Smart Homes können eine Menge. Sie schalten Licht, messen Temperaturen, melden offene Fenster, fahren Rollläden und erinnern einen mit etwas Glück sogar daran, dass irgendwo eine Batterie schlappmacht.

Was sie allerdings oft nicht besonders gut können: verständlich mit Menschen reden.

Ein typisches Smart-Home-System weiß vielleicht:

Sensor A: batteryLevel 36
Sensor B: battery low
Aktuator C: offline

Für einen Menschen wäre hilfreicher:

„Batteriewarnung. Bei zwei Geräten sollte demnächst die Batterie geprüft werden.“

Und genau an dieser Stelle wird der Einsatz von KI interessant.

Die Grundidee

In einem kleinen Testprojekt wurde eine klassische Smart-Home-Umgebung um eine lokale KI-Komponente ergänzt. Die Architektur war bewusst einfach gehalten:

Smart-Home-Zentrale
→ Automatisierungsworkflow
→ lokale KI
→ verständliche Rückmeldung
→ optional Sprachausgabe

Die Smart-Home-Zentrale liefert technische Zustände.
Der Workflow filtert und sortiert diese Daten.
Die KI formuliert daraus eine menschlich angenehme Meldung.

Das Ziel war nicht, eine KI frei über das Haus regieren zu lassen. Niemand möchte morgens feststellen, dass ein Sprachmodell spontan entschieden hat, die Heizung zu beleidigen und alle Rollläden auf Halbmast zu setzen.

Das Ziel war deutlich bodenständiger:

Technische Zustände automatisch erfassen und sinnvoll kommunizieren.

---

Warum überhaupt KI?

Die erste ehrliche Frage lautet: Braucht man dafür wirklich KI?

Für manche Dinge: nein.

Wenn ein Batteriestand unter 40 Prozent fällt, dann ist das eine simple Regel:

Wenn Batterie < 40 %, dann Warnung.

Das kann jede Automatisierung ohne KI.

Aber sobald es darum geht, aus mehreren technischen Einzelinformationen eine lesbare, kurze und passende Meldung zu machen, kann KI angenehm helfen.

Beispiel ohne KI:

battery issue: Sensor_17 = 36 %
battery issue: Contact_04 = low

Beispiel mit KI:

„Batteriewarnung. Bei zwei Geräten ist der Batteriestand auffällig. Bitte demnächst prüfen.“

Oder, etwas konkreter:

„Batteriewarnung. Betroffen sind zwei Sensoren mit niedrigen Batteriewerten. Bitte Batterien prüfen.“

Das ist nicht revolutionär, aber praktisch. Vor allem bei Sprachansagen macht es einen erheblichen Unterschied.

Der erste sinnvolle Testfall: Batterien

Für einen Einstieg eignet sich kaum etwas besser als Batteriezustände:

• ungefährlich
• gut prüfbar
• echten Nutzen bringend
• keine riskante Steuerung nötig

Statt direkt mit Heizungslogik, Sicherheitsfunktionen oder Türschlössern zu experimentieren, wurde zunächst geprüft:

Welche Smart-Home-Geräte melden einen schwachen Batteriestand?

Das klingt unspektakulär. Ist es auch. Und genau deshalb ist es ein guter Anfang.

---

Technisch betrachtet

Die Smart-Home-Zentrale liefert viele Rohdaten. Sehr viele. Mehrere Megabyte Statusdaten sind schnell erreicht, wenn man einfach „alles“ abfragt.

Das ist für KI ungefähr so sinnvoll, wie jemandem ein Telefonbuch hinzuwerfen und zu sagen:

„Sag mir bitte, wer Geburtstag hat.“

Besser ist:

1. Rohdaten abrufen
2. relevante Batteriewerte herausfiltern
3. nur die auffälligen Fälle weitergeben
4. KI daraus eine kurze Meldung formulieren lassen

Aus einem riesigen Datenberg wird also zum Beispiel:

[
  {
    "device": "Sensor_A",
    "batteryText": "36 Prozent"
  },
  {
    "device": "Kontakt_B",
    "batteryText": "Status niedrig"
  }
]

Die KI muss dann nicht mehr raten, sondern nur noch formulieren.

