Raspberry Pi 5 mit Hailo AI-Kit: Edge AI für unter 200 Euro

Ich wollte mal schnell mein Smart Home schlauer machen – und stand drei Stunden später mit einem Haufen Kabelchaos, einem überhitzten Pi 4 und null funktionierender Personenerkennung da. Spoiler: Das war vor dem Hailo-Zeitalter. Mit dem Raspberry Pi 5 und den neuen AI-Beschleuniger-Modulen sieht die Sache heute deutlich entspannter aus – und das für einen Preis, bei dem selbst ich kurz schlucken musste.

Was Raspberry Pi 5 jetzt kann – und warum das kein Zufall ist

Der Raspberry Pi 5 ist seit Ende 2023 auf dem Markt und hat gegenüber seinem Vorgänger eine Eigenschaft, die für Edge AI entscheidend ist: ein PCIe-2.0-x1-Interface, das M.2-HAT-Module aufnehmen kann. Das klingt nach Fachsprech, ist aber der Schlüssel zum ganzen Bastelprojekt. Über diesen Slot lässt sich nämlich kein NVMe-Laufwerk anklemmen – oder eben ein dedizierter KI-Beschleuniger.

Im Smart Home zählt deshalb weniger Cloud-Magie als die Frage, wie Router und Hubs KI lokal und DSGVO-konform ausführen.

Die Raspberry Pi Foundation hat das nicht dem Zufall überlassen. Mit dem offiziellen AI Kit und dem neueren AI HAT+ 2 hat sie eine eigene Produktfamilie rund um Hailo-Chips aufgebaut. Das ist keine Spielerei mehr. Das ist eine strategische Entscheidung, den Pi 5 als ernsthafte Edge-AI-Plattform zu positionieren – und das zu Preisen, die Consumer-Hardware-Hersteller mit Hochglanzverpackung alt aussehen lassen.

Im Ernst: Wer früher lokale KI-Inferenz wollte, musste entweder tief in die Tasche greifen (NVIDIA Jetson Nano ab rund 150 Dollar, ohne Zubehör) oder sich mit dem trägen Software-Inference auf dem Pi-Prozessor abfinden. Beides war mühsam. Das ändert sich gerade grundlegend – zumindest für alles, was im Edge-AI-Bereich unter Echtzeit-Vision und einfachen Sprachmodellen liegt.

Nerd-Alarm: Die zwei Hailo-Chips im Überblick

Wer das richtige Modul für sein DIY-Smart-Home-Projekt auswählen will, muss zwei Varianten auseinanderhalten. Beide basieren auf Hailo-Chips, beide stecken im M.2-Formfaktor, aber sie unterscheiden sich erheblich in Leistung, Preis und Zielgruppe.

Raspberry Pi AI Kit mit Hailo-8L: 13 TOPS für den Einstieg

Das offizielle Raspberry Pi AI Kit kombiniert das M.2 HAT+ mit dem Hailo-8L-Beschleuniger im M.2-2242-Formfaktor. Der Chip liefert 13 TOPS – also 13 Billionen Operationen pro Sekunde – für die KI-Inferenz. Der Preis lag laut einem Bericht von Framboise314 im Juni 2024 bei Kubii bei rund 78,60 Euro. Damit ist das vollständige Edge-AI-Setup – Pi 5 plus AI Kit – realistisch unter 200 Euro zu bekommen.

Was bedeuten 13 TOPS in der Praxis? Für klassische Vision-Aufgaben wie Personen- oder Objekterkennung auf 1080p-Video in Echtzeit ist das oft ausreichend. In Praxisdemonstratoren schafft ein Hailo-8-Chip auf dem Pi 5 Bildverarbeitungsraten nahe 100 fps bei Objekterkennung – während die CPU-Auslastung unter fünf Prozent bleibt. Das ist der Unterschied zwischen einem Gerät, das ständig röchelt, und einem, das einfach läuft.

Für ein DIY-Smart-Home-Bastelprojekt mit Kamera-Türklingel, Personenzählung oder Tiererkennung ist der Hailo-8L damit ein echter Sweet Spot. Meine persönliche Einschätzung: Wer kein industrielles Kamerasystem baut, sondern ein paar smarte Kameraknoten im Haus will, braucht die stärkere Variante nicht unbedingt.

Raspberry Pi AI HAT+ 2 mit Hailo-10H: 40 TOPS und generative KI

Wer mehr will, greift zum Raspberry Pi AI HAT+ 2. Der Hailo-10H-Chip liefert 40 TOPS (INT4) und bringt zusätzlich 8 GB dedizierten RAM direkt auf dem HAT mit. Das ermöglicht größere Modelle als beim Vorgänger und öffnet die Tür zu Anwendungen wie lokalen Chatbots, Vision-Language-Modellen und ersten generativen AI-Demos. Der offizielle Preis liegt bei 130 US-Dollar.

