Es war ein heißer Nachmittag, und ich saß am Schreibtisch, als mein Telefon vibrierte. Keine Mail, keine Kalendereinladung. Nur MERLIN: Wohnzimmer-Süd 25,3°C, steigend. Rollladen WZ-SüdFenster ist noch offen — Sonnenschutz empfohlen.
Ich bin aufgestanden. Rollladen runter. Klimaanlage an.
Klingt nach Kleinigkeit. Ist es auch — aber es ist das erste Mal, dass mein Haus von sich aus auf mich reagiert hat, ohne dass ich etwas abgefragt oder geöffnet hätte.
Das Problem mit der Hitze
Wir haben ein Haus, das sich an Sonnentagen schnell aufheizt, wenn man nichts tut. Die beste Strategie dagegen ist die einfachste: die Wärme gar nicht erst hereinlassen. Die Rollläden müssen früh runter, bevor die Sonne direkt ins Glas brennt — dann bleibt das Haus von allein kühl. Und wenn es doch einmal zu spät ist, kann die Klimaanlage gegensteuern; das ist die zweite Verteidigungslinie, und MERLIN prüft dabei gleich mit, ob die Solaranlage den Strom dafür gerade selbst liefert.
Früher war das eine Frage der Aufmerksamkeit. Ich musste daran denken. Morgens. Dann nochmal mittags. Manchmal vergessen. Manchmal zu spät.
MERLIN denkt jetzt daran.
Wie das System funktioniert
Der Kern ist ein kleines Python-Skript, das stündlich läuft, automatisch, von sieben bis zwanzig Uhr.
Was es dabei tut: Es fragt meine HomeMatic-Zentrale ab — acht Thermostate im Haus — und kombiniert das mit den Tado-Klimaanlagen in Wohnzimmer, Schlafzimmer und Lenjis Zimmer. Zusätzlich schaut es auf den Helligkeitssensor und die Solardaten aus meinem E3DC-Hauskraftwerk. Das Haus als Gesamtsystem, nicht als Einzelgeräte.
Wenn die Temperatur in einem Raum über 24 Grad steigt, oder wenn ein Raum schneller warm wird als eine bestimmte Rate — mehr als 0,8 Grad pro Stunde — schickt MERLIN eine kurze Nachricht aufs Handy. Mit konkretem Hinweis, welcher Rollladen gemeint ist, und ob die Klimaanlage Sinn machen würde.
Learning: Der entscheidende Schritt war nicht die Messung — es war der Trend. Eine Temperatur allein sagt wenig. Aber eine Temperatur, die sich schnell verändert, sagt alles.
Die KI-Schicht obendrauf
Zusätzlich zum einfachen Regelwerk läuft seit kurzem etwas, das ich ehrlich gesagt am Anfang für Overkill gehalten habe: Eine echte KI-Analyse, zweistündlich von acht bis zwanzig Uhr.
Ollama — also das lokale Modell auf meinem Mac, ohne Cloud — bekommt dabei alle aktuellen Raumtemperaturen, den Solar-Ertrag, die Helligkeit und die Wetterprognose zusammengestellt und schreibt dann eine Empfehlung. Im Klartext. Auf Deutsch.
Die Nachricht, die dabei rauskommt, liest sich nicht wie eine Systembenachrichtigung, sondern wie ein kurzer Rat: "Wohnzimmer und Küche steigen weiter. Bei dem Wetter würde ich jetzt die Süd-Rollläden schließen und die Klimaanlage im Auto-Modus lassen — Solar liefert gerade genug."
Ich fand das im Test überraschend nützlich. Nicht weil die Technik dahinter so beeindruckend wäre — das ist ein lokales 4-Milliarden-Parameter-Modell, kein Wunderkind. Sondern weil es die richtigen Daten bekommt und daraus etwas Lesbares macht.
Ganz versöhnt bin ich mit dem kleinen Modell allerdings noch nicht: Ein Teil der Berichte fiel zwischenzeitlich merkwürdig dünn aus, und ich habe schon überlegt, für diese Aufgabe auf ein kleines Cloud-Modell wie Claude Haiku umzusteigen. Bis sich herausstellte, dass das Modell vermutlich gar nicht das Problem war — es brauchte für seine Antwort schlicht länger, als mein Code zu warten bereit war. Der Timeout war zu knapp gesetzt: Das Modell hatte die Antwort fast fertig, mein Programm hatte nur schon aufgelegt.
Learning: Lokal heißt nicht schlecht. Für kontextgebundene Empfehlungen im eigenen Zuhause braucht man kein GPT-4. Man braucht das richtige Datenpaket, ein Modell, das Deutsch versteht — und einen Timeout, der ihm die Zeit lässt, auch auszureden. 😉
Was ich wirklich gelernt habe
Die Technik war — wie so oft mit MERLIN — der einfachere Teil. Das HomeMatic-System hat eine XML-RPC-Schnittstelle, die direkt per Python ansprechbar ist. Tado hat eine OAuth-API. Beides war in einem Nachmittag integriert.
Das Schwierigere war die Frage: Wann soll MERLIN schweigen?
Ein System, das bei jeder kleinen Temperaturveränderung reagiert, nervt. Dann schaltet man die Benachrichtigungen ab — und hat nichts gewonnen. Die Schwellenwerte (24 Grad, 0,8 Grad pro Stunde) klingen willkürlich. Sind sie auch, ein bisschen. Ich habe sie aus dem Gefühl heraus eingestellt und nach den ersten Tagen leicht angepasst.
Das ist das Eigentliche an solchen Systemen: Man baut nicht einmal und ist fertig. Man baut, beobachtet, justiert.
Learning: Der erste Schwellenwert ist immer falsch. Das ist kein Fehler — das ist der Prozess.
Was MERLIN bewusst nicht macht
Die Rollläden schließt MERLIN nicht selbst. Eine Zeit lang gab es sogar einen Rückkanal, über den ich ihm Befehle aufs Handy tippen konnte — den habe ich inzwischen wieder stillgelegt, weil ich ihn im Alltag schlicht nie gebraucht habe. Es hat sich ein klares Muster eingespielt: MERLIN meldet, ich entscheide.
Der Schritt von der Empfehlung zur automatischen Aktion wäre technisch klein. Ich bin aber noch nicht sicher, ob ich ihn gehen will. Automatismus im eigenen Haus hat Grenzen, die man erst merkt, wenn man sie überschreitet.
Für jetzt bin ich mit dem zufrieden, was da ist: ein System, das mitdenkt. Das schaut, was passiert. Das mir sagt, wann ich handeln sollte.
Den Rollladen ziehe ich noch selbst.
← Alle Einträge