, beachte bitte die Inline-Kommentare. Ein paar Anpassungen müssten vorgenommen werden. Gerade beim Username und Passwort empfehle ich stark, einen zusätzlichen, lokalen Admin im Unifi Controller anzulegen, der ausschließlich hierfür verwendet wird. Denn es darf keine Zweifaktor-Authentifizierung eingeschaltet sein. Den Rest gern mit eigenem Setup anpassen.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52

networks:
  ai-net:
    driver: bridge

services:

  # ---------------------------------------------------------------------------
  # UniFi Network MCP – direkter MCP-Server für UniFi Controller
  # Intern erreichbar: http://unifi-mcp:3000/sse
  # Im LAN erreichbar:  http://<NAS-IP>:3000/sse
  # Die IP-Adresse deines Unifi Controllers, sowie den Port (wenn nicht 443)
  # musst du anpassen.
  # ---------------------------------------------------------------------------
  unifi-mcp:
    image: ghcr.io/sirkirby/unifi-network-mcp:latest
    container_name: unifi-mcp
    restart: always
    ports:
      - "3000:3000"       # Dein interner Port 3000 kann geändert werden, wenn bereits belegt
    environment:
      - UNIFI_HOST=192.168.X.XXX                          # IP deines UniFi Controllers
      - UNIFI_PORT=XXXX                                   # Optional Port meines Controllers, wenn nicht 443
      - UNIFI_USERNAME=${UNIFI_USERNAME}                  # UniFi-Benutzername via .env
      - UNIFI_PASSWORD=${UNIFI_PASSWORD}                  # UniFi-Passwort via .env
      - UNIFI_SITE=default                                # Site-Name (meist "default")
      - UNIFI_VERIFY_SSL=false                            # false bei self-signed oder keinem Zertifikat
      - UNIFI_MCP_HTTP_ENABLED=true                       # HTTP aktivieren
      - UNIFI_MCP_HTTP_TRANSPORT=sse                      # SSE Transport
      - UNIFI_MCP_ENABLE_DNS_REBINDING_PROTECTION=false   # Erlaube alle eingehenden Verbindungen (nur im lokalen Netz nutzen!)
    networks:
      - ai-net

  # ---------------------------------------------------------------------------
  # Claude Code – CLI, erreichbar via: docker exec -it claude-code bash
  # Working Directory ist der Obsidian Vault auf dem NAS.
  # MCP-Verbindungen werden einmalig nach Installation konfiguriert (siehe README).
  # ---------------------------------------------------------------------------
  claude-code:
    image: node:24-slim    # Node 24 ist LTS
    container_name: claude-code
    restart: unless-stopped
    stdin_open: true
    tty: true
    working_dir: /claude-workspace  # In diesem Verzeichnis startet meine Session, wenn ich mich einlogge
    command: sleep infinity
    volumes:
      - ./claude-code-home:/root                                  # Persistente Claude-Konfiguration
      - /volume1/@home/{USER}/claude-workspace:/claude-workspace  # Arbeitsverzeichnis für claude. Hier liegen alle Projekte. Ist auch das "working_dir" in Zeile 44
    depends_on:
      - unifi-mcp
    networks:
      - ai-net

Mit diesem Setup ziehst du zwei Container hoch. Der claude-code Container enthält aber noch keine Claude CLI, die müssen wir gleich nachziehen.

Du kannst natürlich außerdem im claude-code Container weitere Ordner in deinen volumes angeben, auf die Claude Zugriff haben soll. Hänge für den Anfang gern :ro an das Mapping, um diese Zugriffe erstmal auf read-only zu beschränken. So kann claude nichts löschen.

Das NAS vorbereiten

Ich ziehe mein Setup auf meinem Ugreen NAS hoch und werde es dort als Projekt in der hauseigenen Docker App starten. Einfach, damit ich es in der Docker UI sehe. Damit Docker die Container starten kann, brauche ich also im Vorfeld alle referenzierten Ordner.

