Home Assistant Sprachassistent – Alexa-Ersatz ohne Cloud

Passende Hardware im Überblick

Fertige Sprachboxen – der schnellste Weg:
Home Assistant Voice Preview Edition – die Empfehlung (Link)*
Home Assistant Green – die passende Zentrale dazu (Link)*
Amazon Echo Dot – der Vergleichsmaßstab mit Cloud (Link)*
Google Nest Mini – die Alternative aus dem Google-Lager (Link)*

Boards – Spracherkennung ist rechenhungrig:
Raspberry Pi 5 mit 8GB RAM – die sinnvolle Basis (Link)*
Raspberry Pi 5 mit 16GB RAM – wenn ein lokales Sprachmodell dazukommt (Link)*
Raspberry Pi 5 mit 4GB RAM – genug für den schlanken Weg (Link)*
Raspberry Pi 4 Starter-Set – wenn es günstig sein soll (Link)*
Beelink S12 Pro mit Intel N100 – für die volle lokale Spracherkennung (Link)*

Speicher und Strom:
Geekworm X1001 M.2-HAT für den Pi 5 (Link)*
Crucial P310 NVMe SSD 500GB (Link)*
SanDisk Extreme A2 128GB – für den ersten Versuch (Link)*
Offizielles 27-W-Netzteil für den Pi 5 (Link)*

Selbstbau-Satelliten und Tonausgabe:
ELEGOO ESP32-Boards im 3er-Pack (Link)*
ESP32-C6 im 2er-Pack (Link)*
Hama USB-Lautsprecher – die günstige Sprachausgabe (Link)*
HiFiBerry DAC+ RCA – für die Anlage im Wohnzimmer (Link)*
Sonos Era 100 – als Ausgabegerät für Ansagen (Link)*

Kurz gesagt: Kann ein Home Assistant Sprachassistent Alexa ersetzen?

Die Kurzfassung:

• Der Assistent heißt Assist und ist in Home Assistant bereits eingebaut. Man muss ihn nicht installieren, sondern nur einrichten – im Textfeld oben rechts funktioniert er sofort.
• Vier Bausteine: Weckwort, Sprache-zu-Text, Befehlserkennung und Sprachausgabe. Jeder Baustein ist austauschbar und darf lokal oder in der Cloud laufen.
• Vollständig lokal ist möglich: Speech-to-Phrase für die Erkennung, Piper für die Stimme – beides läuft als Add-on auf einem Raspberry Pi.
• Whisper ist die freiere, aber langsamere Wahl: Es versteht beliebige Sätze, verlangt dafür aber deutlich mehr Rechenleistung als ein Pi liefert.
• Für die Sprachbox gibt es mit der Voice Preview Edition ein fertiges Gerät für rund 59 Euro – Selbstbau mit ESP32 ist die Alternative.
• Ehrlich bleiben: Wetter, Wissensfragen und Musikwiedergabe kann Alexa besser. Beim Schalten, Dimmen und Abfragen der eigenen Hausautomation ist Assist inzwischen ebenbürtig – und funkt nichts nach außen.

Wie der Sprachassistent in Home Assistant funktioniert

Der Home Assistant Sprachassistent trägt den Namen Assist und ist keine einzelne Software, sondern eine Kette aus vier Stationen. Diese Trennung ist der entscheidende Unterschied zu Alexa oder Google: Jede Station lässt sich einzeln austauschen, und für jede kann man selbst entscheiden, ob sie im eigenen Haus oder auf einem fremden Server arbeitet.

Am Anfang steht das Weckwort. Home Assistant kennt dafür zwei Verfahren: openWakeWord läuft zentral auf dem Server und ist derzeit auf Englisch beschränkt, microWakeWord dagegen arbeitet direkt auf dem Mikrofon-Gerät – auf einem ESP32-S3 etwa – und spart damit Strom und Netzwerklast. Fertige Modelle gibt es für „okay nabu", „hey jarvis" und „alexa". Ein Raspberry Pi 4 schafft die zentrale Weckworterkennung für etwa fünf Satelliten gleichzeitig.

Danach folgt die Spracherkennung, die aus Ton Text macht, und die Befehlserkennung, die aus dem Text eine Absicht ableitet: „Mach das Licht im Wohnzimmer aus" wird zu einem Schaltbefehl für eine bestimmte Entität. Am Ende steht die Sprachausgabe, die die Antwort vorliest – lokal übernimmt das Piper, eine schlanke Stimme, die auch auf schwacher Hardware flüssig spricht.

Zusammengehalten wird das Ganze vom Wyoming-Protokoll. Es verbindet die einzelnen Dienste miteinander und sorgt dafür, dass Home Assistant frisch gestartete Add-ons von selbst findet. Wer möchte, kann einzelne Stationen sogar auf einen stärkeren Rechner im Netzwerk auslagern und den Pi nur die Steuerung machen lassen.