---

Die wichtige Erkenntnis: KI braucht Leitplanken

Bei kleinen lokalen Sprachmodellen lernt man ziemlich schnell eine bescheidene Wahrheit:

Sie können erstaunlich viel, aber sie erfinden auch erstaunlich gern Unsinn.

In einem frühen Test wurden aus technischen Bezeichnungen plötzlich seltsame Wortkreationen, die irgendwo zwischen Küchengerät, Fantasy-Roman und falsch verstandener Raumbezeichnung lagen.

Das war unterhaltsam. Aber als Sprachansage im Haus eher… speziell.

Die Lösung: Der Prompt musste deutlich strenger werden.

Die KI durfte:

• keine Geräte erfinden
• keine Namen abändern
• keine Räume dazudichten
• keine Fantasiewörter erzeugen
• keine Aktionen ausführen
• nur gültiges JSON zurückgeben

Kurz: weniger „kreative Assistenz“, mehr „freundlicher, aber sehr disziplinierter Vorleser“.

---

KI ist hier nicht der Chef

Ein wichtiger Punkt, der bei Smart Home und KI gern durcheinandergeht:

KI sollte nicht automatisch alles entscheiden

Sinnvoll:

Regel erkennt:
Batterie schwach

KI formuliert:
„Batteriewarnung. Bitte prüfen.“

Weniger sinnvoll:

KI liest alles und entscheidet spontan,
welche Geräte wann wie geschaltet werden.

Das klingt futuristisch, ist aber oft keine gute Idee.

Gerade im Smart Home gibt es viele Zustände, die man deterministisch behandeln sollte:

• Heizung absenken, wenn Fenster offen
• Licht ausschalten, wenn lange keine Bewegung erkannt wurde
• Batterie melden, wenn Schwellwert unterschritten
• Gerät melden, wenn es offline ist

Das sind klassische Regeln. Dafür braucht man keine KI.

Die KI wird spannend bei:

• Zusammenfassungen
• Priorisierung
• natürlicher Sprache
• Mustererkennung
• Vorschlägen für neue Automationen
• verständlichen Erklärungen

---

Ein sinnvolles Zusammenspiel

Eine gute Architektur sieht daher eher so aus:

Smart Home erkennt Fakten
Workflow bewertet feste Regeln
KI macht daraus Sprache und Einordnung

Oder etwas salopper:

Die Regelmaschine darf entscheiden. Die KI darf schön reden.

Das ist nicht abwertend gemeint. Gute Kommunikation ist im Alltag tatsächlich wertvoll.

---

Nicht jede Meldung immer wieder

Ein weiteres Detail aus der Praxis:
Wenn eine Batterie schwach ist, sollte das System nicht bei jedem Durchlauf erneut dieselbe Ansage abspielen.

Sonst wird aus:

„Hilfreicher Hinweis“

sehr schnell:

„Digitale Nörgelei mit Lautsprecher.“

Deshalb wurde eine kleine Merkliste ergänzt:

Gerät wurde bereits gemeldet?
→ keine erneute Ansage

Erst wenn sich der Zustand verändert oder das Problem behoben wurde und später wieder auftaucht, wird erneut gemeldet.

Das ist unspektakulär, aber enorm wichtig für Alltagstauglichkeit.

---

Warum lokal laufende KI interessant ist

Für diesen Test wurde bewusst eine lokal betriebene KI genutzt. Das hat ein paar charmante Vorteile:

• keine dauerhafte Cloud-Abhängigkeit
• Daten bleiben im eigenen Netz
• kleine Statusmeldungen benötigen kein Hochleistungsmodell
• Docker-basierter Betrieb ist angenehm reproduzierbar

Man sollte aber realistisch bleiben:

Kleine lokale Modelle sind nicht magisch. Sie sind gut für:

• kurze Zusammenfassungen
• einfache Klassifikation
• strukturierte Textausgabe
• Formulierung von Hinweisen

Sie sind weniger geeignet für:

• hochkomplexe Entscheidungen
• völlig freie Smart-Home-Steuerung
• tiefe Sicherheitsanalyse
• zuverlässige Interpretation chaotischer Rohdaten

Die Qualität steigt deutlich, wenn man der KI bereits bereinigte, strukturierte Daten gibt.

