README: venv-Setup (python3-venv, .vehicle) in Installation ergaenzt

- Schritt 2: venv anlegen + aktivieren (apt install python3-venv,
  python3 -m venv .vehicle, source .vehicle/bin/activate)
- supervisord-command auf .vehicle/bin/python angepasst
- Schritte neu nummeriert (2-5)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

README.md

@@ -28,12 +28,19 @@ Eine webbasierte Anwendung zur Echtzeit-Objekterkennung und -Verfolgung mittels
 
 1. Repository klonen oder herunterladen
 
-2. Erforderliche Python-Pakete installieren:
+2. Python-venv anlegen und aktivieren:
+```bash
+sudo apt update && sudo apt install python3-venv
+python3 -m venv .vehicle
+source .vehicle/bin/activate
+```
+
+3. Erforderliche Python-Pakete installieren:
 ```bash
 pip3 install flask opencv-python numpy ultralytics requests paho-mqtt python-dotenv
 ```
 
-3. **CUDA-fähiges PyTorch installieren** (für GPU-Beschleunigung). Die passende
+4. **CUDA-fähiges PyTorch installieren** (für GPU-Beschleunigung). Die passende
    Variante richtet sich nach der installierten CUDA-Version, z. B. für CUDA 12.x:
 ```bash
 pip3 install torch --index-url https://download.pytorch.org/whl/cu121
@@ -45,7 +52,7 @@ python3 -c "import torch; print(torch.cuda.is_available())"
    Gibt der Befehl `True` aus, wird die NVIDIA-GPU genutzt und FP16-Inferenz
    automatisch aktiviert.
 
-4. Die YOLO-Modelle (`yolo11s.pt` für Video-Upload, `yolo11n.pt` für die Webcam)
+5. Die YOLO-Modelle (`yolo11s.pt` für Video-Upload, `yolo11n.pt` für die Webcam)
    müssen **nicht** manuell beschafft werden – Ultralytics lädt sie beim ersten
    Start automatisch herunter (Internetverbindung erforderlich) und legt sie im
    Hauptverzeichnis ab.
@@ -69,7 +76,7 @@ Für den Dauerbetrieb (automatischer Start, Neustart bei Absturz) eignet sich
 ```ini
 [program:vehicle-counter]
 directory=/pfad/zum/vehicle-counter
-command=/pfad/zur/python app.py
+command=/pfad/zum/vehicle-counter/.vehicle/bin/python app.py
 user=DEIN_USER
 
 autostart=true