Coral Dual TPU im Home Assistant: So klappt die Einrichtung wirklich

Google Coral TPU in den Home Assistant stecken und doppelte KI-Leistung abrufen — so steht es in den Foren. Die Realität sieht anders aus. Wer einen Dual Coral TPU im M.2-Format in einem HP ProDesk 600 oder ähnlicher Hardware betreibt, verbringt nicht selten Tage damit, /dev/apex_0 und /dev/apex_1 zum Laufen zu bringen. Und selbst wenn das System beide TPUs erkennt, heißt das noch lange nicht, dass Frigate oder ein anderer Dienst sie tatsächlich nutzt. Warum ist das so? Und vor allem: Was kann man dagegen tun?

Dieser Artikel zerlegt das Problem in seine Einzelteile. Nicht als Produktvorstellung, nicht als Werbetext. Sondern als das, was es ist: eine nüchterne Analyse eines realen Hardware-Problems, bei dem die Foren-Lösungen oft mehr verwirren als helfen.

Inhaltsverzeichnis

Was macht ein Google Coral TPU eigentlich?
Dual vs. Single: Der entscheidende Unterschied, den viele übersehen
Wo der Coral TPU im Home Assistant wirklich arbeitet
Einrichtung: Die Schritte, die tatsächlich zählen
Das PCIe-Problem: Warum der Dual TPU oft nur halb funktioniert
Treiber und Kernel: Versionen, die wirklich kompatibel sind
Frigate für Dual TPU konfigurieren — so geht es
Alternativen zum Dual Coral TPU
FAQ: Die häufigsten Fragen aus der Praxis
Fazit: Wer den Dual TPU wirklich braucht

Kurzantwort

Der Google Coral Dual TPU verspricht doppelte KI-Leistung für Home Assistant und Frigate. Warum die Einrichtung trotzdem scheitert und was wirklich hilft. Kurz gesagt: home assistant smarthome automatisierung ist vor allem dann relevant, wenn du schnell verstehen willst, was konkret dahinter steckt, welche Grenzen es gibt und welche Entscheidung daraus folgt. Die Details, Quellen und Einschränkungen stehen in den folgenden Abschnitten.

Was macht ein Google Coral TPU eigentlich?

Ein Coral TPU — TPU steht für Tensor Processing Unit — ist ein spezialisierter KI-Beschleuniger von Google. Anders als eine Grafikkarte oder eine CPU kann er nur eine Sache: TensorFlow-Lite-Modelle ausführen. Und das macht er extrem effizient. Ein Coral TPU verarbeitet Bilddaten für Objekterkennung mit etwa vier Millisekunden pro Inferenz bei einer Leistungsaufnahme von rund einem Watt.

Zum Vergleich: Eine Mittelklasse-CPU braucht für dieselbe Aufgabe je nach Modell zwischen 20 und 80 Millisekunden, ein Raspberry Pi 4 liegt bei etwa 100 bis 200 Millisekunden pro Bild. Der Geschwindigkeitsvorteil ist also real — Faktor 5 bis 50, je nach Referenzsystem. Das ist der Grund, warum der Coral TPU in der Smarthome-Szene so verbreitet ist: Kein anderes Gerät liefert diese Kombination aus Geschwindigkeit, niedrigem Stromverbrauch und akzeptablem Preis.

Ein verbreitetes Missverständnis: Der Coral TPU ist kein universeller KI-Beschleuniger. Er kann keine großen Sprachmodelle ausführen, kein PyTorch, keine Transformer-Architekturen. Er ist ein Spezialwerkzeug für einen engen Anwendungsfall: Bildklassifikation und Objekterkennung mit TensorFlow Lite. Wer andere KI-Aufgaben im Smarthome umsetzen will, braucht andere Hardware.

Google vertreibt den Coral TPU in drei Formfaktoren: als USB-Stick, als einzelnes M.2-Modul und als Dual-M.2-Modul mit zwei Edge-TPU-Chips auf einer Platine. Letzteres ist der problematischste der drei — und gleichzeitig der, der in Foren am häufigsten diskutiert wird.

