docs(hardware): M5 Max als lokale KI-Maschine, Lehre aus Beratungsfehler

Made-with: Cursor

MASTER_INDEX.md

@@ -20,6 +20,7 @@
 | **KI-Video Pipeline** | ki-video/PLAN.md | Lokale Videoproduktion: Qwen + FLUX + XTTS + SadTalker (ki-tower) |
 | **Webcam Kambodscha** | — | Dahua 4K → cam.arakavanews.com (CT 600 auf pve-ka-3) |
 | **YouTube Desktop PP** | — | Remote Desktop (xrdp) für YT-Uploads (pve-pp-1/pp-2) |
+| **Lokale KI / Vibe Coding** | hardware-ai-local-coding.md | Hardware-Entscheidung MacBook Pro M5 Max 128 GB, NVIDIA-Vergleich, Verkauf Alt-GPUs |
 
 ## Prioritäten
 
@@ -45,8 +46,9 @@
 | Muldenstein | CT 116 (pve-mu-2) | **monitoring-bot** | 100.88.230.74 | Cursor IDE + Tailscale-Gateway + SSH-Hub |
 | Muldenstein | ki-tower | **ki-tower** (in Bau) | — | **Jellyfin-Ersatz** (Medienserver) — KEINE KI-Rolle |
 | Muldenstein | MSI B550 | **test-rig** (in Bau) | — | Test-Bett für alte 3080er/AMD-Karten vor Verkauf |
-| Muldenstein | AMD-Rig | **gpu-reserve** | — | 8x RX 6600 XT — Tendenz Verkauf |
-| — | — | — | — | **Nur EINE KI-Maschine geplant**: bestehender KI-Server (Windows, RTX 3090). Kein zweiter KI-Rechner vorgesehen. |
+| Muldenstein | AMD-Rig | **gpu-reserve** | — | 8x RX 6600 XT — Verkauf |
+| mobil | MacBook Pro 16" | **m5-max** | — | M5 Max 128 GB / 2 TB — lokale KI / Vibe Coding / Jervais (Stand 2026-04-26, siehe hardware-ai-local-coding.md) |
+| — | — | — | — | **Lokale KI: M5 Max** (mobil) + **CUDA-Pflicht: KI-Server RTX 3090**. Kein 2× 5090, kein zweiter NVIDIA-Build. |
 
