KI-Router und Wi-Fi 7: Was On-Device-LLM-Routing heute wirklich kann

Ehrlich gesagt habe ich mir dabei selbst auf die Finger geschaut – als mein ASUS-Router mir neulich mit „AI QoS“-Aufkleber entgegengrinste und ich instinktiv dachte: Endlich ein Gerät, das schlauer ist als ich. Spoiler: War es nicht. Was in Heimroutern heute als „KI“ vermarktet wird und was On-Device-LLMs wirklich leisten könnten, liegt noch weit auseinander. Ein ehrlicher Blick auf eine aufgeregte neue Gerätekategorie.

KI-Router: Das Marketing-Feuerwerk und die technische Realität

Nerd-Alarm: Die Begriffe „AI Mesh“, „Smart Router“ und „KI-Optimierung“ prasseln gerade aus jedem Hersteller-Briefing auf uns ein. Wi-Fi 7 ist seit 2023/24 im Handel, Qualcomm- und Broadcom-Plattformen treiben die neuen Router-SoCs an, und jedes zweite Gerät trägt inzwischen ein KI-Label. Das Problem: Was dahintersteckt, ist in den meisten Fällen kein On-Device-LLM-Routing, sondern klassische regelbasierte Engines, statistische Heuristiken oder – besonders beliebt – Cloud-Analytik, die der Hersteller nach Hause telefoniert.

Nehmen wir zwei konkrete Beispiele. Juniper Networks hat seine Edge-Router in die hauseigene Mist-AI-Engine eingebunden. Ziel ist automatisierte Fehleranalyse, Root-Cause-Detection und Service-Assurance – klingt beeindruckend. Nur: Junipers Mist-KI läuft in der Cloud, nicht im Router selbst. Ruckus Networks beschreibt ähnliches für Wi-Fi 7: KI erkennt Anomalien, schlägt Optimierungen vor, überwacht Performance. Auch hier: eine Cloud-gestützte Analyseplattform, kein lokales Sprachmodell auf dem Gerät.

Das ist keine Kritik an diesen Herstellern – Cloud-Analyse bietet echte Skaleneffekte, bessere Modell-Updates und funktioniert bei Enterprise-Setups mit Dutzenden Access Points hervorragend. Aber es ist eben nicht das, was der Begriff „KI-Router“ bei vielen Lesern auslöst: ein Gerät, das selbstständig, lokal und ohne Cloud-Rückfrage denkt.

Was bei Wi-Fi 7 wirklich unter der Haube steckt

Wi-Fi 7 (IEEE 802.11be) bringt echte technische Sprünge: Multi-Link Operation (MLO) erlaubt gleichzeitige Übertragung über mehrere Bänder, 320-MHz-Kanäle und 4K-QAM steigern den theoretischen Durchsatz erheblich, und Multi-RU ermöglicht flexiblere Kanalnutzung. Das sind Fortschritte im Funkprotokoll, keine KI.

Die „AI“-Features, die Hersteller obendrauf schichten, sind in der Praxis oft: adaptive QoS, die Datenverkehr nach bekannten App-Signaturen priorisiert; Geräteerkennung über MAC-Adressen- und Traffic-Pattern-Datenbanken; Störungsminimierung durch Kanal-Scanning und einfache Entscheidungsbäume. ASUS bietet zum Beispiel „AIProtection“ in Kooperation mit Trend Micro – das ist eine Sicherheitslösung mit Cloud-basierter Signaturdatenbank, kein Mistral-Modell im Router-Gehäuse. Im Ernst: Wer heute einen Wi-Fi-7-Router kauft und auf das „AI“-Label schaut, sollte immer nachfragen: Läuft die Analyse lokal oder in der Cloud? Werden Telemetriedaten übertragen? Gibt es eine technische Dokumentation?

Für viele Haushalte ist das kein Drama. Guter Funkentwurf, solide Mesh-Technik und vernünftige QoS-Regeln reichen für Streaming, Gaming und Homeoffice völlig aus. Komplexer wird es in dichten Umgebungen mit vielen Geräten, mehreren Access Points und latenz-sensitiven Anwendungen wie AR/VR oder Videoschnitt.