Dual vs. Single: Der entscheidende Unterschied, den viele übersehen

Das Dual-Modul enthält zwei separate Edge-TPU-Chips. Aus Sicht des Betriebssystems sind das zwei unabhängige Geräte, die als /dev/apex_0 und /dev/apex_1 auftauchen. Das klingt simpel. Ist es nicht.

Der erste Stolperstein: Ein einzelner M.2-Slot stellt physikalisch nur eine PCIe-Verbindung bereit — üblicherweise PCIe x1 oder x2. Zwei unabhängige Geräte über eine einzige physische Verbindung benötigen PCIe-Bifurkation. Das bedeutet, der Chipsatz oder die CPU muss einen PCIe-Lane in zwei logische Lanes aufteilen können. Nicht jeder Chipsatz kann das. Nicht jedes BIOS unterstützt es. Und selbst wenn beides vorhanden ist, muss die Option im BIOS explizit aktiviert sein.

Das HP ProDesk 600, das der Reddit-Nutzer im Topic verwendet, ist ein typisches Beispiel: Der verbaute Chipsatz unterstützt Bifurkation je nach Modellgeneration, aber das BIOS bietet nicht immer eine sichtbare Einstellung dafür. In vielen Fällen erkennt das System nur einen der beiden TPUs — oder beide, aber einer produziert Fehler bei Zugriffen.

Realistisch betrachtet: Wer einen Dual Coral TPU kauft, ohne vorher zu prüfen, ob das Mainboard PCIe-Bifurkation im benötigten M.2-Slot unterstützt, geht ein unnötiges Risiko ein. Die meisten Nutzer, die in Foren von tagelangen Fehlversuchen berichten, haben genau diesen Punkt übersprungen.

home assistant smarthome automatisierung – Illustration 2

Wo der Coral TPU im Home Assistant wirklich arbeitet

Es gibt eine grundlegende Fehlannahme, die sich durch viele Einsteiger-Foren zieht: Dass der Coral TPU direkt mit Home Assistant kommuniziert. Das tut er nicht. Home Assistant selbst hat keine integrierte Coral-TPU-Unterstützung.

Der TPU kommt fast ausschließlich über Frigate zum Einsatz — eine quelloffene NVR-Software (Network Video Recorder), die als Home-Assistant-Add-on oder als Docker-Container läuft. Frigate nutzt den Coral TPU für die KI-gestützte Objekterkennung in Kamerabildern: Personen, Fahrzeuge, Tiere, Pakete. Statt jeden Videoframe auf Bewegungsänderungen per CPU zu analysieren, übergibt Frigate die relevanten Bildausschnitte an den TPU, der in wenigen Millisekunden erkennt, was zu sehen ist.

Das ist der einzige praktisch relevante Einsatzzweck des Coral TPU im Home-Assistant-Ökosystem. Wer keine Überwachungskameras mit Objekterkennung betreibt, braucht keinen Coral TPU. Punkt.

Ein weiterer möglicher Anwendungsfall ist CodeProject.AI oder Double-Take für Gesichtserkennung — ebenfalls Kamera-bezogen und ebenfalls mit TensorFlow-Lite-Modellen. Aber das sind Nischenanwendungen. In über 90 Prozent der Fälle, in denen ein Coral TPU zusammen mit Home Assistant genannt wird, geht es um Frigate.

Einrichtung: Die Schritte, die tatsächlich zählen

Die folgende Schrittfolge basiert auf den offiziellen Google-Coral-Dokumentationen und den Frigate-Installationsanleitungen. Sie geht von Home Assistant OS oder einem Debian-basierten System aus — beides wird im Reddit-Topic erwähnt.

1. Hardware prüfen. Bevor irgendein Treiber installiert wird: BIOS aufrufen und PCIe-Bifurkation prüfen. Bei M.2-Slots mit B+M-Key, die für den Dual TPU vorgesehen sind, muss Bifurkation auf x1x1 oder Auto stehen. Bei vielen Business-PCs wie dem ProDesk, OptiPlex oder ThinkCentre ist diese Option im BIOS nicht verfügbar, selbst wenn der Chipsatz es könnte.