 ## Telegram Bots
 

hardware-ai-local-coding.md

@@ -0,0 +1,192 @@
+# Hardware für lokales Vibe-Coding & lokale KI
+
+**Stand: 2026-04-26**
+**Status: Plan beschlossen, Umsetzung läuft (Verkauf Alt-GPUs → MacBook Pro M5 Max 128 GB)**
+
+---
+
+## 1 — Entscheidung in einem Satz
+
+Eine einzige Maschine für lokales Vibe-Coding mit großen Modellen
+(Qwen 3.6 Coder, GLM, Devstral, Kimi-Coder etc.):
+**MacBook Pro 16" M5 Max, 128 GB Unified Memory, 2 TB SSD**, gekauft
+in Hongkong (deutlich günstiger als DE), eingerichtet vor Ort,
+ohne OVP nach Kambodscha mitgenommen.
+
+Begründung kurz: Großer **zusammenhängender** Speicher,
+Apple-Silicon-Effizienz, hohe Bandbreite, MLX-Ökosystem,
+fertiges leises Gerät. Kein Bastel-Build, keine Kühl-/Strom-Gymnastik,
+keine VRAM-Fragmentierung.
+
+---
+
+## 2 — Warum NICHT NVIDIA-Multi-GPU
+
+### Harter Fakt zuerst
+
+Bei aktuellen NVIDIA-Consumer-Karten (RTX 4090, **RTX 5090**) gibt es
+**kein NVLink mehr**. Das heißt:
+
+- 2× RTX 5090 = **2× 32 GB getrennter VRAM**, **NICHT** 64 GB Unified.
+- Modelle, die nicht in 32 GB passen, müssen partitioniert werden
+  (Tensor-Parallel, Pipeline-Parallel) — mit hohen Latenzen über PCIe,
+  Treiber-Friktion und massivem Verlust bei Token-Generation und
+  KV-Cache-Verwaltung.
+- Für **lokale Single-Model-Inferenz mit großem Kontext** ist das
+  ein **Ausschlusskriterium**, kein "weicher Nachteil".
+
+### Vollkostenrechnung 2× RTX 5090 (DE-Preise, realistisch 2026)
+
+| Posten                         | Preis (€)          |
+|--------------------------------|--------------------|
+| 2× RTX 5090                    | 4.000 – 4.800      |
+| Mainboard mit 2× PCIe 5.0 x16  |   500 –   800      |
+| CPU + RAM (>128 GB DDR5 ECC)   |   900 – 1.400      |
+| 2 TB NVMe SSD                  |   150 –   250      |
+| 1500 W Platinum Netzteil       |   300 –   450      |
+| Großes Gehäuse + Lüfter        |   200 –   400      |
+| Wasserkühlung (für 2× 5090)    |   400 –   800      |
+| Windows / Linux Setup-Zeit     |   pauschal viel    |
+| **Summe Hardware**             | **6.450 – 8.900**  |
+
+Plus laufende Kosten:
+
+- Strom unter Last realistisch **600–900 W** sustained.
+- Hitze, Lautstärke, Standortzwang (nicht im Schlafzimmer, nicht im
+  Hotelzimmer, nicht in Phnom Penh ohne Klimaanlagen-Backup).
+- Keine Mobilität.
+
+### Vergleich M5 Max Komplettpaket
+
+| Posten                              | Preis (€)         |
+|-------------------------------------|-------------------|
+| MacBook Pro 16" M5 Max 128 GB / 2 TB (HK Listenpreis, EUR-äquivalent) | ~4.790 |
+| Externer Ultrawide Monitor (später) |   400 –   900     |
+| HDMI/Thunderbolt Adapter            |    30 –   100     |
+| **Summe**                           | **5.220 – 5.790** |
+
+- Stromaufnahme unter Volllast **~120–150 W**. Eine Größenordnung
+  unter NVIDIA-Doppel-GPU.
+- Leise, fertig, mobil (Handgepäck-Koffer mit Polsterung).
+- 128 GB **als ein Pool** — passt für Modelle, die auf 2× 5090 nicht
+  laufen können.
+
+### Konsequenz
+
+Für den konkreten Use-Case (lokales Coding-Modell, ein Dev-Workplatz,
+auch unterwegs nutzbar) ist die NVIDIA-Multi-GPU-Variante
+**teurer** *und* **schlechter geeignet**. Der „mehr-Rohleistung"-Reflex
+ist ohne NVLink für große Einzelmodelle irrelevant.
+
+---
+
+## 3 — Roadmap
+
+### Phase 1 — *jetzt*
+
+1. **Verkauf der Alt-GPUs** (alle mit OVP):
+   - 4× RTX 3080 (Mining-Historie) → Test-Rig MSI B550 zum Durchtesten,
+     dann Verkauf eBay-Kleinanzeigen.
+   - 1× RTX 3090 (kein Mining) → aktuell 700–1.100 € erzielbar.
+   - 8× AMD RX 6600 XT (8 GB) → Verkauf, ROCm auf Navi 23 für LLM
+     irrelevant.
+   - **Außerdem:** MacBook Pro 14" M1 Pro 16 GB mit OVP, kratzerlos,
+     wird kaum genutzt → Verkauf hilft Finanzierung.
+2. Aus Verkaufserlös + Cashflow PP: **MacBook Pro 16" M5 Max 128 GB**
+   in HK kaufen. US-Tastatur ist OK (extern Tastatur/Maus daheim).
+3. Einreise nach Kambodscha **ohne OVP**, im gepolsterten Handgepäck.
+   Customs-relevant: persönliches Elektronikgerät, getragen, nicht
+   neu/originalverpackt.
+
+### Phase 2 — *wenn M5 Ultra erscheint und ein Modell ihn ausreizt*
+
+- Wahrscheinliche Specs M5 Ultra: ~256 GB Unified Memory,
+  ~1.000–1.200 GB/s Bandbreite. Releasezeitpunkt offen, kein Termin.
+- Ohne passendes Modell (>128 GB sinnvoll) **kein Kauf**.
+- Plan: M5 Max später ggf. in Zahlung geben oder per Thunderbolt
+  als Co-Worker behalten.
+- Realistisch: Heute existiert **kein Coder-Modell**, das 256 GB
+  Unified Memory voll auslastet. Erst wenn Qwen / DeepSeek / GLM
+  ein Coder-Modell jenseits aktueller MoE-Größen liefern, das
+  Cursor 4.7-Niveau lokal erreicht, lohnt der Sprung.
+
+### Phase 3 — *Jervais lokal*
+
+- Sobald M5 Max steht: Jervais (Assistent + Simultanübersetzung,
+  STT/TTS) lokal auf MLX. Kein Cloud-Token-Verbrauch mehr für
+  Routine-Coding und Übersetzung.
+
+---
+
+## 4 — Was M5 Max **nicht** kann
+
+Damit die Doku ehrlich bleibt:
+
+- **CUDA-Only-Workloads** (manche Vision-/Diffusion-Pipelines, einige
+  Trainings-Scripts) laufen nicht oder schlecht. Inferenz ist meist
+  per MLX/llama.cpp gelöst, Training größerer Modelle bleibt
+  NVIDIA-Domäne.
+- **Kein Hot-Swap** von Modellen mit kalten Karten — alles teilt sich
+  den Unified Memory.
+- **Mobil ist nicht passiv-still** unter Volllast: Lüfter dreht
+  hörbar hoch, dauert aber nicht lange. 16"-Chassis kühlt sustained
+  Loads spürbar besser als 14".
+- **Geschlossener Deckel**: Reduziert Performance/Cooling, nicht
+  Standard-Modus für lokale LLM-Sessions. Jervais-Zentrale "im Koffer
+  mit zugeklapptem Deckel" funktioniert nur eingeschränkt.
+
+---
+
+## 5 — Lehre aus der Beratung am 2026-04-26 (selbstkritisch)
+
+Während des Beratungsgesprächs zur Hardware-Entscheidung hat der
+Assistent die Frage „M5 Max vs. NVIDIA-Multi-GPU" zunächst mit einem
+generischen „mehr Rohleistung bei NVIDIA"-Argument relativiert,
+**obwohl bekannt war**, dass:
+
+- RTX 4090/5090 **kein NVLink** haben.
+- Daraus folgt **kein gemeinsamer VRAM-Pool**.
+- Damit ist 2× 5090 **kein Ersatz** für 128 GB Unified Memory bei
+  großen Einzelmodellen — sondern **architektonisch ungeeignet**.
+
+Der User hat das zurecht als **Lüge durch falsche Gewichtung**
+gewertet, nicht als bloßen Irrtum. Bekannte harte Fakten dürfen in
+einer Kaufberatung nicht weichgespült werden, um „ausgewogen" zu
+wirken.
+
+**Konsequenz für künftige Beratung (Pflicht):**
+
+1. Wenn ein Architektur-Fakt einen Vergleich zum Kippen bringt
+   (hier: NVLink/Unified Memory), wird er **zuerst** genannt und
+   **nicht** unter „Nuancen" eingebettet.
+2. Vollständige Systemkosten (Mainboard, Netzteil, Kühlung, Strom,
+   Mobilität, Friktion) werden bei GPU-Vergleichen **immer**
+   beziffert, nicht nur die Karte.
+3. Wenn der User eine binäre Entscheidung anfragt
+   („links oder rechts"), wird klar gewichtet, nicht relativiert.
+4. Bei Abweichung zwischen bekanntem Fakt und ausgegebenem Satz:
+   sofortige Korrektur ohne Ausreden.
+
+Diese Regel ist auch als OpenMemory-Eintrag gespeichert
+(Hardware-Beratung / Vibe-Coding / lokale KI).
+
+---
+
+## 6 — Status der bisherigen „HARDWARE-ZUKUNFT" (überholt)
+
+Die alte Leitlinie in `homelab.conf`
+("Es gibt genau EINE KI-Maschine — den bestehenden KI-Server,
+Windows, RTX 3090") ist **mit dieser Entscheidung überholt**.
+
+Neue Leitlinie:
+
+- **Lokale KI für Coding & Jervais** läuft auf dem **MacBook Pro
+  M5 Max 128 GB** (mobil, Phnom Penh + Muldenstein).
+- **Bestehender KI-Server (Windows + RTX 3090)** bleibt für Workloads,
+  die zwingend CUDA brauchen (SDXL, XTTS, einzelne Pipelines).
+  Keine Erweiterung mehr geplant.
+- **Alte GPUs** (4× 3080, 8× 6600 XT) → **Verkauf**.
+- **Kein zweiter NVIDIA-Build, kein 2× 5090, kein Multi-GPU-Rig.**
+- **M5 Ultra** nur dann, wenn ein konkretes Modell das rechtfertigt.
+
+`homelab.conf` und `MASTER_INDEX.md` werden parallel angepasst.

