Weitere Berichte schildern, dass Gemini sich weigert, smarte Lampen auszuschalten, und behauptet, es könne keine Beleuchtung oder andere physische Geräte steuern. Android Authority berichtet zudem über mehrere Updates, die Alarme, Timer, Lichtsteuerung, Reaktionszeiten und verschiedene Fehler verbessern sollen – darunter einen Bug, durch den sich Lampen ohne Eingabe des Nutzers ein- oder ausschalteten.

Diese Berichte belegen keine einheitliche Fehlerquote für die gesamte Branche. Sie zeigen aber ein wiederkehrendes Muster: Die Fähigkeit zur Konversation kann besser werden, während die Ausführung alltäglicher Befehle unzuverlässig bleibt.

Warum natürliche Sprache die Steuerung schwieriger macht

Ältere Sprachassistenten waren deutlich eingeschränkter. Ihre Steuerungswege waren dafür vergleichsweise klar definiert. Eine erkannte Anfrage wurde einer bekannten Absicht – einem sogenannten Intent – und einer vorab geprüften Funktion zugeordnet, etwa:

setBrightness(device = kitchen, level = 50)

Nutzer mussten sich dabei eher an bestimmte Formulierungen halten. Im Gegenzug gab es weniger Interpretationsmöglichkeiten und einen wiederholbareren Weg vom gesprochenen Satz zur Geräteaktion.

Ein Assistent auf Basis eines großen Sprachmodells muss wesentlich mehr leisten. Er muss unter Umständen:

1. die Absicht des Nutzers erschließen;
2. Verweise wie „hier“, „diese“ oder „die Lampen“ richtig auflösen;
3. den passenden Raum, das richtige Gerät und dessen Fähigkeiten erkennen;
4. das geeignete Werkzeug oder die passende API auswählen;
5. gültige Parameter übergeben;
6. den aktuellen Gerätezustand berücksichtigen; und
7. korrekt melden, ob die Aktion tatsächlich erfolgreich war.

Jeder dieser Schritte kann schiefgehen. Der Assistent kann das falsche Gerät auswählen, einen Raumverweis missverstehen, eine nicht unterstützte Funktion verwenden, ungültige Parameter senden, mit veralteten Statusdaten arbeiten oder Erfolg melden, ohne zu prüfen, ob sich das Gerät wirklich verändert hat.

Eine Untersuchung zur Steuerung von Smart Homes mit großen Sprachmodellen nennt Nichtdeterminismus, Verzögerungen und Kosten der Inferenz sowie begrenzte Personalisierung als zentrale Hindernisse für eine zuverlässige Gerätesteuerung. Solche Systeme funktionieren besser, wenn Befehle explizit und strukturiert formuliert sind, als wenn sie umfangreichen Kontext selbst erschließen müssen.

Gesprächsverständnis und Gerätesteuerung sind nicht dasselbe

Die von Amazon und Google beworbenen Funktionen sind durchaus nützlich. Alexa+ soll eine gesprochene Beschreibung dem passenden Gerät und dessen Funktion zuordnen. Google hebt unter anderem mehrteilige Befehle, Ausnahmen und Korrekturen mitten im Satz hervor.

Das kann bei Aufgaben helfen wie:

• eine gewünschte Stimmung zu beschreiben und daraus eine Szene vorzuschlagen;
• eine Routine zu erstellen, ohne sich durch eine komplizierte App zu navigieren;
• zu erklären, was eine Automation macht; oder
• eine unpräzise Anfrage in einen strukturierten Plan zu übersetzen.

Doch eine Anfrage zu interpretieren ist etwas anderes, als sie zuverlässig auszuführen. „Mach es zum Abendessen gemütlich“ lässt Raum für Ermessensentscheidungen. „Stell die Küchenbeleuchtung auf 50 Prozent“ beschreibt dagegen ein klar definiertes Ergebnis. Für die erste Aufgabe ist ein flexibles Sprachmodell hilfreich; für die zweite ist ein enger, überprüfbarer Steuerungsweg besser geeignet.