2. Treiber installieren. Google stellt zwei Kernel-Module bereit: gasket und apex. Unter Debian/Ubuntu werden sie über das Paket gasket-dkms installiert:

sudo apt-get update
sudo apt-get install gasket-dkms

Unter Home Assistant OS ist der Treiber bereits im Kernel enthalten — hier entfällt dieser Schritt.

3. Erkennung prüfen. Nach Installation und Neustart sollte ls /dev/apex_* beide Geräte anzeigen:

ls -la /dev/apex_*
# Erwartete Ausgabe:
# /dev/apex_0
# /dev/apex_1

Fehlt eines der Geräte, liegt das Problem in der Regel an fehlender PCIe-Bifurkation oder einem Shared-IRQ-Konflikt. Das Log lässt sich mit dmesg | grep apex prüfen.

4. Frigate konfigurieren. In der frigate.yml müssen beide TPUs als separate Detektoren definiert werden. Dazu später mehr im Konfigurationsabschnitt.

Das PCIe-Problem: Warum der Dual TPU oft nur halb funktioniert

Das ist der Kern des Problems, um den sich das Reddit-Topic dreht. Der Nutzer sieht beide Geräte — /dev/apex_0 und /dev/apex_1 — aber mindestens eines davon funktioniert nicht zuverlässig. Das ist ein klassisches Symptom für PCIe-Probleme, nicht für Treiberfehler.

Die Dual-Coral-Karte belegt zwei PCIe-Funktionen auf einem physischen Device. Funktion 0 und Funktion 1. Wenn das BIOS oder der Chipsatz das nicht korrekt abbildet, sieht das Betriebssystem zwar beide Funktionen, aber eine davon hat keine gültige Speicheradresse oder bekommt Interrupts nicht zugestellt. Dann passiert Folgendes: Das Gerät wird erkannt, meldet sich beim Treiber, aber sobald tatsächlich Daten übertragen werden, kommt es zu Timeouts oder CRC-Fehlern.

Das wird oft übersehen: Ein ls /dev/apex_* mit zwei Einträgen ist kein Beweis dafür, dass beide TPUs funktionieren. Erst ein tatsächlicher Inferenz-Test — etwa über das Coral-Testskript coral_test.py oder eine Frigate-Testkonfiguration — zeigt, ob beide Chips nutzbar sind.

Ein verbreitetes Missverständnis: Viele gehen davon aus, dass der Treiber das Problem ist. In den allermeisten Fällen ist es die Hardware-Plattform. Der apex-Treiber ist seit Kernel 5.10 stabil und gut getestet. Wenn ein TPU im Dual-Modul nicht funktioniert, liegt die Ursache fast immer bei der PCIe-Implementierung des Mainboards.

Treiber und Kernel: Versionen, die wirklich kompatibel sind

Die Treibersituation für Coral-TPUs hat sich in den letzten Jahren stabilisiert, aber es gibt nach wie vor Fallstricke bei bestimmten Kombinationen.

Unter Home Assistant OS (basierend auf Buildroot mit aktuellen Kerneln ab 6.x) sind die Treiber fest integriert. Das ist der unkomplizierteste Weg: Kein DKMS, keine manuellen Kernel-Module, kein Treiber-Update-Konflikt nach Kernel-Upgrades. Das ist ein erheblicher Vorteil gegenüber generischen Linux-Installationen.

Unter Debian hängt die Kompatibilität von der Kernel-Version ab. Die gasket-dkms-Pakete von Google unterstützen Kernel bis etwa 6.5 offiziell — bei neueren Kerneln kann das DKMS-Modul nicht bauen. Ein Workaround ist der manuelle Build aus dem Google-Coral-GitHub-Repository, aber das erfordert Erfahrung mit Kernel-Modulen und ist nichts für Einsteiger.

Unter Proxmox (was im Reddit-Kontext ebenfalls relevant ist, da viele Home Assistant in einer Proxmox-VM betreiben) ist PCIe-Passthrough der entscheidende Faktor. Der Coral TPU muss per PCIe-Passthrough an die VM durchgereicht werden. Das funktioniert in der Regel, aber der Dual TPU benötigt beide PCIe-Funktionen. In der /etc/pve/qemu-server/<vmid>.conf müssen beide Geräte-IDs stehen. Fehlt eine, sieht die VM nur einen TPU.

