Lokale Alexa mit Home Assistant: Vier Sprachassistenten, ein Gehirn und die eine Zeile, die 25 Sekunden kostet

Werbung: Das Video zu diesem Beitrag hat VZMORE gesponsert und mir dafür den Mini-PC AX9 Max zur Verfügung gestellt. Links mit * sind Werbe- oder Affiliate-Links.

Ich ziehe den Internetstecker. Alexa sagt: Tut mir leid, im Moment gibt es keine Internetverbindung. Meine vier anderen Sprachassistenten reden aber nur noch mit meinem Haus. Das ist meine lokale Alexa mit Home Assistant: Ohr, Gehör, Verstand und Stimme laufen bei mir zu Hause, das Gehirn auf einem einzigen Mini-PC. Und nach einer Woche Messen weiß ich ganz ehrlich auch, wo sie noch hakt.

Hier findest du zum Nachlesen:

• welcher Echo sich befreien lässt und welcher nicht
• wie Ohr, Gehör, Verstand und Stimme bei mir komplett lokal laufen
• wie ich aus 23 Sprachmodellen das eine gefunden habe, das schnell und richtig schaltet
• die eine Zeile, wegen der meine lokale Alexa manchmal 25 Sekunden gebraucht hat
• das Duell gegen die echte Alexa, mit Dunstabzugshaube und auf 10 Meter

Hier ist ein YouTube-Video eingebunden. Wenn du es lädst, setzt Google Cookies, erhält Daten wie deine IP-Adresse und nutzt sie auch für eigene Zwecke, teils in den USA (EU-US Data Privacy Framework).

Mehr Informationen

Video laden YouTube-Videos künftig ohne Nachfrage laden

Stand: November 2026

Inhalt

• Was ist eine lokale Alexa?
• Was du für die lokale Alexa brauchst
• Wie hört ein Sprachassistent sein Wake Word?
• Welcher Echo lässt sich befreien?
• Sprachsatellit selber bauen mit ReSpeaker XVF3800
• Reicht ein Mini-PC mit 32 GB RAM als Gehirn?
• Welche Spracherkennung funktioniert auf Deutsch?
• Wie versteht Home Assistant normale Sätze?
• Ist die Stimme der Engpass?
• Warum meine lokale Alexa manchmal 25 Sekunden braucht
• Lokale Alexa gegen echte Alexa: Wer gewinnt?
• Was darf die KI bei dir schalten?
• Mein ehrliches Fazit
• Häufige Fragen
• Hardware aus dem Video

Was ist eine lokale Alexa?

Eine lokale Alexa ist ein Sprachassistent, bei dem nichts von dem, was du sagst, dein Haus verlässt. Bei Amazon erkennt der Echo nur das Wake Word selbst. Alles, was du danach sagst, geht zur Verarbeitung an Amazon. Eine Einstellung, das im Gerät zu verarbeiten, gab es in Deutschland laut Amazon nie. In den USA gab es sie für ein paar Geräte, im März 2025 hat Amazon sie abgeschaltet.

Ich bin ehrlich: Alexa funktioniert. Sie ist bequem und versteht dich quer durch die Küche. Aber du bestimmst nicht, was dein Lautsprecher morgen kann. Und Amazon hat zum Start von Alexa+ gesagt: Werbung bleibt Teil des Erlebnisses.

Wie viel in solchen Aufnahmen steckt, hat ein Fall von 2018 gezeigt: Amazon hat einem Kunden aus Versehen 1.700 Sprachaufnahmen eines Fremden geschickt. Daraus ließ sich herausfinden, wer er ist und mit wem er lebt. Laut Amazon war das ein menschlicher Fehler. Er zeigt aber, was ein Lautsprecher über eine Familie verraten kann.

Mein roter Faden: Ein Sprachassistent ist ein Körper mit vier Organen. Bei Alexa sitzen drei davon in einem Rechenzentrum.