Das erklärt, warum ein Assistent einen komplizierten Satz beeindruckend verarbeiten und gleichzeitig an einem simplen Lichtbefehl scheitern kann. Sprachliche Komplexität ist nicht dasselbe wie technische Ausführungskomplexität. Eine Anfrage für mehrere Geräte kann funktionieren, wenn das Modell zufällig die richtigen Werkzeuge und Parameter auswählt. Ein kurzer Befehl kann dagegen scheitern, sobald die Gerätezuordnung oder die Erkennung der Gerätefähigkeiten fehlerhaft ist.

Verzögerungen lassen Fehler noch unzuverlässiger wirken

Zuverlässigkeit bedeutet nicht nur, dass am Ende der richtige Zustand erreicht wird. Ein Smart-Home-Befehl muss auch in einer einigermaßen vorhersehbaren Zeit reagieren. Wenn sich eine Lampe erst nach längerer Pause oder nach einer Wiederholung einschaltet, wirkt das System unzuverlässig – selbst wenn es den Befehl letztlich korrekt ausgeführt hat.

Ein Test von Alexa+ stellte bei manchen Antworten Verzögerungen von bis zu 15 Sekunden fest. Grundlegende Aktionen wie das Einschalten von Lampen oder das Verändern des Thermostats konnten in einigen Fällen schneller erfolgen. Berichte über Gemini für Home nennen wiederum Updates mit schnelleren Antworten und kürzeren Reaktionen auf alltägliche Befehle. Das deutet darauf hin, dass die Latenz weiterhin ein aktives Entwicklungsproblem ist.

Cloud-Verarbeitung, die Auswahl des Modells, die Suche nach Geräten und zusätzliche Werkzeugaufrufe können jeweils Zeit kosten. So entsteht ein System, das theoretisch leistungsfähiger ist, im entscheidenden Moment aber weniger vorhersehbar reagiert.

Werden frühe Nutzer zu unfreiwilligen Testern?

Software wird heute häufig schrittweise veröffentlicht und laufend verbessert. Für unkritische Gesprächsfunktionen kann dieses Vorgehen sinnvoll sein. Die Steuerung eines Smart Homes ist jedoch etwas anderes: Fehler wirken sich auf physische Geräte und etablierte Abläufe aus. Wenn ein Update Lampen, Alarme oder Automationen anders reagieren lässt, erleben Nutzer die Folgen direkt in ihrer Wohnung – nicht in einer abstrakten Chatbot-Oberfläche.

Die Abfolge aus Beschwerden nach einer Einführung, anschließenden Fehlerbehebungen und weiteren Zuverlässigkeits-Updates beweist nicht, dass Anbieter absichtlich unfertige Produkte veröffentlicht haben. Sie zeigt aber, dass Kunden auf Probleme stoßen, während die Systeme noch abgestimmt werden. Berichte über übersprungene Automationen, fehlerhafte Routinen, widersprüchliche Antworten und anhaltenden Nutzerfrust lassen das Prinzip „veröffentlichen, Daten sammeln, verbessern“ besonders teuer erscheinen, wenn es auf die tägliche Haussteuerung angewandt wird.

Ein sicherer Ansatz wäre, für Routinen und Standardbefehle weiterhin einen zuverlässigen, deterministischen Steuerungsweg bereitzuhalten und generative Funktionen darum herum zu ergänzen. So könnten Nutzer natürlicher mit ihrem Zuhause sprechen, ohne den grundlegenden Vertrag der Hausautomation zu verlieren: Wenn ein bekannter Befehl erteilt wird, muss das vorgesehene Gerät den vorgesehenen Zustand erreichen.

Die praktikabelste Lösung ist wahrscheinlich ein hybrides System

Die Konsequenz daraus ist nicht, große Sprachmodelle vollständig aus dem Smart Home zu verbannen. Sinnvoller wäre es, ihnen genau dort eine begrenztere Rolle zu geben, wo Fehler besonders folgenreich sind.

Ein robustes System könnte ein Sprachmodell für Sprachverständnis und Planung einsetzen und das Ergebnis anschließend an eine Kontrollschicht übergeben. Diese könnte unter anderem bieten:

• eine anhand von Schemata geprüfte Auswahl von Geräten und Parametern;
• ausdrücklich definierte Berechtigungen für sensible Aktionen;
• Prüfungen des aktuellen Zustands vor und nach der Ausführung;
• Wiederholungsversuche und eine klare Fehlerbehandlung; sowie
• eine eindeutige Bestätigung, die zwischen geplanter und tatsächlich abgeschlossener Aktion unterscheidet.

