!Schwarzer Smart Speaker auf einem hellen Holztisch in einem Innenraum

Im Mai 2026 maß ein Nutzer im Home-Assistant-Repository nach, warum seine lokale Sprachsteuerung manchmal in unter einer Zehntelsekunde antwortete und manchmal fast zehn Sekunden brauchte. Setup: Ollama mit gemma4:26b auf einer RTX 3090, mehrere Voice-Satelliten, rund 130 freigegebene Entitäten, zusammen etwa 5.000 bis 7.000 Token Prompt. Sprach er hintereinander mit demselben Satelliten, lag die Prompt-Verarbeitung unter 100 Millisekunden. Wechselte er in einen anderen Raum, waren es 9 bis 11 Sekunden. Der Grund stand im Issue #171821: Home Assistant setzte einen Hinweis auf den Raum des Satelliten vor die lange Geräteliste, und weil sich dieser Hinweis je Satellit unterscheidet, musste Ollama die gesamte Liste jedes Mal neu einlesen.

Zwei Zahlen, und die halbe Wahrheit über lokale Sprachsteuerung steht darin: Aufgehalten wird sie weniger vom Sprachmodell als vom Prompt, den Home Assistant jedem Befehl mitgibt, und von der Hardware, die ihn einlesen muss. Der Artikel führt von der leeren Integration zum Assistenten ohne Cloud, nennt die Modelle, für die es Belege gibt, die Hardware dahinter und die Stellen, an denen es hakt. Die Hardware-Grundlagen für Ollama im Heimnetz stehen im Artikel zum Ollama-Mini-PC, die Spracherkennung im Whisper-Artikel. Hier geht es um die Verbindung dazwischen.

Wo das Sprachmodell in der Kette sitzt

Ein Sprachbefehl durchläuft in Home Assistant drei Stationen: Sprache zu Text, Verstehen, Text zu Sprache. Das Sprachmodell übernimmt nur die mittlere. Laut der Anleitung für einen vollständig lokalen Assistenten gibt es lokal zwei Spracherkennungen: Speech-to-Phrase, das nur bekannte Sätze erkennt und laut Doku selbst auf einem Home Assistant Green oder Raspberry Pi 4 unter einer Sekunde bleibt, und Whisper, das alles transkribiert. Whisper braucht auf einem Raspberry Pi 4 rund 8 Sekunden pro Befehl, auf einem Intel NUC unter einer Sekunde. Für die Ausgabe gibt es Piper. Alle drei laufen als Apps und melden sich über das Wyoming-Protokoll in Home Assistant an.

Für die Kombination mit einem Sprachmodell nennt die Doku selbst die Bedingung: Whisper lohne sich, wenn leistungsfähige Hardware vorhanden ist und der Assistent mehr können soll als einfache Gerätesteuerung, zum Beispiel durch ein LLM. Für Deutsch führt die Sprachliste der Entwicklerdokumentation für die Region DE sowohl Speech-to-Phrase und Whisper als auch Piper auf. Wer die Satelliten-Hardware noch nicht hat, findet im Test der Voice Preview Edition die Einordnung.

Dazwischen steht der Gesprächsagent. Der eingebaute heißt „Home Assistant“, läuft lokal und versteht die mitgelieferten und eigenen Sätze. Integrationen wie Ollama oder OpenAI fügen weitere Agenten hinzu, die frei formulierte Anfragen verstehen und über sogenannte KI-Werkzeuge (AI tools) Geräte abfragen und steuern können.

Ollama einbinden

Die offizielle Ollama-Integration (Doku-Stand 2. November 2026) verlangt zwei Dinge: einen Ollama-Server irgendwo im Netz und dessen Erreichbarkeit für Home Assistant. Ollama bindet laut Ollama-FAQ standardmäßig nur an 127.0.0.1 auf Port 11434. Für den Zugriff aus dem Netz setzt man die Umgebungsvariable OLLAMA_HOST, etwa auf 0.0.0.0. Dann gibt es keine Authentifizierung mehr, was der Ollama-Artikel ausführlicher behandelt.

