Was ist EverShelf?
EverShelf ist eine selbst gehostete Webanwendung, die festhält, was in Ihrem Vorrat liegt, wann es abläuft und was als Nächstes eingekauft werden sollte. Die README nennt es einen „self-hosted pantry manager — inventory, barcode scan, AI recipes, less waste“; es ist in PHP mit SQLite-Datenbank und einer Single-Page-Oberfläche geschrieben, der Code ist unter der MIT-Lizenz quelloffen.
Die README nennt einen Entwickler, Stimpfl Daniel (GitHub: dadaloop82), und wünscht sich weitere Mitwirkende. Eine nicht verwandte iOS-App von Joshumi Technologies trägt denselben Namen; die README stellt klar, dass keine Verbindung besteht.
Bezugsquelle
EverShelf ist ein Server, den Sie selbst installieren; der dokumentierte Weg ist Docker Compose, Smartphones und Tablets greifen per Browser oder über die Android-Kiosk-App darauf zu.
Server (Docker Compose)
- Bezug:
- Schnellstart in der README: Repository klonen, .env.example nach .env kopieren, docker compose up -d ausführen
Browser und Smartphone
- Bezug:
- Serveradresse im Browser öffnen (Port 8080 in der mitgelieferten Compose-Datei); auf dem Smartphone zum Startbildschirm hinzufügen
Android-Kiosk-Tablet
- Bezug:
- evershelf-kiosk.apk (Version 1.7.24, Android 7.0 oder neuer)
Unraid
Website
- Bezug:
- evershelf.site
Datenschutzhinweis
- Bezug:
- evershelf.site, Abschnitt „Privacy“: kurze Erklärung auf der Startseite; ein eigenes Richtliniendokument wurde nicht gefunden
Quellcode
Demo
- Bezug:
- evershelf.site/demo, die laut README KI enthält
Geprüfte Version: v1.16.16, laut GitHub-Release am 25. Oktober 2026 veröffentlicht; die letzte Änderung im Repository war am 1. November 2026. Für die Installation brauchen Sie ein Terminal, Docker und eine von Hand bearbeitete .env-Datei – es ist also eine Entwickler-Einrichtung und keine Installation per Doppelklick. Die GitHub-Release-Liste enthält nur die Android-Kiosk-APK.
Anforderungen
Die Quellen nennen kein RAM- oder CPU-Minimum; genannt werden Docker oder PHP 8.0+, eine Kamera zum Scannen und für KI ein Anbieter-Schlüssel oder ein Llama-Server.
Server
- Angaben der Quellen:
- Docker mit Compose oder ein PHP-8.0+-Webserver, der auf das Repository-Stammverzeichnis zeigt, mit beschreibbarem Ordner data/
Speicher
- Angaben der Quellen:
- SQLite-Datenbank im Daten-Volume; die eingebaute Sicherung liegt im selben Volume, kopieren Sie sie also an einen anderen Ort
Arbeitsspeicher und CPU
- Angaben der Quellen:
- In den gelesenen Quellen nicht angegeben
Kamera
- Angaben der Quellen:
- Der Barcode-Scan nutzt die Gerätekamera im Browser (QuaggaJS laut Wiki)
Kiosk
- Angaben der Quellen:
- Android 7.0 (API 24) oder neuer; optional Unterstützung für Bluetooth-Küchenwaagen
KI
- Angaben der Quellen:
- Ein API-Schlüssel für Gemini oder OpenAI oder die Adresse eines OpenAI-kompatiblen Llama-Servers wie Ollama, llama.cpp oder vLLM
Netzwerk
- Angaben der Quellen:
- Für ein vertrauenswürdiges Heimnetz gedacht; für den Zugriff aus dem Internet erwartet die Sicherheitsrichtlinie eine eigene Authentifizierungsschicht
Diese Angaben stammen aus README, Wiki und SECURITY.md; PromptQuorum hat den Ressourcenverbrauch nicht gemessen.
So gelingt der Einstieg
Diese Schritte folgen der README des Projekts; PromptQuorum hat sie nicht ausgeführt.
- 1Code und Konfigurationsvorlage holen
Why it matters: Das Repository mit git clone laden und im Projektordner .env.example nach .env kopieren. - 2KI-Einstellung wählen
Why it matters: In der .env AI_ENABLED=false setzen, um ohne KI zu arbeiten, oder AI_PROVIDER auf gemini, openai oder llama stellen und den passenden Schlüssel oder die Basis-URL eintragen. - 3Container starten
Why it matters: docker compose up -d ausführen und http://localhost:8080 öffnen; für spätere Updates nennt die README docker compose pull und danach docker compose up -d. - 4Geräte koppeln
Why it matters: Ist API_TOKEN gesetzt, verlangt die Weboberfläche einen einmaligen Kopplungscode; er steht auf einem gekoppelten Gerät unter Einstellungen, System, Sicherheit oder im Serverlog.
