KI-Werkzeuge entwickeln sich schnell – prüfe Details vor dem Einsatz in der jeweiligen Dokumentation.

Was ist eigentlich neu an „KI im Smart Home“?

Sprachassistenten kennst Du wahrscheinlich schon seit Jahren. Du sagst „Licht im Wohnzimmer an“ und das Licht geht an. Solange Du genau die richtigen Worte triffst, klappt das gut. Sagst Du aber „Mach es hier mal etwas gemütlicher“, war bisher meist Schluss.

Genau hier setzen die großen Sprachmodelle (englisch „Large Language Models“, kurz LLM) an. Sie verstehen auch frei formulierte Sätze, können nachfragen und Zusammenhänge herstellen. Für Dein Smart Home heißt das: Du musst Dich nicht mehr an starre Befehle halten. Die KI übersetzt Deinen Wunsch in Aktionen, die Deine Zentrale versteht.

Wichtig dabei: Die KI schaltet nicht selbst. Sie spricht mit Deiner Smart Home Zentrale, und die Zentrale steuert wie gewohnt Deine Funk-Module. Wenn Du wissen willst, was eine Zentrale genau macht, schau Dir den Serienteil Smart Home Zentrale (1/4) und im Lernpfad Teil 3 zur Wahl der Zentrale an.

Was KI im Smart Home heute kann

Lokale Sprachassistenten

Lange Zeit liefen Sprachassistenten fast ausschließlich über die Server der großen Anbieter. Inzwischen gibt es gute Alternativen, die komplett bei Dir zu Hause arbeiten. Ein bekanntes Beispiel ist Assist, der Sprachassistent der freien Plattform Home Assistant. Die Kette sieht dabei so aus: Ein Aktivierungswort weckt den Assistenten, eine Spracherkennung macht aus Deiner Stimme Text, der Text wird ausgewertet, und eine Sprachausgabe antwortet Dir. Jeder dieser Bausteine lässt sich lokal betreiben.

Ganz ohne Einschränkungen geht das nicht. Die Home-Assistant-Dokumentation nennt zwei lokale Wege für die Spracherkennung: Speech-to-Phrase erkennt nur die Sätze, die zu Deinen Geräten und Räumen passen, ist dafür aber auch auf kleiner Hardware wie einem Raspberry Pi 4 in unter einer Sekunde fertig und unterstützt unter anderem Deutsch. Whisper versteht frei gesprochene Sätze, braucht aber laut Dokumentation auf einem Raspberry Pi 4 rund acht Sekunden pro Befehl, auf einem kleinen Intel-PC (NUC) unter einer Sekunde. Wie Du das konkret einrichtest, zeigt Dir Teil 11: KI und Sprachassistent lokal betreiben.

Sprachmodelle als Gesprächspartner

Home Assistant und andere Plattformen erlauben es, ein Sprachmodell als sogenannten Gesprächsagenten einzubinden. Du hast dabei grundsätzlich zwei Wege:

  • Cloud-Modell: Ein Anbieter stellt das Modell über das Internet bereit. Home Assistant bringt dafür offizielle Integrationen mit, unter anderem für OpenAI, Anthropic (Claude) und Google Gemini. Das ist einfach einzurichten und meist sehr leistungsfähig, kostet aber in der Regel nutzungsabhängig Geld – die Dokumentation rät ausdrücklich, Kosten zu überwachen und Limits zu setzen –, und Deine Anfragen verlassen Dein Zuhause.
  • Lokales Modell: Mit Werkzeugen wie Ollama läuft ein offenes Sprachmodell auf einem eigenen Rechner in Deinem Netzwerk. Deine Daten bleiben bei Dir, dafür brauchst Du passende Hardware und musst mit kleineren, etwas weniger gewandten Modellen leben. Die Home-Assistant-Dokumentation warnt, dass kleinere Modelle beim Steuern von Geräten mehr Fehler machen.

Der Gesprächsagent kann dann zum Beispiel beantworten, ob noch ein Fenster offen ist, oder auf „Mir ist kalt“ mit einem Vorschlag für die Heizung reagieren. Welche Geräte er sehen und bedienen darf, legst Du selbst fest: In Home Assistant ist jedes Gerät erst dann für Assist sichtbar, wenn Du es ausdrücklich freigibst. Zusätzlich gibt es eine Einstellung, Befehle bevorzugt lokal zu verarbeiten (englisch „Prefer handling commands locally“): Dann versucht der eingebaute Assistent zuerst selbst, Deinen Befehl auszuführen, und nur was er nicht versteht, geht an das Sprachmodell. Das ist schneller und spart bei Cloud-Modellen Kosten.

