Zum Hauptinhalt springen
PromptQuorumFür Menschen gemacht. Strukturiert für KI.
Startseite/Lokale LLMs Pro
Local AI Agents & Tool Use

Home Generative Agent im Test: KI-Agent für Home Assistant

·6 Min. LesezeitVon Hans Kuepper · Gründer von PromptQuorum · Entdeckungsplattform für Open-Weight- und Open-Source-KI

Home Generative Agent (Version 3.44.10, veröffentlicht am 23. Oktober 2026) ist eine kostenlose, MIT-lizenzierte Home-Assistant-Integration, die Assist um einen LLM-Agenten erweitert und mit einem lokalen Ollama-Server oder Cloud-Modellen arbeitet. Sie braucht ein laufendes Home Assistant, eine PostgreSQL-Datenbank mit pgvector und mindestens einen Modellanbieter.

Wichtigste Erkenntnisse

  • Pflege: Die aktuelle stabile Version 3.44.10 stammt vom 23. Oktober 2026, der Hauptzweig wurde am 1. November 2026 aktualisiert; eine Warnung vor einem veralteten Projekt entfällt daher.
  • Modell: Keines ist enthalten; unterstützt werden Ollama, OpenAI-kompatible Server, OpenAI, Gemini und Anthropic.
  • Kosten: Die Software ist unter der MIT-Lizenz kostenlos; nur ein Cloud-Anbieter, falls Sie einen wählen, berechnet Ihnen etwas.
  • Einrichtung: mehrere Schritte über eine Datenbank-App, HACS und einen Modellanbieter statt eines einzelnen Installers.
  • Hersteller: ein einzelner Entwickler (GitHub-Nutzer goruck), kein Unternehmen.

📍 In einem Satz

Home Generative Agent ist ein quelloffener KI-Agent für Home Assistant, mit dem Sie mit Ihrem Zuhause sprechen, Automatisierungen in Alltagssprache erstellen und Fragen zu Kamerabildern stellen können.

💬 In einfachen Worten

Sie installieren ihn über HACS in Ihr bestehendes Home Assistant, verbinden ein Sprachmodell wie einen lokalen Ollama-Server und wählen ihn dann in Assist als Konversationsagenten aus.

📌Hinweis: Dieser Test stützt sich auf das GitHub-Repository, seine Dokumentation und den Home-Assistant-Community-Thread, geprüft am 1. November 2026. PromptQuorum hat Home Generative Agent weder installiert noch ausgeführt oder gemessen; Zuverlässigkeit, Geschwindigkeit und die Qualität der geschriebenen Automatisierungen sind daher nicht bewertet.

Lesen auf:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Home Generative Agent (HGA) ist eine kostenlose, MIT-lizenzierte Custom-Integration für Home Assistant, die der Assist-Oberfläche einen KI-Agenten mit Werkzeugen hinzufügt. Er basiert auf LangGraph, steuert die Geräte, die Sie für ihn freigeben, schreibt Automatisierungen aus Anfragen in Alltagssprache, beschreibt Kamerabilder und führt ein Langzeitgedächtnis. Er nutzt den Modellanbieter Ihrer Wahl, vom lokalen Ollama-Server bis zu OpenAI, Gemini oder Anthropic. Dieser Test stützt sich auf das GitHub-Repository des Projekts, den Home-Assistant-Community-Thread und die GitHub Releases; PromptQuorum hat ihn weder installiert noch ausgeführt. Er steht im PromptQuorum-Verzeichnis.

Home Generative Agent im Test: KI-Agent für Home Assistant

Was ist Home Generative Agent?

Home Generative Agent ist ein KI-Agent für Home Assistant, der in Ihrem Zuhause handelt, statt Ihre Worte nur an ein Sprachmodell weiterzureichen. Laut README basiert er auf LangGraph und nutzt Werkzeuge, um Entitäten zu steuern, den Verlauf abzufragen, Kameras zu beobachten und echte Automatisierungen zu schreiben.

Es ist eine Custom-Integration für Home Assistant, die über HACS installiert wird, keine eigenständige App. Die Sentinel-Engine überwacht mit festen Regeln Sicherheitsprobleme, und laut README berät das Sprachmodell dort nur und schaltet nie etwas; das ist die Darstellung des Entwicklers und wurde nicht geprüft. Der erste Beitrag des Community-Threads nennt noch eine ältere Version als GitHub, deshalb folgt dieser Test GitHub.

Bezugsquelle

Home Generative Agent wird über HACS in ein bestehendes Home Assistant installiert; einen eigenständigen Download gibt es nicht.