On-Device-LLM für WLAN-Steuerung: Was die Forschung zeigt

Jetzt wird es interessant – und das ist der Teil, den ich persönlich spannend finde, weil er das Marketing-Rauschen übersteigt. Eine der ersten systematischen Studien zu echten On-Device-LLMs für WLAN-Steuerung wurde auf der ICML 2026 vorgestellt: „On-Device LLM for Context-Aware Wi-Fi Roaming“. Das Konzept: Ein kleines Sprachmodell läuft direkt auf dem Endgerät – zum Beispiel einem Smartphone oder Edge-Board – und steuert das WLAN-Roaming über eine Cross-Layer-Schnittstelle.

Konkret übernimmt das LLM zwei Aufgaben. Erstens die kontextgetriebene Access-Point-Auswahl: Basierend auf Ort, Tageszeit, RSSI-Werten und Nutzungshistorie entscheidet das Modell, mit welchem AP (BSSID) sich das Gerät verbindet. Zweitens die dynamische Anpassung der Roaming-Schwellenwerte: Das LLM legt fest, bei welcher Signalstärke ein Handover ausgelöst wird – nicht statisch wie in klassischen Treibern, sondern kontextabhängig.

Das Referenz-Repository der Studie nutzt Ollama mit dem Modell llama3.2:1b-instruct-q2_K – also eine stark quantisierte Llama-3.x-Variante mit rund einer Milliarde Parametern. Das ist kein 70-Milliarden-Parameter-Monster, das ein Rechenzentrum braucht. Solche Modelle laufen heute bereits auf Smartphones und leistungsfähigen Edge-Boards. Und das ist der entscheidende Punkt: Das System läuft vollständig lokal, ohne Cloud-Roundtrip, und reicht Roaming-Aktionen direkt ins PHY/MAC-Layer durch.

Wichtig zu betonen: Das ist Forschung, kein Produkt. Die Studie läuft auf Endgeräten, nicht auf kommerziellen Heimroutern. Und die Übertragbarkeit auf dichte Multi-AP-Umgebungen, verschiedene Interferenzszenarien oder batteriebetriebene Geräte ist noch nicht breit empirisch belegt. Aber das Prinzip ist demonstriert.

Das Bastelprojekt, das ich noch im Kopf habe

Ich frage mich ernsthaft, ob sich das On-Device-LLM-Konzept auf einen Heimrouter übertragen ließe – und die ehrliche Antwort ist: Noch nicht wirklich. Aktuelle Consumer-Router-SoCs sind für diese Aufgabe knapp ausgelegt. Ein quantisiertes 1B-Modell mit Ollama braucht schon auf einem Raspberry Pi 5 je nach Anfragetyp mehrere Sekunden Inferenz. Das ist für Roaming-Entscheidungen, die in Millisekunden fallen müssen, noch zu langsam.

Wer das trotzdem ausprobieren will, braucht heute einen separaten Edge-Rechner – Raspberry Pi, NUC oder ähnliches – der als Netzwerk-Koprozessor fungiert und die Entscheidungslogik übernimmt, während der Router selbst nur die Funkübertragung macht. Ein echtes Bastelprojekt, aber prinzipiell machbar. Die Wi-Fi-7-Router mit ihren Qualcomm-IPQ9574-Plattformen haben NPUs an Bord, die für leichtgewichtige ML-Inferenz ausgelegt sind – aber nicht für LLM-Inferenz im klassischen Sinne.

Die nächste Router-Chip-Generation könnte das ändern. Wenn NPUs auf 10–50 TOPS kommen und spezialisierte Mikro-Modelle für Roaming, Sicherheit und Energie-Management verfügbar sind, wird On-Device-LLM-Routing auch im Consumer-Segment realistisch. Bis dahin gilt: Enterprise-Hardware mit Custom-ASICs und höheren Margen kommt wahrscheinlich früher dran als der 150-Euro-Heimrouter.

LLM-Router: Vorsicht, Begriffsverwirrung

Ein kurzer Ausflug in die KI-Terminologie, weil hier viel durcheinandergeworfen wird. In der KI-Szene bezeichnet „LLM Router“ etwas völlig anderes als einen Netzwerk-Router mit LLM: Ein LLM-Router entscheidet, welches Sprachmodell eine Anfrage bearbeitet – er analysiert die Eingabe, wählt das beste Modell nach Kosten, Qualität und Latenz aus und verteilt die Last. Das ist Routing zwischen Modellen, nicht Routing von Netzwerkpaketen.

Das Konzept lässt sich aber gedanklich auf Router-Hardware übertragen. Zukünftige Systeme könnten mehrere spezialisierte Mikro-Modelle an Bord haben – eines für Roaming-Entscheidungen, eines für Sicherheitsanalyse, eines für Energieoptimierung – und eine übergeordnete Routing-Logik entscheidet on-device, welches Submodell welche Aufgabe übernimmt. Das wäre echter On-Device-LLM-Routing-Betrieb in einem Netzwerkgerät.

