Okosotthonból alkalmazkodó otthon: Szokásérzékelés és AI automatizálás Home Assistant alapokon

„Az okosotthon nem távirányítós otthon.” Ez volt az üzenet az első előadásainkon, és — közel hét év után — még mindig ezt kell elmondanunk. A távvezérléssel persze nincs baj, hiszen ez is egy szelete az okosotthonnak. De valljuk be: az, hogy a kanapéról kikapcsoljuk a konyhában égve felejtett lámpát, az inkább lustaság, mint intelligencia. Az igazi áttörést nem az hozza el, ha mi mondjuk meg a háznak, mit tegyen, hanem az, ha a ház magától rájön, mire van szükségünk.

Gondolj csak bele: mi lenne, ha az otthonod figyelné, hogyan élsz, felismerné a mintázatokat a viselkedésedben, és maguktól születnének meg az automatizációk — de úgy, hogy minden egyes lépést te hagyod jóvá?

Ez nem sci-fi. Ez a szokásérzékelés — angolul habit detection —, és a Home Assistant ökoszisztémájában 2026-ra valósággá vált. Ebben a cikkben körbejárjuk, hogyan alakíthatod át a lakásodat egy olyan alkalmazkodó otthonná, amely tanul a viselkedésedből, és proaktívan segíti a mindennapjaidat.

Miért jutottunk túl az „if-then” automatizáláson?

Tegyük fel, hogy van egy automatizációd: „Ha 6:00 óra van, húzd fel a redőnyt a hálóban.” Klassz. De mi van, ha később akarsz kelni? Mi van, ha vendégeid vannak, és a megszokott rutinod felborul? Mi van, ha télen reggel 6:00-kor még sötét van?

A hagyományos okosotthon-vezérlés legtöbbször merev szabályokon alapul. Ezeket a szabályokat mi írjuk, mi tartjuk karban, és mi szívjuk meg, ha elfelejtünk frissíteni rajtuk vagy nem csinálunk kivétel kezelést. Ilyenkor születnek az automatizmus-szörnyek. Te mondod meg, mit csináljon — ahelyett, hogy megmondanád, mire van szükséged, és a rendszer kitalálná a hogyanját.

A szokásérzékelés lényege, hogy a rendszer nem előre bepötyögött időpontokat és feltételeket figyel, hanem mintázatokat keres az érzékelők adatai között. Az otthonod figyeli, hogy mikor főzöl kávét, mikor indítod el a tévét, vagy éppen mikor zárod be az ajtót éjszakára — és ezekből építi fel a képet arról, hogy hogyan élsz valójában.

Ez a megközelítés megszünteti a manuális utánhangolás kényszerét, és egy sokkal természetesebb, szinte láthatatlan felhasználói élményt nyújt. Olyan, mint a jó kisegítő személyzet: nem kérdezik, mit akarsz — egyszerűen ott van, amire szükséged van, mielőtt kérnéd.

Hogyan működik a szokásérzékelés a Home Assistant-ben?

A Home Assistant közössége és fejlesztői folyamatosan dolgoznak azon, hogy a gépi tanulást (Machine Learning) és az adatelemzést elérhetővé tegyék az átlagfelhasználók számára is. A szokásérzékelés alapvetően három pilléren nyugszik:

1. Adatgyűjtés — a „nyers hozzávaló”

A Home Assistant folyamatosan naplóz. Minden egyes lámpakapcsolás, ajtónyitás, termosztátállítás, mozgásérzékelő jelzés — egy-egy adatpont. Ha elég szenzort telepítettél (és ha olvastad a korábbi cikkeimet az érzékelőkről, akkor tudom, hogy igen), akkor egy hatalmas adatbázison ülsz, amelyből a szokásérzékelő algoritmusok dolgozni tudnak.

Gondolj rá úgy, mint egy személyes naplóra, amit a házad ír rólad. Minden egyes állapotváltozás — az, hogy felkapcsoltad a lámpát, kinyitottad az ablakot, feljebb csavartad a fűtést — egy mondat ebben a naplóban. Egyetlen bejegyzés önmagában nem mond sokat. De több hónapnyi adat? Az már történet.