Option
Bezug
HACS (empfohlen)In HACS suchen, das den Agenten in seinem Standard-Repository führt, oder die Schaltfläche „Open in HACS“ im README nutzen; danach Home Assistant neu starten und die Integration hinzufügen
Manuelle Installationhome_generative_agent.zip von den GitHub Releases laden und wie in der Installationsanleitung beschrieben in Home Assistant kopieren
DatenbankDie App PostgreSQL mit pgvector unter Home Assistant OS oder Supervised oder ein eigener PostgreSQL-Server
WebsiteHome-Assistant-Community-Thread, die Projekt-Homepage auf GitHub
DokumentationAnleitungen im Repository: Installation, Konfiguration, Sentinel, Kameras und Architektur
DatenschutzerklärungIm Repository und im Community-Thread nicht gefunden
Quellcodegithub.com/goruck/home-generative-agent, MIT-Lizenz

Geprüfte Version: 3.44.10, laut GitHub Releases am 23. Oktober 2026 veröffentlicht; eine Vorabversion, 3.45.0-beta.5, existiert ebenfalls und wurde nicht geprüft. Die Home-Assistant-Schritte erfolgen in dessen Weboberfläche, doch das Laden von Ollama-Modellen läuft im Terminal, und die gesamte Dienstkette erfordert mehr Aufwand als eine einzelne Installation.

Anforderungen

Erforderlich sind Home Assistant 2026.8.0 oder neuer, HACS, eine PostgreSQL-Datenbank mit pgvector und mindestens ein Modellanbieter.

Home Assistant

Was die Quellen sagen:
2026.8.0 ist das Minimum (ab HGA 3.43.3); 2026.9 und 2026.10 werden als unterstützt genannt

Datenbank

Was die Quellen sagen:
PostgreSQL mit pgvector; ohne sie funktioniert nur der Arbeitsspeicher als Ablage, sodass Langzeitgedächtnis, Gesichtserkennung und der Baseline-Anomaliedetektor nicht verfügbar sind

Modellanbieter

Was die Quellen sagen:
OpenAI, Gemini, Anthropic, Ollama oder ein beliebiger OpenAI-kompatibler Server

Lokale Modelle (optional)

Was die Quellen sagen:
Die Anleitung nennt Ollama-Modelle wie gpt-oss, qwen3:8b und qwen3-vl:8b; Mindestwerte für RAM oder VRAM gibt sie nicht an

Gesichtserkennung (optional)

Was die Quellen sagen:
Ein externer Face-Dienst, den Sie separat einrichten

Sprache (optional)

Was die Quellen sagen:
Die Sprach-APIs von OpenAI oder ein lokaler OpenAI-kompatibler Server wie Speaches; für das große faster-whisper-Modell werden etwa 2 GB VRAM empfohlen

Welche Hardware zu welchem Modell passt, wird darüber hinaus nicht genannt; das hängt vom Modellserver ab, nicht von Home Generative Agent.

So gelingt der Einstieg

Die Schritte folgen dem README und der Installationsanleitung; PromptQuorum hat sie nicht ausgeführt.

  1. 1
    Datenbank einrichten
    Why it matters: Installieren Sie die App PostgreSQL mit pgvector unter Home Assistant OS oder Supervised oder richten Sie die Integration auf Ihren eigenen PostgreSQL-Server aus.
  2. 2
    Über HACS installieren und neu starten
    Why it matters: Installieren Sie Home Generative Agent über HACS, starten Sie Home Assistant neu und fügen Sie die Integration unter Einstellungen → Geräte & Dienste hinzu.
  3. 3
    Modellanbieter hinzufügen
    Why it matters: Klicken Sie auf + Model Provider und wählen Sie Edge (Ollama oder ein OpenAI-kompatibler Server) oder Cloud (OpenAI, Gemini oder Anthropic).
  4. 4
    Setup ausführen
    Why it matters: Klicken Sie auf + Setup und wählen Sie Basic, das alle Funktionen mit empfohlenen Standardwerten aktiviert, oder Advanced, um jede einzeln zu konfigurieren.
  5. 5
    Als Konversationsagent auswählen
    Why it matters: Wählen Sie Home Generative Agent unter Einstellungen → Sprachassistenten aus und geben Sie dann die Entitäten frei, die er sehen soll.

Von den Quellen bestätigte Funktionen

Alle folgenden Punkte stammen aus dem README oder der Dokumentation; keiner wurde hier getestet.

  • Konversation. Steuerung und Statusfragen in natürlicher Sprache für freigegebene Entitäten, mit gestreamten Antworten.
  • Automatisierungen. Schreibt und registriert Automatisierungen aus dem Chat; Entitäts-IDs und Dienstaufrufe werden zuvor gegen Home Assistant geprüft, und eine optionale Critical-Action-PIN hält Automatisierungen zurück, die eine Tür entriegeln oder ein Garagentor öffnen würden.
  • Kameras. Beschreibt Kamerabilder und führt bewegungsgesteuerte Analysen aus; das README nennt Axis, Ring über ring-mqtt, Reolink und UniFi Protect sowie jede Kamera mit einer Bewegungs-Entität.
  • Sentinel. Regelbasierte Anomalieerkennung und ein Sicherheits-Audit der Home-Assistant-Installation, mit Handy-Warnungen und optionaler Triage durch das Sprachmodell.
  • Gedächtnis und Werkzeuge. Semantisches Langzeitgedächtnis in pgvector sowie zusätzliche Werkzeuge wie Websuche über MCP-Server oder eine Home-Assistant-LLM-API.
  • Sprache. Eigene Speech-to-Text- und Text-to-Speech-Anbieter für Assist-Pipelines, mit OpenAI oder einem lokalen Server.

