Was ist das n8n Self-Hosted AI Starter Kit?
Das Self-hosted AI Starter Kit ist eine Docker-Compose-Vorlage, keine neue Software — die eigene GitHub-Beschreibung bezeichnet es als „an open, docker compose template", das dabei hilft, „schnell eine umfassende lokale KI- und Low-Code-Entwicklungsumgebung zu initialisieren". Es kombiniert vier separat gepflegte Open-Source-Projekte (n8n, Ollama, Qdrant und PostgreSQL) zu einer vorverdrahteten Konfiguration, sodass ein funktionierender lokaler KI-Stack entsteht, ohne jede Komponente manuell zu installieren und zu vernetzen.
- Kernfunktion: eine
docker-compose.ymlund begleitende Konfigurationsdateien, die n8n, Ollama, Qdrant und PostgreSQL gemeinsam starten, vorvernetzt, damit sie miteinander kommunizieren können - n8n: eine Low-Code-Workflow-Automatisierungsplattform mit über 400 Integrationen und eigenen AI-/LangChain-Nodes zum Bau von Agenten und Automatisierungen
- Ollama: führt offene Sprachmodelle lokal aus und stellt sie n8n-Workflows als Modell-Provider zur Verfügung
- Qdrant: eine quelloffene Vektordatenbank zum Speichern und Abrufen von Embeddings in RAG-artigen Workflows
- PostgreSQL: die relationale Datenbank hinter n8ns eigener Speicherung von Workflows und Zugangsdaten
- Betreuer: n8n, das Unternehmen hinter der n8n-Workflow-Automatisierungsplattform
- Kanonisches Repository: github.com/n8n-io/self-hosted-ai-starter-kit — Quelle der Installationsschritte und Versionshistorie in dieser Rezension
Projektgeschichte und letzte Änderungen des Starter Kits
Das Kit hat keine versionierten Releases; sein Commit-Verlauf ist die einzige Änderungshistorie. Das GitHub-Repository veröffentlicht weder Releases noch Tags, daher sind die datierten Commits im Standard-Branch unten das Einzige, was sich belegen lässt.
- 1Kernbündel aus vier Diensten
Why it matters: Die Compose-Datei verbindet n8n, Ollama, Qdrant und PostgreSQL, importiert beim ersten Start einen Demo-Workflow und zwei vorgefertigte Zugangsdaten („Local Ollama service" und „Local QdrantApi database") und lädt das Modell `llama3.2` automatisch. - 2GPU-Compose-Profile
Why it matters: Separate Profile `gpu-nvidia` und `gpu-amd` stehen neben dem Standardprofil `cpu`, sodass Ollama eine unterstützte GPU nutzen kann, statt jedes Modell auf der CPU zu rechnen. - 31. September 2025 — Demo-Workflow aktualisiert
Why it matters: Die Commit-Nachricht lautet „Use latest version of Basic LLM Chain, to avoid fallback model issues". - 46. Januar 2026 — Letzte Änderung an der Compose-Datei
Why it matters: Der Commit „Skip demo import if workflows already exist" änderte die `docker-compose.yml`, sodass ein Neustart den Demo-Workflow nicht erneut in eine n8n-Instanz importiert, die bereits Workflows enthält. - 523. Juli 2026 — Letzter Commit im Standard-Branch
Why it matters: Der Commit „Fixed broken link in the readme. No significant changes" betraf ausschließlich die `README.md`.
Was kann man mit dem Starter Kit tun?
Der Wert des Starter Kits liegt im Zusammenspiel der gebündelten Dienste, nicht in eigener neuer Funktionalität. Hier ist, was jeder Teil laut dem offiziellen GitHub-README tatsächlich leistet.