Hier wird der „unter 200 Euro“-Claim aber wackelig. Mit dem Pi 5 (je nach RAM-Ausbau zwischen 70 und 120 Euro in Europa) landet man mit dem AI HAT+ 2 schnell deutlich über der 200-Euro-Marke. Das ist kein Fehler im Artikel, sondern ein wichtiger Hinweis: Das 13-TOPS-Kit bleibt das Budgetangebot, das 40-TOPS-HAT ist das Profi-Upgrade.

Was „Edge AI“ im Smart Home konkret bedeutet

Edge AI klingt nach Buzzword-Bingo. Ist es aber nicht, wenn man versteht, was dahintersteckt. Klassische Smart-Home-Automation arbeitet mit Wenn-Dann-Regeln: Bewegungsmelder schlägt an, Licht geht an. Das ist gut, aber dumm. Edge AI auf einem Raspberry Pi 5 kann mehr.

Konkret heißt das: Eine Kamera erkennt nicht nur Bewegung, sondern unterscheidet, ob es ein bekanntes Gesicht, ein Fremder oder die Katze ist. Ein Mikrofon-Setup analysiert Umgebungsgeräusche und erkennt Glasbruch oder den Piepton des Rauchmelders – ohne einen einzigen Audioschnipsel in die Cloud zu schicken. Eine Türklingel mit Hailo-beschleunigter Bildverarbeitung identifiziert Pakete, Menschen oder Fahrzeuge in Echtzeit und löst differenzierte Automatisierungen aus.

In Kombination mit Home Assistant, MQTT und dem Hailo-SDK wird ein Pi-5-AI-Knoten zu einem intelligenten Sensor-Hub. Statt simplen Triggern versteht das System die Szene. Das ist der Unterschied zwischen Smart Home und verstehendem Home. Für viele dieser Anwendungen reicht Home Assistant auf Raspberry Pi in Kombination mit einem Hailo-Modul vollständig aus – ohne monatliche Cloud-Gebühren, ohne Datenschutz-Kompromisse.

Und genau hier liegt der Datenschutz-Vorteil, den die Raspberry Pi Foundation selbst betont: Alle KI-Berechnungen laufen lokal, ohne Netzwerkverbindung nach außen. Wer Video-Feeds seiner Eingangstür nicht an Server irgendwo in den USA schicken will, hat mit dieser Hardware-Kombination ein schlagkräftiges Argument in der Hand.

Drittanbieter-Module: Mehr TOPS, mehr Risiko

Nerd-Alarm: Wer tiefer bohrt, findet auf dem Markt noch weitere Hailo-Module für den Pi 5. Das Hailo-SC1438-Modul im M.2-2242-Format etwa, das mit einem M.2-HAT-Shield kombiniert wird und über PCIe 2.0 automatisch erkannt werden soll. Und auf AliExpress kursieren Kits mit angeblich 26 TOPS – basierend auf dem vollständigen Hailo-8-Chip statt dem 8L-Einstiegsmodell.

Die 26-TOPS-Variante klingt verlockend. Allerdings: Diese Boards kommen ohne offizielle Zertifizierung der Raspberry Pi Foundation und ohne garantierte Treiberunterstützung in Raspberry Pi OS. Wer damit ein Bastelprojekt aufbaut, das nur gelegentlich läuft, wird damit wahrscheinlich glücklich. Wer plant, damit ein dauerhaft laufendes, zuverlässiges System zu betreiben, sollte bedenken: Langfristige Software-Pflege und Support sind bei Drittanbietern nicht garantiert. Im Ernst – ich habe selbst genug Stunden mit halbgaren Treibern verbracht, um das ernst zu nehmen.

Die PCIe-Falle: SSD oder KI – Sie müssen wählen

Hier kommt eine technische Einschränkung, die in vielen Artikeln unter den Tisch fällt. Der Raspberry Pi 5 hat nur einen PCIe-2.0-x1-Link. Dieser Slot wird entweder für ein M.2-NVMe-Laufwerk oder für ein M.2-AI-Modul genutzt – nicht für beides gleichzeitig. Wer also bereits eine NVMe-SSD am Pi 5 betreibt, muss entweder umbauen oder auf das AI-Modul verzichten.

Es gibt PCIe-Multiplexer-Lösungen, aber die sind alles andere als plug-and-play und bedeuten zusätzlichen Aufwand bei Planung, Strom und Kühlung. Für die meisten DIY-Smart-Home-Setups ist das kein Drama, weil viele ohnehin mit einer microSD-Karte oder einem USB-Speicher auskommen. Wer aber explizit auf NVMe-Performance angewiesen ist – etwa für umfangreiche Videospeicherung lokal – sollte das vor dem Kauf einkalkulieren.

