Nextcloud Recognize App installieren und einrichten
Nextcloud Recognize ist die offizielle App, mit der eure Nextcloud Fotos, Videos und Musik selbst verschlagwortet: Gesichter werden zu Personen gruppiert, Objekte und Wahrzeichen bekommen Schlagworte, Musik ein Genre. Das Ganze läuft auf eurem eigenen Server, nicht in der Cloud eines Konzerns, der eure Urlaubsbilder als Trainingsmaterial betrachtet. Diese Anleitung zeigt, wie ihr Recognize installiert, welche Hardware es braucht und warum viele Anleitungen im Netz dafür Bibliotheken kompilieren lassen, die Recognize gar nicht benutzt.

Was ist Nextcloud Recognize?
Recognize geht laut Projektseite eure Mediensammlung durch und vergibt passende Schlagworte. Die App kann fünf Dinge:
- Gesichtserkennung: Fotos werden nach den Gesichtern gruppiert, die darauf vorkommen. Die Personen erscheinen in der Fotos-App beziehungsweise in Memories.
- Objekterkennung: Tiere, Landschaften, Essen, Fahrzeuge, Gebäude und andere Gegenstände.
- Wahrzeichenerkennung: bekannte Bauwerke und Denkmäler.
- Musikgenres: Audiodateien werden einem Genre zugeordnet.
- Videos: menschliche Handlungen in Videos werden erkannt.
Die Schlagworte landen in den kollaborativen Schlagworten von Nextcloud, also dort, wo ihr auch von Hand Tags vergebt. Gerechnet wird laut Projekt ausschliesslich auf eurem Server, mit TensorFlow.js in Node.js, das die App gleich mitbringt. Ende-zu-Ende-verschlüsselte Dateien kann Recognize nicht verarbeiten, weil der Server sie nicht lesen kann. Die Modelle brauchen Platz: rund 1 GB für die Objekterkennung, 300 MB für Wahrzeichen und je 50 MB für Video und Musik.
Nextcloud Recognize vs. Face Recognition: zwei verschiedene Apps
Im App Store gibt es eine zweite App mit ähnlichem Zweck: Face Recognition von Matias De lellis. Sie erkennt nur Gesichter und braucht laut ihrer Anleitung die Dlib-PHP-Bindings (pdlib), die ihr als PHP-Erweiterung installieren müsst, dazu PHP Bzip2 und mindestens 1 GB RAM.
Recognize braucht nichts davon. Wer in einer Anleitung zu Recognize auf php-pdlib, das Paketarchiv repo.delellis.com.ar oder das Kompilieren von dlib stösst, hat eine Anleitung für Face Recognition vor sich. Die Bibliotheken schaden Recognize nicht, aber sie helfen ihm auch nicht, und sie bleiben als Pflegelast auf dem Server zurück. Wer pdlib nur für Recognize installiert hat, kann es wieder entfernen.
Voraussetzungen für Recognize
Das README nennt folgende Anforderungen:
- Die App Collaborative Tags (kollaborative Schlagworte) muss aktiviert sein.
- Für volle Geschwindigkeit: ein x86-64-Prozessor mit AVX-Befehlen und ein System mit glibc, also ein gewöhnliches Debian, Ubuntu oder Fedora.
- Für den langsameren WASM-Modus: x86-64, arm64 oder armv7l, ohne AVX, mit glibc oder musl. Hierher gehören ein Raspberry Pi, Alpine Linux und damit auch Nextcloud AIO.
- Rund 4 GB freier Arbeitsspeicher; wer knapp dran ist, sorgt für etwas Swap.
- Hintergrundaufgaben über Cron. Die App meldet sonst in ihren Einstellungen, dass sie die Ausführung über Cron verlangt. Wie das geht, steht in der Anleitung Cronjob für eure Nextcloud erstellen.