- Lokale Workflow-Automatisierung — Automatisierungen im visuellen Editor von n8n bauen und ausführen, mit allen über 400 Integrationen sowie eigenen AI-/LangChain-Nodes zum Bau von Agenten
- Lokaler API-Server — jede gebündelte n8n-Instanz stellt n8ns eigene REST-API bereit, sodass Workflows von anderen lokalen Diensten aus programmatisch ausgelöst oder verwaltet werden können, nicht nur über die n8n-Oberfläche
- Lokale LLM-Inferenz — Ollama führt offene Modelle (Llama, Qwen, Gemma und andere) lokal aus und steht n8n-Workflows als Modell-Provider ohne externen API-Key zur Verfügung; die Compose-Datei lädt beim ersten Start automatisch
llama3.2 - Lokale Vektorspeicherung für RAG — Qdrant speichert und ruft Embeddings ab, und das Kit legt in n8n die Zugangsdaten „Local QdrantApi database" an; der mitgelieferte Demo-Workflow nutzt sie nicht, eine RAG-Pipeline entsteht, indem Sie Qdrant als Vektorspeicher in Ihrem eigenen Workflow einsetzen
- Persistente Speicherung von Workflows und Zugangsdaten — PostgreSQL ist die Datenbank hinter n8n selbst, sodass Workflows, Zugangsdaten und Ausführungsverlauf Container-Neustarts überdauern
- GPU-Beschleunigungsprofile — separate Compose-Profile (
cpu,gpu-nvidia,gpu-amd) lassen Ollama dort, wo unterstützt, verfügbare GPU-Hardware für schnellere lokale Inferenz nutzen - Gemeinsamer Dateizugriff — ein gemounteter Ordner
/data/sharedlässt n8n lokale Dateien über Nodes wie Read/Write Files from Disk, Local File Trigger und Execute Command lesen und schreiben, nützlich für Workflows zur Dokumentenaufnahme - Vorinstallierter Demo-Workflow — das Kit importiert beim ersten Start einen Workflow („Demo workflow": Chat Trigger, Basic LLM Chain und ein Ollama Chat Model mit
llama3.2:latest); öffnen Sie ihn und sprechen Sie über die Schaltfläche „Chat" mit dem lokalen Modell
Anwendungsbeispiele: Drei Wege, das Starter Kit zu nutzen
Das erste Beispiel ist der Demo-Workflow des Kits selbst. Die anderen beiden sind Muster, die Sie aus den gebündelten Teilen selbst bauen, mit Nodes, auf die das README verweist — das Kit liefert sie nicht als fertige Workflows mit.
Den vorinstallierten Demo-Chat-Workflow ausführen
Öffnen Sie nach docker compose --profile cpu up n8n unter http://localhost:5678 und schließen Sie die einmalige n8n-Einrichtung ab. Öffnen Sie den mitgelieferten Workflow, klicken Sie unten auf der Arbeitsfläche auf Chat und senden Sie eine Nachricht. Warten Sie beim ersten Start, bis Ollama llama3.2 heruntergeladen hat; die Docker-Logs zeigen den Fortschritt. Ein Cloud-API-Key ist nicht beteiligt.
Eine Dokumenten-Ingestion-Pipeline über den gemeinsamen Ordner bauen
Legen Sie Dateien im gemounteten Ordner /data/shared ab und bauen Sie dann einen n8n-Workflow, der diesen Ordner überwacht (zum Beispiel mit dem Local-File-Trigger-Node), neue Dokumente mit einem lokalen Ollama-Embedding-Modell einbettet und zum späteren Abruf in Qdrant indiziert. Diese Pipeline setzen Sie selbst zusammen; das Kit liefert die Dienste und Zugangsdaten, nicht den Workflow.
Den Basis-Workflow mit den über 400 Integrationen von n8n erweitern
Gehen Sie vom vorinstallierten Demo-Chat-Workflow aus und ergänzen Sie Nodes für bereits genutzte Dienste (E-Mail, Slack, ein CRM oder einen eigenen Webhook), sodass eine von einem lokalen Modell erzeugte Antwort anderswo eine Aktion auslösen kann — mit dem breiteren Integrationskatalog von n8n auf Basis der lokalen KI-Grundlage des Kits.
Das Self-Hosted AI Starter Kit installieren
Das Starter Kit wird per git clone und Docker Compose installiert — es gibt keine separat herunterladbare App. Die folgenden Schritte stammen aus dem offiziellen GitHub-README — bitte stets direkt dort prüfen, da sich die genauen Befehle zwischen Updates ändern können.