Organ	Was es macht	Bei mir lokal mit
Ohr	hört das Wake Word	Wake-Word-Modell direkt im Satelliten
Gehör	macht aus Sprache Text	Whisper large-v3-turbo mit Vulkan auf der Grafik
Verstand	versteht und schaltet	„Lokale Befehle bevorzugen“ plus Gemma 4 26B über Ollama
Stimme	spricht die Antwort	Piper mit der Stimme Ramona

Was du für die lokale Alexa brauchst

Einen Körper, der zuhört, und ein Gehirn, das rechnet. Bei mir hängen vier Körper an einem Gehirn. Home Assistant selbst läuft auf einem eigenen Rechner, der Mini-PC ist nur für die Sprache da.

• Home Assistant mit Assist.
• Mindestens einen Sprachsatelliten: befreiter Echo Dot 2, Home Assistant Voice Preview Edition oder selbst gebaut mit ESPHome.
• Einen Rechner mit Grafik und viel schnellem Speicher. Bei mir der VZMORE AX9 Max mit 32 GB RAM, Ubuntu, Ollama und Whisper.
• Ein aufgeräumtes Home Assistant. Das ist wichtiger als jede Hardware, dazu unten mehr.

Du willst nur „Licht an, Licht aus“? Dann reicht ein Raspberry Pi oder ein Home Assistant Green. Feste Befehle erkennt Home Assistant selbst, ganz ohne KI. Willst du reden wie mit einem Menschen, brauchst du mehr Gehirn.

Wie hört ein Sprachassistent sein Wake Word?

Ein winziges neuronales Netz schaut alle 10 Millisekunden auf den Klang im Raum und rechnet aus, wie wahrscheinlich es gerade ist, dass du das Wake Word gesagt hast. Das Modell dafür braucht ungefähr 22 Kilobyte Arbeitsspeicher. Ultra wenig. Erst wenn es über die letzten Messungen zu mehr als 90 Prozent sicher ist, wacht der Rest auf.

Das ist Organ 1, das Ohr. Bis hierhin ist auch Alexa lokal. Das Problem ist alles, was danach kommt.

Und ein Lautsprecher in der Küche hört nicht nur dich. Er hört die Dunstabzugshaube, die Kinder und sich selbst. Dagegen helfen Beamforming und Echounterdrückung.

Welcher Echo lässt sich befreien?

Stand November 2026 geht nur der Echo Dot 2 ohne Löten. Die coolen neuen leider nicht.

Gerät	Befreien?
Echo Dot 2 (ohne Stoffbezug)	ja, per Micro-USB, ohne Löten
Echo Dot 3	nur über Testpunkte im Gehäuse, also aufschrauben und löten
Echo Dot 4, 5 und neuer	aktuell nicht

Meinen Echo Dot 2 habe ich gebraucht gekauft. Darauf läuft jetzt EchoMuse, ein Open-Source-Projekt. Kein Amazon-Konto. Keine Cloud. Für Home Assistant ist der Dot danach ein ganz normales ESPHome-Gerät. Mega cool.

So läuft die OP

1. Echo per Micro-USB verbinden und einmal entsperren.
2. Die neue Software aufspielen.
3. Home Assistant findet den Dot von alleine.

Die genauen Befehle stehen in der Anleitung von EchoMuse auf GitHub. Halte dich an die aktuelle Version dort, das Projekt entwickelt sich gerade schnell.

Bei mir hat das 15 bis 20 Minuten gedauert. Ehrlich dazu: Das ist ein Eingriff. Geht beim Entsperren etwas schief, kann der Echo hängen bleiben oder im schlimmsten Fall kaputtgehen, und die Garantie ist in der Regel weg. Die Stummtaste ist danach nur noch eine Software-Stummschaltung.

Sprachsatellit selber bauen mit ReSpeaker XVF3800

Mein zweiter Körper ist ein ReSpeaker XVF3800 mit XIAO ESP32-S3* und ESPHome. Das ist meine Hoffnung, Alexa schlagen zu können.

Oben sitzen vier Mikrofone im Kreis. Dazu kommt ein Audiochip von XMOS. Stell ihn dir wie einen Tontechniker vor: Er nimmt mehrere Mikrofone, guckt, wo die Stimme herkommt, unterdrückt Störgeräusche, nimmt den Hall raus und regelt die Lautstärke. Heraus kommen zwei Tonspuren. Eine für das Wake Word, eine für die Spracherkennung.