Ein oft übersehenes Detail: Wenn der Host selbst die Treiber lädt — etwa weil Docker oder ein anderes System die TPUs beansprucht — sind sie für die VM nicht mehr verfügbar. Der Coral-Treiber muss auf dem Host deaktiviert oder über modprobe.blacklist=gasket ausgeschlossen werden, bevor PCIe-Passthrough funktioniert.

home assistant smarthome automatisierung – Illustration 3

Frigate für Dual TPU konfigurieren — so geht es

Selbst wenn beide TPUs vom Betriebssystem korrekt erkannt werden und funktionieren, muss Frigate sie noch nicht nutzen. Ohne explizite Konfiguration verwendet Frigate nur den ersten verfügbaren Coral-TPU — standardmäßig /dev/apex_0.

Die Lösung ist, in der frigate.yml mehrere Detektoren zu definieren und die Kameras aufzuteilen:

detectors:
  coral1:
    type: edgetpu
    device: pci:0
  coral2:
    type: edgetpu
    device: pci:1

cameras:
  front_door:
    ffmpeg:
      inputs:
        - path: rtsp://...
    detect:
      width: 1280
      height: 720
    motion:
      mask: ...
  driveway:
    ffmpeg:
      inputs:
        - path: rtsp://...
    detect:
      width: 1280
      height: 720

Beide Detektoren parallel zu betreiben bringt allerdings nur dann einen spürbaren Vorteil, wenn tatsächlich mehrere hochauflösende Kamerastreams gleichzeitig auf Objekterkennung angewiesen sind. Bei zwei oder drei Kameras mit moderater Auflösung (720p) und normaler Bewegungserkennung schafft ein einzelner Coral TPU die Verarbeitung in der Regel problemlos.

Der Dual-TPU-Vorteil wird erst bei vier oder mehr Kameras mit 1080p oder höherer Auflösung relevant, oder wenn zusätzlich Gesichtserkennung über Double-Take läuft. Für die typische Heim-Installation mit zwei bis drei Kameras ist ein Dual TPU meist überdimensioniert.

Das ist die nüchterne Wahrheit, die in Kaufberatungen selten ausgesprochen wird: Die Mehrheit der Nutzer, die einen Dual TPU kaufen, könnte dieselbe Aufgabe mit einem einzelnen TPU bewältigen — und hätte sich die Einrichtungsprobleme gespart.

Alternativen zum Dual Coral TPU

Wer vor der Entscheidung steht, einen Coral TPU anzuschaffen, sollte die Alternativen kennen. Nicht als Besserwisserei, sondern als realistische Einordnung.

USB Coral TPU. Der einfachste Weg. Einstecken, in Frigate als device: usb konfigurieren, fertig. Kein PCIe, keine Bifurkation, keine Treiber-Abenteuer. Nachteil: nur ein Edge-TPU-Chip, und die USB-Verbindung ist minimal langsamer als PCIe — etwa 5 bis 7 Millisekunden statt 4 Millisekunden pro Inferenz. In der Praxis irrelevant.

Single M.2 Coral TPU. Gleiche Leistung wie der Dual — nur eben ein Chip statt zwei. Erheblich weniger PCIe-Probleme, weil keine Bifurkation nötig ist. Der Single-TPU belegt nur eine PCIe-Funktion und läuft in nahezu jedem M.2-Slot mit B- oder B+M-Key.

Google Cloud TPU. Für Anwender, die ohnehin Cloud-Dienste nutzen, eine Option — aber mit Latenz und laufenden Kosten. Keine Alternative für das lokale Smarthome, das auch ohne Internet funktionieren soll.

GPU-basierte Inferenz. Einige Nutzer setzen auf OpenVINO mit Intel-iGPU oder NVIDIA Jetson. Die Inferenzgeschwindigkeiten liegen im Bereich von 10 bis 30 Millisekunden — langsamer als der Coral TPU, aber für die meisten Privatanwendungen ausreichend. Der Vorteil: Keine zusätzliche Hardware nötig, wenn bereits eine kompatible GPU vorhanden ist. Der Nachteil: Höherer Stromverbrauch und komplexere Konfiguration.