Ob eure CPU AVX kann, zeigt auf dem Server ein kurzer Blick in die Prozessorflags. Erscheint hier keine Ausgabe, fehlt AVX:
grep -o -w avx /proc/cpuinfo | head -n 1
Recognize in einer Proxmox-VM: auf den CPU-Typ achten
Läuft Nextcloud in einer virtuellen Maschine, sieht Recognize nur die Prozessorflags, die der Hypervisor durchreicht. In Proxmox ist für neue VMs x86-64-v2-AES voreingestellt, und dieser Typ ergänzt laut Proxmox-Dokumentation gegenüber x86-64-v2 nur aes. AVX und AVX2 kommen erst mit x86-64-v3 dazu. Mit dem Standardtyp landet Recognize also im WASM-Modus. Stellt den CPU-Typ der VM auf x86-64-v3 oder auf host; bei host bekommt die VM laut Dokumentation genau die Flags des Hostsystems. Ein LXC-Container nutzt den Kernel und die CPU des Hosts direkt, dort gelten die Fähigkeiten des eingebauten Prozessors.
Zur Grössenordnung aus der Praxis: Meine Nextcloud mit 4 CPU-Kernen und 6 GB Arbeitsspeicher brauchte ungefähr zwei Tage, um rund 7000 Fotos meiner Partnerin zu kategorisieren. Geduld gehört also ebenfalls zu den Systemvoraussetzungen.
Welche Recognize-Version zu welcher Nextcloud passt
Der Nextcloud App Store liefert automatisch die Version, die zu eurem Server passt. Laut App Store sind das unter anderem:
| Nextcloud | Recognize |
|---|---|
| 35 | 13.2.0 |
| 34 | 12.0.3 |
| 33 | 11.0.1 |
| 32 | 10.0.7 |
| 31 | 9.0.9 |
| 27 | 5.0.3 |
Wer noch Nextcloud 27 betreibt, bekommt also eine Recognize-Version von 2023. Laut Änderungsprotokoll ist 13.2.0 am 03.11.2026 erschienen. Wie ihr Apps aktuell haltet, steht in Nextcloud-Apps installieren und aktuell halten.
Nextcloud Recognize installieren
Meldet euch als Administrator an, öffnet Apps, sucht nach „Recognize“ (im Bildschirmfoto in der Kategorie „Organisation“) und klickt auf „Herunterladen und aktivieren“. Das Bildschirmfoto stammt von September 2023, die Oberfläche kann heute etwas anders aussehen.
Danach fehlen noch die Modelle. Verbindet euch per SSH mit dem Server, wechselt in das Nextcloud-Verzeichnis (oft /var/www/nextcloud) und ladet sie herunter:
cd /var/www/nextcloud
sudo -u www-data php occ recognize:download-models
Passt den Pfad und gegebenenfalls den Benutzer des Webservers an eure Installation an. Bei Nextcloud AIO laufen occ-Befehle im Container und nicht direkt auf dem Host.
Recognize einrichten
Die Einstellungen findet ihr in den Verwaltungseinstellungen im Abschnitt Recognize. Ganz oben steht der Status. Ist alles in Ordnung, stehen dort zwei grüne Meldungen: Die Modelle für maschinelles Lernen wurden heruntergeladen, und die App klassifiziert Dateien automatisch in Hintergrundprozessen.
Was ihr erkennen lassen wollt
Jede Erkennung wird einzeln eingeschaltet: Gesichtserkennung, Objekterkennung, Wahrzeichenerkennung, Musikgenre-Erkennung und Video-Markierung. Für jede legt ihr fest, wie viele Dateien ein Durchlauf verarbeitet; laut App wird alle fünf Minuten ein Job eingeplant. Die App empfiehlt im normalen Betrieb etwa 500 Dateien für Gesichter, 100 für Objekte und 20 für Videos, im WASM-Modus deutlich weniger. Personen bildet Recognize erst, wenn für einen Benutzer mindestens 120 Gesichter erkannt sind.
Bereits vorhandene Dateien müsst ihr nicht von Hand anstossen: Wer eine Erkennung einschaltet, löst einen einmaligen Suchlauf im Hintergrund aus. Ordner, die nicht ausgewertet werden sollen, schliesst ihr laut README mit einer leeren Datei aus: .noimage für Bilder, .nomusic für Musik, .novideo für Videos und .nomedia für alles.
CPU-Kerne, WASM- und GPU-Modus
Anzahl der CPU-Kerne: Ab Werk nutzt Recognize alle Kerne, was den Server spürbar belasten kann. 0 heisst unbegrenzt; reagiert eure Nextcloud während der Analyse träge, setzt eine kleinere Zahl. Im WASM-Modus nutzt die App ohnehin nur einen Kern.