Schritt | Befehl / Link |
|---|---|
| 1. Repository klonen | git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git |
| 2. In das Verzeichnis wechseln | cd self-hosted-ai-starter-kit |
| 3. Umgebungsdatei kopieren | cp .env.example .env (danach die Platzhalter-Passwörter und -Secrets ändern) |
| 4a. Start (nur CPU) | docker compose --profile cpu up |
| 4b. Start (Nvidia-GPU) | docker compose --profile gpu-nvidia up |
| 4c. Start (AMD-GPU, Linux) | docker compose --profile gpu-amd up |
| 4d. Start (Mac / Apple Silicon) | docker compose up (Ollama läuft auf dem Mac, siehe Hinweis) |
| Quellcode | github.com/n8n-io/self-hosted-ai-starter-kit |
n8n ist erreichbar unter http://localhost:5678, sobald der Stack läuft. Die Hardware-Anforderungen skalieren mit den in Ollama genutzten Modellen — ein kleines Modell läuft auf einer bescheidenen reinen CPU-Maschine, größere Modelle profitieren von den Nvidia- oder AMD-GPU-Profilen; prüfen Sie die Größe eines Modells in Ollamas Bibliothek vor dem Herunterladen. Auf einem Mac mit Apple Silicon kann Docker die GPU nicht nutzen: Das README nennt reinen CPU-Betrieb oder Ollama direkt auf dem Mac, mit OLLAMA_HOST=host.docker.internal:11434 in der .env, den Zugangsdaten „Local Ollama service" in n8n auf http://host.docker.internal:11434/ umgestellt und docker compose up ohne Profil. Die .env.example enthält Platzhalter-Secrets (das Datenbankpasswort lautet password), die laut README zu ändern sind. Docker und Docker Compose sind erforderlich; das Kit selbst hat keinen betriebssystemspezifischen Build.
Preise und Lizenzierung
Das Starter Kit selbst ist kostenlos und quelloffen unter der Apache-2.0-Lizenz. Da es weitere Open-Source-Projekte bündelt, lohnt sich ein Blick auf die eigene Lizenzierung und das Kostenmodell jeder gebündelten Komponente.
Self-hosted AI Starter Kit (diese Vorlage)
- Lizenz:
- Apache-2.0, laut der LICENSE-Datei des Repositorys
- Kosten:
- Kostenlos
n8n (gebündelt)
- Lizenz:
- Sustainable Use License (Source-available, nicht OSI-zertifiziert) für Self-Hosting; Details im n8n-Rezension
- Kosten:
- Kostenlos für Self-Hosting gemäß n8ns Lizenzbedingungen
Ollama (gebündelt)
- Lizenz:
- MIT
- Kosten:
- Kostenlos
Qdrant (gebündelt)
- Lizenz:
- Apache-2.0
- Kosten:
- Kostenlos
PostgreSQL (gebündelt)
- Lizenz:
- PostgreSQL License (permissiv)
- Kosten:
- Kostenlos
Der Betrieb des gesamten Stacks kostet in Sachen Softwarelizenzierung nichts — real anfallende Kosten entstehen nur durch die eigene Infrastruktur (Rechenleistung, Speicher und optional eine GPU). Wer den vorinstallierten n8n-Workflow erweitert, um eine kostenpflichtige Cloud-LLM-API oder eine kostenpflichtige Drittanbieter-Integration anzubinden, zahlt die Preise dieses Anbieters — das Starter Kit selbst erhebt weder Aufschlag noch Abo-Gebühr.
Self-Hosted AI Starter Kit vs. reines n8n
Das Starter Kit ersetzt n8n nicht — es ist n8n plus ein vorverdrahteter lokaler KI-Stack drumherum. Am klarsten wird der Unterschied im Vergleich dessen, was direkt mitgeliefert wird, mit dem, was man selbst konfigurieren müsste.
