Update Dezember 2025: Dieser Artikel wurde überarbeitet und berücksichtigt die wichtigen Änderungen der Tesla Fleet API sowie aktuelle Teslamate-Versionen.

Moderne Fahrzeuge bieten mittlerweile eine API-Schnittstelle, um alle möglichen Daten auslesen zu können. Tesla war einer der ersten Hersteller, der dies umfangreich zur Verfügung stellt. Entsprechend sind Softwareprodukte wie Teslamate entstanden. Teslamate ist ein selbstgehosteter Open-Source-Datenlogger, der deine Tesla-Daten kontinuierlich erfasst, speichert und mit Grafana visualisiert.

Was hat sich 2025 geändert?

Die wichtigsten Updates auf einen Blick:

Tesla Fleet API: Tesla hat die inoffizielle “Owner API” durch die offizielle Fleet API ersetzt. Seit Februar 2025 gilt ein Pay-per-Use-Modell mit monatlichem $10-Freikontingent. Für Privatnutzer mit 1-2 Fahrzeugen reicht das Kontingent meist aus, zusätzliche Kosten liegen bei etwa $2-5/Monat bei intensiver Nutzung.

PostgreSQL 17: Teslamate benötigt nun mindestens PostgreSQL 16.7 oder 17.3. Die Entwickler empfehlen PostgreSQL 17.

Fleet Telemetry: Neu ist die Möglichkeit, dass das Fahrzeug Daten direkt streamt. Das ist präziser und günstiger als klassisches Polling, aber komplexer in der Einrichtung. Fleet Telemetry erfordert einen eigenen Server-Endpunkt und TLS-Zertifikate. Die Daten werden dann vom Fahrzeug per WebSocket gestreamt, sobald sich Werte ändern. Das spart API-Kosten, da du nicht mehr aktiv pollen musst. Besonders bei Fahrten erhältst du hochfrequente Daten mit minimaler Latenz. Für die meisten Nutzer funktioniert das bewährte Polling jedoch weiterhin problemlos und ist deutlich einfacher einzurichten.

Teslamate – Installieren oder einkaufen?

Teslamate ist keine Software-as-a-Service, sondern wird vom Nutzer selbst installiert. Ob im heimischen Homelab oder auf einem VPS-Server in der Cloud, z. B. beiNetcup (externer Link) – beides funktioniert. Ich hoste die Software auf meinem eigenen Server im Heimnetzwerk.

Die Installation ist mitDocker sehr einfach. Du benötigst eine Datenbank (PostgreSQL) und den Anwendungscontainer. Für die Visualisierung setzt Teslamate auf Grafana mit fertig konfigurierten Dashboards.

Voraussetzungen

Hardware & Software:

• Server mit mindestens 2 GB RAM (Raspberry Pi 4/5, NAS, VPS)
• Docker und Docker Compose installiert
• Dauerhaft aktive Internetverbindung

Tesla-Account:

• Tesla-Konto mit Zwei-Faktor-Authentifizierung
• Tesla Developer Account (kostenlos beideveloper.tesla.com (externer Link) )

Tesla Developer Account einrichten

Seit der Umstellung auf die Fleet API brauchst du einen Developer Account:

1. Melde dich beideveloper.tesla.com (externer Link) mit deinem Tesla-Konto an
2. Erstelle eine neue Application (z.B. “Teslamate Homelab”)
3. Gib eine kurze Beschreibung an
4. Bei lokaler Nutzung kannst du localhost als Domain verwenden

Die Prüfung dauert ein paar Tage, für private Zwecke erfolgt die Freigabe normalerweise problemlos. Das monatliche $10-Guthaben ist ein echtes Guthaben – du musst keine Kreditkarte hinterlegen, solange du darunter bleibst.

