Sprachassistent ohne Cloud: Lokale Alternativen

Die Abhängigkeit von Cloud-Infrastruktur ist für viele Nutzer ein Dorn im Auge. Jedes Mal, wenn Sie „Alexa" sagen, wird Ihre Stimme zu Amazon-Servern gesendet. Google speichert Ihre Befehle. Wer sensibel beim Thema Datenschutz ist, fragt sich: Gibt es Sprachassistenten, die vollständig lokal arbeiten?

Die gute Nachricht: Es gibt Alternativen. Die ehrliche Antwort: Sie kommen mit Kompromissen. Diese Anleitung zeigt, wie lokale Spracherkennung funktioniert, welche Optionen es gibt und wofür Sie opfern müssen.

Welche Sprachassistenten verarbeiten Befehle direkt auf dem Gerät statt in der Cloud?

Kurzantwort: Bei den gängigen Lautsprechern von Amazon, Google und Apple läuft auf dem Gerät selbst vor allem die Erkennung des Aufweckworts; die eigentliche Auswertung Ihrer Anfrage geschieht in der Regel in der Cloud des Anbieters. Einzelne Befehle können bei neueren Geräten laut Hersteller lokal ausgeführt werden. Vollständig auf eigenen Geräten verarbeitet wird Sprache nur mit einer selbst betriebenen Lösung wie Home Assistant Assist. „Auf dem Gerät“ kann also drei Dinge heißen, je nachdem, welcher Teil der Kette aus Aufwecken, Spracherkennung, Verstehen und Ausführen lokal läuft:

Stufe 1: Nur das Aufweckwort ist lokal

Bei den gängigen Cloud-Lautsprechern erkennt das Gerät selbst, ob das Aufweckwort gefallen ist. Erst danach wird die Anfrage zur Auswertung an die Server des Anbieters geschickt. Welche Anfragetypen ein Anbieter inzwischen zusätzlich direkt im Gerät oder im Heimnetz auflöst, ändert sich mit Geräte-Generationen und Updates. Verlässlich ist deshalb nur die aktuelle Herstellerangabe zu Ihrem konkreten Modell, nicht eine pauschale Liste.

Stufe 2: Teilweise lokal, laut Hersteller

Einige Hersteller geben an, dass bestimmte Anfragen oder Smart-Home-Befehle bei neueren Geräten ohne Umweg über das Internet ausgeführt werden können, etwa wenn das Zielgerät im selben Netz hängt oder über Matter oder Thread angebunden ist. Prüfen Sie dazu in der Produktbeschreibung oder in den Datenschutzhinweisen, ob von „lokaler Verarbeitung“ die Rede ist und für welche Funktionen das gilt. Wichtig: Selbst wenn die Ausführung lokal passiert, kann die Spracherkennung weiterhin in der Cloud stattfinden. Fragen Sie sich also immer getrennt, wo Ihre Stimme verarbeitet wird und wo der Schaltbefehl ausgeführt wird.

Stufe 3: Vollständig lokal im eigenen Netz

Wirklich cloudfrei wird es nur, wenn Aufweckwort, Sprache-zu-Text, Befehlsverständnis und Ausführung auf Rechnern in Ihrem Netz laufen. Dafür bietet Home Assistant mit der Funktion Assist einen Baukasten aus lokal laufenden Komponenten: ein Aufweckwort-Modul (openWakeWord), eine Sprache-zu-Text-Komponente (zum Beispiel Whisper) und eine Sprachausgabe (zum Beispiel Piper), verbunden über das Wyoming-Protokoll. Welche Rechenleistung Sie dafür brauchen, hängt vom gewählten Modell ab; ein kleiner Raspberry Pi reicht für die Zentrale selbst, die Spracherkennung läuft je nach Modell flüssiger auf stärkerer Hardware. Die Erkennung bleibt bei freien Formulierungen schwächer als bei den Cloud-Diensten. Einen Einstieg in die Zentrale liefert der Home-Assistant-Guide für Einsteiger.