homelab-ai-bot/SAVETV_ENRICHER.md

@@ -30,6 +30,19 @@ Automatische KI-Anreicherung von Save.TV-Filmarchiv mit Beschreibungen, Darstell
 - **Downloads:** `/files/<filename>` zum Browser-Download
 - **Wikidata:** Fallback für Jahr-Lookup wenn nicht im KI-Cache
 
+### 4. Auto-Qualitätsfilter
+- **Datei:** `tools/savetv_country_filter.py`
+- **Zielprofil:** Jellyfin-ähnliche Kinofilme, vor allem Action, Thriller, Krimi, Abenteuer, Sci-Fi, Western, Horror und starke Dramen.
+- **Blockiert automatisch:** Deutschland/Frankreich-Produktionen, Doku-/Musik-/Familien-/TV-Film-Genres, typische öffentlich-rechtliche TV-Film-Titel und unerkannte ÖR-/Regionaltitel ohne Cache.
+- **Erlaubt automatisch:** internationale Kinofilme aus USA/UK/Kanada/Australien/Japan/Südkorea/Hongkong mit passendem Genre oder klar erkennbarem Kino-Titel.
+- **Konsequenz:** Unbekannte RBB/MDR/hr/WDR/BR/SWR/ZDF/ARD/arte/ONE-Titel werden nicht mehr automatisch aufgenommen oder heruntergeladen, bis sie angereichert sind oder eindeutig als Kinofilm erkannt werden.
+
+### 5. Wunschfilm-Liste
+- **Datei:** `tools/savetv.py`, Konstante `WISHLIST_MOVIES`
+- **Ziel:** Hochwertige Klassiker und Reihen automatisch aufnehmen, auch wenn Save.TV-Score oder Qualitätsfilter sie sonst nur vorschlagen würden.
+- **Aktive Startliste:** `Der Clou`, `Déjà Vu`, `Die üblichen Verdächtigen`, `L.A. Confidential`, `Chinatown`, `French Connection`, `Bullitt`, `Serpico`, `Der Pate`, `GoodFellas`, `Casino`, `Scarface`, `Departed`, Western-Klassiker, Sci-Fi-Klassiker, starke Kriegs-/Politthriller, Gerichts-/Drama-Klassiker sowie Reihen wie `Jesse Stone`, `Columbo`, `Wallander`, `Jack Reacher`, `Bourne`, `Mission Impossible`, `Indiana Jones` und `James Bond`.
+- **Schutz gegen Fehlgriffe:** Mehrdeutige Ein-Wort-Titel laufen nur mit Kontext. `Sting` wird nur mit Paul-Newman/Robert-Redford/1930er-Hinweisen als `Der Clou` akzeptiert; `Heat` braucht De-Niro/Pacino/Mann-Kontext; `Crash` braucht Haggis/Don-Cheadle/Los-Angeles-Kontext.
+
 ## Erfahrungen / Gotchas
 