Kühlung, Strom, Realität: Was das Bastelprojekt wirklich braucht

Hailo-8/8L-Module liegen in Praxissetups typischerweise bei rund 2,5 Watt Leistungsaufnahme – das ist eine Beobachtung aus Demo-Szenarien, kein offizieller Datenblatt-Wert. Für präzise thermische Auslegung empfiehlt sich ein Blick ins offizielle Hailo-Datenblatt mit entsprechendem Sicherheitszuschlag. Das 27-Watt-Netzteil des Pi 5 reicht in der Regel aus, solange keine weiteren stromhungrigen Geräte über USB betrieben werden.

Bei Dauerbetrieb unter Last ist aktive Kühlung sinnvoll – der Pi-5-Lüfter oder ein Gehäuse mit Airflow. Ein offenes Board auf der Werkbank überlebt den Sommer nicht zuverlässig. Wer ein dauerhaft laufendes System plant, sollte von Anfang an ein solides Gehäuse einplanen und das Hailo-Modul nicht vergessen: Es sitzt direkt auf dem M.2-HAT und produziert unter Last ebenfalls Wärme.

Realismus-Check: Was Edge AI auf dem Pi 5 kann – und was nicht

Blogs und YouTube-Thumbnails verkaufen gerne die Vorstellung, dass ein Pi 5 mit Hailo-Chip jetzt einen lokalen Chatbot auf ChatGPT-Niveau ermöglicht. Das ist Quatsch. Große Foundation-Modelle mit zig Milliarden Parametern benötigen weit mehr Speicher und Bandbreite, als ein Pi-System jemals liefern wird.

Der AI HAT+ 2 mit seinen 40 TOPS und 8 GB dediziertem RAM ist für kompakte, stark quantisierte Modelle ausgelegt – also kleine Assistenten, einfache Offline-FAQ-Bots, erste Vision-Language-Demos. Wenn jemand „ChatGPT auf dem Pi“ verspricht, ist fast immer eine API-Anbindung an eine Cloud gemeint, nicht lokale Inferenz. Das ist ein wichtiger Unterschied, den man kennen sollte, bevor man Erwartungen aufbaut.

Für klassische Edge-AI-Aufgaben – Personenerkennung, Objektklassifikation, Geräuschanalyse, einfache Szeneninterpretation – ist die Hardware hingegen absolut praxistauglich. Wer ein Open-Source-Stack wie Home Assistant, MQTT und das Hailo-SDK kombiniert und dabei auf quantisierte Modelle setzt, bekommt ein System, das tatsächlich das hält, was es verspricht. LangChain und ähnliche Agenten-Frameworks können dabei helfen, einfache Logik-Schichten obendrauf zu bauen – aber das bleibt deutlich unter der Schwelle kommerzieller Cloud-Dienste.

Außerdem gilt: TOPS-Werte sind theoretische Spitzen unter idealen Bedingungen. 13 oder 40 TOPS lassen sich nicht einfach mit GPU-TFLOPS vergleichen. Die tatsächliche Performance hängt von Modellarchitektur, Quantisierung, dem Hailo-SDK-Compiler und Speicherzugriffen ab. Wer Benchmarks liest, sollte das im Hinterkopf behalten.

Software-Einstieg: So kommt man schnell zu ersten Ergebnissen

Viele Einsteiger scheitern nicht an der Hardware, sondern an der Software-Einrichtung. Dabei ist der Einstieg mit dem offiziellen AI Kit überraschend geradlinig – zumindest wenn man ein aktuelles Raspberry Pi OS (Bookworm-Basis) verwendet. Die Raspberry Pi Foundation liefert fertige Pakete für das Hailo-SDK und die HailoRT-Laufzeit, die sich per apt installieren lassen. Das ist ein klarer Vorteil gegenüber vielen Drittanbieter-Modulen, die eigene Kernel-Patches oder manuelle Compiler-Schritte erfordern.

Wer schnell erste Ergebnisse sehen will, findet im offiziellen Hailo-GitHub-Repository eine Sammlung fertiger Demo-Pipelines, darunter Objekterkennung mit YOLOv5 und YOLOv8, Pose Estimation und einfache Segmentierungsmodelle. Diese Demos laufen nach einer Standardinstallation in der Regel direkt – ein wichtiger Punkt für alle, die nicht tagelang Abhängigkeiten debuggen wollen.