Der LED-Ring zeigt, aus welcher Richtung die Stimme kommt. Das macht super viel aus. Du sitzt auf dem Sofa, willst das Licht heller und siehst sofort, ob das Gerät reagiert hat. Jetzt verstehe ich, warum jede Alexa so etwas hat.

Mein eigener Fehler: Nach dem ersten Zusammenbau lief alles außer der LED. Ich hatte den USB-Pfad zerstört. Und das Gehäuse mit den Rippen hat sich meine Frau gewünscht. Ganz happy ist sie noch nicht, es kommen nochmal zwei Versionen aus dem Drucker.

Die Gehäuse-Dateien zum Selberdrucken gibt es in der Macherwerkstatt. Dort bauen wir den Satelliten auch gemeinsam nach, live und an deinem eigenen Gerät.

Wer nicht basteln will, nimmt die Home Assistant Voice Preview Edition*. Einstecken, mit dem Handy ins WLAN, fertig. Willst du selbst bauen, starte mit einem ESP. Welcher passt, steht in Welcher ESP für ESPHome?

Reicht ein Mini-PC mit 32 GB RAM als Gehirn?

Ja, aber knapp, und nur mit dem richtigen Modell. Mein Gehirn ist der VZMORE AX9 Max* mit AMD Ryzen AI 9 HX 470 und Radeon 890M.

Die Grafik ist hier der Star. Im AX9 gibt es keinen eigenen Grafikspeicher. Prozessor und Grafik teilen sich die 32 GB RAM. Für lokale KI zählt vor allem eins: viel Speicher, der schnell gelesen wird.

Worauf ich bei einem Dauerläufer achte	Beim AX9 Max
RAM	32 GB als zwei Module, nicht verlötet, also nachrüstbar
Neustart nach Stromausfall	im BIOS „Restore on AC Power Loss“ auf „Power On“ gestellt, dann fährt er von selbst wieder hoch
Netzwerk	zwei Anschlüsse mit 2,5 Gigabit, dazu USB4 mit 40 Gbit/s
Strom (gemessen)	5 bis 6 Watt in Ruhe, im Alltag rund 0,15 bis 0,17 kWh pro Tag

In Ruhe höre ich den Lüfter gar nicht. Bei vielen KI-Abfragen kommt hinten warme Luft raus wie aus einem Föhn. Ins Schlafzimmer würde ich ihn nicht stellen, ins Studio schon. Mit dem Code AX9MALEXKLY sparst du 15 Prozent.

Home Assistant selbst auf einem Mini-PC? So habe ich das auf Proxmox eingerichtet.

Falle 1: Linux gibt der Grafik nur die Hälfte

Ohne Anpassung lässt Linux die Grafik nur die Hälfte des Speichers nutzen, rund 15 GB. Mein Sprachmodell belegt aber 19,5 GB. Mit einem Kernel-Parameter darf die Grafik bei mir 27 GB nutzen, das Modell belegt 19,5 davon. Das ist wirklich voll.

So habe ich es unter Ubuntu für 32 GB RAM gemacht:

# In /etc/default/grub an GRUB_CMDLINE_LINUX_DEFAULT anhängen:
ttm.pages_limit=7077888 ttm.page_pool_size=7077888

sudo update-grub
sudo reboot

# Danach prüfen:
sudo dmesg | grep -i "GTT memory"
# erwartet: 27648M of GTT memory ready

7077888 sind 27 GB in Speicherseiten zu 4 KB. Zwei weitere Fallen: Ohne OLLAMA_IGPU_ENABLE=1 rechnet Ollama still auf dem Prozessor, und dein Benutzer muss in den Gruppen render und video sein. Und schau zum Prüfen nicht auf ollama ps. Das zeigt bei mir 1,4 GB statt 19,5. Alle Befehle für den kompletten Sprachserver stehen im Bauplan.

Welche Spracherkennung funktioniert auf Deutsch?

Bei mir Whisper. Parakeet ist auf Deutsch massiv abgestürzt.

