Zum Inhalt springen
Die digitale Welt verstehen
Consumer & Digital Life

Home Assistant Sprachsteuerung: Assist und Voice Preview Edition einrichten, ganz ohne Amazon und Google

Home Assistant lässt sich ohne Amazon und Google per Assist und der Voice Preview Edition zur Sprachsteuerung ausbauen. Lokal läuft sie nur mit unterstützter Sprache und ausreichend Rechenleistung, Kabel und Netzteil liegen der Box nicht bei.

Papier-Collage zur Sprachsteuerung: Eine quadratische Smart-Speaker-Box mit leuchtendem LED-Ring sendet Schallwellen zu Symbolen für Lampe, Thermostat, Jalousie und Haus.Dieses Bild wurde mit KI generiertProviderhiggsfieldModellgpt_image_2_5 flare high 1k 16:9PromptPaper cut collage of a compact square smart speaker with a glowing circular LED ring in the center, standing on a wooden shelf, front three-quarter view. Layered paper sound waves flow from the speaker toward cut-out smart home icons: a light bulb, a thermostat dial with only a plain needle and colored arc and no numbers or digits, a window blind and a small house. A small paper speech bubble reads "Okay Nabu". Deep blue and teal paper layers with warm yellow and orange accents for the LED ring, soft shadows between the paper layers, visible paper texture and slightly rough cut edges. Clean, calm composition with generous space at the top. No people, no hands, no numbers except none. No watermark, no signature.
Laut Home-Assistant-Dokumentation zerlegt Assist jeden Befehl in drei Etappen: Spracherkennung, Gesprächsagent und Sprachausgabe. Jede Station reicht den Befehl an die nächste weiter.

Home Assistant Sprachsteuerung klappt Stand November 2026 ohne Amazon und Google, mit dem eingebauten Sprachassistenten Assist und der Lautsprecherbox Voice Preview Edition. Komplett lokal läuft die Sprachsteuerung allerdings nur mit unterstützter Sprache und genug Rechenleistung; für das Erkennungsmodell Whisper empfiehlt Nabu Casa mindestens einen Intel-N100-Prozessor. So steht es in der FAQ zur Voice Preview Edition, die laut Produktseite eine unverbindliche Preisempfehlung von 59 Euro hat. Wissensfragen jenseits des Smart Homes beantwortet Assist laut Ars Technica ohne zusätzliche KI nicht.

Sprachsteuerung im Staffellauf: Wer bei Assist welchen Job erledigt

Assist zerlegt laut Home-Assistant-Dokumentation jeden Befehl der Sprachsteuerung in drei Etappen: Erkennen, Verstehen, Antworten. Zuerst macht Speech-to-Text, also die Spracherkennung, aus Stimme Text. Dann entscheidet ein Conversation Agent, der Gesprächsagent, was passiert. Zum Schluss liest Text-to-Speech die Antwort vor. Jede Station reicht den Stab weiter. Assist gibt es seit Version 2023.2.

Der eingebaute Gesprächsagent heißt schlicht Home Assistant. Er läuft lokal. Er versteht mitgelieferte und eigene Sätze. Das Küchenlicht schaltet er auf Zuruf. KI-Integrationen wie OpenAI oder Ollama bringen laut Dokumentation weitere Agenten für frei formulierte Anfragen mit.

Das Mikrofon steckt im Sprachsatelliten. So nennt die Dokumentation jedes Gerät, über das Sie mit Assist sprechen. Die Voice Preview Edition ist einer. Laut Ars Technica vom 19. Dezember 2024 hört sie auf ihr Stichwort und reicht den Befehl an den Server weiter. Mehr macht sie ab Werk nicht. Auch die Companion-App für Android und Apple-Geräte dient als Satellit. Wer gern bastelt, baut eigene Satelliten mit ESPHome, einer Firmware-Plattform für ESP32-Mikrocontroller. So ein Eigenbau kostet laut Dokumentation 13 Dollar.

Wo die Spracherkennung rechnet, entscheiden Sie selbst. Die Tabelle zeigt die drei Varianten, die Nabu Casa auf der Produktseite der Voice Preview Edition unterscheidet.

VarianteErkennungHardwareGrenze
Fokussiert lokalSpeech-to-Phraseschwacher Server reichtnur feste Steuersätze
Voll lokalWhisperviel Rechenleistunglangsam auf schwacher Hardware
Home Assistant CloudMicrosoft Azureschwacher Server reichtInternet und Abo nötig

Speech-to-Phrase erzeugt laut FAQ ein eigenes Erkennungsmodell für Ihre Installation. Es schaltet ein Gerät ein. Milch auf die Einkaufsliste setzt es nicht. Die Cloud ist laut FAQ kein Muss. Für manche Sprachen liefert sie nach Einschätzung von Nabu Casa aber das beste Ergebnis. Mehrere Assistenten sind erlaubt. Unter „Einstellungen > Sprachassistenten“ legen Sie etwa einen für Englisch und einen für Deutsch an.