2. Mintafelismerés — amikor az adatból tudás lesz

Régebben — és ez akár 2024-ben is igaz volt — a felhasználóknak maguknak kellett Bayesian (bayesi valószínűségi) szenzorokat konfigurálniuk. Például: „Ha a telefon wifin van ÉS a mozgásérzékelő aktiválódott ÉS a Bluetooth beacon hatósugarában vagyok = 95% valószínűséggel otthon vagyok.” Működött, de bevallom, hogy a beállítása kb. annyira volt szórakoztató, mint az SZJA-bevallás.

Ma már azonban olyan eszközök állnak rendelkezésre, amelyek automatikusan átfésülik ezeket az adatokat. A rendszer megvizsgálja a korrelációkat — legyenek azok napi ismétlődések vagy összetettebb heti mintázatok.

Egy egyszerű példa: a rendszer észreveszi, hogy minden alkalommal, amikor elindítod a Plexet a tévén, 30 másodpercen belül lekapcsolod a fővilágítást. Ha ez a minta elég sokszor ismétlődik, a rendszer felismeri „szokásként”. Egyelőre nem csinál semmit — csak megjegyzi. De ettől a ponttól már tudja, hogy a „Plex indul” és a „fény kikapcsol” összetartoznak.

3. Javaslattétel — nem a gép dönt, hanem te

Na és itt jön a lényeg: a szokásérzékelés egyik legfontosabb alapelve, hogy nem csinál semmit a tudtod nélkül. Amikor a rendszer felismert egy mintát, nem nyomja meg helyetted a gombot. Ehelyett javaslatot tesz: „Észrevettem, hogy minden este 11 körül bezárod a bejárati ajtót és lekapcsolod a konyhai lámpát. Szeretnéd, ha létrehoznék erre egy automatizációt?”

Ezt hívjuk human-in-the-loop megközelítésnek. A jóváhagyásod nélkül semmi sem történik. Ez nem egy önjelölt mesterséges intelligencia, amely úgy dönt, hogy este 10-kor rádoltja a villanyt, miközben épp a lépcsőn jössz le — ez egy udvarias asszisztens, aki kérdez, mielőtt cselekszik.

TaraHome: A ház, amelyik jegyzetel rólad

A közelmúlt egyik legizgalmasabb fejlesztése a Tara Assistant projekt. Az alkotók szavaival élve: „A legtöbb okosotthon egy programozható kenyérpirító, köpenyben. Bökdösöd, scripteled, és imádkozol, hogy az sortöldelés istene meghallgasson. A Tara más irányba megy.”

Na de nézzük, mitől különleges!

Hogyan működik?

A Tara egy lokálisan futó Docker konténer, ami a Home Assistant API-ján keresztül kommunikál a rendszereddel. A telepítése gyakorlatilag két parancs:

docker pull ghcr.io/tarahome/taraassistant:latest
docker run -d --name tara-assistant --restart unless-stopped \
  -p 8000:8000 -v $(pwd)/data:/app/data \
  ghcr.io/tarahome/taraassistant:latest

Ezután megnyitod a böngészőt a http://localhost:8000 címen, bekötöd a Home Assistant-odat, és kész. A Tara elkezdi figyelni a háztartásod „életjeleit”.

Az architektúra — mert tudom, hogy kíváncsi vagy

Belülről nézve a Tara egy jól átgondolt rendszer, ami hat fő komponensből áll:

Komponens	Feladata
Event Collector	Figyeli a Home Assistant eseményeket: állapotváltozások, felhasználói beavatkozások, időbélyegek
Pattern Detector	A gyűjtött adatokban ismétlődéseket keres — például: „a nappali lámpa minden este napnyugtakor felkapcsol, amikor hazaérsz”
Intent Agent	Természetes nyelvű parancsokat értelmez — az egyszerűbbeket azonnal végrehajtja, a bonyolultabbakat LLM-nek továbbítja
Guardrails & Safety	Biztonsági réteg: a „veszélyes” műveletekhez (zárak, riasztó, klíma) mindig megerősítést kér
Automation Generator	Amikor egy minta elég stabil, valódi Home Assistant YAML automatizációt generál — amit átnézel és elfogadsz
HA Integration	A Home Assistant API-n keresztül kommunikál — nem írja felül a meglévő automatizációidat

Ez utóbbi különösen fontos: a Tara nem egy új vezérlőpult, ami átveszi az irányítást. A Home Assistant marad a „single source of truth” — a Tara csak a javaslattevő, tanácsadó réteg felette.