Token-Erstellung

Früher funktionierte die Anmeldung mit Benutzerdaten. Heute benötigst du einen „Refresh Token" und „Access Token". Diese generierst du am einfachsten mit Apps:

• iOS: “Auth for Tesla” (Apple AppStore)
• Android: “Tesla Tokens” oder “Auth for Tesla”
• Windows/Mac: “Tesla Auth” oder Web-basierte Tools

Vorgehensweise:

1. App installieren und mit Tesla-Benutzernamen anmelden
2. Passwort eingeben
3. Beim zweiten Prompt deinen 2FA-Code eingeben (nicht nochmal das Passwort!)
4. App zeigt Refresh Token und Access Token – beide sicher aufbewahren

Die Tokens bleiben mehrere Monate gültig. Teslamate erneuert den Access Token automatisch.

Installation mit Docker Compose

Die einfachste Installation erfolgt über Docker Compose. Falls du Docker Compose noch nicht installiert hast:

# Auf Ubuntu/Debiansudo apt install docker-compose-plugindocker compose version

Erstelle ein Arbeitsverzeichnis:

mkdir ~/teslamate&& cd ~/teslamate

Ich verweise auf dieoffizielle Dokumentation (externer Link) , da sich die Konfiguration regelmäßig ändert.

Wichtige Anpassungen für 2025:

version:"3"services:teslamate:image:teslamate/teslamate:latestrestart:alwaysenvironment:-ENCRYPTION_KEY=dein_sicherer_schluessel-DATABASE_USER=teslamate-DATABASE_PASS=sicheres_passwort-DATABASE_NAME=teslamate-DATABASE_HOST=database-TZ=Europe/Berlin# Deine Zeitzone!-MQTT_DISABLE=true# Falls kein MQTT benötigtports:-4000:4000cap_drop:-alldatabase:image:postgres:17# Mindestens 16.7 oder 17.3!restart:alwaysenvironment:-POSTGRES_USER=teslamate-POSTGRES_PASSWORD=sicheres_passwort-POSTGRES_DB=teslamatevolumes:-teslamate-db:/var/lib/postgresql/datagrafana:image:teslamate/grafana:latestrestart:alwaysenvironment:-DATABASE_USER=teslamate-DATABASE_PASS=sicheres_passwort-DATABASE_NAME=teslamate-DATABASE_HOST=databaseports:-3000:3000volumes:-teslamate-grafana-data:/var/lib/grafanavolumes:teslamate-db:teslamate-grafana-data:

MQTT für Home Assistant:

Wenn du die Daten an einen MQTT-Server weiterleiten willst (z. B. fürHome-Assistant ), ersetzeMQTT_DISABLE=true durchMQTT_HOST=mosquitto und füge einen Mosquitto-Container hinzu.

Container starten:

docker compose up -d

Teslamate ist anschließend unterhttp://{IP-deines-Servers}:4000 erreichbar. Beim ersten Aufruf gibst du die zuvor generierten Tokens ein. Nach 1-2 Minuten (ggf. Fahrzeug mit der App aufwecken) sollten erste Daten angezeigt werden.

Auswertung mit Grafana

Ein großer Vorteil der vordefinierten Docker-Compose-Datei: Grafana ist direkt mit dabei. Grafana läuft standardmäßig unterhttp://{IP-deines-Servers}:3000.

Standard-Login (sofort ändern!):

• Benutzername:admin
• Passwort:admin

Grafana hat die PostgreSQL-Datenbank als Datenquelle bereits konfiguriert und alle Dashboards sind importiert. Bei Nutzung einer eigenen Grafana-Instanz musst du die JSON-Dateien aus demGitHub (externer Link) Repository manuell importieren.

Wichtige Dashboards:

• Overview: Gesamtübersicht aller Kennzahlen – der perfekte Einstieg
• Drives: Fahrtenauswertung mit interaktiven Karten, zeigt Route, Geschwindigkeit und Verbrauch
• Charges: Detaillierte Ladehistorie mit Kostenanalyse pro Ladevorgang, Vergleich verschiedener Ladestationen
• Battery Health: Langzeitentwicklung der Batteriekapazität, zeigt Degradation über Zeit und Kilometer
• Efficiency: Verbrauchsanalysen nach Geschwindigkeit, Temperatur, Höhenmetern – erkenne was deine Reichweite beeinflusst
• Vampire Drain: Standby-Verbrauch im geparkten Zustand, hilft Phantom Drain zu identifizieren
• Locations: Häufige Aufenthaltsorte, automatische Geofencing-Erkennung
• Updates: Historie aller Software-Updates mit Zeitstempeln

Langzeitnutzung und Erkenntnisse

Der wahre Wert zeigt sich nach mehreren Monaten. Hier konkrete Beispiele aus meiner Nutzung:

Batteriedegradation: Mein Model Y zeigte nach 50.000 km etwa 4% Kapazitätsverlust. Typisch sind 3-5% in den ersten 50.000 km, danach verlangsamt sich die Degradation deutlich. Mit Teslamate siehst du die exakte Entwicklung und kannst Ausreißer (z.B. durch BMS-Kalibrierung) erkennen.