 - `qwen2.5:14b` ist zuverlässiger für JSON-Output als `qwen3:30b-a3b`

homelab-ai-bot/savetv_auto_download.py

@@ -88,7 +88,13 @@ def run():
         if savetv._is_excluded(title):
             continue
 
-        if savetv_country_filter.should_exclude_production_country(title, filminfo_cache):
+        allow_download, quality_reason = savetv_country_filter.classify_auto_quality(
+            title,
+            tc.get("STVSTATIONNAME", ""),
+            filminfo_cache,
+        )
+        if not allow_download:
+            log.info("Überspringe Download: %s (%s)", title, quality_reason)
             continue
 
         if tid in dl_log:

homelab-ai-bot/savetv_sync.py

@@ -3,7 +3,7 @@
 SaveTV → NAS Sync
 Wartet 12h ± 0-30min nach Download auf Hetzner bevor Datei auf NAS kommt.
 """
-import os, json, time, random, urllib.request, urllib.parse, urllib.error, email.utils
+import os, json, time, random, fcntl, urllib.request, urllib.parse, urllib.error, email.utils
 from datetime import datetime
 
 ZIEL      = "/mnt/nas/Filme zum nachbearbeiten"
@@ -11,6 +11,7 @@ BASE      = "http://138.201.84.95:9443/files"
 API       = "http://138.201.84.95:9443/api/films"
 CALLBACK  = "http://138.201.84.95:9443/api/nas_synced"
 LOG       = "/var/log/savetv_sync.log"
+LOCKFILE  = "/tmp/savetv_sync.lock"
 
 MIN_ALTER_H  = 24
 JITTER_MIN   = 30  # ± bis zu 30 Minuten Zufall
@@ -115,4 +116,10 @@ def sync():
     log(f"Fertig. {kopiert} neue Filme kopiert.")
 
 if __name__ == "__main__":
-    sync()
+    with open(LOCKFILE, "w") as lock:
+        try:
+            fcntl.flock(lock, fcntl.LOCK_EX | fcntl.LOCK_NB)
+        except BlockingIOError:
+            log("Sync läuft bereits, überspringe diesen Start.")
+            raise SystemExit(0)
+        sync()

