Eine Überwachungskamera, die 2K liefert, sich lokal in Home Assistant einbinden lässt, Bilder von einer KI beschreiben lässt und dich trotzdem nicht in ein Abo zwingt – genau da wird es dünn. Die Tapo C510W 🔗 (Anzeige) ist so ein Kandidat: rund 42 bis 62 Euro, Pan/Tilt, IP65 und H.264. Sie ist keine Profikamera, aber sie macht genau das, was Home Assistant, Frigate und LLM Vision brauchen. Hier siehst du, was sie kann, wo sie klemmt und wie du sie in rund einer Stunde sauber ans Laufen bekommst – inklusive der Variante mit einem Raspberry Pi 5 und KI-Beschleuniger.
Warum die C510W ein guter Einstieg ist
Die Kamera liefert 2304 × 1296 Pixel bei 30 Bildern pro Sekunde aus einem 1/2.8-Zoll-Sensor mit 3,9 mm Brennweite und F2.0. In Zahlen klingt das trocken, in der Praxis heißt es: Kennzeichen auf drei bis vier Metern sind lesbar, Gesichter bei gutem Licht erkennbar. Dazu 850-nm-Infrarot bis knapp 30 Meter, zusätzlich Farbnachtsicht über zwei integrierte Spotlights.
Der mechanische Schwenkbereich ist der eigentliche Preisvorteil: 340 Grad horizontal, 90 Grad vertikal. Damit deckt eine einzige Kamera eine Hofeinfahrt oder eine Terrasse ab, für die du sonst zwei Kameras brauchst. Dazu kommen 90-dB-Sirene, Zwei-Wege-Audio, ein physischer Privatsphäre-Modus, microSD bis 512 GB und IP65 – montierbar von −30 bis +60 Grad.
Und der wichtigste Punkt für Selbstbauer: Sie gibt RTSP und ONVIF heraus, in H.264. Genau das erwarten Home Assistant, Frigate und ONVIF-Integrationen. Kein H.265-Experimentieren, keine proprietäre Wolke als Pflicht.
Was die Kamera kann – und wo ihre Grenzen liegen
Fünf Punkte, die du vorher wissen musst:
Nur 2,4 GHz. Kein 5-GHz-WLAN. Bei einer 2K-Kamera in einem gut belegten 2,4-GHz-Band ist das die häufigste Ursache für Aussetzer. Ein eigener Kanal, idealerweise ein eigenes SSID für Kameras, entschärft das.
Kein PoE. Die Kamera hängt an einem 9-V-Netzteil. Am Montageort brauchst du also eine Steckdose – oder du ziehst gleich ein Kabel für eine kabelgebundene Kamera.
Maximal zwei gleichzeitige Streams. Öffnest du die Kamera parallel in der Tapo-App, im Home-Assistant-Frontend und in Frigate, kann der Stream abreißen. In der Praxis heißt das: nicht überall gleichzeitig schauen.
ONVIF nur Profile S. Zwei-Wege-Audio läuft nicht über ONVIF, sondern nur im Hersteller-Ökosystem. Wer darüber sprechen will, braucht einen anderen Weg.
H.264 statt H.265. Für Fremdsysteme ist das ein Vorteil, für die Bandbreite ein Nachteil: H.264 braucht bei gleicher Qualität mehr Bitrate als H.265. Über WLAN ist das der zweite Grund, warum die Bildqualität in der App nicht auf Anschlag stehen muss.
Kamera-Konto anlegen und RTSP testen
Der wichtigste Schritt vor jeder Integration: In der Tapo-App brauchst du ein Kamera-Konto. Das ist ausdrücklich nicht dein Tapo-Konto, sondern ein separates Benutzerkonto pro Kamera. Du findest es in der App unter Geräteeinstellungen → Erweitert → Kamera-Konto. Ohne dieses Konto gibt es kein RTSP.
Danach stehen zwei Streams bereit:
rtsp://BENUTZER:PASSWORT@IP-DER-KAMERA:554/stream1– Hauptstream, 2Krtsp://BENUTZER:PASSWORT@IP-DER-KAMERA:554/stream2– Substream, für Erkennung
Bevor du irgendetwas konfigurierst, prüfe die Streams am Rechner. Mit ffprobe bekommst du exakt die Werte, die du später in Frigate eintragen musst:
ffprobe -v error -select_streams v:0 \
-show_entries stream=codec_name,width,height,r_frame_rate \
-of csv=p=0 "rtsp://benutzer:passwort@192.168.1.50:554/stream2"Das ist kein Kosmetikschritt: Frigate verlangt für den Detect-Stream exakte width– und height-Werte. Die Substream-Auflösung dokumentiert TP-Link nicht öffentlich – sie wird gemessen, nicht geraten.