Eine Maschine hört übrigens gar nicht. Sie schaut. Aus dem Klang wird ein Bild aus Streifen, ein Spektrogramm, und darin sucht das Modell nach Wörtern.

Getestet habe ich drei Kandidaten, alle offen und komplett lokal: Whisper von OpenAI, Parakeet von Nvidia und Qwen3-ASR von Alibaba. Parakeet wird gerade viel gehypt. Es entscheidet aber selbst, welche Sprache es hört, und hat bei mir die Einstellung Deutsch oft ignoriert:

• „Mach das Licht in der Küche aus“ wurde zu „Not the season the good house.“
• Aus „Nein!“ wurde „Olha.“ Das ist Portugiesisch.
• „Regnet es heute?“ musste ich sieben Mal sagen.

Mit Handyaufnahmen kam Parakeet auf 78 Prozent. Mit den echten Aufnahmen aus der Voice Preview Edition nur noch auf 46 Prozent, 11 von 24 Befehlen. Whisper hat dort 18 geschafft. Das ist ein erster Eindruck mit mir als einzigem Sprecher, kein großer Benchmark. Die Lehre gilt trotzdem: Teste mit dem Mikrofon, das du wirklich benutzt.

Whisper war erst langsam: Im Alltag 2,6 Sekunden, bis der Text da war. Dann habe ich nicht das Modell gewechselt, sondern den Motor. Whisper large-v3-turbo läuft jetzt in whisper.cpp mit Vulkan auf der Grafik. Im direkten Vergleich mit den gleichen 26 Aufnahmen: 4,4 Sekunden auf dem Prozessor, 0,55 auf der Grafik. Im Alltag seitdem 0,56 Sekunden im Median.

Wie ich Whisper mit Vulkan aufsetze und in Home Assistant einbinde, steht Schritt für Schritt im Bauplan.

Wie versteht Home Assistant normale Sätze?

Mit zwei Stufen. Erst ein Türsteher ohne KI, dann ein lokales Sprachmodell als Chef. Hier liegt der Unterschied zwischen „es geht“ und „es nervt“.

Der Türsteher

In Home Assistant heißt der Schalter „Lokale Befehle bevorzugen“. Feste Sätze erkennt Home Assistant selbst. „Bitte pack Milch auf die Einkaufsliste“: vom Satzende bis zur fertigen Antwort 0,6 Sekunden.

So habe ich vor drei, vier Jahren angefangen. Und es war einfach müllig, weil ich jeden Satz perfekt formulieren musste. Ich will doch reden wie mit einem echten Menschen.

Der Chef

Alles, was der Türsteher nicht kennt, geht hoch zum Chef. Bei jeder Frage bekommt er drei Dinge auf den Tisch:

• Meine Anweisung: kurz antworten und nur Erfolge melden, wenn das Werkzeug den Erfolg auch zurückmeldet.
• Die Hausakte: jedes freigegebene Gerät mit Name und Raum. Bei mir 302 Einträge, dazu 32 Werkzeuge.
• Deine Frage.

Zusammen sind das bei mir rund 11.500 Wortstücke. Bei jeder einzelnen Frage. In der Akte steht übrigens nur, was es gibt, nicht wie es gerade ist. Ob ein Fenster offen ist, schaut der Chef bei Bedarf nach.

Und das ist wirklich wichtig: Wenn dein Home Assistant Kraut und Rüben hat, mit tausenden Einträgen, wirst du mit einer Sprachsteuerung unglücklich. Räum Lampen und Räume vorher auf. Ein dickeres Gehirn liest schneller. Eine aufgeräumte Akte ist umsonst.

Meine komplette Anweisung an das Sprachmodell steht im Bauplan. Jede Regel darin geht auf einen Fehler zurück, den ich im Test gesehen habe.

Warum Gemma 4 26B in 32 GB passt

Gemma 4 26B ist gebaut wie ein Krankenhaus. 128 Fachabteilungen. Bei jeder Frage wird entschieden, welche acht davon gebraucht werden, und nur die arbeiten. Im Speicher liegen 25,2 Milliarden Parameter, pro Wortstück rechnen aber nur 3,8 Milliarden. Das spart Zeit. Aber keinen Platz. Alle 128 Abteilungen müssen im Speicher liegen. Deshalb die 19,5 GB, und deshalb mindestens 32 GB RAM.

