Sensor-Module

Die Sensor-Module sind das zentrale Messinstrument des SensEm-Toolkits. Sie erfassen Umweltdaten dezentral und übermitteln sie automatisch an das Daten-Backend. Die Module wurden speziell für den Einsatz durch Laien entwickelt: robust, einfach zu installieren und zu warten. Die Materialkosten liegen bei unter 180 € pro Modul, ohne den NO₂-Sensor bei etwa 80 €.

---

Das Modul im Einsatz

Messparameter und Genauigkeit

Die Sensor-Module erfassen mehrere Umweltparameter gleichzeitig. Das Messintervall beträgt fünf Minuten. Die Daten werden automatisch per Funk übertragen; bei Verbindungsausfällen sichert eine integrierte SD-Karte die Messwerte lokal.

Installation

Die Sensor-Module werden typischerweise an Zäunen, Balkonen oder Fassaden montiert – hochkant, in etwa 1,5 bis 3 Metern Höhe. Die Wahl des Standorts beeinflusst die Messergebnisse erheblich: Abstand zur Straße, Höhe über dem Boden, Nähe zu Emissionsquellen, Sonneneinstrahlung und Belüftung spielen eine Rolle. Auch die Ausrichtung ist relevant: Das Mikrofon sollte zur Schallquelle (meist zur Straße) zeigen.

Für jeden Standort wird ein Installationsprotokoll ausgefüllt:

• Foto des Sensors mit GPS-Koordinaten
• Panoramafoto der Umgebung
• Angaben zu Höhe, Abstand zur Straße und Ausrichtung
• Beobachtungen zur unmittelbaren Umgebung

Diese Dokumentation ermöglicht es, Auffälligkeiten in den Messdaten im Kontext des Standorts zu verstehen.

Datenübertragung

Die Messdaten werden per LoRaWAN (Long Range Wide Area Network) übertragen – ein Funkprotokoll mit hoher Reichweite bei niedrigem Energieverbrauch. Die Daten gelangen über „The Things Network" an das SensEm-Backend, wo sie validiert, aufbereitet und gespeichert werden.

Gateways und Netzabdeckung

Für die Datenübertragung müssen im Messgebiet LoRaWAN-Gateways installiert sein. Diese werden typischerweise in Wohnungen von Teilnehmenden oder an strategischen Positionen (etwa in einem Kirchturm) platziert.

In dichtbebauten Stadtvierteln zeigte sich, dass die Reichweite entgegen der theoretischen Spezifikationen oft auf wenige hundert Meter begrenzt war. Dies erforderte ein dichtes, sorgfältig geplantes Netz von Gateways.

Abdeckungstests

Zur Unterstützung der Netzwerkplanung wurde ein LoRaWAN-Scanning-Modus entwickelt. Während gemeinsamer Kiezbegehungen können die Teilnehmenden mit einem Testgerät die Signalstärke an verschiedenen Punkten messen. Die Ergebnisse werden in der Plattform als interaktive Abdeckungskarte visualisiert und helfen bei der Auswahl geeigneter Sensor- und Gateway-Standorte.

Betrieb und Wartung

Die Module werden mit einer integrierten 20-Ah-Powerbank betrieben. Die Akkulaufzeit beträgt je nach Witterung und LoRaWAN-Abdeckung etwa fünf bis zehn Tage. Kältere Temperaturen und größere Entfernung zum nächsten Gateway erhöhen den Energieverbrauch.

Akkuwechsel

Die regelmäßige Wartung umfasst vor allem den Akkuwechsel. Die Teilnehmenden erhalten dafür einen Schlüssel für das Gehäuse, einen Ersatzakku und ein Ladegerät. Der Wechsel erfolgt über eine schwenkbare USB-Buchse, ohne das Gehäuse vollständig öffnen zu müssen.

Monitoring

Die Online-Plattform zeigt die Signalstärke und den Status jedes Sensors an. Fällt ein Sensor aus oder werden keine Daten mehr empfangen, können die zuständigen Personen benachrichtigt werden.

Rollen und Zuständigkeiten

In den Fallstudien wurden verschiedene Rollen definiert, um die Betreuung der Infrastruktur auf mehrere Schultern zu verteilen:

• Sensorpaten betreuen einen oder mehrere Sensoren. Sie überwachen Daten und Status, wechseln bei Bedarf den Akku und melden Auffälligkeiten. Oft handelt es sich um die Anwohner, an deren Balkon oder Zaun der Sensor montiert ist.
• Gateway-Paten betreiben ein LoRaWAN-Gateway in der eigenen Wohnung. Das Gerät benötigt lediglich eine Steckdose und einen Internetanschluss.
• Supporter unterstützen bei Akkuwechsel und Wartung, etwa wenn Sensorpaten verhindert sind oder technische Hilfe benötigt wird.