So prüfen Sie selbst, was wirklich lokal läuft

1. 1. Internet-Trennung: Trennen Sie den Router kurz vom Internet und geben Sie einen einfachen Befehl wie „Licht Küche aus“. Funktioniert er weiter, laufen Erkennung und Ausführung dieses Befehls lokal. Scheitert er, ist mindestens ein Teil der Kette auf das Internet angewiesen.
2. 2. Befehl mit freier Formulierung: Probieren Sie dieselbe Aktion in zwei unterschiedlichen Formulierungen. Bricht die Erkennung bei der zweiten ein, deutet das auf ein kleines lokales Modell mit festem Satzmuster hin.
3. 3. Datenschutzhinweise lesen: Suchen Sie in der App nach den Einstellungen zu Sprachaufnahmen und deren Speicherung. Dort steht, ob und wie lange Aufnahmen vorgehalten werden und wie Sie sie löschen.
4. 4. Netzwerkverkehr beobachten (optional): Wer sich auskennt, sieht im Router oder in einem DNS-Filter, welche Server ein Lautsprecher anfragt. Das ersetzt keine Herstellerangabe, zeigt aber, ob ein Gerät nach Hause telefoniert.

Wer nur Lichter, Heizung und Szenen per Sprache steuern will, kommt mit einer lokalen Lösung oft aus. Wer Wissensfragen, Musikdienste und Timer in vielen Sprachen erwartet, bleibt praktisch bei einem Cloud-Assistenten. Wie sich Sprachassistenten im Alltag unterscheiden, vergleicht Alexa, Google Assistant und Siri im Vergleich; wie Sie Daten insgesamt sparsam halten, steht unter Smart Home Datenschutz lokal.

Warum klassische Sprachassistenten auf die Cloud angewiesen sind

Um zu verstehen, warum es schwierig ist, Spracherkennung lokal zu machen, schauen wir uns an, was Cloud-Sprachverarbeitung macht:

1. 1. Audio-Erfassung: Das Mikrofon nimmt Ihre Stimme auf.
2. 2. Senden zur Cloud: Das Audio wird komprimiert und zu den Servern (Amazon/Google) gesendet.
3. 3. Spracherkennung (ASR): Die Cloud konvertiert Audio zu Text — mit enormer Genauigkeit durch neuronale Netze.
4. 4. Natural Language Understanding (NLU): Der Server versteht, was Sie meinen, nicht nur was Sie sagen.
5. 5. Antwort generieren: Der Server findet die richtige Antwort oder Aktion.
6. 6. Zurück zum Gerät: Die Antwort (Text oder Aktion) wird zum Echo/Home gesendet.

Dieser Prozess braucht extreme Rechenleistung und kontinuierliches Training. Cloud-Server mit hunderten von GPUs machen das täglich für Millionen von Nutzern. Ein Echo Dot hat dafür nicht die Leistung.

Lokale Sprachverarbeitung: Möglichkeiten und Grenzen

Wake-Word-Detection (Aufwecksignal)

Das ist die einzige Phase, die auch moderne Smart Speaker lokal tun: Sie erkennen, wenn Sie „Alexa" sagen, ohne zur Cloud zu senden. Das geht mit kleinen, trainierten Modellen, die wenig Rechenleistung brauchen. Danach wird das Audio zur Cloud gesendet.

Offline-Spracherkennung (Pocketsphinx, Kaldi)

Es gibt quelloffene Spracherkennungs-Module, die lokal auf Ihrem Rechner laufen — bekannte Vertreter sind Pocketsphinx und Kaldi. Sie erreichen nicht die Erkennungsleistung der großen Cloud-Modelle, funktionieren für ein begrenztes Vokabular aber zuverlässig. Konkrete Erkennungsquoten nennen wir hier bewusst nicht: Sie hängen von Modell, Sprache, Mikrofon und Raumakustik ab und lassen sich nicht seriös in eine einzelne Zahl fassen.