Die Einrichtung geht in fünf Schritten:

  1. Einstellungen, Geräte & Dienste, Integration hinzufügen, Ollama wählen und die Adresse des Servers eintragen, zum Beispiel http://192.168.0.70:11434.
  2. Die Integration legt zunächst nichts an. Danach bei Ollama „Gesprächsagent hinzufügen“ wählen. Die Doku nennt als Vorgabe das Modell qwen3:4b-instruct. Fehlt es auf dem Server, lädt Home Assistant es beim Speichern herunter, was bei großen Modellen lange dauern kann.
  3. Unter „KI-Werkzeuge“ (englisch „AI tools“) die Gruppe Device control wählen. Ohne sie kann das Modell reden, aber nichts schalten. Eine neue Ollama-Konfiguration startet laut LLM-Doku ganz ohne Werkzeuggruppe. In älteren Versionen und in Fehlerberichten vom Herbst 2026 heißt die Option noch „Control Home Assistant“. Gemeint ist dasselbe, die Beschriftung hängt von der installierten Version ab.
  4. Unter Einstellungen, Sprachassistenten einen Assistenten anlegen, bei „Konversationsagent“ den neuen Agenten wählen, Whisper oder Speech-to-Phrase als Spracherkennung, Piper als Sprachausgabe, Sprache Deutsch.
  5. Optional den Assistenten als bevorzugt markieren. Voice-Satelliten nutzen dann diesen.
Die Doku empfiehlt für kleine Modelle einen Trick: Einige chatten schlechter, sobald Werkzeuge aktiviert sind. Dann legt man einen zweiten Agenten mit demselben Modell und ohne Werkzeuge an, nur zum Plaudern, und einen Assistenten dazu.

Drei Optionen verdienen Aufmerksamkeit. Das Kontextfenster hat laut Doku den Standardwert 8.192 Token und mindestens 2.048. Bei einem Agenten mit Gerätesteuerung gehören die freigegebenen Entitäten dazu. Ollama selbst rechnet laut FAQ ohne Vorgabe mit 4.096. Der Verlauf ist auf 20 Nachrichten voreingestellt, und Aktiv halten steht auf -1, das Modell bleibt also im Speicher. Ollama würde es ohne diese Angabe nach fünf Minuten entladen.

Die Werkzeuggruppe „Home Assistant“ gehört nicht an einen Satelliten

Es gibt eine zweite Gruppe namens Home Assistant. Sie ist mächtiger: Sie erreicht laut LLM-Doku alle Entitäten, nicht nur freigegebene, kann Aktionen auf beliebigen Geräten ausführen, Logs lesen und Integrationen neu laden, und sie fragt vorher nicht nach. Sie funktioniert nur für Administratoren. Ein Voice-Satellit ist nicht angemeldet. Hat dessen Agent die Gruppe aktiviert, scheitert laut Assist-Übersicht jede Anfrage vom Satelliten, auch „Licht an“. Die Doku rät deshalb zu zwei Assistenten: einer für den Alltag mit Device control, einer für Verwaltungsaufgaben mit der Gruppe Home Assistant.

Welche Entitäten das Modell sieht

Device control erreicht nur Entitäten, die für Assist freigegeben sind. Dazu zählt Home Assistant laut Doku zur Freigabe (Stand 4. November 2026) automatisch Lichter, Schalter, Ventilatoren, Rollläden und Garagentore (beide als Covers), Klimageräte, Luftbefeuchter, Staubsauger, Mediaplayer, Szenen, To-do-Listen, Tür-, Fenster- und Bewegungsmelder sowie Sensoren für Temperatur, Luftfeuchte, CO2 und Feinstaub. Schlösser, Alarmzentralen und Skripte bleiben außen vor, bis man sie selbst freigibt. Skripte werden zu Werkzeugen, die das Modell direkt aufrufen kann. Ohne gute Beschreibung weiß es allerdings nicht, dass sie existieren.