Home Assistant Sprachassistent einrichten – Schritt für Schritt

1. Erst ohne Mikrofon testen: Das Assist-Symbol oben rechts in der Oberfläche öffnet ein Textfeld. Funktioniert dort „Schalte die Küche ein", stimmt die Grundlage – der Rest ist nur noch Ton.
2. Geräte freigeben: Unter Einstellungen > Sprachassistenten > Freigegebene Entitäten festlegen, welche Geräte per Sprache erreichbar sein sollen. Alles freizugeben macht die Erkennung schlechter, weil zu viele ähnliche Namen entstehen.
3. Spracherkennung installieren: Im Add-on-Store entweder „Speech-to-Phrase" für schnelle Antworten auf schwacher Hardware oder „Whisper" für freiere Formulierungen wählen und starten.
4. Sprachausgabe installieren: Das Add-on „Piper" installieren und starten. Es liefert die deutsche Stimme für die Antworten.
5. Dienste einbinden: Beide Add-ons meldet die Wyoming-Integration meist von selbst unter Einstellungen > Geräte & Dienste. Dort jeweils auf „Hinzufügen" klicken.
6. Assistenten anlegen: Unter Einstellungen > Sprachassistenten auf „Assistent hinzufügen" gehen, einen Namen vergeben, als Sprache Deutsch wählen, als Konversationsagent „Home Assistant" und darunter die eben eingebundenen Dienste für Spracherkennung und Ausgabe.
7. Satellit verbinden: Die Voice Preview Edition wird per USB-C angeschlossen und meldet sich im Einrichtungsassistenten. Selbstbau-Satelliten auf ESP32-Basis kommen über ESPHome ins Netz.
8. Namen aufräumen: Zum Schluss die Geräte- und Raumnamen prüfen. „Steckdose 3" versteht kein Assistent zuverlässig, „Stehlampe" dagegen schon – das ist der wirksamste Hebel für die Trefferquote.

Whisper, Speech-to-Phrase oder Cloud – die Spracherkennung im Vergleich

Die Wahl der Spracherkennung entscheidet über Tempo, Trefferquote und Hardwarebedarf. Drei Optionen stehen zur Verfügung:

Speech-to-Phrase beantwortet nicht die Frage „Was wurde gesagt?", sondern „Welcher bekannte Satz wurde gesagt?". Es baut sein Vokabular aus Satzvorlagen und den Namen der eigenen Geräte, Bereiche und Etagen zusammen und unterstützt über 20 Sprachen, Deutsch eingeschlossen. Genau deshalb ist es auf schwacher Hardware so schnell – und genau deshalb versteht es keine Wissensfragen.

Der Vollständigkeit halber: Home Assistant Cloud kostet in Europa 7,50 Euro im Monat oder 75 Euro im Jahr und enthält neben der Spracherkennung auch den Fernzugriff sowie die Anbindung an Alexa und Google Home. Wer das Abo ohnehin hat, bekommt die beste Erkennung ohne eigenen Hardware-Aufwand – nur eben nicht ohne Cloud.

Sprachsatelliten im Haus – welche Hardware zuhört

Der Assistent braucht Ohren in den Räumen. Die naheliegende Lösung ist die Voice Preview Edition, das offizielle Gerät der Open Home Foundation. Darin steckt ein ESP32-S3 mit 16 MB Flash und 8 MB PSRAM, dazu ein XMOS-Audioprozessor, ein Doppelmikrofon mit Echo-Unterdrückung, ein Lautsprecher und eine 3,5-mm-Buchse mit eigenem Digital-Analog-Wandler. Das Gehäuse misst 84 × 84 × 21 mm, die Stromversorgung läuft über USB-C, gefunkt wird per WLAN im 2,4-GHz-Band. Die Weckwörter lauten „Okay Nabu", „Hey Jarvis" und „Hey Mycroft".

Wichtig für die Erwartungshaltung ist die Unterscheidung zweier Betriebsarten. Im fokussierten lokalen Modus beherrscht das Gerät die Steuerbefehle des Hauses und Timer – schnell, zuverlässig, ohne Internet. Der volle lokale Modus mit freier Spracherkennung verlangt deutlich mehr Rechenleistung; als Untergrenze wird ein Rechner der Intel-N100-Klasse genannt. Ein Raspberry Pi bleibt damit im fokussierten Modus – für Lichtsteuerung, Rollläden und Heizung reicht das vollkommen.

Günstiger wird es mit selbst gebauten Satelliten auf ESP32-Basis, die über ESPHome eingebunden werden. Sie kosten einen Bruchteil, verlangen aber Lötarbeit und Geduld bei der Mikrofonauswahl. Auch ein Android-Telefon mit der Home-Assistant-App taugt als Satellit.

Für die Ausgabe muss es kein eingebauter Lautsprecher sein: Über die Medienplayer in Home Assistant landen Ansagen auf jedem eingebundenen Gerät. In Verbindung mit Music Assistant lässt sich so auch Musik per Sprache starten, und passende Szenen hören auf einen einzigen gesprochenen Satz.

