Die Open-Source-Plattform openHAB öffnet sich in Version 5.2 für LLMs und Agentic AI. Die Plattform zur Smart-Home-Steuerung bringt eine Anbindung an Sprachmodelle und führt den openHAB MCP Server ein.

LLM-Chat statt Regelwerk für die Steuerung

Das UI von openHAB bringt ein neues Chat-Interface, das sich direkt an die einzelnen Geräte der Plattform anbinden lässt. Für Aufgaben zur Gerätesteuerung zeigt das Chat-Interface das zugehörige Widget an.

openHAB bietet Tools, um die einzelnen Geräte an das LLM anzubinden, um den Status abzurufen oder Steuerbefehle zu senden.

Die User entscheiden, welche Geräte für das Chat-Interface ansprechbar sind. Der Parameter permission in den voiceSystem-Metadaten der einzelnen Items (die Smart-Home-Einheiten in openHAB) kennt drei Einstellungen: NO_ACCESS, READ_ONLY und READ_WRITE.

Gedächtnis und Tools für das LLM

Die Plattform speichert den Verlauf des Chats und kann ihn dem LLM bei weiteren Aufrufen mitgeben. Wie weit sich openHAB den Chatverlauf merkt und ihn weitergibt, lässt sich in den Einstellungen festlegen. Der System-Prompt für das LLM ist ebenfalls anpassbar.

Ein Tooling-Framework öffnet den LLMs den Zugang zu den Geräten und weiteren Informationen. Drei Tools bringt Version 5.2 von Haus aus mit: get-date-time gibt die Zeit und das Datum bezogen auf die aktuelle Zeitzone zurück, item-get-state ruft den Status eines Items ab und item-send-command schickt einen Befehl an ein Item.

openHAB ist zwar an kein bestimmtes LLM gebunden, bietet zum Start allerdings zunächst nur eine Anbindung an Google Gemini. Bindings für OpenAI und dazu kompatible Modelle sind in Kürze geplant.

Agentic AI mit dem openHAB MCP Server

Einen Schritt weiter als die LLM-Anbindung geht der openHAB MCP Server, der die Plattform für Agentic AI öffnet. Die KI-Agenten können die Geräte steuern und verwalten.

Außerdem lassen sich die KI-Agenten nutzen, um eigene Regeln für openHAB zu erstellen. Dabei hat man die Wahl zwischen Regeln für wiederkehrende Aufgaben und einmaligen Regeln. Letztere löscht der Agent nach der Ausführung selbsttätig.

Die Agenten können wahlweise direkt über das Netzwerk, über die openHAB-Cloud oder eine Node.js-Bridge mit openHAB kommunizieren. Damit die Agenten mit der Plattform interagieren können, benötigen sie ein openHAB-API-Token. Weitere Informationen zur Anbindung und Authentifizierung finden sich in der Dokumentation zum openHAB MCP Server.

Funktionen jenseits von KI

Neben der LLM- und Agentic-AI-Anbindung bringt openHAB 5.2 zahlreiche weitere Ergänzungen. Unter anderem lassen sich Komponenten für das UI neuerdings in YAML erstellen. Außerdem hat das openHAB-Team die DSL (Domain Specific Language) zum Erstellen von Regeln erweitert.

Weitere Neuerungen wie die dauerhaft angezeigte Log-Konsole und die erweiterten Charts lassen sich dem openHAB-Blog entnehmen. Die vollständige Liste der Neuerungen findet sich in den Release Notes.

(rme)

Architektur, die auf dem Papier perfekt aussieht, ist oft schon überholt, bevor das erste Team damit arbeitet. Richard Seidl spricht mit Ralf Enderle darüber, warum das kein unvermeidbares Schicksal ist, sondern eine Frage der richtigen Entscheidungen. Die beiden reden darüber, welche Entscheidungen wirklich unumkehrbar sind und welche man getrost der Realität des Projekts überlassen kann, ohne dass die Architektur dabei auseinanderfällt. Laut Ralf Enderle helfen Entscheidungen keinem, wenn niemand sie kennt und sie sich nirgends verteidigen. Im Gespräch wird deutlich, wie eine Architektur lernen kann, sich selbst zu melden, wenn sie gebrochen wird, und was Tester dabei konkret einbringen können.