Wichtige Funktionen
Jeder der folgenden Punkte stammt aus der README oder dem Wiki des Projekts; PromptQuorum hat keinen davon getestet.
- Bestand. Barcode-Scan, Lagerorte, Ablaufdaten, angebrochene Packungen, Favoriten sowie CSV-Import und -Export.
- Einkauf. Eine intelligente Einkaufsliste mit Mengen gegen Verschwendung, Rezepte, die fehlende Zutaten nach Abzug des Vorhandenen auf die Liste setzen, und optionale Bring!-Synchronisierung.
- Kochen. Rezepte Schritt für Schritt mit Sprachausgabe, Timern und Tipps gegen Lebensmittelverschwendung.
- Warnungen und Kalender. Ablaufbenachrichtigungen über ntfy, einen JSON-Webhook oder Home Assistant sowie ein ICS-Feed für Google oder Apple Kalender.
- Integrationen. Eine REST-API, ein MCP-Server, eine Home-Assistant-Integration in einem eigenen Repository, eine Health Bridge mit Fuel Mode und der Android-Kiosk mit Bluetooth-Waagen-Gateway.
KI-Funktionen und wo sie laufen
Es ist immer ein KI-Anbieter aktiv, festgelegt in der .env: Gemini, OpenAI oder „llama“, ein OpenAI-kompatibler Endpunkt, den Sie selbst betreiben; die KI lässt sich auch abschalten.
- Produkterkennung. Die KI erkennt ein Produkt auf einem Kamerafoto, und mit einem Gemini-Schlüssel kann sie zu Barcodes befragt werden, die andere Abfragen nicht finden.
- Ablaufdaten. Die KI liest ein Foto des Etiketts und trägt das Ablaufdatum ein.
- Rezepte und Chat. Die KI schreibt Rezepte aus dem, was im Vorrat liegt, und bietet einen Chat; Rezepte können auch aus einer verbundenen Mealie-Instanz stammen.
- Anbieter. Die Beispielkonfiguration dokumentiert Gemini, OpenAI mit änderbarer Basis-URL und änderbarem Modell sowie eine Llama-Option für Ollama, llama.cpp oder vLLM. Das Wiki beschreibt die KI-Funktionen anhand von Gemini und sagt nicht, welche davon mit einem lokalen Modell funktionieren.
- Kostenkontrolle. Die Beispieldatei legt eine Tagesobergrenze für Gemini-Klassifizierungsaufrufe fest und kann Token-Kosten schätzen.
Datenfluss und Datenschutz
Die Website erklärt, dass Bestand und Verlauf auf Ihrem Gerät oder Heimserver bleiben, die KI optional ist und es keine Telemetrie gibt. Die Architekturnotizen beschreiben eine SQLite-Datenbank im Datenordner, und die Sicherheitsrichtlinie geht von einem vertrauenswürdigen Heimnetz aus.
In den Quellen genannte Anfragen nach außen: der gewählte KI-Anbieter (Gemini oder OpenAI, außer bei der Llama-Option), Open Food Facts für unbekannte Barcodes, Open Prices für Preisschätzungen sowie optionale Dienste wie Bring!, ntfy, Google-Drive-Sicherung und ein PayPal-Spendenlink. Fehlerberichte landen in einem lokalen, geschwärzten Log, das Senden an GitHub ist eine zweite Einwilligung. Laut README bietet ein einmaliger Dialog eine Spende oder nichts an, Werbung wird nicht angezeigt. Die öffentliche Demo nutzt Cloud-KI.
📌Hinweis: Das sind Erklärungen des Projekts, keine Prüfergebnisse. PromptQuorum hat weder den Netzwerkverkehr noch den Quellcode untersucht.
Für wen sich die Software eignet
- Selbsthoster mit Docker-Server oder NAS, die einen privaten Vorrats- und Ablauf-Tracker möchten.
- Haushalte, die aus dem Vorrat kochen und eine gemeinsame Einkaufsliste, Ablaufwarnungen und Rezepte aus vorhandenen Zutaten wünschen.
- Home-Assistant-Nutzer, die Ablauf- und Einkaufsdaten im Smart Home oder in einem MCP-angebundenen Agenten haben möchten.
Was wir nicht überprüfen konnten
- KI-Qualität. Produkterkennung, Ablaufdatum-Erkennung und Rezeptqualität wurden nicht getestet, und die Quellen sagen nicht, welche KI-Funktionen mit einem lokalen Llama-Modell laufen.