Fehler und Stolpersteine beim Home Assistant Sprachassistenten

• Zu viele freigegebene Entitäten: Je mehr ähnliche Namen im Vokabular stehen, desto häufiger greift der Assistent daneben. Freigeben, was wirklich per Sprache bedient wird – der Rest bleibt außen vor.
• Kryptische Gerätenamen: Technische Bezeichnungen aus der Integration sind für Sprache unbrauchbar. Jedes Gerät bekommt einen Namen, den auch Besuch benutzen würde.
• Whisper auf dem Pi: Die freie Spracherkennung läuft zwar, braucht aber je nach Modell mehrere Sekunden pro Satz. Berichte aus der Community zeigen, dass die Begeisterung genau daran regelmäßig scheitert – Speech-to-Phrase ist auf dieser Hardware die bessere Wahl.
• Weckwort auf Deutsch erwartet: Die verfügbaren Weckwörter sind englisch. Ein deutsches eigenes Weckwort erfordert ein selbst trainiertes Modell und ist kein Fünf-Minuten-Projekt.
• Mikrofon zu weit weg: Fernfeld-Erkennung ist Physik. Ein Satellit hinter dem Fernseher oder im Regal versteht deutlich schlechter als einer auf dem Sideboard in Kopfhöhe.
• Speicherkarte als Basis: Spracherkennungsmodelle sind groß und werden ständig gelesen. Auf einer NVMe-SSD antwortet der Assistent spürbar schneller als von der Karte.
• Nach dem Umbenennen kein Neuaufbau: Wer Geräte umbenennt, muss dem Erkenner Zeit geben, sein Vokabular neu zu bauen – sonst gilt eine Weile noch der alte Name.

Häufige Fragen zum Sprachassistenten in Home Assistant

Funktioniert der Sprachassistent auf Deutsch?
Ja. Sowohl Speech-to-Phrase als auch Whisper und die Sprachausgabe Piper beherrschen Deutsch. Lediglich die Weckwörter sind englisch.

Brauche ich ein Abo?
Nein. Der komplette Weg mit Speech-to-Phrase und Piper ist kostenlos und läuft im eigenen Netz. Home Assistant Cloud ist eine Bequemlichkeitsoption, keine Voraussetzung.

Reicht ein Raspberry Pi als Basis?
Für die Haussteuerung ja – ein Pi 4 verarbeitet die Weckworterkennung für bis zu fünf Satelliten. Für freie Spracherkennung mit Whisper ist er zu langsam, dafür beginnt die sinnvolle Klasse etwa bei einem Intel-N100-Rechner.

Kann ich ChatGPT oder ein lokales Sprachmodell einbinden?
Ja, als Konversationsagent lassen sich OpenAI, Anthropic oder ein lokal betriebenes Ollama auswählen. Der Schalter „Befehle bevorzugt lokal verarbeiten" sorgt dafür, dass reine Schaltbefehle weiterhin schnell und ohne Umweg beantwortet werden.

Kann ich meinen vorhandenen Echo weiterverwenden?
Nur andersherum: Über die Alexa-Anbindung steuert der Echo die Geräte in Home Assistant. Als Mikrofon für Assist taugt er nicht, weil Amazon den Tonzugriff nicht freigibt.

Wie viele Sprachboxen kann ich betreiben?
Technisch beliebig viele, praktisch begrenzt die Rechenleistung der Zentrale. Erledigt der Satellit die Weckworterkennung selbst, wie es die Voice Preview Edition tut, fällt diese Grenze deutlich höher aus.

Was kann Assist noch außer Schalten?
Timer stellen, Zustände abfragen, Szenen aufrufen und beliebige Automatisierungen auslösen. Eigene Sprachbefehle lassen sich über Satzvorlagen ergänzen.

Fazit

Ein Home Assistant Sprachassistent ist 2026 kein Bastelversprechen mehr, sondern ein Alexa-Ersatz ohne Cloud, der im Alltag trägt – vorausgesetzt, man erwartet einen Haussteuerer und keinen Gesprächspartner. Unsere klare Empfehlung: Speech-to-Phrase statt Whisper und eine Voice Preview Edition als erste Sprachbox. Diese Kombination antwortet in Sekundenbruchteilen, läuft schon auf einem Raspberry Pi und schickt kein einziges Tonschnipsel nach draußen. Wer stattdessen zuerst Whisper auf einem Pi ausprobiert, hält den ganzen Ansatz nach drei zähen Antworten für unbrauchbar – und das wäre schade, denn der Fehler liegt an der Werkzeugwahl, nicht am Assistenten.

* = Affiliate Link (raspi-config.de ist Teilnehmer des Partnerprogramms von Amazon EU, das zur Bereitstellung eines Mediums für Websites konzipiert wurde, mittels dessen durch die Platzierung von Werbeanzeigen und Links zu Amazon.de Werbekostenerstattung verdient werden kann.)