Die Best-Practices-Seite rät, nur das Nötigste freizugeben, sonst wächst bei einem LLM der Kontext und mit ihm die Arbeit je Anfrage. Die Ollama-Doku fügt hinzu, dass kleinere Modelle eher Fehler machen. Wie groß der Effekt ist, zeigen zwei Zahlen. Im oben zitierten Issue ergaben rund 130 Entitäten 5.000 bis 7.000 Token. In einer ausführlichen Messreihe von simon42 (23. Oktober 2026) kostet jede freigegebene Entität etwa 46 Token. Dort sanken 535 historisch gewachsene Freigaben nach dem Aufräumen auf rund 200, 29 Prozent der ursprünglichen Menge waren tote Entitäten. Das Ziel des Autors: 50 bis 100 Entitäten.

Wer dazu neigt, bei jedem neuen Gerät automatisch freizugeben, sollte unter Einstellungen, Sprachassistenten den Schalter „Neue Entitäten freigeben“ ausschalten. Er ist laut Doku standardmäßig an. Zwei Dinge helfen dem Modell zusätzlich: jedes Gerät einem Bereich zuordnen, und Aliase für das, was Menschen tatsächlich sagen („Stehlampe“ statt „Uplighter Floor Lamp H60B0“). Mit Home Assistant 2026.11 bleiben laut Changelog die Namen aus der Zeit vor der Migration als Aliase für Sprachassistenten erhalten (PR #184341). Worum es bei den neuen Entitätsnamen geht, steht im Artikel zum Release.

Welches Modell: Tools, Größe, Deutsch

Ohne „tools“ geht nichts

Device control setzt Werkzeugaufrufe (Tool Calling) voraus. Die Ollama-Doku sagt: Nur Modelle mit Tool-Unterstützung können die KI-Werkzeuge nutzen. In der Ollama-Bibliothek erkennt man sie am Etikett „tools“ auf der Modellseite. Auf den Modellseiten tragen es (Stand 20. November 2026) qwen3, qwen3.5, gemma4, llama3.1 und granite3.3. Bei gemma3 steht dort nur „vision“. Im Oktober 2025 meldete ein Nutzer im Issue #154192 die Fehlermeldung „does not support tools“ für gemma3:12b und gemma3:27b und hielt sie für falsch. Das Issue wurde im Juni 2026 geschlossen, und die Meldung passt zum heutigen Stand der Modellseite. Die Etiketten können sich ändern, ein Blick vor dem Download spart den Umweg.

Was sich belegen lässt

Es gibt eine Messreihe, die das Thema systematisch angeht: die Home LLM Leaderboard von Allen Porter, die Home Assistant in seinem Blogpost vom 11. September 2025 als Orientierung nennt. Der Blog schrieb damals, aktuelle lokale Modelle mit 8 GB VRAM oder mehr hielten fast mit den Cloud-Modellen mit. Die Seite wurde zuletzt am 1. November 2026 geändert. Die Testhaushalte sind synthetisch erzeugt. Eine deutschsprachige Auswertung führt die Seite nicht. Einige lokale Modelle laufen dort über llama.cpp statt Ollama, die Zahlen gelten also für das Modell, nicht für jede Ollama-Konfiguration. Zwei Tests sind relevant: „assist“ (schwierige Sätze, viele Entitäten) und „assist-mini“ (wenige Entitäten, reines Tool Calling).

