Smart Home und KI: Automatisierung, Home-Assistant-Anbindung und Kameraanalyse

KI kann im Smart Home konkrete Aufgaben ergänzen: Sprache in Befehle umsetzen, Kamerabilder nach Objekten durchsuchen oder Sensordaten auswerten. Eine feste Regel wie „Licht bei Bewegung einschalten“ bleibt für viele Abläufe ausreichend. Lernende Modelle machen ein Haus weder automatisch sicher noch fehlerfrei.

Aufgabe und Entscheidung trennen

Ein Bildmodell kann eine Person vermuten; eine Automatisierung entscheidet anschließend über eine Benachrichtigung. Diese Trennung erleichtert die Fehlersuche. Zuerst lässt sich die Erkennung prüfen, danach die Regel und zuletzt die Zustellung. Für Heizungssteuerung sind zusätzlich geeignete Sensoren, Stellgrößen und Grenzen erforderlich; eine Energieeinsparung ergibt sich nicht allein aus dem Einsatz von KI.

Rauch-, Brand- und Wassermelder dürfen nicht durch eine allgemeine KI-Bewertung ersetzt oder aufgrund einer solchen Einschätzung stummgeschaltet werden. Kamera- und Sprachmodelle können Hinweise liefern, aber Gefahren übersehen oder harmlose Situationen falsch einordnen.

Home Assistant als Verbindung

Home Assistant verbindet Geräte, Ereignisse und Automatisierungen. Ein Sprachassistent umfasst Spracherkennung, die Verarbeitung des erkannten Textes und Sprachausgabe. Ein großes Sprachmodell ist für einfache Hausbefehle nicht zwingend nötig.

Eine lokale Assist-Pipeline kann beispielsweise Speech-to-Phrase oder Whisper für die Spracherkennung und Piper für die Ausgabe verwenden. Geschwindigkeit und Sprachunterstützung hängen vom gewählten Modell und der Hardware ab. Ein Cloud-Dienst verschiebt die Verarbeitung nach außen und bringt eine zusätzliche Internetabhängigkeit mit.

Die Ollama-Integration bindet einen lokalen Modellserver an. Die Gerätesteuerung gilt in der Home-Assistant-Dokumentation als experimentell und verlangt ein Modell mit Werkzeugunterstützung. Nur gezielt freigegebene Entitäten sollten zugänglich sein. Lokale Verarbeitung vermindert externe Datenübertragung; Zugriffsrechte, Protokolle, Sicherungen und weitere Integrationen bleiben für den Datenschutz relevant.

Kameraanalyse mit Frigate

Frigate ist ein lokal betreibbarer Netzwerk-Videorekorder mit Objekterkennung. Ein geeigneter Videostream, kompatible Codecs, ausreichende Rechenleistung und eine passende Detektorkonfiguration sind Voraussetzungen. Google Coral ist ein möglicher Beschleuniger; je nach System kommen weitere unterstützte Geräte oder GPUs infrage. RTSP-Unterstützung allein garantiert keine problemlose Einbindung jeder Kamera.

UniFi Protect: Funktionen gezielt prüfen

UniFi Protect verarbeitet die dokumentierten Edge-AI-Erkennungen vor Ort, auf geeigneten Kameras oder ergänzenden Geräten wie AI Port und AI Key. Das vermeidet einen erforderlichen Cloud-Upload für diese Analyse. Fernzugriff und optionale Cloud-Archivierung sind davon getrennte Datenwege.

Personen-, Fahrzeug-, Kennzeichen-, Gesichts- und Audioerkennung stehen je nach Kameramodell, Mikrofon, Zusatzhardware und Softwarestand zur Verfügung. Die aktuelle Herstellertabelle beschreibt die Unterschiede. AI Key kann weitere Auswertungen ergänzen; Ergebnisse können falsch sein oder durch Warteschlangen verzögert eintreffen.

Ein erkanntes Kennzeichen ist kein sicherer Identitätsnachweis. Für eine Toröffnung braucht es eine gesonderte Zugriffsentscheidung und die Sicherheitseinrichtungen des Torantriebs. Eine unbestätigte KI-Erkennung sollte keine gefährliche Bewegung auslösen.

Vom Ereignis zur brauchbaren Automatisierung

Die UniFi-Protect-Integration kann unterstützte Objekt- und Tonereignisse in Home Assistant bereitstellen. Eine robuste Prüfung beginnt mit der tatsächlich vorhandenen Entität, dem Ereignistyp und einem kontrollierten Test. Danach folgen Bedingungen wie Zone, Uhrzeit und Benachrichtigungsabstand. Objekterkennung kann Fehlmeldungen verringern, bleibt aber anfällig für schwierige Perspektiven, Licht, Wetter und Verdeckung.