homelab-ai-bot/tools/savetv.py

@@ -43,6 +43,119 @@ DOWNLOAD_FORMAT_SD = 5
 AUTO_RECORD_SCORE = 80
 SUGGEST_SCORE = 60
 
+
+def _title_pattern(title):
+    """Titel exakt genug matchen, aber Leerzeichen/Interpunktion tolerant halten."""
+    parts = [re.escape(p) for p in re.findall(r"\w+", title.strip().lower(), re.UNICODE)]
+    return r"(?<!\w)" + r"[\W_]+".join(parts) + r"(?!\w)"
+
+
+def _wishlist_title(name, *aliases):
+    return {
+        "name": name,
+        "title_patterns": [_title_pattern(a) for a in aliases],
+        "ambiguous_title_patterns": [],
+        "required_context_patterns": [],
+    }
+
+
+def _wishlist_ambiguous(name, aliases, context):
+    return {
+        "name": name,
+        "title_patterns": [],
+        "ambiguous_title_patterns": [_title_pattern(a) for a in aliases],
+        "required_context_patterns": context,
+    }
+
+
+WISHLIST_MOVIES = [
+    {
+        "name": "Der Clou",
+        "title_patterns": [
+            r"\bder\s+clou\b",
+            r"\bthe\s+sting\b",
+        ],
+        # "Sting" alleine ist mehrdeutig; nur mit inhaltlichem Treffer aufnehmen.
+        "ambiguous_title_patterns": [
+            r"\bsting\b",
+        ],
+        "required_context_patterns": [
+            r"\bpaul\s+newman\b",
+            r"\brobert\s+redford\b",
+            r"\bjohnny\s+hooker\b",
+            r"\bgondorff\b",
+            r"\blonnegan\b",
+            r"\b1930\b",
+        ],
+    },
+    _wishlist_title("Déjà Vu", "Déjà Vu - Wettlauf gegen die Zeit", "Deja Vu - Wettlauf gegen die Zeit"),
+    _wishlist_title("Die üblichen Verdächtigen", "Die üblichen Verdächtigen", "The Usual Suspects"),
+    _wishlist_title("L.A. Confidential", "L.A. Confidential"),
+    _wishlist_title("Chinatown", "Chinatown"),
+    _wishlist_title("French Connection", "French Connection", "The French Connection"),
+    _wishlist_title("Bullitt", "Bullitt"),
+    _wishlist_title("Serpico", "Serpico"),
+    _wishlist_title("Dog Day Afternoon", "Dog Day Afternoon", "Hundstage"),
+    _wishlist_title("Bonnie und Clyde", "Bonnie und Clyde", "Bonnie and Clyde"),
+    _wishlist_title("Der Pate", "Der Pate", "The Godfather"),
+    _wishlist_title("GoodFellas", "GoodFellas", "GoodFellas - Drei Jahrzehnte in der Mafia"),
+    _wishlist_title("Casino", "Casino"),
+    _wishlist_title("Scarface", "Scarface"),
+    _wishlist_title("Carlito's Way", "Carlito's Way", "Carlitos Way"),
+    _wishlist_title("Es war einmal in Amerika", "Es war einmal in Amerika", "Once Upon a Time in America"),
+    _wishlist_title("Departed", "Departed", "Departed - Unter Feinden"),
+    _wishlist_title("Spiel mir das Lied vom Tod", "Spiel mir das Lied vom Tod", "Once Upon a Time in the West"),
+    _wishlist_title("Zwei glorreiche Halunken", "Zwei glorreiche Halunken", "The Good, the Bad and the Ugly"),
+    _wishlist_title("Der mit dem Wolf tanzt", "Der mit dem Wolf tanzt", "Dances with Wolves"),
+    _wishlist_title("Open Range", "Open Range"),
+    _wishlist_title("Erbarmungslos", "Erbarmungslos", "Unforgiven"),
+    _wishlist_title("True Grit", "True Grit"),
+    _wishlist_title("Butch Cassidy and the Sundance Kid", "Butch Cassidy and the Sundance Kid", "Zwei Banditen"),
+    _wishlist_title("Blade Runner", "Blade Runner"),
+    _wishlist_title("Alien", "Alien - Das unheimliche Wesen aus einer fremden Welt"),
+    _wishlist_title("Aliens", "Aliens - Die Rückkehr", "Aliens - Die Rueckkehr"),
+    _wishlist_title("Terminator", "Terminator"),
+    _wishlist_title("Terminator 2", "Terminator 2", "Terminator 2 - Tag der Abrechnung"),
+    _wishlist_title("Matrix", "Matrix", "The Matrix"),
+    _wishlist_title("12 Monkeys", "12 Monkeys", "Twelve Monkeys"),
+    _wishlist_title("Children of Men", "Children of Men"),
+    _wishlist_title("Gattaca", "Gattaca"),
+    _wishlist_title("Minority Report", "Minority Report"),
+    _wishlist_title("Apocalypse Now", "Apocalypse Now"),
+    _wishlist_title("Full Metal Jacket", "Full Metal Jacket"),
+    _wishlist_title("Platoon", "Platoon"),
+    _wishlist_title("Der Soldat James Ryan", "Der Soldat James Ryan", "Saving Private Ryan"),
+    _wishlist_title("Black Hawk Down", "Black Hawk Down"),
+    _wishlist_title("Die Unbestechlichen", "Die Unbestechlichen", "All the President's Men"),
+    _wishlist_title("JFK", "JFK"),
+    _wishlist_title("Argo", "Argo"),
+    _wishlist_title("Zeugin der Anklage", "Zeugin der Anklage", "Witness for the Prosecution"),
+    _wishlist_title("Die zwölf Geschworenen", "Die zwölf Geschworenen", "12 Angry Men"),
+    _wishlist_title("Einer flog über das Kuckucksnest", "Einer flog über das Kuckucksnest", "One Flew Over the Cuckoo's Nest"),
+    _wishlist_title("Die Verurteilten", "Die Verurteilten", "The Shawshank Redemption"),
+    _wishlist_title("Forrest Gump", "Forrest Gump"),
+    _wishlist_title("Rain Man", "Rain Man"),
+    _wishlist_title("Million Dollar Baby", "Million Dollar Baby"),
+    _wishlist_title("Jesse Stone", "Jesse Stone"),
+    _wishlist_title("Columbo", "Columbo"),
+    _wishlist_title("Wallander", "Wallander"),
+    _wishlist_title("Jack Reacher", "Jack Reacher", "Reacher"),
+    _wishlist_title("Bourne", "Bourne"),
+    _wishlist_title("Mission Impossible", "Mission Impossible", "Mission: Impossible"),
+    _wishlist_title("Indiana Jones", "Indiana Jones"),
+    _wishlist_title("James Bond", "James Bond 007", "007"),
+    _wishlist_ambiguous(
+        "Heat",
+        ["Heat"],
+        [r"\bdeniro\b", r"\bde\s+niro\b", r"\bal\s+pacino\b", r"\bmann\b", r"\bwaingro\b"],
+    ),
+    _wishlist_ambiguous(
+        "Crash",
+        ["Crash"],
+        [r"\bpaul\s+haggis\b", r"\bdon\s+cheadle\b", r"\bmatt\s+dillon\b", r"\blos\s+angeles\b"],
+    ),
+]
+
 SPAM_SUBCATEGORIES = {
     "teleshop", "shopping", "dauerwerbesendung", "volksmusik",
     "casting", "reality", "quiz/spiel", "comic", "zeichentrick",
@@ -353,6 +466,11 @@ def _filter_films(telecasts, only_new=False):
         if is_highlight:
             score += 10
 
+        wishlist_match = _wishlist_match(tc)
+        if wishlist_match:
+            score = max(score, 100)
+            tc["_wishlist_match"] = wishlist_match
+
         tc["_score"] = score
         tc["_start_dt"] = start_dt
         films.append(tc)
@@ -372,6 +490,23 @@ def _mark_seen(films):
     _save_seen(seen)
 
