Zum Inhalt

Ollama Cloud einrichten

Hier erfährst du, wie du PhotoPrism mit Ollama Cloud verbindest, um detaillierte Bildunterschriften und präzise Kategorien zu erzeugen – ohne eine lokale Ollama Instanz betreiben zu müssen.

Schritt 1: API‑Key erstellen

Um Ollama Cloud nutzen zu können, benötigst du ein Konto bei ollama.com und einen gültigen API‑Key, den du unter https://ollama.com/settings/keys erstellen kannst.

Schritt 2: Umgebung konfigurieren

Füge die Umgebungsvariablen OLLAMA_BASE_URL und OLLAMA_API_KEY zum photoprism‑Dienst in deiner compose.yaml (oder docker-compose.yml) Datei hinzu, wie im folgenden Beispiel gezeigt.1

compose.yaml

services:
  photoprism:
    image: photoprism/photoprism:latest
    environment:
      OLLAMA_BASE_URL: "https://ollama.com"
      OLLAMA_API_KEY: "your-api-key"
      ...

Mit diesen Variablen verwendet PhotoPrism automatisch den Ollama Cloud Endpunkt für alle Ollama‑basierten Modelle, die in deiner vision.yml konfiguriert sind. Du musst weder Service.Uri noch Service.Key in der Modellkonfiguration angeben – beides wird aus den Umgebungsvariablen übernommen.

Wenn OLLAMA_BASE_URL auf https://ollama.com gesetzt ist, wechselt PhotoPrism automatisch zu den Cloud‑Standardeinstellungen. Ein API‑Key allein erzwingt keine Cloud‑Nutzung. Da der aktuell veröffentlichte Ollama Cloud Modellname qwen3-vl:235b-instruct-cloud lautet, empfehlen wir, ihn explizit in vision.yml festzulegen.

Schritt 3: Modelle konfigurieren

Erstelle eine neue Datei vision.yml in deinem Konfigurationspfad (Standard: storage/config) oder bearbeite die vorhandene Datei im storage/config‑Verzeichnis deiner PhotoPrism‑Instanz, wie im folgenden Beispiel.

Da die Service‑URI aus OLLAMA_BASE_URL übernommen wird, kannst du den Service‑Block weglassen:

vision.yml

Models:
- Type: labels
  Model: qwen3-vl:235b-instruct-cloud
  Engine: ollama
  Run: auto
  Service:
    Think: "false"
- Type: caption
  Model: qwen3-vl:235b-instruct-cloud
  Engine: ollama
  Run: auto
  Service:
    Think: "false"

Stelle sicher, dass die konfigurierten Modelle auf Ollama Cloud verfügbar sind. Du kannst die Liste der unterstützten Cloud‑Modelle durchsuchen, um zu sehen, welche verwendet werden können. Ein manuelles Herunterladen ist nicht nötig – Cloud‑Modelle werden remote bereitgestellt.

Die optionale Einstellung Service.Think: "false" deaktiviert die Reasoning‑Ausgabe bei Modellen, die dies unterstützen. Das ist für Captions und Kategorien oft sinnvoll, da es die Latenz reduziert und verhindert, dass Output‑Tokens für internes Reasoning statt für das eigentliche Ergebnis verbraucht werden.

Zum Zeitpunkt dieser Dokumentation verwendet PhotoPrism intern immer noch qwen3-vl:235b-instruct als Ollama Cloud Standardmodell. Durch das explizite Festlegen von Model: qwen3-vl:235b-instruct-cloud werden Unklarheiten vermieden, bis dieser Standardwert im Code aktualisiert wird.

Mehr erfahren ›

Scheduling Optionen

  • Run: auto (empfohlen) fĂĽhrt das Modell automatisch aus, nachdem die Indexierung abgeschlossen ist, damit der Import bzw. die Indexierung nicht ausgebremst wird. Gleichzeitig bleiben manuelle Aufrufe und zeitgesteuerte AusfĂĽhrungen möglich.
  • Run: manual deaktiviert die automatische AusfĂĽhrung, sodass du das Modell nur manuell ĂĽber photoprism vision run -m caption oder photoprism vision run -m labels startest.

Mehr erfahren ›

Konfigurations Tipps

PhotoPrism wertet Modelle von unten nach oben in der Liste aus. Wenn du die Ollama Einträge unterhalb anderer Modelle platzierst, werden Ollama‑Modelle bevorzugt, während andere als Fallback erhalten bleiben.

Von Ollama generierte Captions und Labels werden automatisch mit der Source ollama gespeichert. Du musst daher keinen speziellen source‑Wert angeben, außer du möchtest die Quelle explizit überschreiben.

Prompt‑Lokalisierung

Wenn du Ausgaben in anderen Sprachen erzeugen möchtest, lasse die Basisanweisungen im Prompt auf Englisch und ergänze nur die gewünschte Sprache (z.B. „Respond in German"). Dieses Vorgehen funktioniert sowohl für Caption‑Prompts als auch für Label‑Prompts.

Schritt 4: PhotoPrism neu starten

FĂĽhre die folgenden Befehle aus, um photoprism neu zu starten und die neuen Einstellungen zu ĂĽbernehmen:

docker compose stop photoprism
docker compose up -d

Anschließend kannst du die photoprism vision CLI‑Befehle im Terminal verwenden, z.B. photoprism vision run -m caption zum Erzeugen von Captions oder photoprism vision run -m labels zum Erzeugen von Kategorien.

Mehr erfahren ›

Troubleshooting

Konfiguration ĂĽberprĂĽfen

Wenn Probleme auftreten, prüfe zuerst, wie PhotoPrism deine vision.yml‑Konfiguration geladen hat. Das geht mit folgendem Befehl:

docker compose exec photoprism photoprism vision ls

Der Befehl gibt die Einstellungen aller unterstützten und konfigurierten Modelltypen aus. Vergleiche das Ergebnis mit deiner vision.yml‑Datei, um zu bestätigen, dass die Konfiguration korrekt geladen wurde, und um Parsing‑Fehler oder Fehlkonfigurationen zu erkennen.

Test Runs durchfĂĽhren

Die folgenden Terminal‑Befehle führen jeweils einen einzelnen Lauf für den angegebenen Modelltyp aus:

photoprism vision run -m labels --count 1 --force
photoprism vision run -m caption --count 1 --force

Wenn du nicht die erwarteten Ergebnisse erhältst oder Fehler bemerkst, kannst du die Befehle erneut mit aktiviertem Trace‑Log‑Modus ausführen, um Anfrage und Antwort zu untersuchen:

photoprism --log-level=trace vision run -m labels --count 1 --force
photoprism --log-level=trace vision run -m caption --count 1 --force

  1. Nicht relevante Konfigurationsdetails wurden zur besseren Lesbarkeit ausgelassen. ↩