Die Zukunft des Smart Home ist schon vor Jahren angekommen – und sie funktioniert nicht wie versprochen. Trotz des Hypes um generative KI sind die heutigen Sprachassistenten weniger zuverlässig als ihre Vorgänger und haben selbst mit grundlegenden Aufgaben wie dem Einschalten des Lichts oder dem Zubereiten von Kaffee Probleme. Das Kernproblem ist nicht ein Mangel an Intelligenz, sondern ein grundlegendes Missverhältnis zwischen der Funktionsweise dieser neuen KI-Systeme und den Aufgaben, die Smart Homes von ihnen benötigen.
Die Illusion des Fortschritts
Im Jahr 2023 deutete Dave Limp von Amazon einen Durchbruch an: einen Sprachassistenten, der den Kontext versteht, sich nahtlos in intelligente Geräte integriert und die Heimautomation vereinfacht. Spulen wir vor ins Jahr 2025: Assistenten wie Alexa Plus und Gemini for Home klingen zwar intelligenter, versagen aber häufig bei Kernfunktionen. Bei den aktuellen „Upgrades“ steht die Konversationsfähigkeit über der Konsistenz. Benutzer berichten, dass ihre Geräte Befehle auch nach Jahren der Einrichtung nicht zuverlässig ausführen können.
Die Situation ist so weit verbreitet, dass Technologieunternehmen das Problem erkennen. Das Problem ist nicht auf Smart Homes beschränkt: Auch ChatGPT hat gelegentlich Probleme mit der grundlegenden Logik. Dieses Scheitern ist nicht auf Faulheit zurückzuführen; Es ist die Folge eines fehlerhaften Ansatzes.
Warum KI es nicht richtig machen kann
Der Wechsel von älteren, „vorlagenabgleichenden“ Sprachassistenten zu neueren LLM-basierten Systemen führte zu einer grundlegenden Diskrepanz. Ältere Assistenten waren starr, aber zuverlässig; Sie führten präzise Befehle vorhersehbar aus. LLMs sind zwar vielseitiger, führen aber zu Zufälligkeiten. Die gleiche Abfrage kann jedes Mal unterschiedliche Ergebnisse liefern, was grundlegende Aufgaben unzuverlässig macht.
„LLMs sind einfach nicht dafür ausgelegt, das zu tun, was frühere Sprachassistenten im Command-and-Control-Stil taten“, erklärt Mark Riedl, Professor an der Georgia Tech. Diese neuen Systeme haben Schwierigkeiten, Aktionen konsistent auszuführen, die ältere Modelle problemlos bewältigen konnten. Die LLMs müssen nun komplette Codesequenzen für APIs erstellen, was zu weiteren Fehlerquellen führt.
Die Kosten der „Intelligenz“
Technologieunternehmen geben die alte Technologie nicht auf; Sie verfolgen ein ehrgeizigeres Ziel: eine Agenten-KI, die natürliche Sprache versteht und Aufgaben dynamisch verkettet. Dies erfordert kurzfristige Abstriche bei der Zuverlässigkeit zugunsten des Potenzials weitaus größerer Fähigkeiten.
Dhruv Jain, Direktor des Soundability Lab der University of Michigan, bringt es auf den Punkt: * „Die Frage ist, ob … das erweiterte Spektrum an Möglichkeiten, die die neue Technologie bietet, mehr wert ist als ein 100 Prozent genaues, nicht-probabilistisches Modell.“* Der aktuelle Ansatz besteht im Wesentlichen aus Betatests in realen Häusern.
Was kommt als nächstes?
Unternehmen experimentieren mit Hybridmodellen wie Googles Gemini Live, um Leistung und Präzision in Einklang zu bringen. Aber selbst diese Lösungen bleiben unvollkommen. Das zugrunde liegende Problem besteht darin, dass LLMs nicht ausreichend darin geschult sind, zwischen Situationen, die absolute Genauigkeit erfordern, und Situationen, in denen Flexibilität geschätzt wird, zu unterscheiden.
Die Ausfälle bei der Smart-Home-KI werfen umfassendere Fragen hinsichtlich der Eignung der Technologie für kritischere Anwendungen auf. Wenn KI das Licht nicht zuverlässig einschalten kann, welches Vertrauen können wir dann in ihre Fähigkeit haben, komplexe Aufgaben zu bewältigen? Der Weg nach vorn besteht darin, die Zufälligkeit von LLMs zu bändigen, allerdings auf Kosten der Gesprächstiefe.
Dieses gebrochene Versprechen des Smart Home dient als warnendes Beispiel: Schnell zu handeln und Dinge kaputt zu machen, ist nicht immer ein Fortschritt. Technologieunternehmen müssen entscheiden, ob das Potenzial fortschrittlicher KI die unmittelbare Frustration unzuverlässiger Geräte überwiegt. Viele Benutzer haben vorerst ein intelligenteres, aber auch frustrierenderes Smart-Home-Erlebnis.