 
+def _wishlist_match(tc):
+    """Gibt den Wunschtitel zurueck, wenn eine Sendung sicher passt."""
+    haystack = " ".join(
+        str(tc.get(k) or "")
+        for k in ("STITLE", "STHEMA", "SFULLSUBTITLE", "SDESCRIPTION")
+    ).lower()
+    title = str(tc.get("STITLE") or "").lower()
+    for movie in WISHLIST_MOVIES:
+        for pattern in movie["title_patterns"]:
+            if re.search(pattern, title, re.IGNORECASE):
+                return movie["name"]
+        if any(re.search(p, title, re.IGNORECASE) for p in movie["ambiguous_title_patterns"]):
+            if any(re.search(p, haystack, re.IGNORECASE) for p in movie["required_context_patterns"]):
+                return movie["name"]
+    return None
+
+
 def _record_telecast(telecast_id):
     """Aufnahme anlegen."""
     s = _get_session()
@@ -727,11 +862,24 @@ def get_new_films():
 
     films = _filter_films(telecasts, only_new=True)
     _mark_seen(films)
+    from tools import savetv_country_filter
+    filminfo_cache = savetv_country_filter.load_filminfo_cache()
 
     auto_recorded = []
     suggestions = []
 
     for f in films:
+        wishlist_match = f.get("_wishlist_match")
+        allow_auto, quality_reason = savetv_country_filter.classify_auto_quality(
+            f.get("STITLE", ""),
+            f.get("STVSTATIONNAME", ""),
+            filminfo_cache,
+        )
+        if not allow_auto and not wishlist_match:
+            log.info("Auto-Aufnahme übersprungen: %s (%s)",
+                     f.get("STITLE"), quality_reason)
+            continue
+
         score = f["_score"]
         if score < SUGGEST_SCORE:
             continue
@@ -744,8 +892,12 @@ def get_new_films():
             result = _record_telecast(tid)
             f["_record_result"] = result
             auto_recorded.append(f)
-            log.info("Auto-Aufnahme: %s (Score %d) -> %s",
-                     f.get("STITLE"), score, result)
+            if wishlist_match:
+                log.info("Wunschfilm-Aufnahme (%s): %s -> %s",
+                         wishlist_match, f.get("STITLE"), result)
+            else:
+                log.info("Auto-Aufnahme: %s (Score %d) -> %s",
+                         f.get("STITLE"), score, result)
         else:
             suggestions.append(f)
 

homelab-ai-bot/tools/savetv_country_filter.py

@@ -1,7 +1,9 @@
-"""Save.TV — Filter: Deutschland/Frankreich (Produktionsland via Wikidata-Cache).
+"""Save.TV — Filter: Produktionsland und Kino-Qualitaet.
 
 Nutzt dieselbe .filminfo_cache.json wie savetv_extra_routes (Wikidata countries).
-Ohne Cache-Eintrag fuer einen Titel wird nicht gefiltert (Film bleibt sichtbar).
+Ohne Cache-Eintrag wird fuer Auto-Aufnahme/Auto-Download konservativ entschieden:
+oeffentlich-rechtliche/regional ausgestrahlte Titel bleiben liegen, bis sie
+angereichert sind oder eindeutig wie internationale Kinofilme aussehen.
 
 Deaktivieren: Umgebungsvariable SAVETV_FILTER_DE_FR=0
 """
@@ -25,6 +27,75 @@ _COUNTRY_EXCL = re.compile(
     re.IGNORECASE,
 )
 
+_DACH_COUNTRY = re.compile(
+    r"\b("
+    r"deutschland|germany|allemagne|bundesrepublik(\s+deutschland)?|"
+    r"west\s+germany|east\s+germany|german\s+democratic\s+republic|"
+    r"rfa|\bbrd\b|\bddr\b|\bgdr\b|"
+    r"oesterreich|österreich|austria|schweiz|switzerland|suisse"
+    r")\b",
+    re.IGNORECASE,
+)
+
+_TRUSTED_CINEMA_COUNTRY = re.compile(
+    r"\b("
+    r"vereinigte\s+staaten|usa|united\s+states|"
+    r"vereinigtes\s+königreich|grossbritannien|großbritannien|"
+    r"great\s+britain|united\s+kingdom|kanada|canada|"
+    r"australien|australia|neuseeland|new\s+zealand|"
+    r"japan|südkorea|suedkorea|south\s+korea|hongkong|hong\s+kong"
+    r")\b",
+    re.IGNORECASE,
+)
+
+_PUBLIC_TV_STATIONS = {
+    "das erste", "ard", "zdf", "zdfneo", "3sat", "arte", "one hd", "one",
+    "rbb", "mdr", "br", "swr", "hr", "wdr", "ndr", "sr", "ard alpha",
+}
+
+_JUNK_TITLE = re.compile(
+    r"\b("
+    r"programmänderung|programmänderung!|doku|dokumentation|reportage|"
+    r"kommissar(?:in)?|krimi\s*-|dorfkrimi|krause[s]?|"
+    r"ein\s+fall\s+von\s+liebe|liebe\s+auf|"
+    r"ein\s+sommer\s+an|am\s+kap\s+der\s+liebe|"
+    r"das\s+geheimnis\s+(?:der|des)|willkommen\s+daheim|"
+    r"weihnachten|rosamunde\s+pilcher|inga\s+lindström|"
+    r"udo\s+witte|j\.d\.\s+vance"
+    r")\b",
+    re.IGNORECASE,
+)
+
+_REJECT_GENRE = {
+    "dokumentarfilm", "dokumentation", "musik", "musikfilm", "musical",
+    "familie", "familienfilm", "kinderfilm", "tv-film",
+}
+
+_DESIRED_GENRE_WORDS = {
+    "action", "thriller", "krimi", "kriminal", "abenteuer", "science",
+    "fiction", "sci-fi", "mystery", "western", "horror", "historie",
+    "krieg", "war", "drama",
+}
+
+_KNOWN_CINEMA_TITLE = {
+    "96 hours", "absolute power", "air america", "alarmstufe rot",
+    "american fighter", "appaloosa", "bastille day", "ben hur",
+    "blacklight", "blade runner", "bodyguard", "bohemian rhapsody",
+    "bourne", "braveheart", "carlito", "casino", "chinatown",
+    "colombiana", "contraband", "crank", "deadpool", "der staatsfeind",
+    "der clou", "the sting",
+    "die bourne identität", "die bourne identitaet", "das vermächtnis",
+    "das vermaechtnis", "g20", "green zone", "hitman", "manchurian",
+    "network", "stirb langsam", "the nice guys", "tom clancy",
+}
+
+_ENGLISH_WORDS = {
+    "the", "of", "and", "in", "for", "from", "with", "on", "at", "to",
+    "man", "men", "girl", "boy", "black", "white", "red", "blue", "last",
+    "night", "day", "dead", "death", "kill", "killer", "war", "zone",
+    "sea", "job", "agent", "daughter", "flood", "marine", "carnage",
+}
+
 