Forschungsarbeiten zu Quality/Latency-aware Routing zwischen LLMs zeigen, wie kleine BERT-ähnliche Modelle als Router zwischen größeren Backends funktionieren können. Das Prinzip ist übertragbar. Nur ist es eben noch nicht das, was Hersteller heute ausliefern.

Was sollten Sie beim Kauf eines Wi-Fi-7-Routers wirklich prüfen?

Wenn Sie heute einen neuen Wi-Fi-7-Router oder KI-Router kaufen, sind das die Fragen, die tatsächlich zählen. Erstens: Läuft die beworbene KI-Analyse lokal auf dem Gerät oder erfordert sie eine permanente Cloud-Verbindung? Ein Router, der ohne Cloud-Anbindung degradiert oder bestimmte Features verliert, ist eine Abhängigkeit, die man kennen sollte.

Zweitens: Welche Telemetriedaten werden übertragen? Geräteerkennung, Traffic-Muster und Nutzungszeiten sind sensitive Daten. Hersteller wie AVM mit ihren FRITZ!Box-Modellen sind hier traditionell transparenter als manche US-Anbieter – ein Punkt, den FRITZ!Box-Nutzer oft unterschätzen. Eine FRITZ!Box mit aktueller Firmware macht viel lokal, ohne zwingend Cloud-Anbindung zu fordern.

Drittens: Was genau meint der Hersteller mit „AI“? Adaptive QoS nach App-Signaturen ist nützlich, aber kein LLM. Geräteerkennung per Heuristik ist praktisch, aber kein Intelligenz-Durchbruch. Wenn ein Hersteller keine technische Dokumentation liefert, welche Modelle oder Algorithmen eingesetzt werden, ist Skepsis angebracht.

Viertens: Gibt es eine klare Offline-Fallback-Strategie? Ein Router, der lokal und autonom läuft, ist im Heimnetz zuverlässiger als eines, das auf externe Server angewiesen ist. Gerade für latenz-sensitive Anwendungen ist On-Device-Verarbeitung ein echtes Qualitätsmerkmal – wenn sie wirklich so funktioniert.

Datenschutz und Abhängigkeiten: Das unterschätzte Kaufargument

Ein Aspekt, der in vielen Router-Tests zu kurz kommt: Was passiert eigentlich mit den Daten, die ein „KI-Router“ zur Analyse in die Cloud schickt? Bei Consumer-Geräten, die Traffic-Muster, Gerätefingerabdrücke und Nutzungszeiten erheben, geht es um sehr persönliche Informationen – wann jemand zu Hause ist, welche Geräte im Netz hängen, welche Dienste genutzt werden.

Hersteller aus dem US-amerikanischen oder asiatischen Raum unterliegen dabei anderen Rechtsnormen als in der EU ansässige Anbieter. Für Nutzer, die den Datenschutz ernst nehmen, lohnt sich deshalb ein Blick in die Datenschutzerklärung des jeweiligen Herstellers – konkret: Wo werden Daten gespeichert? Wie lange? Werden sie mit Dritten geteilt? Gibt es eine Opt-out-Möglichkeit, ohne dabei die beworbenen KI-Features vollständig einzubüßen?

Ein Gerät, das seine „KI-Intelligenz“ verliert, sobald man die Cloud-Synchronisation deaktiviert, ist im Grunde ein normaler Router mit abonnierter Analysefunktion. Das ist kein Weltuntergang – aber es sollte so kommuniziert werden. Der Begriff Smart Router und was wirklich lokal läuft versus Cloud-abhängig ist, verdient eine ehrlichere Debatte, als sie Hersteller-Briefings in der Regel führen.

Wer in einem Mehrpersonen-Haushalt oder kleinen Büro einen neuen Router einführt, sollte außerdem prüfen, ob das Gerät nach einem Hersteller-Insolvenz- oder Support-Ende noch sinnvoll betrieben werden kann. Cloud-abhängige KI-Features werden typischerweise als erste abgeschaltet, wenn ein Anbieter sein Geschäftsmodell ändert oder den Dienst einstellt. Lokale Intelligenz – auch wenn sie heute noch begrenzt ist – hat hier einen echten Dauerhaftigkeitsvorteil.

Praxis-Szenarien: Wer profitiert heute schon, wer wartet besser?