Ich lege meine Dockerprojekte alle unter /volume1/docker ab, dieses also unter /volume1/docker/ai-net und hier brauche ich folgende Struktur:

1
2
3
4

/volume1/docker/ai-net/
  |-- claude-code-home/
  |-- docker-compose.yaml # Meine oben gezeigte Datei
  |-- .env                # Hier speichere ich meine Unifi Zugangsdaten

Nun kann in der Docker App auf dem NAS unter Projekte ein neues Projekt angelegt werden. Als Name wähle ich ai-net und als Speicherort den gleichnamigen Ordner. Ich importiere die docker-compose.yaml (das sollte schon vorgeschlagen werden) und schon werden die beiden Container und das Netzwerk erstellt.

Claude zum Leben erwecken

In den Einstellungen wirst du vermutlich noch SSH aktivieren müssen, damit du dich per SSH auf deinem NAS einloggen kannst. Ob du SSH dauerhaft aktiviert haben möchtest, bleibt dir überlassen.

1
2

ssh <USERNAME>@<NAS-IP>           # Per SSH auf dem NAS einloggen
docker exec -it claude-code bash  # Eine Shell-Sitzung im Container starten

Nun solltest du nicht nur auf dem NAS sein, sondern eine Shell-Session im Container haben! Der Container ist wirklich schlank, weshalb wir anfangs eine erste Konfiguration durchführen müssen:

1
2
3
4

apt-get update && apt-get install -y curl bash git nano  # Installiert curl, bash, git und nano - die letzten beiden sind optional für dieses Setup
curl -fsSL https://claude.ai/install.sh | bash           # Laut Claude Doku der empfohlene Weg, die CLI zu installieren
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc # So können wir den Befehl "claude" im Terminal nutzen
source ~/.bashrc                                         # Alle Änderungen aktivieren, sodass "claude" verfügbar ist

Teste das Setup gern mit claude --version, was dir einen sinnvollen Output geben sollte! Wenn das so ist, meinen Glückwunsch, du hast Claude auf deinem NAS! 🎉

Claude wird zur KI, die mich kennt

Okay, Claude existiert, nun ermächtigen wir es, für uns wichtige Daten einzusehen und ggf. zu manipulieren. Man kann Claude (oder auch Gemini und anderen KIs) diese Fähigkeiten entweder projektbasiert oder als user scope geben. Projektbasiert existieren die Fähigkeiten nur in dem Ordner, in dem sie hinzugefügt werden. Im user scope kann die KI überall darauf zugreifen, egal, in welchem Ordner ich mich aktuell befinde. Das ist, was ich für meinen Container möchte.

Unifi MCP Server

Unser Unifi MCP Server existiert, also fügen wir diesen als erstes hinzu:

1

claude mcp add --scope user --transport sse unifi http://unifi-mcp:3000/sse

Es sollte eine kurze Info erscheinen, dass der Server hinzugefügt wurde und per claude mcp list kannst du erfragen, welche MCP Server konfiguriert sind. Es sollte etwas, wie:

1
2
3

Checking MCP Server health ...

unifi: http://unifi-mcp:3000/sse (SSE) - ✓ Connected

Dann hast du es geschafft, Claude hat Zugriff auf deinen Unifi Controller - sofern du die richtigen Credentials im docker-compose.yaml angegeben hast und der Zugriff tatsächlich funktioniert. Nur als Hinweis, falls Fragen später doch kein Ergebnis liefern sollten.

Sequential Thinking MCP Server

Als zweites möchte ich den MCP Server für Sequential Thinking hinzufügen, ein MCP Server, der bei komplexen Themen dafür sorgt, dass die KI sich erstmal eine Art “Gesamtbild” der Aufgabe verschafft, bevor eine Lösung präsentiert wird. Es verbraucht in diesen Fällen extra Tokens, aber hilft der KI, komplexe Probleme in kleine Schritte zu zerlegen und Revisionen durchzuführen, wenn diese Schritte abgearbeitet werden. Die Installation ist denkbar einfach:

1

claude mcp add --scope user sequential-thinking -- npx -y @modelcontextprotocol/server-sequential-thinking