Automationen in natürlicher Sprache

Automationen sind das Herzstück jedes Smart Home: „Wenn das Fenster offen ist, dreh die Heizung runter.“ Bisher musstest Du solche Regeln Schritt für Schritt in der Oberfläche Deiner Zentrale anlegen (mehr dazu in Teil 7 über Automationen). Ein Sprachmodell kann Dir dabei helfen, aus Deiner Beschreibung einen Entwurf zu erstellen oder eine bestehende Regel zu erklären. Seit Version 2025.7 gibt es in Home Assistant außerdem „AI Tasks“: Automationen und Skripte können ein Sprachmodell gezielt um eine Antwort in festem Format bitten, zum Beispiel um ein Kamerabild auszuwerten oder eine Zusammenfassung zu schreiben.

Mein Rat: Nutze das als Entwurfshelfer, nicht als Autopilot. Lies Dir jeden Vorschlag in Ruhe durch und teste ihn, bevor Du Dich darauf verlässt. Sprachmodelle formulieren auch fehlerhafte Lösungen sehr überzeugend.

Kamera- und Bilderkennung – lokal

Klassische Bewegungsmelder an Kameras lösen bei jedem Schatten und jeder Katze aus. Mit Objekterkennung unterscheidet das System dagegen zwischen Person, Auto oder Tier. Ein verbreitetes Open-Source-Projekt dafür ist Frigate, ein Netzwerk-Videorekorder, der die Erkennung auf Deinem eigenen Rechner erledigt. Die Frigate-Dokumentation empfiehlt dafür ausdrücklich einen eigenen Beschleuniger (Detector); die Erkennung nur auf dem Prozessor ist laut Projekt lediglich zum Testen gedacht.

Der große Vorteil: Die Bilder bleiben bei Dir. Gerade bei Kameras, die Deinen Eingang oder Deinen Garten filmen, ist das aus Datenschutzsicht ein echtes Argument. Beachte trotzdem die Regeln für Kameras: Öffentliche Wege und Nachbargrundstücke haben im Bild nichts zu suchen.

Energie sparen mit Prognosen

Auch beim Energiesparen hilft ein intelligentes System. Hast Du eine Photovoltaikanlage, kann Dein Smart Home anhand von Wetter- und Ertragsprognosen entscheiden, wann die Waschmaschine oder der Speicher am besten läuft. Mit einem dynamischen Stromtarif lässt sich der Verbrauch in günstige Stunden schieben. Wie Du die nötigen Messwerte erfasst, steht in Teil 9: Smart Home erweitern.

Ehrlich gesagt steckt hier oft weniger „große KI“ drin, als die Werbung verspricht. Viele gute Lösungen arbeiten mit einfachen Regeln und Prognosedaten. Das ist kein Nachteil – Hauptsache, es funktioniert zuverlässig und Du verstehst, warum es so entscheidet.

Externe KI-Assistenten über MCP

Neu ist das „Model Context Protocol“ (MCP), ein offener Standard, über den KI-Assistenten auf Werkzeuge zugreifen. Home Assistant kann als MCP-Server auftreten; laut Dokumentation können sich dann zum Beispiel Claude oder ChatGPT verbinden und freigegebene Geräte abfragen oder steuern. Für die Web-Versionen dieser Dienste muss Deine Zentrale allerdings aus dem Internet erreichbar sein. Das ist eher etwas für Fortgeschrittene – mehr dazu in Teil 12.

Datenschutz: lokal oder Cloud?

Bei einem Sprachassistenten oder einer Kamera geht es um sehr persönliche Daten: Deine Stimme, Deine Gewohnheiten, Bilder aus Deinem Zuhause. Deshalb lohnt sich ein genauer Blick, wohin die Daten fließen. Das BSI weist darauf hin, dass Sprachbefehle bei vielen Smart Speakern in der Cloud verarbeitet werden und es bei den meisten Anbietern keine verlässlichen Erkenntnisse über Verschlüsselung oder Serversicherheit gibt. Lokale Systeme nennt es als Alternative – mit oft weniger Funktionen.

  • Lokal heißt: Verarbeitung auf Geräten in Deinem eigenen Netzwerk. Funktioniert auch ohne Internet und gibt Dir die volle Kontrolle.
  • Cloud heißt: Verarbeitung auf Servern eines Anbieters. Bequem und leistungsstark, aber Du musst dem Anbieter vertrauen und bist von dessen Diensten und Preisen abhängig. Lies die Bedingungen genau: Beim kostenlosen Zugang zu Google Gemini etwa werden Anfragen laut Home-Assistant-Dokumentation zur Produktverbesserung genutzt.
  • Mischform: Lokale Spracherkennung und Gerätesteuerung, und nur einzelne, unkritische Fragen gehen an ein Cloud-Modell.

Mein Rat: Alles, was Dein Zuhause steuert oder zeigt, sollte lokal bleiben. Die Cloud darf höchstens bei allgemeinen Fragen helfen. So funktioniert das Wichtigste auch dann, wenn Internet oder Anbieter einmal ausfallen.