Es lohnt sich, die aktuelle Situation an konkreten Nutzungsprofilen durchzuspielen, um das Marketing-Versprechen gegen den tatsächlichen Nutzen abzuwägen.

Szenario 1: Großer Haushalt mit vielen Smart-Home-Geräten. Wer 30 oder mehr vernetzte Geräte betreibt – Smartphones, Tablets, Kameras, Smarthome-Sensoren, Smart-TV, Spielkonsolen – profitiert tatsächlich von guter adaptiver QoS und Geräteerkennung. Hier kann ein Router, der Priorisierungsregeln automatisch anpasst, sichtbar zur Netzqualität beitragen. Nur: Das leistet auch regelbasierte QoS ohne LLM-Anspruch, wenn sie gut konfiguriert ist.

Szenario 2: Homeoffice mit Videokonferenzen und latenz-sensitiven Anwendungen. Für diesen Anwendungsfall ist eine stabile, priorisierte Verbindung mit niedrigem Jitter entscheidend. Aktuelle Wi-Fi-7-Router mit MLO-Fähigkeit und vernünftiger Bandbreiten-Priorisierung helfen hier real – unabhängig davon, ob die QoS-Logik per Heuristik oder Cloud-KI gesteuert wird. Das KI-Label fügt hier kaum messbaren Mehrwert hinzu.

Szenario 3: Technisch interessierte Nutzer, die lokale Kontrolle schätzen. Wer OpenWRT oder ähnliche Custom-Firmware bevorzugt und volle Transparenz über sein Netz will, ist mit einem gut ausgestatteten Wi-Fi-7-Router ohne Cloud-Anbindung besser bedient als mit einem „KI-Router“, der Telemetriedaten abzieht. Für diese Gruppe ist On-Device-LLM-Routing eine interessante Zukunftsperspektive – aber als Bastelprojekt auf eigenem Edge-Board, nicht als vermarktetes Feature.

Szenario 4: Enterprise-Umgebungen mit mehreren Access Points. Hier macht Cloud-basierte KI-Analyse tatsächlich Sinn. Wenn ein Unternehmen 20 Access Points über mehrere Stockwerke betreibt, kann eine zentrale Analyseinstanz Muster erkennen, die kein einzelner Router allein sehen würde. Juniper Mist oder Ruckus AI sind für diesen Zweck gebaut – und liefern dort auch nachvollziehbaren Mehrwert.

Echte KI im Router: Wann kommt sie wirklich?

Meine ehrliche Einschätzung: Echte On-Device-LLM-Router im Consumer-Segment – also Geräte, die tatsächlich ein lokales Sprachmodell für Roaming, Priorisierung und Sicherheitsanalyse einsetzen, ohne Cloud-Rückfrage – sind noch zwei bis vier Jahre entfernt. Die Chip-Entwicklung ist der limitierende Faktor, nicht die Modell-Forschung. Qualcomm, MediaTek und Broadcom müssen ihre Router-SoCs mit deutlich leistungsfähigeren NPUs ausstatten, bevor LLM-Inferenz in Echtzeit im Router-Gehäuse möglich wird.

Im Enterprise-Segment wird das früher passieren. Juniper, Cisco und Ruckus haben die Margen und die Custom-Hardware-Spielräume, um solche Features als erste einzuführen. Consumer-Hersteller folgen typischerweise mit Verzögerung. Das ist keine Schwäche des Konzepts – die ICML-Forschung zeigt, dass On-Device-LLM-Roaming prinzipiell funktioniert und messbare Vorteile gegenüber statischen Algorithmen hat. Es ist eine Frage der Hardware-Reife.

Bis dahin lohnt sich ein kritischer Blick auf jeden Router, der sich als „Smart Router“ oder „KI-Router“ vermarktet. Fragen Sie nach technischen Details. Prüfen Sie, ob die KI lokal oder in der Cloud läuft. Und seien Sie misstrauisch gegenüber Produktankündigungen, die Claude oder Mistral on-device auf einem Consumer-Router versprechen, ohne begleitende technische Dokumentation – das ist aktuell nicht belegt und klingt nach Marketing-Amplifizierung eines Trends, der in der Forschung real ist, in der Produktrealität aber noch nicht angekommen.

Die spannende Frage bleibt: Wer baut den ersten Consumer-Router, der ein echtes On-Device-LLM für Netzwerkentscheidungen einsetzt – und wer traut sich, die technischen Details dabei offenzulegen, statt nur das KI-Label draufzukleben?