Ein Sprachbefehl im Wohnzimmer, ein Licht geht an, eine Antwort kommt – und nichts davon hat das eigene Heimnetz verlassen. Genau diese Vision verkauft Home Assistant Voice seit dem ersten offiziellen Hardware-Release. Was vor zwei Jahren noch ein Bastlerprojekt mit Wyoming-Protokoll und drei Raspberry Pis war, ist 2026 ein produktives Setup: Der Home Assistant Voice Preview Edition liegt als kompakte Box auf dem Sideboard, ein RaspiAudio Muse Luxe ergänzt das Schlafzimmer, und beide funktionieren als Assist-Satelliten. Wer schon viele Entitäten in HA pflegt, hat die halbe Arbeit hinter sich. Dieser Artikel zeigt, wie sich das Setup sinnvoll aufbaut, was wirklich offline läuft und wo es Sinn macht, doch noch einen Cloud-LLM dranzuhängen.
Was ein Assist-Satellit eigentlich macht
Ein Assist-Satellit ist Mikrofon, Lautsprecher und Wake-Word-Engine in einem – die eigentliche Intelligenz läuft auf dem Home-Assistant-Server. Wenn das Wake-Word erkannt wird, streamt der Satellit Audio an HA, die Speech-to-Text-Engine wandelt es in Text, die Intent-Engine interpretiert ihn und gibt eine Antwort zurück, die der Text-to-Speech-Dienst wieder hörbar macht. Das gesamte Audio bleibt im LAN, wenn man lokale Engines wie Whisper und Piper einsetzt. Die Latenz liegt auf moderner Hardware (Mini-PC mit i5 oder besser) bei rund einer Sekunde – schnell genug für den Alltag.
Im typischen Haushalt 2026 sieht eine Aufstellung so aus: Ein HA Voice 0a204b im Wohnzimmer, ein RaspiAudio Muse Luxe im Schlafzimmer oder Büro, dazu der HA-Server (idealerweise auf einem Mini-PC mit AMD Ryzen 5 oder Intel N100 mit acht Gigabyte RAM). Wer kleinere Satelliten will, baut sich einen ESP32-S3 Box-3 fürs Schlafzimmer.
Schritt 1: Die Voice-Pipeline einrichten
In der HA-Oberfläche unter Einstellungen → Sprachassistenten legt man eine Pipeline an. Sie definiert, welche Engine für welchen Schritt zuständig ist. Eine vollständig lokale Pipeline sieht so aus: STT mit Whisper (Modell large-v3-turbo), Intent-Engine Home Assistant, TTS mit Piper (Stimme thorsten-medium für Deutsch). Wer das HA Voice Add-on installiert hat, findet die Engines bereits in den Auswahlfeldern.
Damit Befehle wie „Schalte das Wohnzimmerlicht ein“ funktionieren, müssen die betroffenen Entitäten in HA freigegeben sein. Unter Einstellungen → Sprachassistenten → Assist freigeben lassen sich Geräte ein- und ausschliessen. Wichtig: Aliase pflegen. Eine Lampe mit der entity_id light.hue_white_lamp_1 ist im Sprachbefehl nicht eingängig. Im UI lässt sich der Anzeigename auf „Stehleuchte Wohnzimmer“ setzen und ein Alias „Stehleuchte“ ergänzen. Erst dann reagiert die Pipeline auf natürliche Sprache.
Schritt 2: Wann ein Cloud-LLM trotzdem sinnvoll ist
Die lokale Intent-Engine versteht strukturierte Befehle: Geräte einschalten, Wetter abfragen, Szenen aktivieren. Sie scheitert an offenen Fragen wie „Erinnere mich heute Abend daran, den Müll rauszustellen“ oder „Wie war meine Stromproduktion gestern?“. Hier hilft eine zweite Pipeline mit OpenAI Conversation oder Anthropic Claude als Fallback. In HA seit der Version 2025.4 unterstützt die Pipeline einen Fallback-Modus: Wenn die lokale Intent-Engine keinen Treffer hat, geht die Anfrage an den Cloud-Provider.
