Mijn homelab in vogelvlucht

Jaren geleden begon het met één simpel NAS-je, puur om bestanden en back-ups van mijn computer veilig te stellen. Later kwam daar ook een back-up van mijn Office 365-omgeving bij. Inmiddels staat er een heus clustertje aan servers, draait er een eigen AI-model lokaal, en heb ik voor bijna elke dienst in huis single sign-on geregeld. Tijd om dat proces eens op te schrijven — niet als technische handleiding, maar als verhaal.

Waarom eigenlijk een homelab?

Geen groot geheim: nieuwsgierigheid en controle. Ik wil weten hóe dingen werken, niet alleen dát ze werken. En ik wil niet afhankelijk zijn van een cloudabonnement voor iets wat ik ook zelf kan hosten — mijn foto’s, mijn automatisering, mijn AI-experimenten. Bijkomend voordeel: je leert ontzettend veel, vooral van de dingen die niet meteen goed gaan.

Wat draait er allemaal?

Mijn setup is inmiddels opgedeeld in een paar duidelijke lagen:

• Infrastructuur — een cluster van meerdere fysieke machines die samen de basis vormen. Alles draait in lichtgewicht containers en virtuele machines, netjes gescheiden per taak.
• Netwerk & beveiliging — een eigen netwerkopstelling met adblocking op DNS-niveau, een reverse proxy die bepaalt wat wel en niet van buitenaf bereikbaar is, en versleutelde toegang op afstand.
• Identiteit & SSO — één centrale inlogdienst die zorgt dat ik niet voor elke app een apart wachtwoord hoef te onthouden, inclusief verplichte tweestapsverificatie.
• Media & automatisering — foto- en mediabeheer dat volledig zelf gehost wordt, plus een automatiseringsplatform dat allerlei taakjes uit handen neemt.
• AI, lokaal — een grafische kaart die is toegewezen aan een aparte node, waarop ik taalmodellen lokaal laat draaien. Geen data die het huis verlaat, geen abonnementskosten.
• Backup & bewaking — regelmatige, geautomatiseerde back-ups en een dashboard dat in één oogopslag laat zien of alles nog gezond is.

Het leuke is dat dit geen vast blauwdruk was. Het is organisch gegroeid: elke keer dat ik ergens tegenaan liep, kwam er een nieuwe dienst of aanpassing bij.

Eén uitdaging die het record verdient

Niet alles gaat in één keer goed — sterker nog, de interessantste lessen komen juist uit de dingen die kapot gingen. Zo liep een update van mijn fotobeheer-dienst een keer he-le-maal vast door een obscure bug in de onderliggende toolchain: certificaatverificatie die faalde, een netwerkbibliotheek die verbindingen verkeerd hergebruikte, kortom een resem foutmeldingen die elkaar leken tegen te spreken.

De oplossing kwam neer op twee dingen: bepaalde verificatiestappen bewust uitschakelen op een plek waar dat veilig kon, en een klein wrapper-scriptje bouwen dat steeds opnieuw opruimde wat de update anders telkens weer terugzette. Klein probleem, uren speurwerk, maar precies dát soort puzzels is waarom ik dit blijf doen.

Ook de lokale AI-kaart was zo’n moment: nvidia-smi gaf netjes aan dat de kaart gezien werd, maar de AI-software kon er alsnog niet mee rekenen. Bleek dat “de kaart zien” en “de kaart daadwerkelijk kunnen gebruiken” twee heel verschillende dingen zijn — een onderscheid dat me een avond speurwerk kostte, maar wel een van de bevredigendste “aha”-momenten opleverde.

Wat staat er nog op de planning?

• Automatische foto-herkenning en -tagging met het lokale AI-model
• Bestaande netwerkschijven direct beschikbaar maken in het fotobeheer, zonder alles opnieuw te uploaden
• Single sign-on doortrekken naar het laatste dashboard dat nog een eigen login heeft
• Het netwerk verder opdelen in aparte segmenten, met een eigen zone specifiek voor de AI-hardware

Tot slot

Dit wordt geen blog vol stap-voor-stap tutorials — daar zijn al genoeg goede voor. Het wordt vooral een logboek: wat ik bouw, wat er misgaat, en wat ik daarvan leer. Als je zelf ook met een homelab bezig bent (of erover denkt te beginnen), hoop ik dat er iets herkenbaars of nuttigs tussen zit.

Volgende keer: waarschijnlijk het verhaal achter de lokale AI-kaart, want daar is meer over te vertellen dan in dit stukje paste.