- Reife. Das Projekt begann im März 2026 und nennt einen Entwickler; PromptQuorum hat weder Stabilität noch Sicherheit bewertet.
- Sicherheitsdokumentation. SECURITY.md nennt weiterhin 1.7.x als unterstützte Linie, weit hinter der aktuellen v1.16.16.
- Datenangaben. „Keine Telemetrie“ und „Daten bleiben zu Hause“ sind Aussagen des Projekts; der Datenverkehr wurde nicht untersucht.
- Hardwarebedarf. Es gibt kein dokumentiertes RAM- oder CPU-Minimum, und die Geschwindigkeit auf einem kleinen Gerät wie dem Raspberry Pi wurde nicht geprüft.
Wettbewerber und Alternativen
Im Verzeichnis gibt es eine weitere Rezension derselben Smart-Home-Schicht: ein Sprachassistent in Home Assistant, der Plattform, für die EverShelf eine Integration anbietet. Die Website des Projekts vergleicht EverShelf mit Grocy, Mealie und KitchenOwl; diese Vorrats- und Rezeptmanager stehen nicht im Verzeichnis, und PromptQuorum hat den Vergleich nicht überprüft.
Home Assistant Assist
- Plattformen:
- Home Assistant, Web, iOS, Android
- Preis / Lizenz:
- Kostenlos / Apache-2.0
- Wichtigster Unterschied:
- Sprachsteuerung für das Smart Home, kein Vorrats-Tracker
Artikel über Home Assistant Assist (1)
- Home Assistant Assist Review: Local Voice Control and LLM AgentsAktualisiert 24. Oktober 2026
Prüfen Sie Preis, Lizenz und Plattformen jeder App auf deren eigener Seite.
Häufig gestellte Fragen
Ist EverShelf ein lokales LLM?
Nein. Es ist ein in PHP geschriebener Vorratsmanager; die KI wird an Gemini, OpenAI oder einen von Ihnen betriebenen Llama-Server ausgelagert, und laut Website funktionieren die Vorratsfunktionen auch ohne KI.
Wie sichere ich meine Daten?
Laut Release-Notizen läuft täglich eine Sicherung als Datenbank-Snapshot, sie liegt aber im Daten-Volume, daher müssen Sie sie selbst vom Volume wegkopieren.
Funktioniert es mit Home Assistant oder KI-Agenten?
Das Repository verlinkt eine Home-Assistant-Integration (ha-evershelf) und einen MCP-Server für Agenten; PromptQuorum hat keines von beiden getestet.
Läuft es auf Smartphone oder Tablet?
Es öffnet sich im Browser und lässt sich zum Startbildschirm hinzufügen; die Android-Kiosk-App ist für Wandtablets gedacht. Website und README verlinken keinen App-Store- oder Google-Play-Eintrag.
Welche Sprachen unterstützt die Oberfläche?
Die README nennt Italienisch, Englisch, Deutsch, Französisch, Spanisch und Chinesisch, und die App öffnet sich in der Sprache eines Links wie ?lang=de; weitere Sprachen ergänzen Mitwirkende, indem sie translations/en.json übersetzen.
Fazit
EverShelf ist ein kostenloser, aktiv gepflegter Weg, Vorrat, Ablaufdaten und Einkauf auf einem Server zu verwalten, den Sie kontrollieren, mit optionaler KI zum Erkennen von Produkten, Lesen von Ablaufetiketten und Schreiben von Rezepten. Dagegen stehen eine Einrichtung mit Docker und einer von Hand bearbeiteten .env-Datei, KI bei Gemini oder OpenAI, sofern Sie keinen eigenen Llama-Server konfigurieren, ein Projekt von unter einem Jahr Alter und KI- sowie Datenschutzangaben, die hier nicht überprüft werden konnten. Es passt zu Haushalten, die ohnehin selbst hosten; wer eine App mit Doppelklick-Installation oder einen Sprachmodell-Assistenten sucht, sollte anderswo schauen.
Quellen
- EverShelf-Website — Funktionen, FAQ und Datenschutzhinweis, geprüft am 1. November 2026.
- EverShelf auf GitHub — README, Releases, Beispielkonfiguration, Sicherheitsrichtlinie und Commit-Aktivität, geprüft am 1. November 2026.
- EverShelf-Wiki-Seiten im Repository — Funktionen, Installation und KI-Anbieter, geprüft am 1. November 2026.
- README der EverShelf-Android-Kiosk-App — Version, minimale Android-Version und Download, geprüft am 1. November 2026.