A Pattern Detector, avagy a „türelmes megfigyelő”

A mintafelismerő komponens konzervatív módon dolgozik. Nem rohan következtetéseket levonni — megvárja, amíg egy viselkedés következetesen ismétlődik, és meg sem próbálja a vendégek egyszeri jelenlétét vagy kísérletezésedet mintázatnak értelmezni.

Példák arra, amit a rendszer felismerhet:

• A nappali lámpája minden este napnyugtakor felkapcsol, amikor hazaérsz
• A média elindítása és a fővilágítás lekapcsolása mindig 30 másodpercen belül követi egymást
• Az ajtózár minden éjjel 11 körül aktiválódik

Amikor a minta elég szilárddá válik, a Tara nem egyszerűen „bekapcsol” valamit — hanem elkészíti a YAML-t, megmutatja neked, és megvárja a döntésedet. Ha elfogadod, átadja a Home Assistantnak. Ha elutasítod, rögzíti a visszajelzést, és nem erőlteti tovább. Ez a diff-review szemlélet az, ami igazán vonzóvá teszi a projektet: nem varázslat, hanem átlátható automatizálás.

LLM integráció — de nem kötelező

A Tara opcionális LLM providereket is támogat: OpenAI, Anthropic, Google, Ollama, és bármilyen OpenAI-kompatibilis API-t. Ez azt jelenti, hogy természetes nyelven is kommunikálhatsz vele: „Kapcsold fel a nappali lámpát” vagy „Zárd be a bejárati ajtót” — az egyszerű parancsokat az Intent Agent közvetlenül végrehajtja (ez egyelőre sajnos csak angolul működik jól), a bonyolultabbakat pedig az LLM-en keresztül értelmezi (na ez tud már magyarul is).

De — és ez fontos — az LLM opcionális. A szokásérzékelés és az automatizáció-generálás LLM nélkül is működik. A helyi futtatás és a felhő nélküli feldolgozás az alapértelmezés.

Mi NEM a Tara

A GitHub oldalon ezt szépen le is írják, és egyetértek:

• Nem felhős lock-in rendszer
• Nem a Home Assistant helyettesítője
• Nem garancia arra, hogy soha többé nem nyúlsz automatizációkhoz
• Korai fázisban lévő projekt — lehetnek „durva élek”

Ami azonban igen: egy lokális szolgáltatás, amely megpróbálja megtanulni a tényleges viselkedésedet, és azt átlátható, szerkeszthető, verziózható, törölhető automatizációkká tudja alakítani. A jóváhagyásoddal.

Habitica: Amikor a szokáskövetés gamifikált lesz

Míg a Tara a fizikai eszközök megfigyelésére és automatizálására fókuszál, van egy teljesen más megközelítés is arra, hogyan támogathatja az okosotthon a mindennapi rutinjainkat: a szokáskövetés — angolul habit tracking — gamifikált integrációja.

A Habitica egy játékosított feladatkezelő alkalmazás, ahol a valós életbeli feladataid elvégzésével a virtuális karaktered tapasztalatot szerez, szintet lép, és felszerelést kap. Kicsit RPG, kicsit to-do lista, kicsit digitális kaland.

Na de miért érdekes ez egy okosotthon blogon?

Az HA–Habitica integráció

A Home Assistant beépített Habitica integrációjával az okosotthon szenzorjainak adatai és a személyes szokásépítésed összekapcsolhatók. Néhány példa:

Reggeli rutin: Ha az okosmérleged reggel 8 előtt adatot küld (mert ráálltál), a rendszer automatikusan „kipipálja” a reggeli mérlegelést a Habitica-ban. Nem kell megnyitnod az appot, nem kell emlékezned — az okosotthon intézi.

Vitaminok szedése: Egy Zigbee nyomógomb a gyógyszeres doboz mellett → megnyomod, amikor bevetted a tablettákat → a Home Assistant automatikusan jelzi a Habitica felé, hogy a feladat teljesült. A karaktered jutalmat kap — ami tudom, hogy nevetségesnek tűnik elsőre, de a gamifikáció működik.

Képernyőidő korlátozása: Ha a rendszer azt látja, hogy a tévé három óránál többet futott aznap, a Habitica-ban a karaktered életerőt veszíthet. Tudom, tudom — a tévé nem szól, hogy „Ne ülj annyit előttem!” — de a virtuális karaktered elveszített HP-ja meglepően hatékony motivátor tud lenni.