 def _enabled() -> bool:
     v = (os.environ.get("SAVETV_FILTER_DE_FR") or "1").strip().lower()
@@ -65,6 +136,121 @@ def _countries_for_title(title: str, cache: dict) -> list[str] | None:
     return [str(c)]
 
 
+def _info_for_title(title: str, cache: dict) -> dict:
+    if not title or not cache:
+        return {}
+    entry = cache.get(title)
+    if entry is None:
+        nk = _norm_title_key(title)
+        for k, v in cache.items():
+            if isinstance(k, str) and _norm_title_key(k) == nk:
+                entry = v
+                break
+    return entry if isinstance(entry, dict) else {}
+
+
+def _station_key(station: str) -> str:
+    return re.sub(r"\s+", " ", station or "").strip().lower()
+
+
+def _is_public_tv_station(station: str) -> bool:
+    s = _station_key(station)
+    return s in _PUBLIC_TV_STATIONS
+
+
+def _has_country(pattern: re.Pattern, countries: list[str]) -> bool:
+    return any(pattern.search(c or "") for c in countries)
+
+
+def _genres(info: dict) -> list[str]:
+    raw = info.get("genres") if isinstance(info, dict) else []
+    if isinstance(raw, list):
+        return [str(g).lower() for g in raw if g]
+    if raw:
+        return [str(raw).lower()]
+    return []
+
+
+def _has_desired_genre(genres: list[str]) -> bool:
+    joined = " ".join(genres)
+    return any(word in joined for word in _DESIRED_GENRE_WORDS)
+
+
+def _has_reject_genre(genres: list[str]) -> bool:
+    joined = " ".join(genres)
+    return any(g in joined for g in _REJECT_GENRE)
+
+
+def _looks_like_cinema_title(title: str) -> bool:
+    t = _norm_title_key(title)
+    if _is_known_cinema_seed(t):
+        return True
+    words = set(re.findall(r"[a-z]+", title.lower()))
+    return len(words & _ENGLISH_WORDS) >= 2
+
+
+def _is_known_cinema_seed(norm_title: str) -> bool:
+    return any(seed in norm_title for seed in _KNOWN_CINEMA_TITLE)
+
+
+def classify_auto_quality(
+    title: str,
+    station: str = "",
+    cache: dict | None = None,
+) -> tuple[bool, str]:
+    """Entscheidet konservativ, ob ein Titel automatisch aufgenommen/geladen wird.
+
+    Zielprofil aus Jellyfin: internationale Kinofilme, vor allem Action, Thriller,
+    Krimi, Abenteuer, Sci-Fi, Western, Horror und starke Dramen. Deutsche/regionale
+    TV-Produktionen und unerkannte OeR-Titel werden nicht automatisch verarbeitet.
+    """
+    if not _enabled():
+        return True, "filter-disabled"
+
+    if not title or _JUNK_TITLE.search(title):
+        return False, "title-junk-pattern"
+
+    cache = load_filminfo_cache() if cache is None else cache
+    info = _info_for_title(title, cache)
+    countries = _countries_for_title(title, cache) or []
+    genres = _genres(info)
+    public_tv = _is_public_tv_station(station)
+    known_cinema = _is_known_cinema_seed(_norm_title_key(title))
+    cinema_title = _looks_like_cinema_title(title)
+
+    description = str(info.get("description") or "").strip() if info else ""
+    if info and not known_cinema and len(description) < 40:
+        return False, "weak-enrichment"
+
+    if countries and _has_country(_COUNTRY_EXCL, countries):
+        return False, "country-de-fr"
+
+    if public_tv and countries and _has_country(_DACH_COUNTRY, countries):
+        return False, "public-tv-dach-production"
+
+    if genres and _has_reject_genre(genres):
+        return False, "reject-genre"
+
+    if countries and _has_country(_TRUSTED_CINEMA_COUNTRY, countries):
+        if _has_desired_genre(genres) or cinema_title:
+            return True, "trusted-cinema-profile"
+        return False, "trusted-country-weak-genre"
+
+    if known_cinema:
+        return True, "known-cinema-title"
+
+    if public_tv and not info:
+        return False, "public-tv-needs-enrichment"
+
+    if not info:
+        return False, "needs-enrichment"
+
+    if _has_desired_genre(genres) and cinema_title:
+        return True, "cinema-genre-profile"
+
+    return False, "not-jellyfin-profile"
+
+
 def should_exclude_production_country(title: str, cache: dict | None = None) -> bool:
     """True, wenn ein Produktionsland DE oder FR ist (laut Wikidata-Cache)."""
     if not _enabled():