Home Assistant Assist (lokale Sprachsteuerung)

Relativ neu: Home Assistant integriert lokale Spracherkennung. Sie laden ein trainiertes Sprachmodell herunter und Home Assistant verarbeitet Ihre Stimme lokal. Es ist nicht so intelligenz wie Alexa/Google, aber für einfache Heimautomations-Befehle ausreichend:

• ✓ „Licht Wohnzimmer aus"
• ✓ „Heizung auf 20 Grad"
• ✗ „Was ist die Hauptstadt von Frankreich?"
• ✗ „Spiele das letzte Spotify-Album ab"

Home Assistant mit lokaler Sprachsteuerung: So funktioniert es

Hardware-Anforderung

Home Assistant selbst ist sehr ressourcenarm und läuft auf einem Raspberry Pi 4, der im Einsteiger-Preissegment liegt. Ein altes Laptop oder NAS funktioniert auch. Dazu brauchen Sie:

• Ein Gerät mit 2–4 GB RAM (für Home Assistant + Spracherkennung)
• Ein USB-Mikrofon oder Mikrofon-Array (z.B. ReSpeaker)
• Optional einen Lautsprecher für Feedback

Installation

Schritt 1: Home Assistant installieren (auf einem Raspberry Pi oder Docker-Container).

Schritt 2: In den Einstellungen unter „Sprachassistenten“ einen Assistenten anlegen und die lokalen Add-ons für Aufweckwort, Spracherkennung und Sprachausgabe installieren.

Schritt 3: Das gewünschte Sprachmodell für die Spracherkennung auswählen (größere Modelle erkennen besser, brauchen aber mehr Rechenleistung) und die Sprache einstellen.

Schritt 4: Ein USB-Mikrofon anschließen und testen.

Das klingt technisch — und für Anfänger ist es das. Aber die Home Assistant Community ist sehr hilfreich, und es gibt Video-Tutorials.

Funktionen und Grenzen

Datenschutz-Vorteile und Funktionseinbußen

Was Sie gewinnen (Datenschutz)

• Ihre Stimme verlässt nie das Heimnetz: Keine Cloud-Upload.
• Keine Audio-Speicherung: Amazon und Google speichern Ihre Befehle in der Cloud. Home Assistant tut das nicht.
• Offline-Funktionsfähig: Wenn Internet ausfällt, funktioniert Home Assistant Voice weiter.
• Volle Kontrolle: Sie kontrollieren die Hardware und die Software auf Ihrem System.

Was Sie aufgeben (Funktionen)

• Genauigkeit: Lokale Spracherkennung erkennt weniger zuverlässig als die Cloud-Modelle, besonders bei freier Formulierung, Dialekt oder Nebengeräuschen.
• Intelligenz: Keine Beantwortung von allgemeinen Wissens-Fragen.
• Skills/Actions: Keine Musik-Streaming, Wetter (direkt), News, etc.
• Multi-Sprachen: Home Assistant Voice ist meist nur in einer Sprache verfügbar.
• Fernzugriff: Stimmensteuerung funktioniert nur im lokalen Netz, nicht von unterwegs.

Mikrofon deaktivieren als einfachste Alternative

Die einfachste Lösung für Datenschutz-Besorgte ist oft: Nutzen Sie Alexa oder Google Home, aber deaktivieren Sie das Mikrofon. Das Gerät ist dann ein stiller Lautsprecher, für Musik und Automationen, aber die Spracheingabe ist weg.

Praktisch: Drücken Sie den Mute-Button auf der Oberseite. Die rote LED zeigt, dass das Mikrofon ausgeschaltet ist. Das Gerät sendet dann keine Sprachdaten zur Cloud.

Vorteil: Sie behalten alle Funktionen außer Sprachsteuerung. Automationen und App-Steuerung funktionieren normal.

Nachteil: Sie können nicht per Sprache steuern — müssen die App oder Tasten nutzen.

Fazit: Welche Option für wen?

Wählen Sie Home Assistant Voice Assistant, wenn Sie: Technisch versiert sind, maximalen Datenschutz wollen und sich nicht stören lässt, wenn die Spracherkennung manchmal nicht funktioniert.

Deaktivieren Sie das Mikrofon am Echo/Home, wenn Sie: Die Geräte besitzen, aber das Datenschutz-Risiko minimieren wollen, ohne auf die ganze Familie zu verzichten.

Nutzen Sie Alexa/Google normal, wenn Sie: Maximale Funktionalität und Zuverlässigkeit wollen und mit Datenschutz-Trade-offs einverstanden sind. Die meisten Nutzer fallen in diese Kategorie.