23 Modelle getestet, eins ist geblieben

Gemma habe ich nicht geraten. 23 Modelle liefen durch meine Tests. 19 davon zuerst in einer Simulation mit 22 Befehlen und Regeln, die ich vorher festgelegt habe: mindestens 85 Prozent richtig, und die Aktion muss nach höchstens 2 Sekunden passieren. Bei fünf Sekunden denkst du: Alter, was ist denn da los? Alle Regeln geschafft hat ein einziges Modell: Gemma 4 26B, mit 20 von 22 richtig und der Aktion nach 1,1 Sekunden. Im echten Home Assistant mit Testhaus waren es dann 21 von 22.

Das Gefährlichste war aber nicht das Langsame. Manche Modelle waren falsch und überzeugt. „Erledigt, ich habe das Licht ausgeschaltet.“ Das Licht war noch an, und in Home Assistant wurde gar kein Werkzeug aufgerufen. Krass, oder? Merk dir: Ein „Erledigt“ ohne Werkzeugaufruf ist kein Erfolg.

Zweite Falle: Viele Modelle denken, bevor sie antworten. Das kostet Sekunden. Bei mir steht Denken auf aus.

Wie ich Sprachmodelle sonst im Smart Home nutze: ChatGPT für Home Assistant und lokale LLM-Vision für Kameras.

Die Notizen des Chefs

Muss der Chef bei jeder Frage die ganze Akte neu lesen? Nein. Er macht sich Notizen, den sogenannten Prompt-Cache. Ist der Anfang der nächsten Frage gleich, liest er nur das Neue. In meinem Haus hat das Einlesen der Akte beim ersten Mal 18,25 Sekunden gedauert, beim zweiten Mal 0,19 Sekunden. Gleicher Rechner, gleiches Modell.

Aber die Notizen gelten nur bis zur ersten Stelle, an der sich etwas verändert hat. Danach liest er neu, bei mir bis zu 24 Sekunden lang. Und genau das wurde mein größtes Problem.

Ist die Stimme der Engpass?

Nein. Piper läuft auf dem Prozessor und erzeugt einen Satz rund 26-mal schneller, als man braucht, um ihn zu sprechen. Der Engpass sind lange Antworten. Ich habe nach einem Rezept für schwäbische Spätzle gefragt: erster Antworttext nach 5,7 Sekunden, fertig nach 22, weil das Modell 318 Wortstücke geschrieben hat. Seitdem steht in meiner Anweisung: höchstens drei kurze Sätze.

Ausprobiert habe ich Kerstin, Thorsten und Ramona. Kerstin klang uns übelst deprimierend. Bei mir läuft jetzt Ramona.

Warum meine lokale Alexa manchmal 25 Sekunden braucht

Weil mehrere Ohren an einem Gehirn hingen und sich dadurch eine einzige Zeile ständig geändert hat. Nicht, weil der Rechner zu schwach ist.

In meiner Messwoche habe ich 43 echte Fragen ausgewertet, die Home Assistant nicht selbst beantworten konnte. Median bis zum ersten Antworttext: 3,9 Sekunden. Klingt gut. Aber guck dir die Verteilung an:

• 31 Fragen kamen unter 5,7 Sekunden.
• 12 Fragen brauchten zwischen 22,9 und 34 Sekunden.
• Dazwischen: nichts.

„Packe Haferflocken auf die Einkaufsliste.“ Das Gehör brauchte 0,6 Sekunden und hat alles richtig verstanden. Dann las das Modell 22,9 Sekunden lang rund 10.900 Wortstücke von vorne. Der erste Antworttext kam nach gut 25 Sekunden. Und der Kaffeemoment war weg.

Mein erster Verdacht: Das Modell ist eingeschlafen. Laut Protokoll war es die ganze Zeit geladen.