Saisonale Unterschiede: Im Winter (Temperaturen um 0°C) liegt mein Verbrauch bei ca. 20-22 kWh/100km, im Sommer bei 15-17 kWh/100km. Das sind rund 30% Mehrverbrauch durch Heizung und kalte Batterie. Diese Daten helfen bei der Routenplanung.

Kostenoptimierung: Heimladen (0,30 €/kWh) vs. Supercharger (0,52 €/kWh) – der Unterschied summiert sich. Bei 15.000 km jährlich spare ich durch Heimladen etwa 400 € pro Jahr. Noch besser:PV-Überschussladen reduziert die Kosten auf ca. 0,08 €/kWh.

Effizienz: Überraschend war, dass mein optimaler Geschwindigkeitsbereich bei 90-110 km/h liegt, nicht wie erwartet bei 70 km/h. Unter 70 km/h steigt der relative Verbrauch durch Hilfsaggregate wieder leicht an.

Troubleshooting

Teslamate zeigt “offline” statt “asleep”: Das ist seit Tesla-Firmware 2024.8+ normal. Tesla hat die API-Rückmeldung geändert – kein Teslamate-Bug.

Token wird nicht akzeptiert: Verwende den Refresh Token (der längere der beiden Strings), nicht den Access Token.

Keine Daten: Prüfe die Docker-Logs mitdocker compose logs teslamate. Häufige Ursachen: Fahrzeug im Tiefschlaf, falsche Zeitzone, Netzwerkprobleme.

Hohe API-Kosten: Reduziere die Polling-Frequenz, nutze Fleet Telemetry oder prüfe auf unnötige Wake-Befehle.

Sicherheit und Backup

Netzwerk:

• Nicht direkt ins Internet exponieren
• Reverse Proxy mit HTTPS nutzen (Nginx, Caddy, Traefik)
• Firewall-Regeln aktivieren

Backup:

docker compose exec database pg_dump -U teslamate teslamate > backup.sql

Updates:

docker compose pulldocker compose up -d

Häufige Fragen

Kostet Teslamate Geld? Die Software ist kostenlos. Tesla API-Kosten fallen an, werden aber meist vom $10-Freikontingent abgedeckt. Nur bei intensiver Nutzung entstehen ca. $2-5/Monat zusätzlich.

Funktioniert es mit der neuen Fleet API? Ja, vollständig kompatibel und aktuell gehalten.

Entlädt es die Batterie? Nein, der Zusatzverbrauch ist vernachlässigbar.

Mehrere Fahrzeuge möglich? Ja, jedes wird separat erfasst.

Fazit

Teslamate ist für mich die beste Lösung für umfassende Fahrzeugdatenanalyse. Die Vorteile:

• Volle Datenkontrolle durch Self-Hosting
• Detaillierte Analysen mit Grafana
• Geringe Kosten dank Freikontingent
• Aktive Community
• Perfekt für Home-Assistant-Integration

Die Nachteile: Technisches Know-how erforderlich, eigener Server nötig, kein offizieller Support.

Für Tesla-Besitzer mit Smart-Home- oder Homelab-Affinität ist Teslamate eine hervorragende Software. Nach einigen Monaten Nutzung werden die Auswertungen besonders interessant, da sich Tendenzen und Langzeitentwicklungen zeigen. Selbst während der Fahrt liefern die Grafana-Dashboards diverse interessante Daten.

Tipps für Fortgeschrittene

Reverse Proxy Setup: Für sicheren Zugriff von unterwegs empfehle ich einen Reverse Proxy mit Let’s Encrypt SSL-Zertifikat. Traefik oder Caddy automatisieren den Prozess komplett.