Datenfluss und Datenschutz

Wohin Ihre Daten gehen, hängt vom gewählten Modellanbieter ab: Laut README kann Home Generative Agent mit Ollama oder einem OpenAI-kompatiblen Server komplett lokal laufen, Cloud-Anbieter sind die Alternative.

Bei einem Cloud-Anbieter gelangen Ihre Prompts und die Kamerabilder, die Sie analysieren lassen, nach dessen eigenen Richtlinien zu diesem Anbieter. Das README ergänzt, dass Sentinel und das Audit-Werkzeug MAC- und IP-Adressen sowie Client-Hostnamen schwärzen, bevor einem Sprachmodell etwas gezeigt wird. Die Gesichtserkennung nutzt einen separaten Face-Dienst, dessen Speicherung dieser Test nicht untersucht hat.

📌Hinweis: Das sind Aussagen des Entwicklers, keine Audit-Ergebnisse. PromptQuorum hat weder den Code noch den Netzwerkverkehr geprüft.

Für wen er geeignet ist

  • Home-Assistant-Nutzer mit einem freien GPU-Rechner, die einen Konversationsagenten über Ollama im eigenen Netzwerk halten möchten.
  • Menschen, die sich Automatisierungen aus Anfragen in Alltagssprache entwerfen lassen und jede im Automatisierungseditor prüfen.
  • Besitzer unterstützter Kameras, die Fragen dazu stellen möchten, was eine Kamera sieht, mit einem selbst betriebenen Vision-Modell.

Was wir nicht prüfen konnten

  • Zuverlässigkeit. Wie oft der Agent die richtige Entität findet oder eine korrekte Automatisierung schreibt, ist ungetestet.
  • Sicherheitsaussagen. Die Critical-Action-PIN und die Aussage, dass das Modell in Sentinel nie etwas schaltet, sind Darstellungen des Entwicklers.
  • Qualität lokaler Modelle. Die Anleitung empfiehlt Modelle, veröffentlicht aber keine Benchmarks zu Werkzeugnutzung oder Bildverstehen auf lokaler Hardware.
  • Datenverarbeitung. Der Face-Dienst und die Datenflüsse zu Cloud-Anbietern wurden nicht geprüft.

Konkurrenz und Alternativen

Home Assistant Assist

Plattformen:
Home Assistant (Web, Android, iOS)
Preis / Lizenz:
Kostenlos / Apache-2.0
Hauptunterschied:
Integrierte Sprach-Pipeline; LLM-Agenten sind optionale Ergänzungen
Artikel über Home Assistant Assist (1)

nanobot

Plattformen:
Windows, macOS, Linux
Preis / Lizenz:
Kostenlos / MIT
Hauptunterschied:
Allgemeiner selbst gehosteter Agent, nicht an Home Assistant gebunden
Artikel über nanobot (5)

PicoClaw

Plattformen:
Linux, macOS, Windows, Android
Preis / Lizenz:
Kostenlos / MIT
Hauptunterschied:
Kleiner Allzweck-Agent, nicht an Home Assistant gebunden
Artikel über PicoClaw (1)

Nur Home Assistant Assist liegt im selben Smart-Home-Segment; nanobot und PicoClaw sind allgemeine Agenten. Prüfen Sie Preis, Lizenz und Plattformen jeder App vor der Wahl auf deren eigener Seite.

Im Verzeichnis vergleichen

Häufig gestellte Fragen

Ersetzt Home Generative Agent Home Assistant Assist?

Nein. Sie wählen ihn in Assist als Konversationsagenten aus, und er kann einer Assist-Pipeline eigene Speech-to-Text- und Text-to-Speech-Anbieter hinzufügen.

Warum sagt der Agent, er finde ein Gerät nicht?

Er sieht nur für Assist freigegebene Entitäten und findet sie über Name und Bereich; das README rät daher, die Entität freizugeben und ihr einen klaren Namen und Bereich zu geben.

Läuft er unter Home Assistant Container oder Core?

Die mitgelieferte Datenbank-App braucht Home Assistant OS oder Supervised; unter Container oder Core verweist die Installationsanleitung daher auf einen eigenen PostgreSQL-Server mit pgvector.

Fazit

Home Generative Agent ist ein kostenloser, MIT-lizenzierter Weg, einem bestehenden Home Assistant einen KI-Agenten mit Werkzeugen zu geben, der mit einem lokalen Ollama-Server oder einem Cloud-Modell läuft, und er wird aktiv gepflegt. Dagegen erstreckt sich die Einrichtung über mehrere Dienste, viele Funktionen hängen von optionalen Komponenten wie dem Face-Dienst ab, und PromptQuorum hat Zuverlässigkeit, Datenschutzverhalten und die Qualität lokaler Modelle nicht getestet. Er eignet sich für Home-Assistant-Nutzer, die mit HACS und einem Modellserver vertraut sind; wer ihn für Schlösser oder Sicherheitsautomatisierungen einsetzt, sollte jede erzeugte Automatisierung selbst prüfen.

Quellen

← Zurück zu Lokale LLMs Pro

MCP