Zwei Dinge noch: In der App unter Video & Anzeige die Qualität auf die höchste Stufe stellen, sonst liefert stream1 weniger als 2K. Und wenn du die Kamera in Frigate aufzeichnen willst: Tapo Care und microSD schließen die NVR-Aufzeichnung aus. Liegt eine SD-Karte in der Kamera, schaltet TP-Link die RTSP-Aufzeichnung ab. Für Frigate also Karte raus, Cloud-Abo aus.
Drei Wege in Home Assistant – und welcher zu dir passt
Weg 1: die Kern-Integration „TP-Link Smart Home“. Läuft komplett lokal, ohne Cloud-Roundtrip, mit Live-Bild, Pan/Tilt und Bewegungsalarmen. Nachteil: Das Live-Bild setzt das Kamera-Konto voraus, und die C510W steht nicht in der offiziell getesteten Geräteliste. Sie kann funktionieren, ist aber nicht abgesichert.
Weg 2: die ONVIF-Integration. Sie liefert, was die Kern-Integration schuldig bleibt: PTZ über onvif.ptz, Bewegungs- und Tamper-Sensoren, IR-Lampe als Schalter, Snapshots. Zwei-Wege-Audio fällt weg (Profile S). Für Automatisierungen nach dem Muster „Bewegung erkannt → Licht an“ ist das der direkte Weg.
Weg 3: „Tapo: Cameras Control“ über HACS. Der inoffizielle Weg über die Kamera-API. Er liefert PTZ-Presets, einen Bewegungs-Binary-Sensor, SD-Karten-Medien-Sync und Ton-Erkennung. Preis dafür: Du musst in der Tapo-App die Third-Party-Kompatibilität aktivieren, und der Kameraton kommt als PCM ALAW an – in Home Assistant nicht abspielbar, dafür gibt es die WebRTC-Card.
Die wichtigste Regel: Betreibe pro Kamera nur eine dieser Integrationen. Zwei parallele Zugriffe auf dieselbe Kamera führen zu Verbindungsabbrüchen – und du suchst dir dann einen Wolf.
Frigate einrichten: Aufzeichnung, Erkennung, Zonen
Frigate ist der Teil, der aus Bildern Ereignisse macht: Aufzeichnung, Objekterkennung, Zonen, MQTT-Events für Home Assistant. Die Minimalkonfiguration für die C510W sieht so aus:
go2rtc:
streams:
tapo_eg:
- rtsp://kamerakonto:passwort@192.168.1.50:554/stream1
tapo_eg_sub:
- rtsp://kamerakonto:passwort@192.168.1.50:554/stream2
cameras:
tapo_eg:
ffmpeg:
inputs:
- path: rtsp://127.0.0.1:8554/tapo_eg
input_args: preset-rtsp-restream
roles: [record]
- path: rtsp://127.0.0.1:8554/tapo_eg_sub
input_args: preset-rtsp-restream
roles: [detect]
detect:
width: 640 # gemessener Wert des Substreams
height: 360
fps: 5
onvif:
host: 192.168.1.50
port: 2020
user: kamerakonto
password: passwort
live:
stream_name: tapo_eg_subDrei Dinge daran sind wichtig: Der Detect-Stream ist der Substream, nicht der 2K-Hauptstream – Erkennung braucht keine Auflösung, sondern Frames, die schnell genug durchlaufen. 5 fps genügen für Personen und Fahrzeuge. Und der Record-Stream sollte in der Kamera auf etwa 15 fps begrenzt werden, wenn du Speicherplatz sparen willst.
Detect- und Record-Stream müssen dasselbe Seitenverhältnis haben (16:9), sonst passen Vorschau und Wiedergabe nicht zusammen. PTZ sprichst du in Frigate über den ONVIF-Block auf Port 2020 an.
Frigate auf dem Raspberry Pi: Coral und Hailo richtig einsetzen
Frigate läuft in Home Assistant als Add-on aus dem offiziellen Repository (blakeblackshear/frigate-hass-addons) oder als Docker-Container. Als VM auf Proxmox ist es laut Dokumentation nicht empfohlen – der Zugriff auf Beschleuniger und Video-Hardware wird dort unnötig kompliziert. Auf einem Raspberry Pi ist es der Normalfall.
Der Beschleuniger ist der Unterschied zwischen „läuft“ und „läuft entspannt“. Frigate nutzt die CPU nur noch, um Bewegung zu finden, und schickt die bewegten Bildbereiche an den Beschleuniger – der erkennt, *was* dort ist. Ohne Beschleuniger rechnet die CPU die Erkennung selbst; das kostet laut Frigate eine Größenordnung mehr Rechenzeit.