Modellassistassist-miniTestversion
gemma4-26b-a4b86,3 %98,0 %2026.2.3
qwen3-30b-a3b-instruct83,9 %97,4 %2026.1.1
gemma4-12b83,5 %97,4 %2026.2.3
qwen3.5-4b81,1 %88,3 %2026.2.3
qwen3-4b-instruct71,7 %86,7 %2026.1.1
gemma4-e4b67,0 %91,3 %2026.6.0b2
gemma4-e2b45,2 %61,2 %2026.2.3
qwen3-1.7b35,9 %60,2 %2025.7.1
Unter etwa 4 Milliarden Parametern bricht die Trefferquote ein, selbst bei der leichten Aufgabe. Dazwischen liegt eine Lücke, die zu denken gibt: gemma4-e4b kommt bei wenigen Entitäten auf 91,3 %, bei vielen nur auf 67,0 %. Wer wenig freigibt, holt aus einem kleinen Modell offenbar mehr heraus, als die schwere Spalte vermuten lässt.

Die simon42-Messreihe (über 25 Modelle auf drei Hardware-Klassen, Messungen des Autors an seiner eigenen Installation) kommt zu ähnlichen Schlüssen und ergänzt sie:

  • Die „Logik-Wand“ liegt dort zwischen 4 und 9 Milliarden Parametern. Einzelbefehle und einfache Abfragen bestehen auch die kleinen. Am Befehl „Alle Lichter aus, außer im Büro“ scheiterte kein Modell mit 3 oder 4 Milliarden Parametern, es fiel durch. qwen3.5:9b war das erste, das ihn bestand.
  • Es zählen die aktiven Parameter. Ein 30-Milliarden-MoE-Modell mit 3 Milliarden aktiven Parametern erzeugte 95 Token pro Sekunde, ein dichtes Modell gleicher Größe nur 12.
  • Thinking-Modelle sind für Sprache ungeeignet. qwen3.6 brauchte 416 Token für einen Satz, der Vorgänger 38. Dazu passt das offene Issue #167154 vom April 2026: Bei qwen3:8b mit aktiviertem Thinking wurden die im Denkblock geplanten Werkzeugaufrufe nie ausgeführt, die Antwort blieb leer. Ohne Thinking kam „Unable to get response“. Mit llama3.1:8b liefen die Aufrufe, aber der System-Prompt wurde ignoriert.
  • Für Deutsch fiel gemma4:26b als „sauberstes Deutsch“ auf. Die auf Home Assistant trainierten Spezialmodelle sind laut der Messreihe nicht auf Deutsch trainiert und antworten oft auf Englisch. Herstellerangaben zur Sprachabdeckung gibt es (Qwen3: „100+ Sprachen“, Qwen3.5: 201 Sprachen und Dialekte), aber keine Zahl für Sprachbefehle auf Deutsch.
Eine Kleinigkeit mit großer Wirkung steht im Prompt-Beispiel derselben Seite: Den eigenen Teil des System-Prompts englisch zu schreiben und darin „Respond in plain, german language“ zu verlangen, funktionierte besser, weil Home Assistant den Rest des Prompts englisch anhängt.

Welche Hardware das braucht

Die Tokens pro Sekunde beim Erzeugen, die in Benchmarks stehen, sind nur die halbe Rechnung. Bei Sprachsteuerung liegt die Last im Einlesen des Prompts, und der ist mit Geräteliste und Werkzeugbeschreibungen mehrere tausend Token lang. Das zeigen die Zahlen aus der simon42-Messreihe:

HardwareMessung (Prompt etwa 6.500 Token)
Mini-PC Core Ultra 7 256V, 16 GB RAMqwen3:4b-instruct warm 8,6 s, kalt 101 s; gemma4:e4b warm 9,9 s; gemma4:12b-it-qat warm 49,7 s
Ryzen AI Max+ 395, 128 GB (Strix Halo)gemma4:26b im Schnitt 2,35 s reine KI-Zeit; ganze Kette bei komplexen Fragen 5 bis 9 s; lokale Standardbefehle unter 1 s
Raspberry Pi 5 mit AI HAT+ 2Server lehnt das Tools-Feld ab, 2.048 Token Kontext, rund 30 s je Antwort
Beim 16-GB-Rechner sah der Autor den Grund im Einlesen: Die iGPU schaffte rund 29 Token pro Sekunde beim Prompt, der große Rechner rund 1.000. Zur Einordnung seines Urteils: Alles über 6 bis 7 Sekunden fühle sich bei Sprachsteuerung zäh an. Ein Modell von 17 GB braucht dort mit Kontext-Cache laut seiner Rechnung 23 bis 25 GB: Seine Faustregel sind mindestens 32 GB Unified Memory oder eine Grafikkarte mit 24 GB Videospeicher. Erwähnt werden dort außerdem eine gebrauchte RTX 3090 und gebrauchte Mac Studios mit M1 oder M2 Max. Diese beiden Varianten hat der Autor nach eigener Angabe nicht selbst gemessen.