TensorFlow WASM-Modus: Fehlen AVX, x86 oder glibc, schaltet Recognize den WASM-Modus selbst ein und nennt den Grund. Unterstützt der Server den nativen TensorFlow-Betrieb, steht dort, dass ihr den WASM-Modus nicht braucht. Mit AES-Verschlüsselung hat das nichts zu tun, entscheidend sind die AVX-Befehle.
TensorFlow GPU-Modus: Mit einer Grafikkarte rechnet Recognize schneller, die Einrichtung nennt die App selbst „nicht einfach“. Das Projekt-Wiki verlangt eine CUDA-fähige NVIDIA-Karte samt Treiber, CUDA Toolkit 11.x und cuDNN 8.x; die Seite ist von Mai 2024.
Seit Version 13.0 kann Recognize die Arbeit ausserdem an einen anderen Rechner abgeben: Im TaskProcessing-Modus übernimmt die ExApp recognize_backend über AppAPI die Berechnung, Hardwareprüfungen und Node.js-Anforderungen entfallen dann auf dem Nextcloud-Server.
Die wichtigsten occ-Befehle für Recognize
Alle Befehle führt ihr im Nextcloud-Verzeichnis als Benutzer des Webservers aus, also nach dem Muster sudo -u www-data php occ BEFEHL. Die Beschreibungen folgen der App-Beschreibung und dem Quelltext der Befehle.
recognize:download-modelslädt die nötigen Modelle herunter.recognize:recrawlstösst eine vollständige Klassifizierung im Hintergrund an, etwa wenn Dateien übersehen wurden oder nach einem Zurücksetzen. Bestehende Schlagworte und Gesichter bleiben erhalten.recognize:classifyklassifiziert alle Dateien in einem Rutsch im Terminal. Das dauert lange und funktioniert nicht im TaskProcessing-Modus. Mit--retrywerden nur Bilder ohne Schlagworte bearbeitet.recognize:clear-background-jobsleert die Warteschlangen und entfernt die geplanten Hintergrundaufgaben. Sinnvoll vorrecognize:classify, damit sich beides nicht in die Quere kommt.recognize:cluster-facesgruppiert die erkannten Gesichter je Benutzer. Der Speicherbedarf wächst quadratisch mit der Zahl der Gesichter; die Option--batch-sizebegrenzt, wie viele auf einmal verarbeitet werden (Vorgabe 10000).recognize:reset-face-clustersentfernt alle Personen, die erkannten Gesichter bleiben.recognize:reset-facesentfernt alle erkannten Gesichter. Laut App gehen dabei auch die Namen verloren, die Benutzer ihren Personen gegeben haben, und das lässt sich nicht rückgängig machen.recognize:reset-tagsentfernt die Schlagworte, die Recognize vergeben hat; Gesichter bleiben unberührt.recognize:cleanup-tagslöscht Schlagworte, denen keine Datei mehr zugeordnet ist.recognize:remove-legacy-tagsentfernt Schlagworte alter Recognize-Versionen.
Ein typischer Ablauf für eine erste Analyse im Terminal statt im Hintergrund sieht so aus:
sudo -u www-data php occ recognize:clear-background-jobs
sudo -u www-data php occ recognize:classify
Die Ergebnisse seht ihr nach einer Weile in der Fotos-App oder in Memories. Die Erkennung liegt nicht immer richtig: Eine Person kann als zwei Personen erkannt werden, ein Gesicht gar nicht. Fasst doppelte Personen in der Fotos-App zusammen, indem ihr eine erkannte Person öffnet und sie mit der zweiten zusammenführt.
Gesichtserkennung auf dem eigenen Server: was ihr bedenken solltet
Lokal heisst nicht harmlos. Recognize legt zu jedem erkannten Gesicht ein biometrisches Merkmal ab, und auf euren Fotos sind nicht nur ihr selbst zu sehen, sondern Familie, Freunde und Fremde im Hintergrund, die nie gefragt wurden. Nextcloud weist in einem Beitrag zur Gesichtserkennung selbst auf den schlechten Ruf der Technik hin. Der Unterschied zu Google Fotos ist, wer die Daten hat, nicht dass es sie gibt. Was passiert, wenn dieselbe Technik in grossem Stil im öffentlichen Raum läuft, beschreibt der Artikel KI-Videoüberwachung Berlin.