Datenbank-Optimierung: Bei sehr alten Installationen kann ein manuelles Vacuum der Datenbank helfen:

docker compose exec database vacuumdb -U teslamate -d teslamate -z -v

Custom Dashboards: Grafana bietet unendliche Möglichkeiten. Du kannst beispielsweise Vergleiche mit anderen Tesla-Fahrern erstellen oder Korrelationen zwischen Wetter und Verbrauch visualisieren.

Weiterführende Links:

• Teslamate Dokumentation (externer Link)
• GitHub Repository (externer Link)
• Community Forum (externer Link)

Viele meiner Leser wissen es bereits: Ich nutze sehr gerneICINGA2 (externer Link) als meine Monitoring Software. Vor vielen Jahren bin ich von Nagios damals zu ICINGA 1 gewechselt und sehr zeitnah zu Version 2. Entsprechend ist klar, dass mein Homelab Monitoring primär von ICINGA2 durchgeführt wird.

Wie sieht für mich Monitoring aus?

Bevor ich dir mein Homelab Monitoring zeige, möchte ich erst mal auf die Frage eingehen, wie das ganze überhaupt für mich aussehen soll, bzw. was für mich der Sinn und Zweck eines Monitoring ist.

Privat als auch im beruflichen Leben weiß ich gern vor meinen Kunden (Partner:in, Kolleg:innen, externe Kund:innen) ob etwas nicht funktioniert. Realistisch betrachtet gibt es Dinge die man nicht vor anderen wissen kann: zum Beispiel ob das Internet noch funktioniert. 🤷‍♂️ Allerdings ist es im Rahmen der Kommunikation immer ein wesentlicher Vorteil schon zu wissen ob/was nicht richtig funktioniert. Die Kunst ist es hier eine Balance zu finden zwischen Dingen die sinnvoll überwacht werden können und welche einfach nur interessant sind zu wissen. Entsprechend versuche ich viele Dinge zu überwachen und mit sauberen Schwellwerten zu versehen um möglichst frühzeitig ein Problem zu sehen oder gar vor einem Problem eingreifen zu können.

Das gerade angesprochene Beispiel mit der Internetleitung ist so ein Thema. Das Monitoringsystem kann ein Ping auf einen externen Dienst absetzen der quasi immer Verfügbar ist, z. B. Google oder Cloudflare. Auf Grund der Auslastung des Monitoringservers wird der Ping nur nicht durchgehend abgesetzt wie wir es z. B. unter Windows mit dem Parameter-t kennen. Stattdessen wird alle paar Sekunden (oder Minuten) eine Reihe von Pings abgesetzt und hieraus dann ermittelt ob die Internetleitung (bzw. wird ja der Service überprüft) verfügbar ist.

Was monitore ich im Homelab?

Nun kommen wir zur spannenden Frage was ich denn im Homelab überwache. Wie oben bereits geschrieben gibt es für mich kein Grund die Verfügbarkeit der Internetleitung zu überwachen. Es ist immer jemand im Haus der das vor mir erkennen würde. Zudem müsste ich für eine entsprechende Benachrichtigung eine zweite Internetleitung bereit stellen oder ein SMS Gateway anschaffen. Beides für daheim zu großer overhead.

Ansonsten versuche ich alle Infrastrukturdienste zu überwachen, sofern sie durch die jeweilige Software überwachbar sind. Mein DHCP Server ist z. B. in derUnifi (externer Link) USG integriert, hier kann ich den Dienst nicht sauber überwachen, da die Firmware ein geschlossenes System ist.

Anders sieht es z. B. beim Thema Smart Home aus. Hier überwache ich sämtliche Dienste (Home Assistant, zwave to mqtt, zigbee to mqtt, etc) auf deren Ausführung. Ausführung heißt in diesem Falle aber nicht ob die ausführbare Datei gestartet ist, sondern ob der Service wirklich läuft. Ist z. B. das Webfrontend erreichbar oder nimmt der Service auf einem bestimmten Port auch Daten entgegen. Ob das relevante Daten sind, ist hier uninteressant, es geht schließlich einzig und allein um die Verfügbarkeit.