Für die Integration in Home Assistant empfiehlt sich ein zweistufiger Ansatz: Der Pi 5 mit Hailo-Modul läuft als dedizierter Inferenz-Knoten, der seine Erkennungsergebnisse per MQTT an den Home-Assistant-Server schickt. So bleibt die Architektur sauber, und der KI-Knoten kann unabhängig vom Hausautomations-Server neu gestartet oder aktualisiert werden. Wer Home Assistant OS direkt auf dem Pi 5 betreiben will, muss beachten, dass der Hailo-Treiber dort nicht standardmäßig integriert ist und ein eigenes Add-on oder eine manuelle Einrichtung erfordert.

Typische Anwendungsfälle: Drei Szenarien für den Einstieg

Um die Möglichkeiten greifbarer zu machen, lohnt es sich, drei konkrete Szenarien durchzudenken – vom einfachen Einstieg bis zum etwas ambitionierteren Projekt.

Szenario 1: Smarte Eingangstür-Kamera

Ein Pi 5 mit Hailo-8L und einer Raspberry Pi Camera Module 3 erkennt in Echtzeit, ob sich eine Person, ein Fahrzeug oder ein Tier vor der Tür befindet. Home Assistant löst je nach Ergebnis unterschiedliche Aktionen aus: Klingelton für Menschen, stille Benachrichtigung für Paketzusteller, kein Alarm für die eigene Katze. Das System läuft vollständig lokal, speichert keine Videostreams in der Cloud und benötigt nach der Einrichtung keine Internetverbindung.

Szenario 2: Geräuschanalyse im Kinderzimmer

Ein Pi 5 mit Hailo-Modul und USB-Mikrofon analysiert Umgebungsgeräusche auf Anomalien – Weinen, Glasbruch oder den Piepton eines Rauchmelders. Das Modell läuft lokal, keine Audiodaten verlassen das Heimnetz. Eine MQTT-Nachricht informiert Home Assistant, das dann eine Push-Benachrichtigung ans Smartphone schickt. Für dieses Szenario reicht der Hailo-8L problemlos aus; die Audioverarbeitung ist deutlich weniger rechenintensiv als Echtzeit-Videoanalyse.

Szenario 3: Mehrkanal-Kamera-Hub

Wer mehrere Kameras gleichzeitig überwachen will, stößt mit einem einzelnen Pi schnell an Grenzen – nicht wegen des Hailo-Chips, sondern wegen der USB- und CSI-Kamera-Bandbreite. Eine realistische Konfiguration sind zwei bis drei Kamerastreams, die sequenziell oder per Zeitscheibe durch den Hailo-Chip laufen. Das erfordert etwas mehr Programmieraufwand in der Gstreamer- oder Hailo-Media-Library-Pipeline, ist aber mit den offiziellen Beispielen als Ausgangspunkt machbar. Wer diesen Ansatz verfolgt, sollte das 4-GB-RAM-Modell des Pi 5 wählen – der 2-GB-Variant reicht für parallele Kamera-Pipelines erfahrungsgemäß nicht zuverlässig aus.

Was bleibt – und was Sie jetzt tun können

Der Raspberry Pi 5 mit einem Hailo-Beschleuniger-Modul ist kein Spielzeug mehr. Es ist eine echte, bezahlbare Edge-AI-Plattform – wenn man die Erwartungen realistisch hält. Für unter 200 Euro bekommt man mit dem 13-TOPS-AI-Kit eine Kombination, die lokal, datenschutzfreundlich und ohne Cloud-Gebühren Vision-basierte KI-Aufgaben erledigt. Das ist im DIY-Smart-Home-Bereich ein echter Fortschritt gegenüber dem, was noch vor zwei Jahren möglich war.

Wer jetzt einsteigen will: Das offizielle AI Kit auf Basis des Hailo-8L ist der risikoärmste Einstieg – volle Software-Integration, aktiver Support durch die Raspberry Pi Foundation, und der Preis liegt klar im Budget. Wer mehr will, schaut sich den Praxisdemo-Vergleich auf YouTube an, bevor er 130 Dollar für das AI HAT+ 2 ausgibt. Drittanbieter-Module sind für experimentierfreudige Nerds interessant, aber kein solides Fundament für Systeme, die rund um die Uhr laufen sollen.

Preise schwanken, Chips werden knapp und wieder verfügbar – also immer tagesaktuell beim Händler nachschauen, bevor Sie bestellen. Und: Wer plant, gleichzeitig NVMe-SSD und AI-Modul zu betreiben, sollte das in der Architektur von Anfang an lösen, nicht im Nachhinein.

Die eigentlich spannende Frage ist doch: Wenn Edge AI auf einem 80-Euro-Modul heute schon Echtzeit-Personenerkennung schafft – was wird ein Hailo-Chip der übernächsten Generation können, der genauso günstig ins M.2-Slot passt?