Das Clustering und die Erkennung von Aktivitäten ist ein wichtiger Forschungstrend im Bereich Smart Home. Die aus dem Trainingsprozess gewonnenen Ergebniscluster werden bei der Erkennung, Steuerung und Vorhersage von Aktivitäten in einem sensorgesteuerten Smart Home eingesetzt. Aktivitäten unterscheiden sich voneinander durch typische Merkmale wie z.B. ausgelöste Sensorsätze oder zeitliche Merkmale. In dieser Arbeit stellen wir eine Smart-Home-Infrastruktur vor und schlagen einen unbeaufsichtigten Ansatz zum Clustern von Aktivitäten im Haus auf der Grundlage zeitlicher Merkmale vor. Experimentelle Ergebnisse zeigen, dass der neue Ansatz flexiblere und genauere Clustering-Ergebnisse im Vergleich zum Smart-Home-System AALO liefert, das in der Forschungsarbeit von Enamul Hoque et al. vorgestellt wurde.