Was installiert wird
- Self-Hosted AI Starter Kit:
- n8n + Ollama + Qdrant + PostgreSQL, vorvernetzt in einer docker-compose.yml
- Reines n8n (Self-Hosted):
- Nur n8n — eigene Installationsschritte im n8n-Rezension
Lokale LLM-Inferenz
- Self-Hosted AI Starter Kit:
- Standardmäßig enthalten über gebündeltes Ollama
- Reines n8n (Self-Hosted):
- Nicht enthalten; eigener Modell-Provider (lokal oder Cloud) wird manuell angebunden
Vektordatenbank für RAG
- Self-Hosted AI Starter Kit:
- Standardmäßig enthalten über gebündeltes Qdrant
- Reines n8n (Self-Hosted):
- Nicht enthalten; eine Vektordatenbank müsste selbst ergänzt und vernetzt werden
Beispiel-Workflow
- Self-Hosted AI Starter Kit:
- Ein Demo-Chat-Workflow (Chat Trigger, Basic LLM Chain, Ollama) plus vorgefertigte Ollama- und Qdrant-Zugangsdaten
- Reines n8n (Self-Hosted):
- Startet mit leerer Canvas; Vorlagen gibt es separat aus n8ns Template-Bibliothek
Am besten geeignet für
- Self-Hosted AI Starter Kit:
- Eine voll lokale KI-Workflow-Umgebung in Minuten zum Laufen bringen, ohne Dienste manuell zu verdrahten
- Reines n8n (Self-Hosted):
- Teams, die bereits eigene Modell- oder Vektorinfrastruktur betreiben und nur die Automatisierungsebene brauchen
Wer bereits Ollama oder eine Vektordatenbank anderswo in der eigenen Infrastruktur betreibt, für den kann die Installation von reinem n8n mit Anbindung an die bestehenden Dienste einfacher sein als die Übernahme der gebündelten Versionen des Starter Kits. Wer bei null startet, dem nimmt das Starter Kit die Integrationsarbeit ab.
Für wen eignet sich das Starter Kit?
Ob das Starter Kit passt, hängt davon ab, ob eine fertige lokale KI-Workflow-Umgebung gewünscht ist oder die gleichen Komponenten selbst zusammengestellt werden sollen.
Das Self-Hosted AI Starter Kit nutzen, wenn
- Sie lokale, agentenbasierte KI-Workflows (RAG, modellgesteuerte Automatisierungen) ausprobieren möchten, ohne ein Workflow-Tool, einen Modell-Runner und eine Vektordatenbank manuell einzeln zu installieren und zu vernetzen
- Sie sich bereits für n8n interessieren und einen KI-fokussierten Startpunkt statt einer leeren Workflow-Canvas möchten
- Sie ein funktionierendes lokales Chat-mit-Ollama-Workflow-Beispiel zum Lernen und Anpassen möchten, statt bei null zu beginnen
- Sie jede Komponente des Stacks auf eigener Infrastruktur brauchen, ohne für den Einstieg einen Cloud-API-Key zu benötigen
- Sie eine GPU (Nvidia oder AMD unter Linux) besitzen und ein vorkonfiguriertes Compose-Profil dafür nutzen möchten
Lieber warten oder woanders schauen, wenn
- Sie bereits n8n, Ollama oder eine Vektordatenbank unabhängig betreiben und die gebündelten Versionen des Starter Kits nicht mit der bestehenden Umgebung doppeln oder in Konflikt bringen möchten
- Sie ein dediziertes RAG-Framework mit tieferen Dokumentenverarbeitungsfunktionen brauchen, als ein Workflow-Automatisierungstool bietet — siehe den RAGFlow-Rezension oder den Haystack-Rezension als zweckgebundene Alternativen
- Sie möchten, dass n8ns Self-Hosted-Lizenzbedingungen (eine Source-available Sustainable Use License, nicht OSI-zertifiziert) eine reine permissive Open-Source-Lizenz für jede gebündelte Komponente wären — lesen Sie n8ns eigene Lizenz direkt, falls dieser Unterschied für Ihre Organisation relevant ist
- Sie Enterprise-Support oder einen produktionsreifen Betrieb benötigen — der Support-Kanal ist das n8n Forum, und n8ns Dokumentation nennt das Kit „nur zum Testen"
Starter Kit vs. andere lokale KI-Workflow-Tools
Das Self-hosted AI Starter Kit ist im Bereich Workflow-Automatisierung und RAG-Frameworks neben mehreren anderen selbst hostbaren Optionen angesiedelt. So schneidet es im Vergleich zu verwandten Tools ab — den vollständigen Katalog liefert das Local LLM Software Directory, und den direktesten Vergleich der dedizierte Starter-Kit-vs.-reines-n8n-Vergleich oben.
- n8n — die Workflow-Automatisierungsplattform, auf der dieses Kit aufbaut; siehe den dedizierten Vergleichsabschnitt oben sowie den vollständigen n8n-Rezension für eigene Installations- und Lizenzdetails.