Dazu kommen natürlich noch alle anderen Bereitstellungen wie DMS, Netzwerkspeicher und so weiter. Überall werden, sofern es Sinn macht, natürlich auch Metriken wie CPU oder RAM Auslastung mit protokolliert und grafisch dargestellt.

Homelab Monitoring – Die Software

Wie bereits geschrieben nutze ichICINGA2 (externer Link) als Software. Diese setzt zum Betrieb eine SQL Datenbank voraus. Ich für meinen Teil nutze wo immer es auch geht MariaDB, einfach als persönliche Präferenz.

Alle Metriken bzw. Performancedaten werden in eineInfluxDB Datenbank gespeichert. Die Grafen in ICINGA Web 2 sowohl als auch eigenständige Dashboard werden mittels Grafana realisiert. Dieses greift auf die Influx Datenbank zu und stellt nach meinen Wünschen die Werte grafisch dar.

Um das Docker Monitoring sollte man sich nicht drücken, denn es ist wichtig zu sehen, welche Auslastung die einzelnen Container verursachen. Zum einen um etwaige Probleme festzustellen und zum anderen um die Leistung des Docker Hosts evtl. anpassen zu können.

In meinemdocker-homelab (externer Link) Repository aufGithub (externer Link) habe ich vor kurzem ein Docker Compose Stack hinzugefügt, welche genau dies macht. Über die Monitoring ToolsPrometheus (externer Link) ,Node Exporter (externer Link) undcAdvisor (externer Link) werden die Daten erfasst und mittelsGrafana (externer Link) ansprechend dargestellt.

Docker Monitoring einrichten

Um das ganze wie im oben gezeigten Dashboard zu realisieren kann man sich meinerdocker-compose.yaml (externer Link) Datei bedienen. Am einfachsten ist es natürlich man verwendet das komplette Repository, weil dort auch alle anderen Dateien für das Docker Monitoring vorhanden sind.

Grundsätzlich reicht es dann mit einem einfachen

docker-compose up -d

den kompletten Monitoring Stack zu starten. Solltest du keinTraefik als Reverse Proxy nutzen kannst du in der docker-compose.yaml Datei auch den Bereich der Labels sowie die Netzwerkdefinition weg lassen.

Anschließend verbindet man sich über den gewünschten Browser mit dem Grafana Dashboard und loggt sich mitadmin/admin dort ein.

Im ersten Schritt muss man nun die Datenquelle hinzufügen. Im Dashboard bedarf es hier nur ein klick. Als Datenquelle verwenden wir entsprechend Prometheus.

Es müssen dann nur die Felder Name und URL gefüllt werden. Sollte das vordefinierte Dashboard aus dem Repository verwendet werden, sollte die Datenquelle den Namen „Prometheus“ tragen. Als URL wirdhttp://mon_prometheus:9090

eingetragen. Es sollte bei dir dann analog zu diesem Screenshot aussehen:

Sobald man aufSave & Test geklickt hat, sollte ein grüner Balken erscheinen der die erfolgreiche Verbindung bestätigt.

Grafana Dashboard importieren

Nun müssen wir nur noch das Grafana Dashboard importieren um das Docker Monitoring zu vervollständigen.

Hierfür klickt man links aufDashboard und anschließend aufmanage.

Über den Button importieren kann man nun diedashboard.json (externer Link) Datei hinzufügen. Es muss dann nur noch die korrekte Datenquelle angegeben werden und schon sollte das Dashboard entsprechend Werte anzeigen.

Wer ein Homelab betreibt kommt früher oder später an den Punkt an dem einzelne Dienste vom Teststadium in die Produktion übergehen. Das passiert einfach zwangsläufig und ist auch gern Gang und Gäbe in Unternehmen.

Sobald aber ein Dienst wichtig wird, sollte man ihm auch die nötige Aufmerksamkeit widmen und dafür sorge tragen, dass dieser Dienst auch eine hohe Verfügbarkeit hat.