Voraussetzungen: Netzteil selbst mitbringen, Geduld bei schwacher Hardware

Für lokale Sprachsteuerung verlangt die Home-Assistant-Anleitung das Home Assistant Operating System, ein Gerät mit Mikrofon sowie Programme für Spracherkennung und Sprachausgabe. Ohne bestehende Installation hilft zuerst unser Einsteiger-Guide zu Home Assistant. Danach kommt die Box.

Die Voice Preview Edition will Strom über USB-C mit 5 Volt und 2 Ampere. Kabel und Netzteil liegen nicht bei. Nabu Casa nennt in der FAQ Nachhaltigkeit als Grund. (Die Schublade mit alten Ladekabeln freut sich.)

Beim Funk ist die Box wählerisch. Laut Haade.fr vom 19. Dezember 2024 verbindet sie sich nur mit 2,4-Gigahertz-WLAN. Die Home-Assistant-App braucht laut JuanMTech Zugriff auf den genauen Standort. Sonst scheitert die Kopplung. Die Box gehört nach drinnen. Laut Datenblatt verträgt sie 0 bis 30 Grad Celsius.

Die eigentliche Rechenarbeit der Sprachsteuerung erledigt der Server. Schwache Hardware heißt langes Warten. Die Tabelle zeigt Verarbeitungszeiten aus der Home-Assistant-Anleitung und Antwortzeiten aus dem Praxisbericht von Haade.fr, der eine lokale Konfiguration für Französisch nutzt.

HardwareSoftwareZeitQuelle
Raspberry Pi 4Whisperrund 8 SekundenHome Assistant
Intel NUCWhisperunter 1 SekundeHome Assistant
Green oder Raspberry Pi 4Speech-to-Phraseunter 1 SekundeHome Assistant
Home Assistant Greenlokal, Haade-Setup5 SekundenHaade.fr
Raspberry Pi 4lokal, Haade-Setup4 SekundenHaade.fr
Raspberry Pi 5 (4 GB)lokal, Haade-Setup2 SekundenHaade.fr
Home Assistant Yellow (8 GB)lokal, Haade-Setup1 SekundeHaade.fr

Ab 2 Sekunden leidet laut Haade.fr der Komfort der Sprachsteuerung. Acht Sekunden sind eine kleine Ewigkeit, wenn Sie im Dunkeln auf Licht warten. (Den Lichtschalter hätten Sie längst ertastet.) Piper, die lokale Sprachausgabe, ist flotter. Laut Anleitung erzeugt Piper auf einem Raspberry Pi mit mittleren Stimmmodellen 1,6 Sekunden Sprache pro Sekunde Rechenzeit. Die Antwort bremst also kaum.

Vom Karton zum „Okay Nabu“: Die Einrichtung in elf Schritten

Die Voice Preview Edition bringt die Sprachsteuerung laut Produktseite mit einem USB-C-Kabel und einem Einrichtungsassistenten ins Haus, montieren müssen Sie nichts. Sie misst laut Datenblatt 84 mal 84 mal 21 Millimeter. Sie wiegt 96 Gramm. Innen arbeitet ein ESP32-S3, ein Mikrocontroller mit WLAN und Bluetooth. Ein XMOS-Chip kümmert sich um den Ton. Er unterdrückt Echos und filtert Rauschen.

Home Assistant Sprachsteuerung mit der Voice Preview Edition und ihrem LED-RingDieses Bild wurde mit KI generiertProviderhiggsfieldModellgpt_image_2_5 flare high 1k 16:9PromptMagazine cover style illustration, top-down flat lay on a light desk: a smartphone showing a simplified setup screen with a short device list and a single button labeled "Hinzufügen", next to a small square white smart speaker with a flat top, a central round button and a glowing LED ring, with a USB-C cable plugged in. Between them, a thin dotted line with a small Bluetooth symbol suggests the pairing. A tiny speech bubble reads "Okay Nabu". Bold flat shapes, crisp outlines, vibrant cyan, deep navy and warm orange palette, soft studio lighting, subtle halftone texture, clean uncluttered composition. No title, no headline, no magazine masthead, no dates, no extra text, no decorative props. No people, no hands. No watermark, no signature.
Die Einrichtung der Voice Preview Edition läuft komplett über die Home-Assistant-App. Auf Wunsch installiert der Assistent dabei Whisper und Piper für den lokalen Betrieb.

Laut Anleitung von JuanMTech vom 19. Dezember 2024 läuft die Einrichtung per Smartphone in elf Schritten ab.