Wer Datenschutz priorisiert, behält die lokale Pipeline und nimmt den Funktionsverlust in Kauf. Wer maximale Flexibilität will, hängt einen LLM dran. Eine Hybrid-Lösung ist die ai_task-Entität, die seit dem Release 2025.12 in HA verfügbar ist und Aufgaben gezielt an konfigurierte KI-Modelle weiterleitet – nur dann, wenn man sie explizit triggert.
Schritt 3: Wake-Word und Geräusch-Tuning
Das HA-Voice-Gerät kommt mit dem Wake-Word „OK Nabu“. Das funktioniert, hört sich aber ungewohnt an. Die Wake-Word-Engine openWakeWord erlaubt eigene Modelle. Hannes Heyne und andere haben Modelle für „Hey Jarvis“, „Hey Mycroft“, „Computer“ trainiert, die fertig zum Download bereitstehen. Eigene Wake-Words sind möglich, brauchen aber 200 bis 500 Sprachsamples.
Wichtiger ist das Geräusch-Tuning. Das HA Voice hat einen Hardware-Mute-Switch und gut platzierte Mikrofone, der RaspiAudio kommt mit einem einfacheren Setup. Eine Beispielautomation, die das Wake-Word bei laufendem Fernseher temporär deaktiviert:
automation:
- alias: "Mute Voice Satellite while TV is loud"
trigger:
- platform: numeric_state
entity_id: sensor.living_room_sound_pressure
above: 65
action:
- service: assist_satellite.set_wake_word
target:
entity_id: assist_satellite.home_assistant_voice_0a204b_assist_satellit
data:
wake_word: ""
Schritt 4: Mehrere Räume sauber abgrenzen
Wenn zwei oder mehr Satelliten in unterschiedlichen Räumen stehen, soll der richtige Befehl im richtigen Raum landen. HA löst das über das Area-Konzept. Jeder Satellit ist einem Bereich zugeordnet. Sagt jemand „Licht aus“ im Wohnzimmer, schaltet HA die Lichter im Bereich „Wohnzimmer“ aus. Voraussetzung: Jedes Licht ist einem Bereich zugewiesen.
Ein kleines YAML-Snippet, das die Lichter im Bereich des aktiven Satelliten gezielt steuert:
script:
raum_licht_aus:
sequence:
- service: light.turn_off
target:
area_id: "{{ trigger.area_id }}"
Das trigger.area_id wird von der Pipeline automatisch gesetzt, wenn der Satellit einer Area zugeordnet ist. Mit dieser einen Zeile spart man sich raumspezifische Skripte – ein zentraler Vorteil gegenüber Alexa und Google Assistant.
Schritt 5: Antworten anpassen und Persönlichkeit geben
Standardantworten klingen technisch. Wer den Voice-Assistenten als zugängliche Stimme im Haushalt etablieren will, passt die Antworten an. In configuration.yaml lassen sich Antwort-Templates definieren:
intent_script:
HassTurnOn:
speech:
text: >
{% set name = state_attr(slots.name, 'friendly_name') or slots.name %}
Alles klar, ich schalte die {{ name }} ein.
Mit kleinen Variationen klingt der Assistent weniger nach Roboter. Wer Lust hat, lässt zufällige Bestätigungen rotieren – „Erledigt“, „Mache ich“, „Bereits passiert“.
Fazit und Verlinkung
Ein lokales Voice-Setup ist 2026 keine Bastelei mehr, sondern ein erwachsenes Produkt. Wer in HA bereits viele Entitäten gepflegt hat – inklusive Aliasen und Areas – ist in zwei Stunden produktiv. Datenschutz bleibt, Antwortqualität ist auf dem Niveau einer guten Cloud-Lösung, und die Kosten halten sich in Grenzen: zwei bis drei Geräte zwischen 50 und 200 Franken pro Stück. Wer Wert auf Cloud-Backup oder einen LLM-Fallback legt, kombiniert das Setup mit einer zweiten Pipeline. Wie man die Energie-Auswertungen aus HA mit InfluxDB und Grafana langfristig sichert, wurde im letzten Beitrag gezeigt – ein guter Folge-Schritt, sobald die Voice-Steuerung produktiv läuft.