Eine Forschungsrichtung beschreibt einen ähnlichen Ansatz unter dem Begriff „Compiled AI“. Dabei erzeugt ein Sprachmodell während einer Kompilierungsphase ausführbare Artefakte. Zur Laufzeit übernimmt anschließend eine Workflow-Steuerung Verzweigungen, Werkzeugauswahl, Wiederholungen und Fehlerbehandlung deterministisch – ohne das Sprachmodell fortlaufend in den Kontrollfluss einzubeziehen.

Für Smart Homes würde dieses Prinzip bedeuten: Das Modell darf helfen, die Absicht des Nutzers auszudrücken. Es sollte aber nicht bei jedem Befehl allein darüber entscheiden, welche physische Aktion ausgeführt wird. Je näher eine Anfrage an einer klar definierten Geräte-Transaktion liegt, desto stärker sollte der Ausführungsweg eingeschränkt, getestet und überprüfbar sein.

Fazit

Alexa+ und Gemini für Home stehen beispielhaft für eine grundsätzliche Lehre der generativen KI: Besser zu sprechen bedeutet nicht automatisch, besser zu bedienen. Berichte von Testern, Nutzern und Technikmedien zeigen Assistenten, die komplexen Kontext verstehen und umfangreiche Anfragen formulieren können, aber weiterhin bei Lampen, Dimmern, Alarmen und Routinen ins Stolpern geraten.

Der dauerhaft überzeugende Smart-Home-Assistent wird wahrscheinlich beide Ansätze verbinden. Generative KI kann Einrichtung und Gespräche flexibler machen. Deterministische Software muss dafür sorgen, dass die abschließende Aktion korrekt, schnell und überprüfbar ausgeführt wird. Solange diese Grenze nicht sauber gestaltet ist, kann ein gesprächigerer Assistent zwar intelligenter wirken – bei den grundlegenden Aufgaben eines Smart Homes aber weniger zuverlässig arbeiten.

Weitere Berichte schildern, dass Gemini sich weigert, smarte Lampen auszuschalten, und behauptet, es könne keine Beleuchtung oder andere physische Geräte steuern. Android Authority berichtet zudem über mehrere Updates, die Alarme, Timer, Lichtsteuerung, Reaktionszeiten und verschiedene Fehler verbessern sollen – darunter einen Bug, durch den sich Lampen ohne Eingabe des Nutzers ein- oder ausschalteten.

Diese Berichte belegen keine einheitliche Fehlerquote für die gesamte Branche. Sie zeigen aber ein wiederkehrendes Muster: Die Fähigkeit zur Konversation kann besser werden, während die Ausführung alltäglicher Befehle unzuverlässig bleibt.

Warum natürliche Sprache die Steuerung schwieriger macht

Ältere Sprachassistenten waren deutlich eingeschränkter. Ihre Steuerungswege waren dafür vergleichsweise klar definiert. Eine erkannte Anfrage wurde einer bekannten Absicht – einem sogenannten Intent – und einer vorab geprüften Funktion zugeordnet, etwa:

setBrightness(device = kitchen, level = 50)

Nutzer mussten sich dabei eher an bestimmte Formulierungen halten. Im Gegenzug gab es weniger Interpretationsmöglichkeiten und einen wiederholbareren Weg vom gesprochenen Satz zur Geräteaktion.

Ein Assistent auf Basis eines großen Sprachmodells muss wesentlich mehr leisten. Er muss unter Umständen:

1. die Absicht des Nutzers erschließen;
2. Verweise wie „hier“, „diese“ oder „die Lampen“ richtig auflösen;
3. den passenden Raum, das richtige Gerät und dessen Fähigkeiten erkennen;
4. das geeignete Werkzeug oder die passende API auswählen;
5. gültige Parameter übergeben;
6. den aktuellen Gerätezustand berücksichtigen; und
7. korrekt melden, ob die Aktion tatsächlich erfolgreich war.