Andere Quellen zeigen die Gegenrichtung. Der Home-Assistant-Blog nennt für den Start der Sprachausgabe mit gemma3:4b auf einer RTX 3090 und Piper auf einem i5: 0,56 Sekunden mit Streaming gegenüber 5,31 Sekunden ohne. Das Streaming der Antworten (seit Home Assistant 2025.7) fängt also die Wartezeit teilweise ab, auch wenn das Modell langsam schreibt. Was sich nicht abfangen lässt, ist das Einlesen vor dem ersten Wort.

Für Hardware, die ohnehin im Haus steht, heißt das: Ein kleiner Mini-PC mit 16 GB trägt Whisper und Piper, liefert aber mit einem 4-Milliarden-Modell erst nach 8 bis 10 Sekunden eine Antwort. Als verbreitetsten Weg nennt die simon42-Messreihe vorhandene Hardware: einen Gaming-PC mit 16 oder 24 GB Videospeicher, einen alten Server mit viel RAM oder einen Mac mit großem Unified Memory. Ollama führt für Apple Silicon inzwischen eigene MLX-Fassungen in der Bibliothek, etwa gemma4:26b-mlx mit 18 GB. Wie sich diese in Home Assistant schlagen, belegt keine der gefundenen Quellen.

Der Prompt-Cache entscheidet über die Wartezeit

Zurück zum Anfang. Ollama kann den bereits gelesenen Teil eines Prompts wiederverwenden, solange er sich nicht ändert. Alles, was sich pro Anfrage ändert, gehört deshalb ans Ende. Home Assistant hat dafür nachgebessert: PR #165136 (24. Mai 2026) schiebt den Satelliten-Bereichssatz hinter die Geräteliste, PR #173558 (12. Juni 2026) sortiert Aliase für stabile Prompts. In Version 2026.11 wird der Prompt eines Agenten mit Gerätesteuerung laut PR #188523 nur noch zu Beginn eines Gesprächs gerendert und bleibt bis zu dessen Ende gleich. Ein Gespräch endet nach 5 Minuten ohne Nachricht. Das ist als Breaking Change markiert: Wer in den eigenen Anweisungen Vorlagen mit Uhrzeit oder Zuständen verwendet, bekommt für die Dauer eines Gesprächs die Werte der ersten Nachricht. Aktuelle Daten holt das Modell über seine Werkzeuge.

Ein Hinweis aus der simon42-Messreihe betrifft Gemma 4: Ohne einen bestimmten Schalter (LLAMA_ARG_SWA_FULL=1) rechnet llama.cpp bei Sliding-Window-Attention den Prompt jedes Mal neu. Im Ollama-Log erscheint dann „forcing full prompt re-processing due to lack of cache data“. Mit dem Schalter sank dort die Prompt-Verarbeitung von 1.953 auf 132 Millisekunden, kostet aber 2,8 GB mehr Speicher. Das ist die Messung eines Einzelnen auf einer bestimmten Plattform, aber der Log-Eintrag lässt sich leicht auf dem eigenen Server nachsehen.

Der Fallback: lokale Intents zuerst

Der wirksamste Schalter für Geschwindigkeit ist keine Hardware. Er heißt Prefer handling commands locally („Lokale Verarbeitung bevorzugen“) und sitzt in den Einstellungen des Assistenten. Laut Assist-Doku versucht dann zuerst der eingebaute Agent jeden Befehl. Nur was er nicht versteht, geht an das Sprachmodell. „Licht in der Küche aus“ erledigt Home Assistant lokal in Millisekunden. Das Modell kommt für alles ins Spiel, was kein Satzmuster trifft: „Sind alle Fenster zu?“, „Mach es gemütlich“.