- LangChain-Chatchat — eine Self-Hosted RAG- und Wissensdatenbank-Anwendung mit eigener integrierter Oberfläche statt einer universellen Workflow-Automatisierungs-Canvas; siehe den LangChain-Chatchat-Rezension, falls eine dedizierte Dokument-Chat-App besser passt als ein Workflow-Builder.
- RAGFlow — eine RAG-Engine für tiefes Dokumentenverständnis, fokussiert auf das gründlichere Parsen komplexer Dokumente (Tabellen, Layouts) als ein allgemeines Workflow-Tool; siehe den RAGFlow-Rezension.
- Haystack — ein Python-first-RAG-Framework für Entwickler, die Pipeline-Code direkt schreiben möchten, statt einen visuellen Workflow-Builder zu nutzen; siehe den Haystack-Rezension.
Häufige Fehler bei der Bewertung des Starter Kits
Die meiste Verwirrung um das Self-hosted AI Starter Kit entsteht dadurch, es als eigenständige Anwendung zu behandeln, den tatsächlichen Funktionsumfang misszuverstehen oder das falsche Compose-Profil zu wählen.
Fehler 1: Es als eigenständige App getrennt von n8n zu behandeln
Das Starter Kit ist kein eigenes Produkt — es ist eine Docker-Compose-Vorlage, die n8n zusammen mit Ollama, Qdrant und PostgreSQL installiert und vernetzt. Jede Bewertung von n8n selbst (Funktionen, Lizenzierung, Release-Rhythmus) gilt für die innerhalb dieses Kits laufende n8n-Instanz; Details dazu im n8n-Rezension.
Fehler 2: Anzunehmen, dass ein Cloud-LLM-Provider enthalten ist
Der Standard-Modell-Provider des Starter Kits ist das gebündelte Ollama, das Modelle vollständig lokal ausführt. Es enthält keinen Cloud-LLM-API-Key und benötigt keinen — wer einen Cloud-Provider ergänzen möchte, konfiguriert das separat innerhalb eines n8n-Workflows.
Fehler 3: Das Standardprofil cpu auf einer Maschine mit leistungsfähiger GPU laufen zu lassen
Die Compose-Datei liefert drei Profile — cpu, gpu-nvidia und gpu-amd — und verwendet standardmäßig keines, sofern nicht eines in der Befehlszeile angegeben wird. docker compose --profile cpu up auf einer Maschine mit Nvidia- oder AMD-GPU auszuführen, verschenkt verfügbare Beschleunigung; stattdessen das passende GPU-Profil nutzen. Auf einem Mac mit Apple Silicon gibt kein Profil Docker Zugriff auf die GPU; das README empfiehlt, Ollama direkt auf dem Mac auszuführen.
Fehler 4: Vom Starter Kit einen eigenen unabhängigen Release-Rhythmus zu erwarten
Da es sich um eine Konfigurationsvorlage und nicht um eine Anwendung mit eigener Codebasis handelt, veröffentlicht sie weder Releases noch Tags. Erwarten Sie keinen fixierten Stack: n8nio/n8n, ollama/ollama und qdrant/qdrant werden mit latest gezogen, die Versionen hängen also vom Tag des Pulls ab; nur PostgreSQL ist fixiert (postgres:16-alpine).
Fehler 5: Das Demo-Setup für produktionsreif zu halten
n8ns Dokumentation bezeichnet das Kit als „nur zum Testen", und laut README ist es nicht vollständig für Produktivumgebungen optimiert. Die mitgelieferte .env.example nutzt Platzhalter-Secrets, und die Compose-Datei veröffentlicht die Ports 5678, 11434 und 6333 auf dem Host; ändern Sie die Secrets und prüfen Sie die offenen Ports, bevor Sie den Stack über den eigenen Rechner hinaus erreichbar machen.
Häufig gestellte Fragen
Was ist das n8n Self-hosted AI Starter Kit?
Es ist eine quelloffene Docker-Compose-Vorlage, kuratiert von n8n und veröffentlicht unter github.com/n8n-io/self-hosted-ai-starter-kit, die n8n, Ollama, Qdrant und PostgreSQL in einem Befehl bündelt, um lokale KI-Workflows ganz ohne Cloud-Abhängigkeit aufzubauen. In Suchanfragen heißt sie oft „n8n AI starter kit".
Ist das Self-hosted AI Starter Kit kostenlos?