TensorFlow Lite auf CPU. Für Einsteiger mit wenigen Kameras und geringen Anforderungen die einfachste Lösung. Frigate läuft auch ohne TPU — dann übernimmt die CPU die Inferenz mit etwa 30 bis 50 Millisekunden pro Bild. Das reicht für eine Kamera mit Personenerkennung bei normaler Bewegungshäufigkeit. Erst ab zwei Kameras oder häufig auslösender Bewegung wird der TPU wirklich nötig.

Entscheidungshilfe: Wann ist das sinnvoll?

Eher sinnvoll, wenn du home assistant smarthome automatisierung nicht nur als Nachricht lesen willst, sondern eine praktische Einordnung brauchst: Was ändert sich, wen betrifft es und welche nächsten Schritte sind realistisch?

Eher abwarten, wenn die Quellenlage noch dünn ist, wichtige technische Details fehlen oder der Nutzen nur aus Hersteller- oder Projektversprechen besteht. Dann ist Beobachten besser als vorschnelles Umstellen.

Worauf du achten solltest: konkrete Verfügbarkeit, nachvollziehbare Kosten, offene Einschränkungen, Sicherheits- oder Datenschutzfolgen und belastbare Quellen statt bloßer Ankündigungen.

FAQ: Die häufigsten Fragen aus der Praxis

Warum erkennt mein System /dev/apex_0, aber nicht /dev/apex_1?

Das ist das häufigste Symptom fehlender PCIe-Bifurkation. Der M.2-Slot kann nur ein Gerät ansprechen, weil der Chipsatz die Lane nicht aufteilt. Prüfen Sie das BIOS auf Bifurkations-Optionen. Wenn keine vorhanden sind, wird der Dual TPU in diesem Slot nicht vollständig funktionieren.

Kann ich den Dual TPU in einem USB-Adapter betreiben?

Ja, es gibt M.2-zu-USB-Adapter speziell für den Coral Dual TPU. Allerdings werden dann beide TPU-Chips über eine einzige USB-Verbindung angesprochen, was die PCIe-Vorteile zunichtemacht und die Geschwindigkeit auf USB-Niveau reduziert. Zudem sind nicht alle Adapter zuverlässig bei Dauerbetrieb.

Funktioniert der Coral TPU mit Home Assistant OS direkt?

Der Treiber ist im HA-OS-Kernel enthalten. Es ist keine manuelle Installation nötig. Der TPU wird aber nur über Frigate oder ähnliche Add-ons genutzt — nicht direkt von Home Assistant.

Welche Kernel-Version brauche ich für den Coral Dual TPU?

Ab Kernel 5.10 läuft der Coral-Treiber grundsätzlich. Für den Dual TPU mit stabiler PCIe-Bifurkation empfehlen sich Kernel ab 6.1, da hier Verbesserungen im PCIe-Subsystem eingeflossen sind. Die aktuellen HA-OS-Versionen nutzen Kernel 6.x und sind damit gut aufgestellt.

Lohnt sich der Dual TPU gegenüber dem Single TPU für ein typisches Smarthome?

Das kommt darauf an, wie viele Kameras Sie mit welcher Auflösung betreiben. Bei bis zu drei 1080p-Kameras mit Personenerkennung: nein. Bei vier oder mehr Kameras oder bei zusätzlicher Gesichtserkennung: ja, dann bringt der Dual TPU spürbare Entlastung.

Kann ich zwei Single Coral TPUs statt eines Dual-Moduls nutzen?

Ja, wenn zwei M.2-Slots verfügbar sind. Das umgeht das Bifurkationsproblem, weil jeder TPU seinen eigenen PCIe-Slot bekommt. In der Praxis ist das oft die stabilere Lösung als ein einzelnes Dual-Modul.

Warum wird der Coral TPU manchmal heiß und drosselt dann?

Der Dual Coral TPU kann unter Dauerlast Temperaturen über 80 Grad Celsius erreichen. Ohne ausreichende Kühlung drosselt die Firmware den Chip, was zu erhöhten Inferenzzeiten führt. Ein kleiner Kühlkörper auf dem TPU-Modul oder ein Lüfter im Gehäuse, der den M.2-Bereich belüftet, löst das Problem. Besonders in passiv gekühlten Systemen wie dem ProDesk-Mini sollte man das nicht ignorieren.