Dazu kommt eine Reihenfolge, die die Ollama-Doku nennt: Satz-Auslöser (Sentence Triggers) aus eigenen Automationen werden vor dem Agenten geprüft. Passt ein Satz, antwortet die Automation, das Modell sieht ihn nie. Für Dinge, die jeden Tag gefragt werden, sind eigene Sätze und Satz-Auslöser schneller und verlässlicher als jedes Modell. Mit den Intent-basierten Automations aus dem Artikel zu 2026.7 hat das übrigens nichts zu tun, auch wenn der Name ähnlich klingt: Dort geht es um Auslöser für Automationen, nicht um gesprochene Sätze.

Der Mechanismus hat dokumentierte Schwächen:

  • Im April 2026 meldete ein Nutzer mit Qwen 3.5 4B, dass die Frage nach der Temperatur im Dachboden nicht lokal beantwortet wurde, obwohl ein Assistent ohne LLM sie sofort verstand. Die Antwort kam vom Modell, brauchte 29 Sekunden und war falsch (Issue #169315, am 31. August 2026 geschlossen). Das Modell rief den passenden Intent für Zustandsfragen offenbar nicht auf. Ein weiterer Nutzer sah dasselbe mit einem ChatGPT-Endpunkt.
  • Seit Oktober 2026 offen ist Issue #187432: Folgt auf einen lokal verstandenen Befehl ein Satz, der ans Modell geht („Schalte es wieder aus“), antwortet Home Assistant mit „Unable to get response“. Der Bericht nennt als Ursache, dass der lokale Intent im Gesprächsverlauf ohne den neuen Namensraum eingetragen wird, den die Werkzeuge seit PR #179938 (24. August 2026) tragen. qwen3:8b ruft dann ein Werkzeug auf, das es nicht gibt, und Ollama verwirft den Aufruf. Ein Kommentar bestätigt dasselbe mit OpenAI und Anthropic unter 2026.11.2.
Es gibt ein weiteres verwandtes Verhalten aus dem Herbst 2025: Befehle mit Verzögerung („in einer Minute“) liefen laut Issue #152203 nur im eingebauten Agenten. Mit Ollama kam „Befehl erhalten“, ausgeführt wurde nichts. Eine Analyse im Thread vermutete, dass solche Befehle an den lokalen Agenten statt an den eigenen gingen. Das Issue wurde im Januar 2026 als inaktiv geschlossen.

Typische Fehler

  • „does not support tools“. Das Modell hat kein Tool-Etikett. Anderes Modell wählen, siehe oben.
  • Antworten, die so wirken, als kenne das Modell das Haus nicht. Häufig wurde der Prompt abgeschnitten. Bei simon42 hatte Ollama einen Prompt von rund 8.500 Token bei einem Kontextfenster von 8.192 still gekürzt und das Modell ratlos zurückgelassen. Kontextfenster mit Luft nach oben setzen, bei etwa 180 Entitäten empfahl der Autor 12.288.
  • Jede Anfrage ist langsam. Das Modell wird entladen. Bei 16 GB RAM ist „Aktiv halten“ auf -1 laut den Messungen keine Optimierung, sondern Voraussetzung: Der Kaltstart dauerte 65 bis 122 Sekunden. Der Autor nennt ein Zeitlimit von 60 Sekunden in Home Assistant, das sich nicht ändern lasse.
  • Gespräch hängt rund zwei Minuten und endet mit „Unexpected error during intent recognition“. Der Ollama-Server ist nicht erreichbar, und die Integration hatte laut Issue #187424 keinen Request-Timeout. Der Satellit ist während dieser Zeit blockiert. Das Issue wurde am 2. November 2026 geschlossen.
  • Das Modell vergisst, was eben gesagt wurde. Issue #183767 (offen, September 2026) beschreibt, dass bei aktivierter Gerätesteuerung normaler Gesprächskontext aus der Anfrage fehlen kann. Als Notlösung half, den Verlauf auf 0 zu stellen, was die Historie leert.
  • Zwei Agenten, zu wenig Speicher. Eine zweite Ollama-Konfiguration mit anderem Modell konkurriert um den Arbeitsspeicher. Auf 16 GB empfiehlt die Messreihe nur einen Agenten.
  • Befehle werden bestätigt, aber nichts passiert. Meist ein Modell, das den Werkzeugaufruf als Text ausgibt statt ihn auszuführen. In der simon42-Tabelle machte phi4-mini genau das und meldete bei „Mach es gemütlich“ eine Aktion, die nie stattfand. Hier hilft nur ein anderes Modell.