Jeder dieser Schritte kann schiefgehen. Der Assistent kann das falsche Gerät auswählen, einen Raumverweis missverstehen, eine nicht unterstützte Funktion verwenden, ungültige Parameter senden, mit veralteten Statusdaten arbeiten oder Erfolg melden, ohne zu prüfen, ob sich das Gerät wirklich verändert hat.

Eine Untersuchung zur Steuerung von Smart Homes mit großen Sprachmodellen nennt Nichtdeterminismus, Verzögerungen und Kosten der Inferenz sowie begrenzte Personalisierung als zentrale Hindernisse für eine zuverlässige Gerätesteuerung. Solche Systeme funktionieren besser, wenn Befehle explizit und strukturiert formuliert sind, als wenn sie umfangreichen Kontext selbst erschließen müssen.

Gesprächsverständnis und Gerätesteuerung sind nicht dasselbe

Die von Amazon und Google beworbenen Funktionen sind durchaus nützlich. Alexa+ soll eine gesprochene Beschreibung dem passenden Gerät und dessen Funktion zuordnen. Google hebt unter anderem mehrteilige Befehle, Ausnahmen und Korrekturen mitten im Satz hervor.

Das kann bei Aufgaben helfen wie:

• eine gewünschte Stimmung zu beschreiben und daraus eine Szene vorzuschlagen;
• eine Routine zu erstellen, ohne sich durch eine komplizierte App zu navigieren;
• zu erklären, was eine Automation macht; oder
• eine unpräzise Anfrage in einen strukturierten Plan zu übersetzen.

Doch eine Anfrage zu interpretieren ist etwas anderes, als sie zuverlässig auszuführen. „Mach es zum Abendessen gemütlich“ lässt Raum für Ermessensentscheidungen. „Stell die Küchenbeleuchtung auf 50 Prozent“ beschreibt dagegen ein klar definiertes Ergebnis. Für die erste Aufgabe ist ein flexibles Sprachmodell hilfreich; für die zweite ist ein enger, überprüfbarer Steuerungsweg besser geeignet.

Das erklärt, warum ein Assistent einen komplizierten Satz beeindruckend verarbeiten und gleichzeitig an einem simplen Lichtbefehl scheitern kann. Sprachliche Komplexität ist nicht dasselbe wie technische Ausführungskomplexität. Eine Anfrage für mehrere Geräte kann funktionieren, wenn das Modell zufällig die richtigen Werkzeuge und Parameter auswählt. Ein kurzer Befehl kann dagegen scheitern, sobald die Gerätezuordnung oder die Erkennung der Gerätefähigkeiten fehlerhaft ist.

Verzögerungen lassen Fehler noch unzuverlässiger wirken

Zuverlässigkeit bedeutet nicht nur, dass am Ende der richtige Zustand erreicht wird. Ein Smart-Home-Befehl muss auch in einer einigermaßen vorhersehbaren Zeit reagieren. Wenn sich eine Lampe erst nach längerer Pause oder nach einer Wiederholung einschaltet, wirkt das System unzuverlässig – selbst wenn es den Befehl letztlich korrekt ausgeführt hat.

Ein Test von Alexa+ stellte bei manchen Antworten Verzögerungen von bis zu 15 Sekunden fest. Grundlegende Aktionen wie das Einschalten von Lampen oder das Verändern des Thermostats konnten in einigen Fällen schneller erfolgen. Berichte über Gemini für Home nennen wiederum Updates mit schnelleren Antworten und kürzeren Reaktionen auf alltägliche Befehle. Das deutet darauf hin, dass die Latenz weiterhin ein aktives Entwicklungsproblem ist.

Cloud-Verarbeitung, die Auswahl des Modells, die Suche nach Geräten und zusätzliche Werkzeugaufrufe können jeweils Zeit kosten. So entsteht ein System, das theoretisch leistungsfähiger ist, im entscheidenden Moment aber weniger vorhersehbar reagiert.

Werden frühe Nutzer zu unfreiwilligen Testern?

Software wird heute häufig schrittweise veröffentlicht und laufend verbessert. Für unkritische Gesprächsfunktionen kann dieses Vorgehen sinnvoll sein. Die Steuerung eines Smart Homes ist jedoch etwas anderes: Fehler wirken sich auf physische Geräte und etablierte Abläufe aus. Wenn ein Update Lampen, Alarme oder Automationen anders reagieren lässt, erleben Nutzer die Folgen direkt in ihrer Wohnung – nicht in einer abstrakten Chatbot-Oberfläche.