Context7 MCP Server

Als nächstes möchte ich den Context7 MCP Server. Context7 bietet aktuelle Entwicklerdokumentation für LLMs. Da ich programmiere, ist es super, immer eine aktuelle Doku für die LLMs griffbereit zu haben und nicht hoffen zu müssen, dass veraltete Lösungen online gefunden werden oder in den Trainingsdaten vorhanden sind. Für Context7 benötigst du einen Account und einen API Key. Allerdings gibt es hier einen gratis Tier, der für Privatpersonen gut ausreicht, da man 1000 Calls pro Monat bekommt und selbst, wenn man dies erreicht, werden bis Ende des Monats 20 Calls pro Tag erlaubt, um weitere Arbeit zu gewährleisten. Ziemlich cooles Free Tier! Sobald du einen Account auf deren Webseite erstellt hast, kannst du im Dashboard einen API Key erstellen. Danach geht hier weiter mit:

1

claude mcp add --scope user context7 -- npx -y @upstash/context7-mcp --api-key DEIN_KEY

GitHub MCP Server

Nun zu GitHub - auch dort brauchst du einen Access Token, den du in Settings -> Developer Settings -> Personal Access Token -> Fine-grained tokens (oder hier erstellen kannst). Gib dem Token die Berechtigung, die du claude ermöglichen willst. Ein sinnvoller Startpunkt könnte dies sein:

Wenn der Access Token erstellt ist, geht’s im Terminal weiter:

1

claude mcp add-json --scope user github '{"type":"http","url":"https://api.githubcopilot.com/mcp","headers":{"Authorization":"Bearer github_pat_DEIN_KEY"}}'

Hallo Claude

Ein letzter Check mit claude mcp list, das hoffentlich einen solchen Output bringt:

1
2
3
4
5
6

Checking MCP server health...

context7: npx -y @upstash/context7-mcp --api-key dein_api_key - ✓ Connected
unifi: http://unifi-mcp:3000/sse (SSE) - ✓ Connected
github: https://api.githubcopilot.com/mcp (HTTP) - ✓ Connected
sequential-thinking: npx -y @modelcontextprotocol/server-sequential-thinking - ✓ Connected

Wenn du es bis hier geschafft hast, kommt nun der Moment, auf den wir gewartet haben:

1

claude

Damit startest du die CLI. Logge dich ein (unser NAS hat keinen Browser, aber die Claude CLI ist clever genug, uns einen kopierbaren Link zu geben, mit dem wir das OAuth mit unserem normalen Browser durchführen können) oder verbinde deinen API Key und fang an zu testen! Lass Claude deine GitHub Repos auflisten oder prüfen, wie viele Unifi Access Points du hast. Lass es prüfen, ob es “Expo v55” (die neuste API für React-Native Mobilentwicklung) kennt. Claude ist da und hat die Fähigkeiten, dich persönlich zu unterstützen!

Und du kannst die SSH Session vom Tablet oder Smartphone aus starten, wenn dein NAS remote verfügbar ist (vielleicht via VPN, Tailscale, oder Twingate), kannst du das von überall machen.

Eine letzte Quality-of-Life Konfig und weiterer Ausblick

Wenn du per exit die Session beendest und dich erneut einloggen willst, musst du auf dem NAS immer docker exec -it claude-code bash eingeben. Ich kann mir das nicht merken. Leg dir doch auch hier einen claude Alias an:

1

echo "alias claude='docker exec -it claude-code bash'" >> ~/.bashrc

Und schon kannst du per claude die Session in deinem Container starten. Also vom Endgerät erst per ssh <Username>@<NAS-IP> aufs NAS und dann per claude in den Container - und dort lebt deine immer persönlich werdendere KI 😎.

Bis hierher erstmal viel Spaß damit! Im nächsten Teil verbinde ich Strava mit der KI, sodass diese auch als mein Personal Trainer agieren kann. Da hierzu jedoch eine Strava App angelegt werden muss, wollte ich diesen Post nicht noch länger machen. Ich werde auch noch zeigen, wie du deine SSH Session per Key-Authentifizierung starten kannst, um nicht immer das Passwort anzugeben und n8n steht auch auf der Liste. Und natürlich widmen wir uns auch den Skills, Agents und Commands, damit die KI nicht nur Fähigkeiten besitzt, sondern auch weiß, was sie wie in welcher Situation tun soll.

Coole Zeiten! Bis dahin, viel Spaß!