Einschätzung

Nach den Quellen ist die lokale Variante machbar, aber nicht billig. Die Software ist gut dokumentiert, die Werkzeuggruppen sind sauber getrennt, und die Pflicht zur Freigabe wirkt als Sicherheitsnetz. Der eigentliche Preis ist die Hardware. Zwischen einem Modell, das Einzelbefehle ausführt, und einem, das zusammengesetzte Fragen versteht, liegt nach den hier ausgewerteten Messungen eine Schwelle bei 4 bis 9 Milliarden Parametern. Das große Modell dahinter braucht laut Rechnung der simon42-Messreihe 23 bis 25 GB Speicher. Ein 16-GB-Rechner liefert Einzelbefehle und Abfragen in 8 bis 40 Sekunden.

Eine Rechnung, die selten gestellt wird, steht in der simon42-Messreihe. Für wenige Sprachbefehle am Tag kostet ein europäisches Cloud-Modell laut dortiger Rechnung mit Mistral-Preisen von September 2026 ungefähr 50 Dollar im Jahr. Ein Rechner für 2.000 Euro amortisiert sich dagegen vermutlich nie. Lokal lohnt sich demnach wegen Datenschutz und Unabhängigkeit, nicht wegen des Geldes. Das sollte die Entscheidung bestimmen.

Daraus folgt eine Reihenfolge:

  • Nur Geräte schalten, kleine Hardware: Kein LLM. Eingebauter Agent mit Speech-to-Phrase oder Whisper, dazu eigene Sätze. Das ist schneller und treffsicherer als jedes kleine Modell.
  • Fragen und Gesprächsbefehle gewünscht, Gaming-PC oder Mac mit viel Speicher vorhanden: Ollama mit einem Modell mit Tool-Etikett, Instruct-Variante ohne Thinking, 50 bis 100 freigegebene Entitäten, „Lokale Verarbeitung bevorzugen“ an, Kontextfenster ausreichend groß, „Aktiv halten“ auf -1.
  • Nur 16 GB und ein Mini-PC: Ein Agent, ein kleines Modell wie gemma4:e4b oder qwen3.5:4b, wenige Entitäten, und Zurückhaltung bei der Erwartung. Komplexe Befehle bleiben dem eingebauten Agenten.
  • Komplett neu kaufen nur für den Sprachassistenten: Die Messreihe selbst nennt das Overkill. Sinnvoll wird es, wenn der Rechner nebenher Bildanalyse, Kamera-Aufgaben oder andere lokale KI trägt.
Wie lange diese Aussagen gelten, ist offen. Die Leaderboard-Werte stammen teils aus Februar 2026, die Modelle wechseln im Wochentakt, und zwei der hier beschriebenen Fehler (#187432, #183767) sind zum Stand 20. November 2026 offen. Wer auf lokale KI-Sprachsteuerung umstellt, sollte vor jedem Home-Assistant-Update die offenen Issues der Ollama-Integration ansehen, und die Backup-Routine aus dem Backup-Artikel vorher laufen lassen.