Home Assistant mit lokaler KI

IRC-Mania Die Seite rund um Sicherheit und Programmierung

Internet, Sicherheit , Internet Relay Chat

Gesponsert

Was dieser Artikel über Home Assistant mit KI behandelt

• Wie Du Home Assistant mit lokaler KI (Ollama) verbindest.
• Wie der lokale Sprachassistent funktioniert.
• Wie intelligente Automatisierungen mit KI aussehen.
• Praxisbeispiele für Licht, Klima, Sicherheit und Energie.
• Best Practices für Datenschutz und Performance.

Einleitung: Home Assistant mit KI verständlich erklärt

Home Assistant steuert Dein Smart Home. Mit lokaler KI wird es intelligent: „Mach es gemütlich” wird zu „Licht an, Temperatur 22°, Musik an”. Die KI versteht Kontext und trifft Entscheidungen, alles lokal, keine Cloud.

Dieser Artikel richtet sich an Home-Assistant-Nutzer, die KI integrieren wollen. Grundlagen findest Du in Heimautomatisierung und Ollama.

Warum brauche ich Home Assistant mit KI?

Standard-Automatisierung: „Wenn Temperatur > 25°, dann Klima an”. Mit KI: „Es ist warm und ich habe Gäste, mach es kühl und lüfte”. Die KI versteht Kontext, nicht nur Schwellenwerte.

Home Assistant mit KI kurz erklärt

Ollama als Conversation-Agent in Home Assistant. Assist (Sprachassistent) nutzt Ollama für Verständnis, Whisper für Sprache, Piper für Ausgabe. KI in Automatisierungen für intelligente Entscheidungen.

Der Kerngedanke lautet: Lokale KI als Gehirn für Dein Smart Home.

Für wen ist dieser Artikel gedacht?

• Home-Assistant-Nutzer, die KI integrieren wollen.
• Privacy-Bewusste, die keine Cloud-Sprachassistenten wollen.
• Smart-Home-Bastler, die intelligente Automatisierung bauen.
• Self-Hoster, die alles lokal betreiben.

Wichtige Begriffe

• Home Assistant - Smart-Home-Plattform. Wann nützlich: die Basis.
• Assist - HA-Sprachassistent. Wann nützlich: für Sprachsteuerung.
• Ollama - Lokaler Modellserver. Wann nützlich: das KI-Backend.
• Whisper - Speech-to-Text. Wann nützlich: für Spracheingabe.
• Piper - Text-to-Speech. Wann nützlich: für Sprachausgabe.
• Node-RED - Für komplexe Flows. Wann nützlich: als Ergänzung.

Setup

1. Ollama in Home Assistant

# configuration.yaml
ollama:
  url: http://ollama:11434

Oder UI: Settings → Devices & Services → Add Integration → Ollama → URL: http://ollama:11434

2. Assist konfigurieren

# Assist nutzt Ollama als Conversation Agent
conversation:
  intents:
    # Custom Intents hier

In der UI:

1. Settings → Voice Assistants → Assist
2. Conversation Agent: Ollama
3. STT: Whisper (lokal)
4. TTS: Piper (lokal)

3. Docker-Stack

version: "3.8"

services:
  homeassistant:
    image: homeassistant/home-assistant:latest
    ports:
      - "8123:8123"
    volumes:
      - ha_config:/config

  ollama:
    image: ollama/ollama:latest
    ports:
      - "11434:11434"
    volumes:
      - ollama_data:/root/.ollama

  whisper:
    image: rhasspy/wyoming-whisper:latest
    ports:
      - "10300:10300"
    command: --model small --language de

  piper:
    image: rhasspy/wyoming-piper:latest
    ports:
      - "10200:10200"
    command: --voice de_DE-thorsten-high

volumes:
  ha_config:
  ollama_data:

Praxisbeispiel 1: Natürliche Sprachbefehle

automation:
  - alias: "KI-Lichtsteuerung"
    trigger:
      - platform: conversation
        command:
          - "Mach das Licht [im] {room} [an|aus]"
    action:
      - service: light.toggle
        target:
          area_id: "{{ trigger.slots.room }}"

