„Licht an“ klingt einfach. Dahinter können aber ganz unterschiedliche technische Wege stecken. In dieser Serie zeigen wir sie alle – vom Handy ohne Zusatzhardware über fertige Sprachboxen und vorhandene Alexa-Geräte bis zum komplett lokalen ESPHome-Sprachsatelliten mit eigener KI.
Einfach erklärt, pfiffig aufgebaut und immer mit Blick auf Kosten, Datenschutz und echten Nutzen.
Nur ab und zu einen Sprachbefehl? Freihändig in jedem Raum? Komplett ohne Cloud? Vorhandene Echos weiterverwenden? Oder später mit KI ganz normal reden? Erst wenn das klar ist, wählen wir die Technik.
Home Assistant trennt Mikrofon, Spracherkennung, Befehlsverarbeitung und Sprachausgabe voneinander. Genau deshalb hast du die Wahl: günstig oder komfortabel, lokal oder Cloud, fertige Hardware oder Eigenbau, feste Befehle oder KI. Wir zeigen in der Serie nicht nur wie etwas eingerichtet wird, sondern auch wann welcher Weg sinnvoll ist.
Assist lässt sich direkt in Home Assistant und auf dem Smartphone nutzen. Ideal, um Sprachsteuerung auszuprobieren, bevor du Hardware kaufst. Auf Android ist inzwischen auch lokale Wake-Word-Erkennung möglich.
Fertige Sprachhardware speziell für Home Assistant: zwei Mikrofone, Lautsprecher, Wake Word direkt auf dem Gerät und einfacher Einrichtungsassistent. Die offizielle UVP liegt derzeit bei 59 €.
Wer bereits Echo-Geräte besitzt, muss sie nicht sofort ersetzen. Home Assistant kann Geräte über Alexa steuern lassen; besonders einfach wird die Anbindung über Home Assistant Cloud. Wir zeigen aber auch klar, was dabei außerhalb deines Hauses verarbeitet wird.
Mit ESP32-S3-basierter Hardware und ESPHome kannst du eigene Sprachgeräte bauen. Mikrofon, Lautsprecher, Gehäuse und Zusatzsensoren bestimmst du selbst. Günstig und flexibel – aber nicht unser allererster Anfänger-Schritt.
Für typische Smart-Home-Befehle kann Home Assistant Sprache vollständig lokal und auch auf schwächerer Hardware verarbeiten. Speech-to-Phrase konzentriert sich bewusst auf bekannte Hausbefehle statt auf freie Diktate.
Whisper wandelt freie Sprache lokal in Text um, Piper spricht Antworten wieder aus. Das ist deutlich flexibler, benötigt für schnelle Reaktionen aber mehr Rechenleistung als Speech-to-Phrase.
Die Sprachverarbeitung kann an Home Assistant Cloud ausgelagert werden. Das entlastet kleine Home-Assistant-Systeme und ist besonders für Anfänger bequem. Dafür benötigt die Sprachsteuerung eine Internetverbindung.
Ein Sprachmodell kann natürliche Wünsche interpretieren: statt eines exakt formulierten Befehls sagst du zum Beispiel „Mach es hier gemütlich“. Das kann über Cloud-KI oder ein lokales LLM erfolgen. Zugriff bekommt die KI nur auf das, was wir bewusst freigeben.
| Du willst … | Unser Startweg | Extra-Hardware | Internet nötig? | Schwierigkeit |
|---|---|---|---|---|
| erst einmal ausprobieren | Handy + Assist | nein | je nach Pipeline | sehr leicht |
| ein fertiges Sprachgerät | Voice Preview Edition | ca. 59 € UVP | nein, wenn lokal | leicht |
| vorhandene Echos nutzen | Alexa + HA-Anbindung | nein | ja | leicht bis mittel |
| komplett lokal und sparsam | Speech-to-Phrase + Piper | Sprachgerät | nein | mittel |
| lokal frei sprechen | Whisper + Piper | Sprachgerät + stärkere HA-Hardware | nein | mittel |
| selbst bauen | ESPHome-Sprachsatellit | ESP32-S3, Mikrofon, Lautsprecher | je nach Pipeline | mittel bis fortgeschritten |
| mit dem Haus normal reden | Assist + LLM | je nach Setup | nur bei Cloud-KI | fortgeschritten |
Ein Voice-PE oder ESPHome-Satellit kann beispielsweise dein Mikrofon im Wohnzimmer sein, während die eigentliche Sprache lokal per Speech-to-Phrase oder Whisper, über Home Assistant Cloud oder später durch eine KI verarbeitet wird. Genau diese Bausteine nehmen wir in der Serie Stück für Stück auseinander.
Welche technischen Wege gibt es und welcher passt zu deinem Zuhause?
Du bist hier ✓Assist ohne Zusatzhardware testen und den ersten Sprachbefehl ausführen.
Folge 2 öffnen →3Gerätenamen, Räume, Aliase und freigegebene Entitäten richtig aufbauen.
Folge 3 öffnen →4Assist auf Android und die lokale Wake-Word-Erkennung sinnvoll einsetzen.
Folge 4 öffnen →5Home Assistant Voice Preview Edition einrichten und im Alltag testen.
Folge 5 öffnen →Vorhandene Sprachlautsprecher einordnen, anbinden und Grenzen verstehen.
Vorhandenes weiter nutzenSpeech-to-Phrase und Piper: schnelle Hausbefehle ohne Cloud.
Datenschutz + wenig HardwareWhisper + Piper lokal betreiben und den Hardwarebedarf verstehen.
Lokale VollversionESPHome-Sprachsatellit: Mikrofon, Lautsprecher, Wake Word und Gehäuse.
Der BastelwegWake Words und unterschiedliche Pipelines für lokal, Cloud oder zwei Sprachen.
Mehrere AssistentenEigene Sätze, Szenen, Skripte und Automationen per Sprache starten.
Aus einem Wort wird ein AblaufKI und LLMs: natürliche Sprache, Berechtigungen, Kosten und lokale Alternativen.
Die clevere AusbaustufeDatenschutz, Cloud, Mikrofon-Stummschaltung und sichere Freigaben.
Vertrauen statt BlindflugFehler systematisch finden: Wake Word, Mikrofon, STT, Geräte-Namen oder Automationen.
Fehlersuche ohne GefrickelDort gibt es bereits ein kompaktes Kapitel zur Sprachsteuerung. Die neue Serie hier geht anschließend deutlich tiefer in Hardware, lokale Verarbeitung, ESPHome und KI.
Home Assistant Assist kann lokal oder mit Cloud-Sprachdiensten betrieben werden. Speech-to-Phrase ist für gezielte Hausbefehle auf schwächerer Hardware gedacht; Whisper bietet umfassendere lokale Spracherkennung mit höherem Rechenbedarf. ESPHome unterstützt Sprachassistenten und Wake Words auf geeigneter Hardware. Home Assistant Voice Preview Edition kostet laut Hersteller derzeit 59 € UVP und kann lokale oder Cloud-Pipelines nutzen.
Home Assistant: Voice Control ↗
Home Assistant Voice Preview Edition ↗