  1. Stecken Sie die Box an den Strom.
  2. Warten Sie, bis der LED-Ring funkelt.
  3. Öffnen Sie in der Home-Assistant-App „Einstellungen > Geräte & Dienste“.
  4. Tippen Sie unter „Entdeckt“ beim Eintrag „Home Assistant-XXX Improv via BLE“ auf „Hinzufügen“.
  5. Geben Sie die Zugangsdaten Ihres 2,4-Gigahertz-WLANs ein und tippen Sie auf „Verbinden“.
  6. Drücken Sie zur Bestätigung die Mitteltaste der Box.
  7. Bestätigen Sie die ESPHome-Einrichtung und wählen Sie das gefundene Gerät.
  8. Lassen Sie den Assistenten verfügbare Updates installieren.
  9. Wählen Sie bei Bedarf ein anderes Aktivierungswort, also das Wort, auf das die Box lauscht.
  10. Ordnen Sie die Box einem Raum zu.
  11. Wählen Sie lokale Verarbeitung oder Home Assistant Cloud.

Haade.fr empfiehlt den Weg über Bluetooth, sofern Ihr Server einen Bluetooth-Chip hat. Die reine WLAN-Kopplung sei zickiger. Bei der Option „Do-it-yourself“ installiert der Assistent laut JuanMTech Whisper und Piper. Beide bindet er über das Wyoming-Protokoll ein, die Schnittstelle zwischen Home Assistant und Sprachdiensten. Mit Cloud-Abo entsteht der Cloud-Assistent automatisch.

Ab Werk hört die Box auf „Okay Nabu“, „Hey Jarvis“ und „Hey Mycroft“. Das erkennt laut FAQ das Gerät selbst. Die Engine dafür heißt microWakeWord. „Computer“ fehlt mit Absicht. Das Wort fällt laut FAQ zu oft in Gesprächen und im Fernsehen. Ars Technica nennt „Okay Nabu“ das am besten trainierte Aktivierungswort. Für Ruhe sorgt ein Seitenschalter. Im Ernst, er trennt die Mikrofone laut Produktseite physisch vom Strom.

Tipp: Geben Sie direkt nach der Einrichtung unter „Einstellungen > Sprachassistenten > Freigeben“ alle Geräte frei, die Assist schalten soll, sonst kann die Sprachsteuerung sie nicht bedienen.

Ganz ohne Cloud: Die lokale Pipeline als Bastelprojekt

Eine vollständig lokale Pipeline, also die Kette aus Spracherkennung, Assist und Sprachausgabe, hält Befehle laut Home-Assistant-Dokumentation komplett im eigenen Zuhause. Klingt einfach, ist es aber nicht. Jede Sprache braucht laut FAQ drei lokale Bausteine. Gebraucht werden ein Erkennungsmodell, Satzvorlagen in Home Assistant und eine Stimme für die Antwort. Fehlt einer, fällt die Sprache lokal durch. Deutsch steht auf der Sprachliste der Produktseite.

Wer die lokale Sprachsteuerung ohne den Assistenten der Box aufsetzt, folgt der offiziellen Anleitung für einen lokalen Sprachassistenten. Die kurze Version passt in sieben Schritte.

  1. Installieren Sie Speech-to-Phrase oder Whisper als App für die Spracherkennung.
  2. Installieren Sie Piper als App für die Sprachausgabe.
  3. Starten Sie beide Apps.
  4. Fügen Sie unter „Einstellungen > Geräte & Dienste“ die von der Wyoming-Integration gefundenen Dienste hinzu.
  5. Legen Sie unter „Einstellungen > Sprachassistenten“ einen neuen Assistenten an.
  6. Wählen Sie „Home Assistant“ als Gesprächsagent, Ihre Erkennung und Piper.
  7. Stellen Sie auf der ESPHome-Geräteseite der Box im Feld „Assist“ den neuen Assistenten ein.

Bei der Wahl der Erkennung wird die Anleitung deutlich. Speech-to-Phrase ist dort erste Wahl für die Haussteuerung. Einkaufslisten, benannte Timer und Durchsagen gehen damit ab Werk nicht. Whisper versucht dagegen, alles zu transkribieren. Es lohnt sich laut Anleitung nur mit starker Hardware oder angebundenem Sprachmodell. Die N100-Empfehlung der FAQ gilt für das Modell Whisper Base. Es läuft bei Sprachen mit großen Trainingsdaten ordentlich schnell, etwa Englisch und Spanisch. Andere Sprachen brauchen die Modelle Small oder Large. Die fordern deutlich mehr Leistung.

Wie stark die Qualität schwankt, zeigte Haade.fr im Dezember 2024 am Beispiel der Whisper-Variante faster-whisper. Sie sei auf Englisch sehr gut, auf Französisch sehr schlecht.