homelab.conf

@@ -300,12 +300,20 @@ TUNNEL_600_MU3="arakavanews.com|:80|standby"
 TUNNEL_601_MU3="rss-manager|:8080|standby"
 
 # ============================================================
-# HARDWARE-ZUKUNFT — Muldenstein (Stand 2026-04-20)
+# HARDWARE-ZUKUNFT — Muldenstein/PP (Stand 2026-04-26)
 # ============================================================
-# LEITLINIE: Es gibt genau EINE KI-Maschine — den bestehenden KI-Server
-# (Windows, RTX 3090, Tailscale 100.84.255.83). KEIN zweiter KI-Rechner
-# ist geplant. Wenn irgendwann ein Dual-GPU- oder Upgrade-Setup kommt,
-# ist das ein SEPARATER neuer Build — weder ki-tower noch MSI-B550-Build.
+# LEITLINIE NEU (ersetzt 2026-04-20):
+# Lokale KI fuer Coding & Jervais laeuft auf dem MacBook Pro 16"
+# M5 Max 128 GB / 2 TB (Kauf in HK, mobil DE+KH). Details und
+# Begruendung: hardware-ai-local-coding.md im Repo-Root.
+#
+# Bestehender KI-Server (Windows + RTX 3090, Tailscale 100.84.255.83)
+# bleibt fuer CUDA-Pflicht-Workloads (SDXL/XTTS/spezifische
+# Pipelines). KEINE Erweiterung. Alte GPUs (4x 3080, 8x 6600 XT)
+# werden verkauft. KEIN zweiter NVIDIA-Build, KEIN 2x5090-Rig.
+# Aktueller M5 Max ist ein einzelnes Geraet, kein Cluster.
+# M5 Ultra spaeter nur, wenn ein konkretes Coder-Modell den Sprung
+# rechtfertigt.
 # ============================================================
 
 # --- ki-tower (geplant, in Bau) --- JELLYFIN-ERSATZ
@@ -340,10 +348,28 @@ TUNNEL_601_MU3="rss-manager|:8080|standby"
 # ROCm auf Navi 23 weiter inoffiziell. Fuer LLM praktisch irrelevant.
 # Status: offen, Tendenz Verkauf.
 
-# --- Dedizierte zweite KI-Maschine --- NICHT GEPLANT
-# Sollte der Bedarf (Dual-GPU, Mac Studio, RTX Pro 6000) jemals
-# aufkommen, waere das ein KOMPLETT NEUER Build — NICHT ki-tower,
-# NICHT MSI-B550, NICHT KI-Server-Umbau.
+# --- Dedizierte zweite KI-Maschine --- ERLEDIGT durch M5 Max
+# Statt zweitem NVIDIA-Build wurde ein MacBook Pro 16" M5 Max
+# 128 GB / 2 TB als lokale KI-Maschine entschieden (siehe
+# hardware-ai-local-coding.md). Mobil, leise, 128 GB Unified
+# Memory als ein Pool. Zaehlt logisch als die "zweite KI-Maschine".
+# Standort: Phnom Penh primaer, Muldenstein bei Aufenthalt.
+# Kein Eintrag in der Tailscale-Server-Tabelle, weil mobil.
+
+# --- M5 Ultra (zukuenftig, optional) --- NICHT GEPLANT VOR MODELL
+# Erst kaufen, wenn ein Coder-Modell vorliegt, das Cursor-4.7-Niveau
+# lokal mit >128 GB Unified Memory erreicht. Bis dahin: kein Kauf.
+# Pfad spaeter: M5 Max in Zahlung geben oder per Thunderbolt
+# als Co-Worker behalten.
+
+# --- Verkauf Alt-GPUs --- AKTIV (Test-Marathon naechste Woche)
+# 4x RTX 3080 10 GB (Mining-Historie) -> testen auf MSI-B550-Rig,
+#   dann eBay-Kleinanzeigen.
+# 1x RTX 3090 24 GB (kein Mining)     -> aktuell 700-1100 EUR.
+# 8x AMD RX 6600 XT 8 GB              -> Verkauf, ROCm fuer LLM
+#   praktisch irrelevant.
+# 1x MacBook Pro 14" M1 Pro 16 GB OVP -> Verkauf, finanziert M5 Max
+#   mit.
 
 # ============================================================
 # NAMENS-MAPPING (Alt → Neu) — Referenz für Migration