Die Ursache: Home Assistant schreibt ans Ende der Anweisung, aus welchem Raum gefragt wird. Fragt die Voice Preview Edition, steht da ihr Raum. Fragt der Selbstbau, steht da das Wohnzimmer. Fragt der Raspberry Pi, der keinen Raum hat, steht da sinngemäß: Frag nach. Völlig sinnvoll. Aber in der Messwoche hingen drei Körper an meinem Gehirn. Jedes Mal, wenn ein anderes Ohr gefragt hat, änderte sich genau diese Zeile.

Und warum kostet eine Zeile so viel? Gemma bekommt seine 32 Werkzeuge hinter die Anweisung geklebt. Die wechselnde Raumzeile steht also vor einem großen Block, der sich nie ändert. Gemma liest viele seiner Schichten nur durch ein Sichtfenster und kann deshalb nicht zu jeder Stelle zurückspringen, sondern nur zu wenigen Lesezeichen. Das erste lag bei mir hinter der Änderung. Also hat es alles neu gelesen. Die Fachbegriffe dazu: Sliding Window Attention und Kontext-Checkpoints.

Die Lösung: Ich habe nichts gelöscht und nichts gekürzt. Die Raumzeile kommt eine Position weiter nach hinten, als eigene zweite Nachricht hinter die Werkzeuge. Dafür sitzt bei mir ein kleiner Übersetzer zwischen Home Assistant und Ollama, der genau diese eine Zeile verschiebt.

Im Labor mit nachgespielten Textanfragen kam der erste Antworttext nach einem Gerätewechsel nach 0,53 statt nach 24,8 Sekunden. Im echten Home Assistant bleibt der Gerätewechsel seitdem unter einer Sekunde. Gleicher Rechner, gleiches Modell, gleiche Wörter. Nur eine Zeile an einem anderen Platz. Seit dem 3. November läuft das bei mir live.

Ehrlich dazu: Nach einem Neustart sind die Notizen leer. Dann liest das Modell einmal alles, rund 25 Sekunden. Und Erkennungsfehler oder falsche Entscheidungen löst die Zeile natürlich nicht.

Die Regel für dich: Was sich ändert, gehört nach hinten. Schreib dir zum Beispiel nie die Uhrzeit vorne in die Anweisung.

Lokale Alexa gegen echte Alexa: Wer gewinnt?

Beim Schalten fast unentschieden. Beim Wetter und auf Distanz gewinnt die echte Alexa.

Test	Echte Alexa	Meine lokale Alexa
LED-Rückwand an und aus	sauschnell	fast genauso schnell
Wetter, Dunstabzugshaube an, ca. 3 m	sofort	DIY-Satellit braucht etwas lauteres Sprechen
Wetter, ca. 7 m	kein Problem	kein Problem
Wetter, Küche, ca. 10 m	kein Problem	erst „nicht ganz verstanden“, danach geklappt

Harte Realität: Die Original-Echos erkennen ihr Wake Word auf 5, 6, 7, 8 Meter ohne Probleme. Mein DIY-Satellit hat da Schwächen. Ich vermute, es liegt an der Position der Mikrofone, das Gehäuse braucht oben eine größere Öffnung. Spreche ich lauter, klappt es.

Und beim Wetter bin ich ehrlich: Die Daten holt Home Assistant natürlich aus dem Internet. Aber nur Home Assistant. Mein Gehirn hat kein Internet. Es weiß nur, was es im Training gelernt hat.

Was darf die KI bei dir schalten?

Nur das, was harmlos ist. In meinem virtuellen Testhaus mit echtem Home Assistant hieß es: „Mach im Flur alles aus.“ Mehrere Modelle haben die Lichter ausgeschaltet. Und dann auch das Haustürschloss entsperrt. Für ein Schloss heißt „aus“ eben: offen. Eine echte Tür war dabei nie im Spiel, aber der Test hat gereicht.

Verlass dich nicht auf eine Anweisung wie „mach keine Schlösser auf, schalte keine Server aus“. Gib Schlösser, Alarmanlage, Heizung und Server gar nicht erst für Assist frei. Was die KI nicht sieht, kann sie auch nicht falsch schalten.