---

Übertragbar auf andere Smart-Home-Systeme

Das Konzept ist keineswegs auf eine bestimmte Smart-Home-Plattform beschränkt.

Ob FHEM, Home Assistant, openHAB, ioBroker oder ein anderes System: Das Grundprinzip bleibt gleich.

1. Zustände erfassen
2. relevante Fakten filtern
3. Regeln zuverlässig auswerten
4. KI nur dort einsetzen, wo Sprache, Einordnung oder Muster helfen

Typische realistische Einsatzfelder:

• Batteriewarnungen
• Offline-Geräte
• Tages- oder Wochenberichte
• Fenster offen bei aktiver Heizung
• ungewöhnliche Laufzeiten von Licht oder Verbrauchern
• Energiehinweise
• verständliche Fehlerberichte
• Vorschläge für neue Automationen

---

Ein paar tatsächlich sinnvolle AI-Szenarien

1. Tageszusammenfassung

„Guten Morgen. Es gibt eine Batteriewarnung. Zwei Fenster sind geöffnet. Sonst wurden keine Auffälligkeiten erkannt.“

2. Fehler verständlich erklären

Statt:

device timeout / no ack / peer unreachable

besser:

„Ein Sensor meldet sich derzeit nicht zuverlässig. Möglich sind Funkprobleme oder eine schwache Batterie.“

3. Automationsideen vorschlagen

Wenn ein Flurlicht regelmäßig lange eingeschaltet bleibt, obwohl niemand dort ist:

„Eine Abschaltregel nach zehn Minuten ohne Bewegung wäre wahrscheinlich sinnvoll.“

4. Energieverschwendung erkennen

„In mehreren Fällen war ein Fenster geöffnet, während die Heizung auf Komforttemperatur stand.“

5. Sprachinterface für Statusfragen

„Sind irgendwo Fenster offen?“
„Welche Geräte brauchen bald neue Batterien?“
„Gibt es gerade Auffälligkeiten?“

Das ist deutlich näher an echtem Nutzen als spektakuläre, aber wenig belastbare „KI übernimmt das Haus“-Fantasien.

---

Was man besser lässt

Ein paar Dinge sollte man nicht leichtfertig bauen:

• KI darf keine beliebigen Befehle an die Hausautomation senden
• sicherheitsrelevante Geräte sollten nicht von frei formulierter KI-Logik abhängen
• Rohdaten ungefiltert an ein Modell zu werfen ist meist ineffizient und unzuverlässig
• Benachrichtigungen ohne Deduplizierung nerven schnell
• aus einem Sprachmodell wird nicht automatisch ein guter Regelcontroller

Oder zugespitzt:

Ein Sprachmodell ist kein Elektriker, kein Heizungsbauer und kein Hausmeister.

Es kann aber ein ziemlich hilfreicher Dolmetscher zwischen technischen Zuständen und menschlicher Aufmerksamkeit sein.

---

Fazit

Der Einsatz von KI im Smart Home ist dann sinnvoll, wenn man ihn pragmatisch angeht.

Nicht:

„KI, mach mal Haus.“

Sondern:

„Hier sind geprüfte Fakten. Formuliere daraus eine sinnvolle, verständliche Meldung.“

Gerade in Kombination mit bewährten Automatisierungssystemen kann das sehr nützlich sein:

• klassische Logik bleibt zuverlässig
• KI macht Ausgaben verständlicher
• lokale Modelle können für kleine Aufgaben völlig ausreichen
• Sprachansagen und Zusammenfassungen werden erheblich angenehmer

Und am Ende ist es doch ganz charmant, wenn das Smart Home nicht nur stumm irgendwo in einer Statusliste meldet, dass Batterien schwächeln, sondern freundlich sagt:

„Batteriewarnung. Bitte einmal nachsehen.“