docs: add comprehensive hardware and tech stack summaries for Zora and Meldestelle

Added detailed hardware specifications for the Minisforum MS-R1 (Zora) and a complete tech stack overview for the Meldestelle project. Included session logs summarizing research findings, AI relevance, and next steps for self-hosted AI model configurations. Consolidated related reference materials for streamlined documentation.
This commit is contained in:
2026-03-07 13:27:48 +01:00
parent e29d7b3db8
commit 0035225614
4 changed files with 709 additions and 0 deletions
@@ -0,0 +1,57 @@
---
type: Journal
status: DONE
owner: Lead Architect
date: 2026-03-07
---
# Session Log — Tech-Stack Zusammenfassung
**Datum:** 07. März 2026
**Agent:** 🏗️ Lead Architect
**Ziel:** Vollständige Tech-Stack-Dokumentation als Recherche-Basis für Self-Hosted AI
---
## Kontext
Nach der Zora-Hardware-Zusammenfassung (gleiche Session) wurde eine vollständige
Tech-Stack-Übersicht des Projekts "Meldestelle" erstellt — optimiert als Grundlage
für die Auswahl und Konfiguration eines Self-Hosted AI-Modells (Ollama auf Zora).
---
## Erstellte Dokumente
| Datei | Inhalt |
|:------|:-------|
| `docs/01_Architecture/Meldestelle_Tech_Stack_Zusammenfassung.md` | Vollständige Tech-Stack-Referenz |
---
## Inhalt der Zusammenfassung
- **Sprachen & Laufzeiten:** Kotlin 2.3, Java 25 (EA), Gradle 9.3.1, ARM64
- **Frontend:** Compose Multiplatform 1.10, SQLDelight 2.2, Koin 4.1, Ktor 3.4
- **Backend:** Spring Boot 3.5.9, Spring Cloud 2025.0.1, Exposed 1.0, Flyway 11
- **Infrastruktur:** Keycloak 26.4, Consul 1.21, Valkey 8, PostgreSQL 16, Zipkin, Prometheus, Grafana
- **CI/CD:** Gitea Actions, Docker Buildx (ARM64), Pangolin-Tunnel
- **AI-Relevanz:** Modell-Empfehlungen, RAG-Dokument-Prioritäten, Anforderungsmatrix
---
## AI-Empfehlungen (Ergebnis)
| Modell | Einsatz |
|:--------------------|:-------------------------------|
| `qwen2.5-coder:14b` | Primär — Kotlin/Spring/SQL |
| `qwen2.5:32b` | Architektur + Fachlogik |
| `llama3.1:8b` | Schnell, Deutsch, Allgemein |
---
## Nächste Schritte
1. Proxmox LXC für AI-Stack (Ollama + Open WebUI) einrichten
2. `qwen2.5-coder:14b` als erstes Modell laden
3. RAG mit `/docs`-Verzeichnis in Open WebUI konfigurieren
4. Continue.dev Plugin in IntelliJ IDEA integrieren
@@ -0,0 +1,41 @@
---
type: Journal
status: ACTIVE
owner: Lead Architect
date: 2026-03-07
---
# Session Log — 07. März 2026: Zora Hardware-Zusammenfassung
## Kontext
Samstag-Session. Ziel: Vollständige Hardware- und Konfigurations-Zusammenfassung
von Zora (Minisforum MS-R1) als Basis für weitere Self-Hosted AI Recherchen.
## Durchgeführte Änderungen
| Datei | Aktion | Beschreibung |
|:------|:-------|:-------------|
| `docs/01_Architecture/Minisforum-MS-R1/Zora_Hardware_Zusammenfassung.md` | NEU | Vollständige Hardware-Referenz (CPU, GPU, NPU, RAM, Ports, Proxmox-Konfiguration, VMs/LXCs, Netzwerk, AI-Potenzial) |
## Inhalt der Zusammenfassung
Das neue Dokument konsolidiert alle relevanten Informationen aus:
- `Spezifikation.md` — Hersteller-Specs
- `SSoT_Konfigurations-Masterplan_Zora.md` — Proxmox-Konfiguration, VMs, Netzwerk
- `AI_Stack_Ollama_Setup.md` — CPU-Cluster-Details, AI-Architektur-Entscheidungen
- `MS-R1_Konfiguration&Bedienung.md` — Betriebssystem, Kernel, Netzwerk
## Gelernt / Erkenntnisse
- **CIX P1 NPU**: Aktuell kein Ollama/llama.cpp-Support — Recherche-Thema für die Zukunft
- **64 GB RAM**: Ermöglicht 70B-Modelle vollständig im RAM (Q4 ≈ 40 GB)
- **Tri-Cluster CPU**: Cortex-X4 (Kerne 811) für AI-Inferenz priorisieren
- **Immortalis-G720**: Vulkan 1.3 vorhanden — experimentelle GPU-Beschleunigung möglich
## Nächste Schritte
- [ ] Self-Hosted AI Recherche: llama.cpp ARM64 NEON/SVE2-Optimierungen
- [ ] CIX P1 NPU SDK recherchieren (Minisforum/CIX Community)
- [ ] Immortalis-G720 Vulkan Compute für llama.cpp evaluieren
- [ ] LXC 111 (ai-stack, 10.0.0.60) aufsetzen — Anleitung in `AI_Stack_Ollama_Setup.md`
- [ ] Meldestelle-Host DevOps abschließen (Ping-Service grün verifizieren)