Edzés / mozgás: Az okosóra vagy a fitneszkarkötő adatai → Home Assistant szenzor → ha legalább 30 percnyi mozgást detektál → a Habitica edzésfeladata automatikusan teljesül.

A lényeg

A Habitica integráció nem tartozik az okosotthon „core” funkcionalitásához — de ha érdekel a szokásépítés, vagy a smart living, akkor a fizikai és digitális világ ilyen összekapcsolása meglepően erős motivációs eszköz lehet. Különösen családban — ahol a gyerekek számára a gamifikáció természetes nyelv.

Adatvédelem és etika — mert ez fontos

Amikor a „szokásérzékelés” szót halljuk, jogosan merül fel a kérdés: „Rendben, de ki lát bele az adataimba?”

Itt jön képbe a Home Assistant és a TaraHome legnagyobb ereje: a lokális kontroll.

A TaraHome explicit módon deklarálja a GitHubon:

• Self-hosted — a saját gépeden fut, a saját hálózatodon
• Nincs telemetria — nem küld semmit „haza”
• Nincs felhős fiók — nem kell sehova regisztrálni
• A felhő opt-in — kizárólag az LLM providerhez kapcsolódik, és azt is te konfigurálod

Ez azt jelenti, hogy a szokásaidról alkotott profil nem kerül be egyetlen nagy tech cég adatbázisába sem. Nem az Amazon, nem a Google, nem az Apple — hanem a Raspberry Pi-d, a NUC-od vagy a szervered tárolja. Ez a biztonság elengedhetetlen ahhoz, hogy valóban nyugodt szívvel használhassuk ezeket a technológiákat.

A Tara ráadásul a Guardrails & Safety modullal külön védi a kritikus műveleteket: zárak kezelése, biztonsági rendszer módosítása, klímavezérlés megváltoztatása — ezeknél mindig megerősítést kér, és megmutatja a végrehajtandó művelet automatizációt, mielőtt bármit is csinálna.

A jövő: A láthatatlan technológia kora

A szokásérzékelés alapjaiban változtatja meg, ahogyan az okosotthonunkra tekintünk. Többé nem mi szolgáljuk a rendszert végtelen automatizmus szerkesztéssel — hanem a rendszer tanul meg minket szolgálni.

A TaraHome fejlesztési tervei között szerepel:

• Household módok felismerése: vendég mód, alvás mód, nyaralás mód — automatikusan
• Konfliktuskezelés a generált és a már létező automatizációk között
• Tisztább magyarázatok arra, miért születik egy adott javaslat

A helyi LLM-ek (Ollama és társai) fejlődésével elképzelhető, hogy a nem is olyan távoli jövőben a Home Assistantünk képes lesz komplex párbeszédeket folytatni velünk: „Ma korábban jöttél haza, és a szokásosnál hidegebb van kint. Bekapcsoljam a fűtést a szokásosnál fél órával korábban?” Mindezt úgy, hogy egy bit sem hagyja el közben az otthonunkat.

A jövő az „észrevétlen technológia” irányába mutat. Az a legjobb okosotthon, amelyikről nem is kell tudnod, hogy okos — egyszerűen működik, alkalmazkodik, és a háttérből segít. Mint egy jó lakáj, aki mindig tudja, mikor kell cselekedni.

Összefoglalás

A szokásérzékelés nem varázslat, és nem is a holnap technológiája — most, 2026-ban elérhető és használható a Home Assistant ökoszisztémán belül. A TaraHome projekttel nyílt forráskódú, lokálisan futó, átlátható rendszert kapsz, ami nem helyetted dönt, hanem neked ad javaslatot. A Habitica integrációval pedig a személyes szokásaidat is játékosan követheted.

Az alkalmazkodó otthon nem arról szól, hogy a gép átveszi az irányítást. Arról szól, hogy együttműködsz vele — és minél tovább élsz együtt vele, annál jobban ért téged.

Ha hasonló gondolkodású okosotthon rajongókkal és szakemberekkel szeretnél eszmét cserélni erről a témáról (vagy bármi másról, ami az okosotthonokkal kapcsolatos), csatlakozz a Discord csatornánkhoz. Kíváncsian várom a gondolataitokat — akár a szokásérzékelésről, akár a Tara használatáról.
Ha pedig kíváncsi vagy a pontos konfigurálásra, akkor hamarosan ez is érkezik, de csak a Digitális Kalandoroknak.