„Vom Monolith zum Microservice komme ich einfach, weil ich muss ja nur auseinanderschneiden. In der Theorie ja, in der Praxis vergiss es.“ – Ralf Enderle

Ralf Enderle ist Senior Software Architect sowie AI-Driven Development Evangelist bei eXXcellent solutions. Er ist branchen- und technologieübergreifend unterwegs und unterstützt Projekte in der Konzeption und Weiterentwicklung. Sein Fokus liegt dabei auf der effizienten Entwicklung und dem Schaffen von Synergien über Projekte hinweg. Er ist stetig auf der Suche nach innovativen, soliden und nachhaltigen Lösungen und Konzepten – neue Themen und Trends finden bei ihm immer ein offenes Ohr.

Softwarequalität im Gespräch

Dieses Format fokussiert sich auf Softwarequalität: Ob Testautomatisierung, Qualität in agilen Projekten, Testdaten oder Testteams – Richard Seidl und seine Gäste betrachten die Dinge, welche die Qualität in der Softwareentwicklung steigern.

Die aktuelle Episode ist auch auf Richard Seidls Blog verfügbar.

(mai)

Das Node.js-Team diskutiert derzeit darüber, den Workflow für die Flut an eingereichten, LLM-generierten Sicherheitsmeldungen zu ändern. Ideen sind, die Meldungen öffentlich zu bearbeiten und mit künstlicher Intelligenz vorzusortieren.

Das Team hat das Problem jetzt auf die Agenda des nächsten Treffens der Security Working Group am 7. Juli gesetzt. Der Initiator Rafael Gonzaga schreibt, dass alle bisherigen Maßnahmen nicht geholfen haben: „Wir sind nach wie vor überlastet.“

Daher schlägt er vor, die eingereichten Meldungen zu veröffentlichen und als Pull Requests (PR) abzuarbeiten. Bei den Einreichungen handelt es sich oft nur um Bugs, die auch gefixt gehören, aber weniger um wirkliche sicherheitsrelevante Lücken. Außerdem kommen so viele gleichartige Meldungen an, die quasi jeder mit LLM erzeugen kann: „Diese Funde sind praktisch eh schon öffentlich.“ Als PR kann sich die Community darum kümmern und das Kernteam ist entlastet.

Eine Vorsortierung durch KI könnte nur die wirklich ernsthaften Lücken erkennen und nicht öffentlich an das Sicherheitsteam zur Bearbeitung weiterleiten.

Gegenstimmen geben zu bedenken, dass der Vorschlag die Masse an Sicherheitsreports durch eine Masse an PRs ersetzt, die auch vom Kernteam geprüft werden müssen. Außerdem könnten die veröffentlichten Lücken Hacker anziehen, „als kostenlose Quelle für Ideen für automatisierte Attacken.“ Daher schlagen andere Maintainer vor, nicht die komplette Öffentlichkeit einzubeziehen, aber den Kreis auf alle Mitarbeitenden (collaborators) zu erweitern.

Kampf gegen den AI-Slop

Wie viele andere Projekte kämpft Node.js mit AI Slop und hat im April bereits das Bug-Bounty-Programm zur Belohnung von Warnungen gestrichen. Auch zu solchen Maßnahmen waren andere Projekte bereits gezwungen. Das hat laut Gonzaga aber keine Erleichterung gebracht, da es den Einreichenden eher um den Ruhm als Autor auf einer offiziellen CVE-Warnmeldung zu erscheinen geht, als um Geld.

Auch andere Maßnahmen führten nicht zum Erfolg: höhere Hürden bei der Reporting-Plattform HackerOne, engere Relevanzkriterien und automatisiertes Schließen von Reports minderer Qualität. Letzteres hat sogar dazu geführt, dass mehr Meldungen bei der Mutter OpenJS landeten. „Bald wird auch dieses Team überlastet sein“, schließt Gonzaga.

(who)