Ja. Die Vorlage selbst ist unter Apache-2.0 lizenziert und kostet nichts im Betrieb. Die gebündelten Komponenten (n8n, Ollama, Qdrant, PostgreSQL) sind jeweils für Self-Hosting unter ihrer eigenen Lizenz kostenlos — siehe die Preistabelle oben.
Was bündelt das Self-hosted AI Starter Kit tatsächlich?
Vier separat gepflegte Open-Source-Projekte: n8n (Workflow-Automatisierung, über 400 Integrationen), Ollama (lokale LLM-Inferenz), Qdrant (Vektordatenbank) und PostgreSQL (relationale Datenbank hinter n8ns eigenen Daten). Es ist eine docker-compose-Konfiguration, keine neue Software.
Benötigt das Self-hosted AI Starter Kit ein Cloud-Konto oder einen API-Key?
Nein. Jeder gebündelte Dienst läuft standardmäßig lokal, und der Demo-Workflow nutzt ausschließlich das gebündelte Ollama-Modell (llama3.2). Cloud-Provider-API-Keys lassen sich später optional innerhalb eines n8n-Workflows ergänzen.
Wie installiere ich das Self-hosted AI Starter Kit?
Repository klonen (git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git), Umgebungsdatei kopieren (cp .env.example .env), dann docker compose --profile cpu up (oder gpu-nvidia/gpu-amd für GPU-Beschleunigung) ausführen. Die vollständige Reihenfolge zeigt die Installationstabelle oben.
Unterstützt es GPU-Beschleunigung?
Ja, über separate Docker-Compose-Profile: gpu-nvidia für Nvidia-GPUs und gpu-amd für AMD-GPUs unter Linux, neben dem Standardprofil cpu für reine CPU-Inferenz.
Ist das dasselbe wie n8n?
Nein. n8n ist eine der vier gebündelten Komponenten. Das Starter Kit ist eine vorkonfigurierte Umgebung, die n8n zusammen mit Ollama, Qdrant und PostgreSQL installiert — die genauen Unterschiede zeigt der Vergleich Self-Hosted AI Starter Kit vs. reines n8n oben.
Welche Lizenz nutzt n8n selbst innerhalb dieses Kits?
n8n ist unter seiner eigenen Sustainable Use License source-available, die nicht OSI-zertifiziert ist, für Self-Hosting-Nutzung — unabhängig von der Apache-2.0-Lizenz, unter der diese Starter-Kit-Vorlage selbst steht. Details im n8n-Rezension.
Ist das Self-hosted AI Starter Kit produktionsreif?
Nein, laut n8n: Die Dokumentation bezeichnet das Kit als „nur zum Testen", und das README nennt es nicht vollständig für den Produktivbetrieb optimiert. Betrachten Sie es als Proof-of-Concept-Basis: Ändern Sie die Platzhalter-Secrets in der .env, prüfen Sie die offenen Ports und fixieren Sie Ihre Image-Versionen, bevor Sie es produktiv einsetzen.
Wer pflegt das Self-hosted AI Starter Kit?
Es wird von n8n kuratiert und gepflegt, dem Unternehmen hinter der n8n-Workflow-Automatisierungsplattform, als begleitende Ressource, die lokale KI-Workflows mit n8ns AI- und LangChain-Nodes zeigt.
Wird das Self-hosted AI Starter Kit noch gepflegt?
Der letzte Commit im Standard-Branch stammt vom 23. Juli 2026 und korrigierte nur einen README-Link; die Compose-Datei wurde zuletzt am 6. Januar 2026 geändert. Das Repository hat weder Releases noch Tags, und n8ns Dokumentation erwähnt keine Einstellung des Kits. Prüfen Sie das Repository, bevor Sie sich darauf verlassen.
Läuft das Self-hosted AI Starter Kit auf einem Mac mit Apple Silicon?
Ja, aber Docker kann die Mac-GPU nicht nutzen. Das README nennt zwei Optionen: das gesamte Kit auf der CPU betreiben (docker compose --profile cpu up) oder Ollama direkt auf dem Mac installieren, OLLAMA_HOST=host.docker.internal:11434 in der .env setzen, die Zugangsdaten „Local Ollama service" in n8n auf http://host.docker.internal:11434/ umstellen und docker compose up ausführen.