Variante 1: Google Coral (USB oder M.2). Der Klassiker: der Coral USB Accelerator 🔗 (Anzeige). Eine Coral schafft mit dem Standardmodell viele Kameras – die Faustformel ist 1000 / Inferenzzeit in ms. Bei etwa 10 ms Inferenz sind das 100 Frames pro Sekunde Erkennungsbudget, und eine Kamera mit 5 fps Detect braucht davon nur einen Bruchteil. Konfiguration:
detectors:
coral:
type: edgetpu
device: usbZwei Fallstricke, die Zeit kosten: Die Coral zieht bis zu 900 mA. Am Raspberry Pi 4 reicht die USB-Versorgung dafür oft nicht mehr aus, sobald eine SSD daneben hängt – dann brauchst du ein aktives USB-Hub. Und lsusb zeigt die Coral zunächst als 1a6e:089a Global Unichip Corp. und erst nach dem ersten Erkennungslauf als 18d1:9302 Google Inc.. Das ist kein Defekt, sondern normal.
Ehrlich dazugesagt: Frigate empfiehlt die Coral für Neuinstallationen nicht mehr, außer bei besonders niedrigem Strombedarf. Weiter unterstützt wird sie – die Coral bleibt das genügsamste Gerät für Objekterkennung.
Variante 2: Hailo-8L im Raspberry Pi AI Kit / AI HAT+. Das ist inzwischen der empfohlene Weg am Pi 5. Den Raspberry Pi AI HAT+ mit 13 TOPS 🔗 (Anzeige) gibt es einzeln zum Nachrüsten. Ein Hailo-8L bringt 13 TOPS und liegt bei der Erkennung etwa auf Coral-Niveau (Modal mobilenet v1 rund 10 ms, YOLOv6n rund 11 ms) – bei deutlich mehr Spielraum für neuere Modelle. Preis: AI HAT+ (13 TOPS) ab etwa 75 Euro, die 26-TOPS-Variante mit Hailo-8 entsprechend teurer; eine Coral USB liegt bei rund 90 Euro.
detectors:
hailo:
type: hailo8l
device: PCIeHier lauert die eigentliche Falle, und sie ist gut dokumentiert: Raspberry Pi OS Bookworm bringt einen älteren Hailo-Kerneltreiber mit, der mit Frigate kollidiert. Du musst ihn deaktivieren, bevor du das Installationsscript aus dem Frigate-Repository laufen lässt – Modul deaktivieren, umbenennen (hailo_pci → .bak), depmod -a, neu starten, erst dann das Script. Unter Raspberry Pi OS Trixie entfällt der Konflikt, weil der Treiber per DKMS kommt.
Was der Beschleuniger nicht kann: Videos dekodieren. Coral und Hailo helfen keinem einzigen Frame beim Auspacken – das macht immer die CPU. Und genau hier ist der Pi 5 ein Sonderfall: Er hat keinen Hardware-Decoder für H.264 mehr im VideoCore-Block, hardwarebeschleunigt wird nur HEVC. Die C510W liefert H.264. Praktisch heißt das:
- Für die Erkennung ausschließlich den Substream nutzen – je kleiner, desto besser.
- Detect-fps bei 5 lassen, nicht höher.
- Den Hauptstream nicht unnötig in 2K dekodieren lassen; den Recording-Stream in der Kamera auf 1080p und 15 fps begrenzen.
- Auf dem Raspberry Pi 4 gibt es die Hardware-Dekodierung für H.264 dagegen noch; dort setzt du
gpu_meminconfig.txtherauf und nutztpreset-rpi-64-h264.
Die Dauertauglichkeit. Aufzeichnungen gehören nicht auf die microSD – die stirbt im 24/7-Betrieb. Nimm eine SSD oder eine USB-Festplatte. Beim Speicherbedarf hilft Frigates Eigenheit, dass der Speicher für Frames geteilt wird: Für zwei Kameras in 1080p-Auflösung in der Erkennung reichen 128 MB, im Home-Assistant-Add-on teilt der Supervisor /dev/shm ohnehin automatisch mit halber RAM-Größe zu.
Die Einordnung in einem Satz: Eine bis zwei Kameras mit Substream-Erkennung laufen auf einem Raspberry Pi 5 mit Coral oder Hailo-8L sauber. Wer mehr Kameras will, hochauflösende Streams aufzeichnen möchte oder Wert auf Face Recognition und Kennzeichenerkennung legt, ist mit einem x86-Mini-PC mit Intel-iGPU (OpenVINO) besser bedient – die Frigate-Dokumentation empfiehlt inzwischen genau diese Klasse, nicht den Pi.