So steigst Du ein – Schritt für Schritt

Wie bei meiner Artikelserie Schritt-für-Schritt zum Smart Home gilt auch hier: Fang klein an.

  1. Fundament schaffen: Ohne funktionierende Zentrale mit sauber benannten Geräten und Räumen bringt Dir auch die beste KI nichts. Klare Namen wie „Wohnzimmer Deckenlicht“ helfen dem Sprachmodell enorm.
  2. Lokale Sprachsteuerung testen: Richte zuerst einen lokalen Assistenten ohne Sprachmodell ein und probiere einfache Befehle aus.
  3. Sprachmodell anbinden: Starte mit wenigen freigegebenen Geräten, zum Beispiel nur Licht und Temperaturanzeigen. Die Ollama-Integration empfiehlt, weniger als 25 Geräte freizugeben.
  4. Automationen entwerfen lassen: Lass Dir Vorschläge machen, prüfe sie und übernimm sie erst nach einem Test.
  5. Erweitern: Erst wenn alles stabil läuft, kommen Kameras mit Objekterkennung oder Energieoptimierung dazu.

Einen ausführlichen Plan mit Rückfallebene für jede Stufe findest Du in Teil 12: Smart Home schrittweise um KI ergänzen.

Welche Hardware brauchst Du?

Pauschale Zahlen sind hier schwierig, weil sich Modelle und Software schnell weiterentwickeln. Als Orientierung, gestützt auf die Angaben der Projekte (Stand 10/2026):

  • Raspberry Pi 4/5 oder Home Assistant Green: reicht für die Zentrale selbst, für Speech-to-Phrase und die Sprachausgabe Piper. Für Whisper ist ein Pi 4 laut Dokumentation spürbar langsam, für lokale Sprachmodelle ist diese Klasse in der Regel zu schwach.
  • Mini-PC oder kleiner Heimserver: Für Whisper empfiehlt Home Assistant mindestens einen Intel N100 oder vergleichbar. Ein guter Allrounder für Zentrale, lokale Spracherkennung und – mit Beschleuniger – Kameraauswertung.
  • Rechner mit Grafikkarte: sinnvoll, wenn Du Sprachmodelle wirklich lokal betreiben willst. Laut Home Assistant kommen aktuelle lokale Modelle ab etwa 8 GB Grafikspeicher (VRAM) nahe an Cloud-Modelle heran. Je größer Modell und Kontext, desto mehr Speicher braucht es.

Denk auch an den Stromverbrauch: Ein Rechner, der rund um die Uhr läuft, kostet jeden Monat Geld. Prüfe vorher, ob sich das für Deinen Anwendungsfall lohnt.

Risiken, die Du kennen solltest

  • Fehlinterpretationen: Sprachmodelle können sich irren oder Dinge „erfinden“. Die Home-Assistant-Dokumentation nennt sogar den Fall, dass ein Modell eine Aktion meldet, die es gar nicht ausgeführt hat. Lass kritische Aktionen wie Türschlösser, Alarmanlage oder Garagentor nur mit ausdrücklicher Bestätigung zu – oder gib sie der KI gar nicht erst frei. Auch das BSI empfiehlt, kritische Sprachbefehle nur nach Eingabe einer PIN oder eines Passworts auszuführen.
  • Manipulation: Liest die KI fremde Inhalte (E-Mails, Webseiten, Kalendereinträge), können darin versteckte Anweisungen stecken. Man spricht von „Prompt Injection“; das BSI stuft diese Schwachstelle als grundsätzlich schwer zu verhindern ein. Gib dem Sprachmodell deshalb nur die Rechte, die es wirklich braucht.
  • Cloud-Abhängigkeit: Stellt ein Anbieter seinen Dienst ein oder ändert die Preise, funktioniert Dein System plötzlich nicht mehr wie gewohnt. Die Grundfunktionen sollten immer auch ohne Internet laufen.
  • Kosten und Strom: Nutzungsgebühren bei Cloud-Modellen und der Dauerbetrieb eigener Hardware summieren sich.
  • Sicherheit allgemein: Mehr Software heißt mehr Angriffsfläche. Halte alles aktuell und mach Deine Zentrale nicht ungeschützt aus dem Internet erreichbar.

Mein Fazit

KI macht das Smart Home ein großes Stück menschlicher: Du sprichst ganz normal mit Deinem Zuhause, statt Dich nach der Technik zu richten. Gleichzeitig gilt mehr denn je, was ich Dir in der ganzen Serie ans Herz lege: erst ein solides Fundament, dann Schritt für Schritt erweitern. Wenn Du Deine Daten schützen willst, setz so viel wie möglich lokal um. Und behalte bei allem, was Sicherheit betrifft, selbst das letzte Wort. Weiter geht es mit Teil 11: KI und Sprachassistent lokal betreiben.