Mein ehrliches Fazit

Meine lokale Alexa funktioniert wirklich gut. Meine Frau ist begeistert. Sie kann die Kaffeemaschine anmachen, wir dimmen das Licht, und nichts davon verlässt das Haus.

Gut:

• Ohr, Gehör, Verstand und Stimme laufen 100% lokal, auch ohne Internet.
• Normale Sätze statt auswendig gelernter Befehle.
• Der Mini-PC zieht in Ruhe nur 5 bis 6 Watt.
• Ein befreiter Echo Dot 2 wird zum ESPHome-Gerät.

Nicht gut:

• Die Cloud-Alexa ist schneller. So schnell, wie sie das Wetter vorliest, schaffe ich es lokal nicht.
• Nach einem Neustart liest das Modell die ganze Akte einmal neu, das dauert rund 25 Sekunden.
• Mein DIY-Satellit hört auf Distanz schlechter als ein Echo.
• 32 GB sind mit einem 19,5-GB-Modell wirklich voll.

Für wen? Wenn du Bock hast, dein Home Assistant aufzuräumen und ein paar Abende in die Einrichtung zu stecken: ja. Wenn du nur „Licht an“ brauchst, reicht dir der Türsteher auf einem Raspberry Pi. Spannend wird es nächsten Monat. Dann teste ich einen Rechner mit 128 GB RAM und schaue, welche Grenzen dann fallen.

Häufige Fragen

Kann ich Alexa durch Home Assistant ersetzen?

Ja. Mit einem Sprachsatelliten und einem lokalen Rechner für Spracherkennung und Sprachmodell. Ganz so schnell wie die Cloud-Alexa ist es bei mir aber nicht.

Welcher Echo Dot lässt sich mit Home Assistant nutzen?

Der Echo Dot 2 ohne Stoffbezug per Micro-USB, ohne Löten. Der Echo Dot 3 nur über Testpunkte mit Löten. Echo Dot 4 und 5 aktuell nicht.

Wie viel RAM braucht ein lokales Sprachmodell für Home Assistant?

Mein Gemma 4 26B belegt 19,5 GB. Bei einem Mini-PC mit geteiltem Speicher brauchst du deshalb mindestens 32 GB, und Linux muss der Grafik mehr als die Hälfte davon erlauben.

Welche lokale Spracherkennung funktioniert auf Deutsch am besten?

Bei mir Whisper mit Vulkan, 0,56 Sekunden im Median. Parakeet hat mit meinen echten Aufnahmen aus der Voice Preview Edition nur 11 von 24 Befehlen geschafft, als erster Eindruck mit mir als einzigem Sprecher.

Warum antwortet mein lokaler Sprachassistent manchmal erst nach 25 Sekunden?

Meist, weil das Modell seine Notizen verworfen hat und die ganze Akte neu liest. Bei mir lag es an der Raumzeile, die sich je nach Satellit geändert hat. Die zweite Ursache ist ein Neustart: Danach ist der Cache leer.

Funktioniert die lokale Alexa ohne Internet?

Ja. Wake Word, Spracherkennung, Sprachmodell und Stimme laufen lokal. Nur Dienste wie das Wetter holt Home Assistant weiterhin aus dem Internet.

Und jetzt du: Hast du Alexa am Start oder einen anderen Sprachassistenten? Wie läuft er bei dir, wenn das Internet ausfällt? Schreib es mir unter das Video auf YouTube.

Hardware aus dem Video

• VZMORE AX9 Max, Ryzen AI 9 HX 470, 32 GB: bei Amazon* oder im VZMORE-Shop*. Mit dem Code AX9MALEXKLY sparst du 15 Prozent.
• Home Assistant Voice Preview Edition*
• ReSpeaker XVF3800 mit XIAO ESP32-S3*
• Echo Dot 2, gebraucht. Befreit mit EchoMuse

Sämtliche mit „*“ markierten Links hängen mit Werbung oder Partnerprogrammen zusammen. Sie dienen dir als potenziellem Käufer als Orientierung. Kaufst du über diese Links, kann ich eine Provision bekommen. Für dich fallen keine Mehrkosten an. Danke!