LLM Vision: Aus Kamerabildern werden Meldungen
LLM Vision (valentinfrlch/ha-llmvision, aktuell 1.7.x) ist die Kür. Die Integration schickt Bilder, Videos oder Live-Streams an ein multimodales Sprachmodell und bekommt Text zurück – auf Wunsch als Benachrichtigung aufs Handy, mit einer kurzen Beschreibung dessen, was passiert ist.
Vier Aktionen stehen zur Verfügung: image_analyzer für ein Standbild, video_analyzer für Videoclips und Frigate-Ereignisse, stream_analyzer für den Live-Stream und data_analyzer, der erkannte Werte direkt in Entitäten schreibt – etwa einen Zählerstand in input_number.
Für die C510W ist das schlicht: Jede Kamera-Entity in Home Assistant genügt. Eine Sonderbehandlung braucht sie nicht. Frigate-Ereignisse sind ein zusätzlicher Eingang, praktisch, weil dort schon vorsortiert ist, was ein Ereignis ist.
Der Modell-Provider entscheidet, wohin deine Bilder gehen. Wer nichts nach draußen schicken will, nutzt Ollama lokal; alternativ lassen sich OpenAI, Anthropic, Google, OpenRouter, Groq oder AWS Bedrock anbinden. Mit Timeline-Card und Preview-Card landen die Ereignisse im Dashboard und werden als Kalender-Entitäten geführt – aber nur, wenn du das Erinnern ausdrücklich aktivierst.
Ein Praxis-Hinweis aus eigenem Betrieb: Der verbreitete Blueprint für Ereignis-Zusammenfassungen verbiegt in Version 1.6 Pfade (/media wird zu /media/local), wodurch das Bild in iOS-Benachrichtigungen fehlt. Zuverlässig läuft der Modus „Public Folder – Unsecured“ mit /config/www/snapshots/..., weil dieser Pfad korrekt als /local/... ausgeliefert wird. Und im Modus „Consolidated“ bleibt das Bild in der zweiten Nachricht trotzdem aus.
Datenschutz, Netz und die Cloud-Anteile
Eine lokale Kette heißt nicht, dass die Kamera offline arbeitet. Drei Dinge bleiben bei TP-Link: die Ersteinrichtung, Firmware-Updates und – falls gebucht – Tapo Care. Für den laufenden Betrieb brauchst du die Cloud nicht, RTSP und ONVIF arbeiten lokal.
Was du tun solltest: keine Portfreigabe für die Kamera ins Internet. TP-Link selbst verweist für den Fernzugriff auf VPN, und in Home Assistant gibt es mit WireGuard oder Tailscale bessere Wege. Wenn du willst, dass die Kamera gar nicht nach draußen telefoniert, gibst du ihr per Firewall oder VLAN nur Zugriff auf dein lokales Netz.
Und wenn dir Bilder auf einen externen Anbieter gehen sollen (LLM Vision mit Cloud-Modell), dann ist das eine bewusste Entscheidung – lokal mit Ollama ist sie es nicht. Beide Wege sind legitim, nur nicht derselbe.
Fazit: Was das Setup kostet
Die C510W kostet derzeit zwischen 42 und 62 Euro, das günstigste Angebot inklusive Versand liegt bei rund 47 Euro. Dazu kommt eine microSD-Karte nur, wenn du ohne Frigate aufzeichnen willst – für Frigate ist sie kontraproduktiv. Ein Abo brauchst du nicht.
Als NVR läuft Home Assistant mit dem Frigate-Add-on. Willst du Objekterkennung mit Beschleuniger, kommen entweder rund 90 Euro für eine Coral USB oder ab etwa 75 Euro für den AI HAT+ (13 TOPS) auf einem Raspberry Pi 5 (ab rund 81 Euro) hinzu. Ein gebrauchter Mini-PC mit Intel-Prozessor ist die zweite Option und wird bei mehr als zwei Kameras die vernünftigere.
Die Links zum Shop sind Affiliate-Links und werden im Frontend automatisch mit 🔗 (Anzeige) gekennzeichnet; die genannten Preise stammen aus dem Preisvergleich und können beim Händler abweichen. Für dich ändert sich am Preis nichts.
Unterm Strich: Für deutlich unter 200 Euro bekommst du eine Überwachung, die aufzeichnet, Dinge erkennt und dir aufs Handy schreibt, was passiert ist – ohne Abo und ohne dass deine Videos bei einem Anbieter landen. Genau das ist der Punkt, an dem dieses Setup die Cloud-Kameras schlägt.