Praxisbeispiel 2: Intelligente Klimasteuerung

automation:
  - alias: "KI-Klima"
    trigger:
      - platform: time_pattern
        minutes: "/15"
    action:
      - service: ollama.generate
        data:
          prompt: |
            Daten:
            - Außentemperatur: {{ states('sensor.aussentemperatur') }}°C
            - Innentemperatur: {{ states('sensor.innentemperatur') }}°C
            - Anwesend: {{ states('person.max') }}
            - Zeit: {{ now().strftime('%H:%M') }}

            Was sollte die Heizung/Klima tun?
            Antworte: heizen, kuehlen, aus, oder lueften + kurze Begründung
        response_variable: ki_decision
      - choose:
          - conditions: "{{ 'heizen' in ki_decision.text }}"
            sequence:
              - service: climate.set_hvac_mode
                data:
                  hvac_mode: heat

Praxisbeispiel 3: Morgen-Briefing

automation:
  - alias: "KI-Morgenbriefing"
    trigger:
      - platform: time
        at: "07:30:00"
    action:
      - service: ollama.generate
        data:
          prompt: |
            Erstelle ein Morgen-Briefing:
            - Wetter: {{ states('weather.home') }}
            - Temperatur: {{ states('sensor.aussentemperatur') }}°C
            - Kalender: {{ states('calendar.personal') }}
            - Strompreis: {{ states('sensor.strompreis') }} Cent/kWh

            Kurz und freundlich, 3 Sätze.
        response_variable: briefing
      - service: notify.notify
        data:
          title: "Morgen-Briefing"
          message: "{{ briefing.text }}"

Praxisbeispiel 4: Sicherheitsanalyse

automation:
  - alias: "KI-Sicherheit"
    trigger:
      - platform: state
        entity_id: binary_sensor.bewegung
        to: "on"
    condition:
      - condition: time
        after: "23:00"
        before: "06:00"
    action:
      - service: ollama.generate
        data:
          prompt: |
            Nächtliche Bewegung:
            - Sensor: {{ trigger.entity_id }}
            - Zeit: {{ now().strftime('%H:%M') }}
            - Personen: {{ states('group.personen') }}

            Verdächtig? Antworte: normal/verdaechtig + Grund
        response_variable: analyse
      - choose:
          - conditions: "{{ 'verdaechtig' in analyse.text }}"
            sequence:
              - service: notify.notify
                data:
                  title: "Sicherheitsalarm"
                  message: "{{ analyse.text }}"

Sicherheitshinweise

• Alles lokal: Whisper, Ollama, Piper, keine Cloud nötig.
• Validierung: KI-Entscheidungen für kritische Aktionen (Tür öffnen) prüfen. Siehe Menschliche Freigabe.
• Fallback: Bei KI-Ausfall sollten kritische Automatisierungen in HA laufen.
• Logging: Protokolliere KI-Entscheidungen. Siehe Protokollierung.

Typische Stolpersteine

• Modell zu langsam: Große Modelle (>13B) sind langsam für Echtzeit. Nutze llama3.1:8b.
• Whisper-Modell: small ist gut. large ist genauer, aber langsamer.
• Deutsche Stimme: Für Piper de_DE-thorsten-high für gute Qualität.
• Kontext zu lang: Zu viele Entities im Prompt überlasten. Filtere relevante.
• KI falsch interpretiert: „Licht an” kann mehrere Entities betreffen. Präzise Prompts.

Weiterführende Links

• Heimautomatisierung - Übersicht.
• Lokaler Sprachassistent - Sprachassistent im Detail.
• Smart Home Agent - KI-Agenten im Smart Home.
• Home Assistant Integration - HA mit Ollama.
• Node-RED Home Assistant - Node-RED + HA.
• Ollama - Modellserver.

Key Takeaways:

• Home Assistant + Ollama = komplett lokaler Sprachassistent.
• Whisper für STT, Ollama für Verständnis, Piper für TTS.
• KI in Automatisierungen für intelligente Entscheidungen.
• Alles lokal, keine Cloud, keine Daten raus.
• Kleine Modelle (8B) für Echtzeit, große für Analyse.

FAQ

Quellen und weiterführende Literatur

• Home Assistant Ollama - Integration.
• Home Assistant Assist - Sprachassistent.
• Wyoming - Sprachdienste.
• Ollama - Modellserver.

Premium VPS Hosting

Schnelle und sichere VPS Server

Gesponsert