Dazu kommt die Pflege: Laut README wird Recognize nur noch mit „limited effort“ gewartet. Nextcloud sichert zu, dass die App weiter funktioniert und kritische Fehler behoben werden, investiert aber selbst nicht mehr in neue Funktionen. Wer eine Fotoverwaltung mit aktiver Weiterentwicklung sucht, findet in Immich eine eigenständige Alternative mit eigener Gesichtserkennung.
Nextcloud ohne Bastelwochenende?
Wir richten eure Nextcloud samt Fotoverwaltung für euch ein
Remote in der ganzen Schweiz oder vor Ort: Nextcloud für Zuhause CHF 390, fürs Büro ab CHF 1’200, ein einzelner Dienst ab CHF 260. Das Erstgespräch von 20 Minuten ist kostenlos. Mehr zu unseren Diensten im IT-Service-Überblick.
Wenn etwas nicht klappt
- „Hintergrundaufgaben werden nicht über Cron ausgeführt“: Stellt die Hintergrundaufgaben in den Grundeinstellungen auf Cron um und richtet den Cronjob ein, alternativ einen systemd-Timer.
- „Dein Server unterstützt keine AVX-Anweisungen“: Prüft mit dem
grep-Befehl oben, ob die CPU AVX kann. In einer Proxmox-VM liegt es meist am CPU-Typ x86-64-v2-AES. Sonst bleibt der WASM-Modus. - „Dein Server verwendet musl-libc“: Typisch für Alpine-basierte Container wie Nextcloud AIO. Hier läuft Recognize nur im WASM-Modus.
- „Die Node.js-Bibliothek konnte nicht ausgeführt werden“: Das mitgelieferte Node.js startet nicht. Die App schlägt vor, den Pfad zu einer funktionierenden Node.js-Datei in den Einstellungen von Hand festzulegen.
- „Warten auf Statusberichte …“ länger als 15 Minuten: Die App verweist auf das Nextcloud-Protokoll. Dort steht, woran die Hintergrundaufgabe scheitert.
- Keine Personen in der Fotos-App: Personen entstehen erst ab 120 erkannten Gesichtern je Benutzer. Kleinere Fotosammlungen bleiben deshalb ohne Personenansicht.
- Uploads scheitern im Docker-Betrieb: Recognize legt Dateien zur Analyse kurz in
/tmpab. Das README empfiehlt dafür ein tmpfs-Volume, warnt aber, dass der Arbeitsspeicher gross genug für grosse Dateien sein muss, sonst schlagen öffentliche Uploads fehl.
Fazit: Recognize braucht AVX und Cron, keinen Compiler
Nextcloud Recognize ist mit einem Klick im App Store und einem occ-Befehl installiert. Die eigentlichen Stolpersteine liegen woanders: ein Prozessor ohne AVX, eine VM mit dem falschen CPU-Typ, fehlender Cron und zu wenig Arbeitsspeicher. Wer pdlib und dlib kompiliert, richtet eine andere App ein. Wer die Voraussetzungen erfüllt, bekommt eine Gesichts- und Objekterkennung, deren Daten das eigene Haus nie verlassen. Ob ihr die Gesichter aller Abgebildeten überhaupt erfassen wollt, bleibt trotzdem eine Frage, die kein Modell beantwortet; und wer sie mit Ja beantwortet, sollte zumindest nicht die Grafikkarte dafür verantwortlich machen, dass es zwei Tage dauert.
Quellen und weiterführende Links
- Recognize auf GitHub: README mit Anforderungen, Ordnerausschluss und Wartungsstand
- Recognize: Änderungsprotokoll
- Recognize: App-Beschreibung mit der Liste der occ-Befehle
- Recognize: deutsche Oberflächentexte
- Recognize-Wiki: GPU-Modus
- Nextcloud App Store: Recognize
- Face Recognition auf GitHub: Anforderungen mit pdlib
- Proxmox VE: CPU-Typen virtueller Maschinen
- Nextcloud-Forum: All you need to know about facial recognition technology and the Nextcloud Recognize app
Habt ihr Fragen zu Nextcloud Recognize? Schreibt sie in die Kommentare!