Die Abfolge aus Beschwerden nach einer Einführung, anschließenden Fehlerbehebungen und weiteren Zuverlässigkeits-Updates beweist nicht, dass Anbieter absichtlich unfertige Produkte veröffentlicht haben. Sie zeigt aber, dass Kunden auf Probleme stoßen, während die Systeme noch abgestimmt werden. Berichte über übersprungene Automationen, fehlerhafte Routinen, widersprüchliche Antworten und anhaltenden Nutzerfrust lassen das Prinzip „veröffentlichen, Daten sammeln, verbessern“ besonders teuer erscheinen, wenn es auf die tägliche Haussteuerung angewandt wird.

Ein sicherer Ansatz wäre, für Routinen und Standardbefehle weiterhin einen zuverlässigen, deterministischen Steuerungsweg bereitzuhalten und generative Funktionen darum herum zu ergänzen. So könnten Nutzer natürlicher mit ihrem Zuhause sprechen, ohne den grundlegenden Vertrag der Hausautomation zu verlieren: Wenn ein bekannter Befehl erteilt wird, muss das vorgesehene Gerät den vorgesehenen Zustand erreichen.

Die praktikabelste Lösung ist wahrscheinlich ein hybrides System

Die Konsequenz daraus ist nicht, große Sprachmodelle vollständig aus dem Smart Home zu verbannen. Sinnvoller wäre es, ihnen genau dort eine begrenztere Rolle zu geben, wo Fehler besonders folgenreich sind.

Ein robustes System könnte ein Sprachmodell für Sprachverständnis und Planung einsetzen und das Ergebnis anschließend an eine Kontrollschicht übergeben. Diese könnte unter anderem bieten:

• eine anhand von Schemata geprüfte Auswahl von Geräten und Parametern;
• ausdrücklich definierte Berechtigungen für sensible Aktionen;
• Prüfungen des aktuellen Zustands vor und nach der Ausführung;
• Wiederholungsversuche und eine klare Fehlerbehandlung; sowie
• eine eindeutige Bestätigung, die zwischen geplanter und tatsächlich abgeschlossener Aktion unterscheidet.

Eine Forschungsrichtung beschreibt einen ähnlichen Ansatz unter dem Begriff „Compiled AI“. Dabei erzeugt ein Sprachmodell während einer Kompilierungsphase ausführbare Artefakte. Zur Laufzeit übernimmt anschließend eine Workflow-Steuerung Verzweigungen, Werkzeugauswahl, Wiederholungen und Fehlerbehandlung deterministisch – ohne das Sprachmodell fortlaufend in den Kontrollfluss einzubeziehen.

Für Smart Homes würde dieses Prinzip bedeuten: Das Modell darf helfen, die Absicht des Nutzers auszudrücken. Es sollte aber nicht bei jedem Befehl allein darüber entscheiden, welche physische Aktion ausgeführt wird. Je näher eine Anfrage an einer klar definierten Geräte-Transaktion liegt, desto stärker sollte der Ausführungsweg eingeschränkt, getestet und überprüfbar sein.

Fazit

Alexa+ und Gemini für Home stehen beispielhaft für eine grundsätzliche Lehre der generativen KI: Besser zu sprechen bedeutet nicht automatisch, besser zu bedienen. Berichte von Testern, Nutzern und Technikmedien zeigen Assistenten, die komplexen Kontext verstehen und umfangreiche Anfragen formulieren können, aber weiterhin bei Lampen, Dimmern, Alarmen und Routinen ins Stolpern geraten.

Der dauerhaft überzeugende Smart-Home-Assistent wird wahrscheinlich beide Ansätze verbinden. Generative KI kann Einrichtung und Gespräche flexibler machen. Deterministische Software muss dafür sorgen, dass die abschließende Aktion korrekt, schnell und überprüfbar ausgeführt wird. Solange diese Grenze nicht sauber gestaltet ist, kann ein gesprächigerer Assistent zwar intelligenter wirken – bei den grundlegenden Aufgaben eines Smart Homes aber weniger zuverlässig arbeiten.