Am Besten lässt sich das mit diversen Monitoringlösungen realisieren. Ich möchte euch in diesem Beitrag allerdings den ersten Schritt des Verfügbarkeitsmonitorings überspringen und direkt ins Performancemonitoring einsteigen.

Hierfür eignet sich hervorragend der sog. TIG-Stack.
(T)elegraf (externer Link) ,(I)influxDB (externer Link) und(G)rafana (externer Link) bilden hier eine Einheit um einzelnen Metriken der Systeme zusammen, speichern und grafisch aufzubereiten. Ich zeige euch eine beispielhafte Installation unter Ubuntu 16.04 LTS.

Installation der Komponenten

Telegraf und InfluxDB können wir direkt mittels WGET herunter laden.

cd /tmpwget https://dl.influxdata.com/telegraf/releases/telegraf_1.6.2-1_amd64.debwget https://dl.influxdata.com/influxdb/releases/influxdb_1.5.2_amd64.deb```

Anschließend kurz installiert

dpkg -i telegraf_1.6.2-1_amd64.debdpkg -i influxdb_1.5.2_amd64.deb

Die Programme enthalten in der Installation die systemd Skripte und starten beim nächsten Systemstart automatisch mit. Ein manuelles Starten nach der Installation ist nicht notwenig.

Nun installieren wir noch Grafana. Hier empfielt es sich das offizielle Repository einzubinden um es bei Updates leichter zu haben.

vim /etc/apt/sources.list.d/grafana.list

Hier kommt dann folgender Inhalt rein:

deb https://packagecloud.io/grafana/stable/debian/ stretch main

Anschließend noch den PGP Schlüssel installieren

curl https://packagecloud.io/gpg.key | apt-key add -

Nun können wir Grafana installieren und starten

apt update&& apt install grafanasystemctl daemon-reloadsystemctl start grafana-serversystemctl status grafana-server

Einrichtung der Tools

Fangen wir mit der Datenbank an. InfluxDB ist eine sogenannte Time Series Database und entsprechend genau für den Anwendungsfall des Monitorings entwickelt. Wir verbindungen uns mit dem Server:

influx

und erstellen eine neue Datenbank.

create database Telegraf;exit;

Das wars auch schon. Einfach, nich? Dann weiter zu Teletraf.

Telegraf speichert seine Einstellungen in einer Konfigurationsdatei unter /etc/telegraf

vim /etc/telegraf/telegraf.conf

Hier kommentieren wir in Zeile XXX die Verbindung zu InfluxDB aus.

Das Grafana Dashboard

Nun können wir das Grafana Dashboard einrichten. Hierzu öffnet ihr mit eurem Browser die Seite eures Servershttp://{IP}:3000

Zugangsdaten sind bei der Erstinstallationadmin:admin.

Grafana führt einem direkt durch die Einrichtung und die notwendigen Schritt. Als ersten brauchen wir natür eine Datenquelle

Name: Telegraf
Type: Telegraf
HTTP Url: http://127.0.0.1:8086
InfluxDB Details Database: Telegraf

Anschließend aufSave & Test klicken. Es sollte ein grüner Balken auftauchen, dass die Verbindung erfolgreich hergestellt worden ist.

Der nächste Schritt ist ein neues Dashboard anzulegen. Wir starten in diesem neuen Dashboard mit einem Graphen. Klicken oben aufPanel Title und wählenedit aus.

Erstellt eine Abfrage welche anschließend diesen Aufbau hat:

FROMdefaultcpuWHEREcpu=cputotalSELECTfield(usage_system)GROUPBYtime($interval)

Die restlichen Felder könnt ihr leer lassen. Ihr solltet dann oben in der Vorschau auch schon die Anfänge eines Graphen sehen.

Wenn gewünscht können wir nun unterAxes dieUnit aufPercent (0-100) stellen. Weitere Anpassungen können natürlich je nach Wunsch gerne angepasst werden.

Habt ihr das alles soweit eingestellt, klickt ihr oben rechts in der Ecke auf den Pfeil nach links. Anschließend solltet ihr euer Dashboard oben mit der Diskette noch abspeichern. Je nach Wunsch könnt ihr nun die weiteren Werte die Telegraf ausliest noch als Graphen hinzufügen.