Ich habe n8n als neues KI-Spielzeug für mich entdeckt. n8n ist eine Open-Source-Plattform zur Automatisierung von Workflows. Die Aufmachung ist so ähnlich wie bei Node Red. Man stellt Workflows aus einzelnen Nodes zusammen, die jeweils eine Teilaufgabe erledigen. Damit kann man z.B. KI Agenten bauen.

Ich habe mich daran versucht, und bin erstmal kläglich gescheitert. Mein Chatbot sollte einfach nur Wikipedia als Tool verwenden, und auf Anfragen wie “Suche in der Wikipedia nach Jever” eine entsprechende Antwort liefern. Nur hat der Bot sich einfach geweigert überhaupt Anfragen an Wikipedia zu stellen.

Ich war auf der Maker Faire in Hannover. Das Event war wieder gut besucht und sehr spannend. Jedes Jahr im Sommer verwandelt sich das Hannover Congress Centrum in ein buntes Experimentierfeld für Technik und DIY-Projekte.

Auf dem Foto sieht man die Figur ‘La Danseuse’ der spanische Künstlergruppe Antigua i Barbuda. Die drei Personen hinter der Ballettänzerin steuern den Metallkoloss.

In meinem Hausanschlusskasten ist ein ‘smarter Stromzähler’ vom Typ MT 175 des slowenischen Herstellers Iskraemeco verbaut. Ich besitze also eine moderne Messeinrichtung (mMe), wie man auf Neudeutsch sagt. Der Zähler hat eine optische Infrarotschnittstelle nach DIN EN 62056-21. Auf dieser Schnittstelle stellt der Zähler das Smart Meter Language (SML) Protokoll zur Verfügung. Der Zähler hat also ideale Voraussetzungen um ihn in mein Smart Home einzubinden.

Ich habe ein Balkonkraftwerk. Damit bin ich einer von 866.000 Bundesbürgern, sagt das Internet. Meine kleine Anlage auf dem Schuppendach darf maximal 800 W Leistung abgeben. Mein Spitzenwert lag bis jetzt bei erzeugten 602 W. Das sagt jedenfalls mein Wechselrichter. Der Wechselrichter ist übrigens ein Hoymiles HM 800.

Das Internet ist natürlich voll von Informationen zum Thema Hausautomation, und speziell zum Thema Home Assistant. Hier einige deutschsprachige Quellen, die ich gerne benutze:

• Simon42.com, Forum und YouTube Kanal
• haus-automatisierung.com und der dazugehörige YouTube Kanal
• Smarthomeyourself, und der passende YouTube Kanal
• smart-live.net und der YouTube Kanal
• steuerdeinleben.de und der YouTube Kanal
• verdrahtet.info und der YouTube Kanal

Im Zusammenhang mit LoRaWAN und The Things Network (TTN) bin ich auf eine andere interessante Sache gestossen: Meshtastic. Während TTN die Verbindung von einem Client zu einem zentralen Gateway benötigt, ist Meshtastic, wie der Name schon sagt, wie ein Mesh organisiert. Beide nutzen das LORA Übertragungsverfahren, oftmals in Form eines ESP32 mit angeschlossenem Semtech SX1262. Das Ganze spielt sich im ISM Band ab, hier in Europa auf 868 MHz.

Dieser Artikel beschreibt die Steuerung der Erdbeerfarm mit Home Assistant. Die andere Seite, also die mit den Node Red Flows, läuft bisher ohne Probleme. Die folgenden MQTT-Topic werden von Node Red auf der Farmseite publiziert, bzw. erwarten Steuerbefehle:

• farm/giessen/zeit - Legt die Pumpdauer für die Bewässerung fest
• farm/reihe1/cmd - Befehlstopic für Node Red
• farm/reihe1/state - meldet den Status von Node Red zurück an Home Assistant

Für die Reihe 2 bis 4 gibt es entsprechende cmd- und state-Topics.

Ich habe die bereits im ersten Artikel benannten (Flows vom 10.3.25) für Node Red nochmal überarbeitet. Ich will es nochmal mit der Steuerung der Farm von Home Assistant via MQTT probieren, und weg von der lokalen Benutzerschnittstelle. Meine Funktionskette sieht, grob gesehen, so aus:

Home Assistant -> MQTT-Broker -> Node Red

Das schwächste Glied dieser Kette ist die WLAN-Verbindung in die Garage. Die Steuerbefehle werden von Home Assistant via MQTT erzeugt. Sämtliche Automationen und Einstellungen laufen in Home Assistant ab. Node Red am Ende der Kette schaltet entsprechend die zuständigen Relais für Ventile und die Pumpe. Node Red meldet diese Schaltzustände über ein eigenes MQTT-Topic zurück an Home Assistant. Ich zäume das Pferd einmal von hinten auf, und fange mit den Flows auf Node Red an.

Ein paar Worte zur Dachkonstuktion. Das Garagendach hat eine Größe von 5,10m x 2,60m. Das Garagendach ist wie eine Wanne aufgebaut. Wasser fließt also nicht unkontrolliert überall hin ab, sondern nur über einen zentralen Dachabfluss. Damit lässt sich arbeiten!

Künstliche Intelligenz ist in aller Munde, alle springen auf den KI-Zug auf und überbieten sich mit den tollsten Large Language Models. Alle in dem Medien gehypten Sprachmodelle nutzen die Herstellercloud und benötigen ein entsprechendes Account. Will man etwas mehr machen, benötigt man meistens sogar ein kostenpflichtiges Abo. Die Frage ist, kann man sowas auch zuhause betreiben? Nun, ich habe natürlich kein Rechenzentrum im Keller, und auch meine Resourcen was Rechenpower angeht sind eher gering.

Trotzdem starte ich einen Versuch ein LLM zuhause zum Funktionieren zu bringen. Bei meiner Lösung versuche ich wieder auf Docker-Container zu setzen. Mal schauen was geht…