Kann ich den Coral TPU auch für andere KI-Aufgaben als Frigate nutzen?

Nur für TensorFlow-Lite-Modelle. Alle anderen Frameworks oder Formate werden nicht unterstützt. Wer etwa Whisper für Spracherkennung, Llama für Textverarbeitung oder Stable Diffusion für Bildgenerierung lokal betreiben will, braucht andere Hardware — typischerweise eine GPU mit ausreichend Videospeicher.

Was bedeutet die Fehlermeldung “Failed to open device /dev/apex_0: Device or resource busy”?

Ein anderer Prozess hat den TPU bereits geöffnet. Bei Docker-Installationen passiert das, wenn mehrere Container auf denselben TPU zugreifen wollen. Die Lösung: In Frigate über device: pci:0 und device: pci:1 die TPUs explizit zuweisen und sicherstellen, dass kein anderer Container /dev/apex_* ohne Freigabe verwendet.

Wie teste ich, ob beide TPU-Chips tatsächlich funktionieren?

Das Google-Coral-Repository enthält ein Testskript. Alternativ kann Frigate mit einem Test-Kamerastream und beiden Detektoren gestartet werden. In den Frigate-Logs erscheint für jeden erfolgreich geladenen Detektor eine entsprechende Meldung. Ein einfaches ls /dev/apex_* reicht als Test nicht aus.

Gibt es eine empfehlenswerte Hardware-Plattform für den Dual TPU?

Systeme mit Intel-Chipsätzen der 300er-Serie oder neuer sowie AMD Ryzen mit B550/X570-Chipsätzen unterstützen PCIe-Bifurkation in der Regel zuverlässig, sofern das BIOS die Option freigibt. Konkret bewährt haben sich Fujitsu Esprimo, Lenovo ThinkCentre M720q/M920q und selbstgebaute Systeme mit aktuellen Desktop-Mainboards. Bei Mini-PCs mit proprietären BIOS-Versionen — etwa HP ProDesk/EliteDesk oder Dell OptiPlex Micro — ist die Situation uneinheitlich. Vor dem Kauf lohnt ein Blick in die jeweiligen Community-Foren, ob jemand dasselbe Modell erfolgreich mit einem Dual TPU betreibt.

Fazit: Wer den Dual TPU wirklich braucht

Der Google Coral Dual TPU ist ein leistungsfähiges Werkzeug — für einen spezifischen Anwendungsfall unter spezifischen Voraussetzungen. Wer vier oder mehr Überwachungskameras mit KI-Objekterkennung betreibt und eine Hardware-Plattform hat, die PCIe-Bifurkation zuverlässig unterstützt, wird mit dem Dual TPU gut fahren. Alle anderen sollten prüfen, ob ein einzelner Coral TPU — ob als USB-Stick oder Single-M.2 — nicht die einfachere, günstigere und stabilere Wahl ist.

Die Foren-Realität zeigt: Ein erheblicher Teil der Dual-TPU-Käufer verbringt Stunden oder Tage mit Debugging, das sich bei einem Single-TPU komplett erübrigt hätte. Das ist kein Argument gegen den Dual TPU an sich. Aber es spricht dafür, den eigenen Bedarf und die eigene Hardware nüchtern einzuschätzen, bevor man kauft.

Das wird oft übersehen: Nicht die Leistungsfähigkeit des TPU ist das Problem. Sondern die Erwartung, dass zwei Chips auf einer Platine genauso problemlos funktionieren wie einer. Tun sie nicht. Und daran wird sich mit keiner Treiberversion der Welt etwas ändern — weil das Problem unterhalb des Betriebssystems liegt, im PCIe-Subsystem des Mainboards.

Quellen

Passende Produktrecherchen

Wenn du die praktische Seite vertiefen möchtest, findest du hier passende Suchpfade zum Vergleichen. Keine Kaufpflicht, keine Rangliste, sondern thematisch passende Produktrecherchen:

Hinweis: Als Amazon-Partner verdient kalika.de an qualifizierten Verkäufen. Für dich ändert sich der Preis nicht.