Ein Zwischenweg für die Sprachsteuerung bleibt die Cloud. Home Assistant Cloud verarbeitet Sprache laut FAQ über Unternehmensdienste von Microsoft Azure. Diese speichern laut Nabu Casa keine Daten. Auch Home Assistant Cloud selbst protokolliert laut FAQ weder Stimme noch Befehle. Die Dokumentation nennt die Cloud den einfachsten Weg. Ein späterer Wechsel bleibt möglich. Für den Start würde ich genau dort anfangen (das Bastelprojekt läuft ja nicht weg).

Fehler und Grenzen der Sprachsteuerung: Wenn der Satellit auf Durchzug schaltet

Für typische Fehler der Sprachsteuerung mit Assist nennen Dokumentation und Praxisberichte konkrete Ursachen und einfache Lösungen. Die Tabelle zeigt Symptome, Ursachen und Abhilfen aus der Home-Assistant-Dokumentation, von Ars Technica und von Haade.fr.

SymptomUrsacheLösung
Befehl trifft kein GerätName schwer zu merkenAlias vergeben
Jede Anfrage vom Satelliten scheitertKI-Agent mit Werkzeugset „Home Assistant“Werkzeugset abwählen
Keine Assistenten in der Listekeine Standardkonfigurationassist_pipeline: in configuration.yaml
Box völlig verkonfiguriertEinstellungen verbautWerksreset: Mitteltaste 20 Sekunden halten

Der zweite Fall braucht eine Erklärung. Ein Sprachsatellit ist laut Dokumentation an kein Benutzerkonto angemeldet. Admin-Werkzeuge bleiben ihm deshalb verschlossen. Hat der KI-Agent das Werkzeugset „Home Assistant“ gewählt, scheitert jede Anfrage vom Satelliten. Sogar das Licht bleibt dann aus. Namen sollten kurz und eindeutig sein. Ars Technica gab einem Wetterdienst den Alias, also einen Zweitnamen, „the weather outside“. Erst dann klappte die Antwort.

Musik gehört an einen externen Lautsprecher. Der eingebaute ist laut FAQ für Sprachrückmeldungen gedacht. Über die 3,5-Millimeter-Klinke spielt der Wandler verlustfreies Audio mit 48 Kilohertz. Zur Steuerung empfiehlt Nabu Casa Music Assistant.

Die Grenzen der Sprachsteuerung dokumentiert Nabu Casa selbst. Laut FAQ kann die Box noch nicht alles, was ein Echo, HomePod oder Google Mini kann. Laut Ars Technica löst sie keine Rechenaufgaben. Einheiten rechnet sie auch nicht um. Nach dem Eindruck des Testers von Ars Technica erkannten seine Lautsprecher von Google, Amazon, Apple und Sonos ihr Aktivierungswort bei ähnlicher Platzierung zuverlässiger. The Verge berichtete am 19. Dezember 2024 von Problemen bei Hintergrundgeräuschen.

Home-Assistant-Gründer Paulus Schoutsen sagte laut Ars Technica im Launch-Stream, die Box sei für Umsteigende von Google, Amazon oder Apple womöglich nicht die beste Wahl. Vorhandene Geräte müssen Sie trotzdem nicht neu einrichten. Home Assistant bringt laut Ars Technica Brücken zu Google Home, Alexa und Apple Home mit. Das spart Arbeit. Welche Varianten es für Amazons Assistenten gibt, zeigt unser Vergleich, wie Sie Alexa und Home Assistant verbinden.

Mehr Gesprächigkeit liefert ein großes Sprachmodell, kurz LLM. Laut FAQ ersetzt es den Gesprächsagenten komplett. Alternativ springt es nur bei unverstandenen Befehlen ein. Nötig ist bezahlter Zugang zu einem Cloud-Modell oder passende Hardware für ein lokales Modell. Nabu Casa nennt KI im Smart Home experimentell und rät bei wichtigen Funktionen zur Vorsicht. Die Einbindung erklärt unser Ratgeber zu ChatGPT, Gemini oder lokalem Modell als Sprachassistent.

Tipp: Aktivieren Sie bei einem KI-Agenten die Option „Prefer handling commands locally“, dann prüft der eingebaute Agent laut Dokumentation jeden Befehl zuerst und reicht nur Unverstandenes an das Sprachmodell weiter.

Offen bleibt bei der Sprachsteuerung die lokale Spracherkennung. Sie bremst laut FAQ die Sprachunterstützung am stärksten. Nabu Casa sucht Freiwillige für Übersetzungen. Prüfen Sie vor dem Kauf in der Sprachübersicht der Dokumentation, wie Deutsch lokal und in der Cloud eingestuft ist. Davon hängt ab, ob Ihr Server genügt.

Was halten Sie von dem Thema? Hier können Sie mit anderen Leserinnen und Lesern ins Gespräch gehen.