---

Kalibrierung

Low-Cost-Sensoren ermöglichen dezentrale Messungen zu einem Bruchteil der Kosten offizieller Messstationen. Doch ihre Messwerte sind nicht ohne Weiteres vergleichbar – weder untereinander noch mit Referenzmessungen. Kalibrierung ist daher eine zentrale Voraussetzung für aussagekräftige Daten.

Warum Kalibrierung notwendig ist

Low-Cost-Sensoren weisen gegenüber professionellen Messgeräten mehrere Einschränkungen auf:

• Serienstreuung: Sensoren desselben Typs liefern unterschiedliche Werte
• Drift: Messwerte verändern sich über die Zeit
• Umwelteinflüsse: Temperatur und Luftfeuchtigkeit beeinflussen die Messung
• Rauschen: Zufällige Schwankungen überlagern das Signal

Ohne Kalibrierung kann ein Sensor systematisch zu hoch messen, ein anderer zu niedrig – obwohl beide am selben Ort stehen. Die Kalibrierung ermittelt für jeden einzelnen Sensor individuelle Korrekturparameter.

Das Co-Location-Verfahren

Beim Co-Location-Verfahren werden die zu kalibrierenden Sensoren am selben Ort wie eine offizielle Referenzmessstation platziert. Über einen längeren Zeitraum messen beide Systeme parallel dieselbe Luft. Aus dem Vergleich der Messwerte lassen sich Korrekturparameter ableiten.

Vorteile des Verfahrens:

• Messung unter realen Bedingungen mit Wetterschwankungen
• Direkter Vergleich mit validierten Referenzdaten
• Erfassung verschiedener Schadstoffkonzentrationen über den Messzeitraum

Für die Kalibrierung kooperierte SensEm mit dem HLNUG (Hessisches Landesamt für Naturschutz, Umwelt und Geologie) in Wiesbaden und dem BLUME (Berliner Luftgütemessnetz) in Berlin.

Kalibrierstation

Für die Kalibrierung wurde eine eigene Station entwickelt:

• Platz für 16 Sensor-Module gleichzeitig
• Eigene LoRaWAN-Konnektivität
• Wetterfestes Gehäuse
• Zur Platzierung auf dem Gelände offizieller Referenzmessstationen

Die Station wurde über den gesamten Projektzeitraum für die initiale Kalibrierung aller Sensoren eingesetzt. Jedes Modul durchlief vor dem ersten Feldeinsatz eine mehrwöchige Kalibrierphase.

Kalibrierungsprozess

Der Ablauf folgt einem standardisierten Prozess:

1. Die Sensor-Module werden in der Kalibrierstation installiert
2. Parallele Messung über mehrere Tage bis Wochen
3. Zusammenführung von Sensor- und Referenzdaten
4. Berechnung individueller Korrekturparameter mittels multivariater Regression
5. Anwendung der Korrektur im Backend

Die multivariate Regression berücksichtigt nicht nur den Zusammenhang zwischen Sensorwert und Referenzwert, sondern auch den Einfluss von Temperatur und Luftfeuchtigkeit.

Zwischenkalibrierung

Sensoren verändern sich über die Zeit durch Alterung, Verschmutzung und wechselnde Umweltbedingungen. Die initiale Kalibrierung verliert dadurch an Gültigkeit.

Um häufige Zwischenkalibrierungen zu ermöglichen, wurde ein vereinfachtes Kalibriergestell entwickelt, das 14 Sensormodule aufnimmt und von den Teilnehmenden selbst gehandhabt werden kann.

In der dritten Fallstudie wurden gemeinschaftliche Kalibriersessions an der BLUME-Referenzmessstation etabliert. Diese dienten mehreren Zwecken:

• Technische Zwischenkalibrierung der Sensoren
• Sensibilisierung der Teilnehmenden für messtechnische Aspekte
• Verständnis für Grenzen und Einflussfaktoren
• Gemeinschaftsbildung während der langen Messphase

---

Technische Entwicklung

Ausgangslage

Zu Projektbeginn wurde eine umfassende Recherche nach verfügbaren Sensor-Systemen und Bausätzen durchgeführt. Keines der untersuchten Produkte erfüllte die Anforderungen an Genauigkeit, Robustheit, Konnektivität, Benutzerfreundlichkeit und Preis (Zielwert: ca. 300 € pro Modul). Daher wurde entschieden, ein eigenes Sensor-Modul zu entwickeln.

Evaluierung der Sensoren

Vor dem Einsatz in den Fallstudien wurden verschiedene Sensortypen systematisch getestet.

Evaluierungsstation

S&V entwickelte eine dedizierte Messstation für die Evaluierung:

• Wetterfestes Gehäuse für Außeneinsatz
• Eigene Stromversorgung und Funkdatenanbindung
• Integrierter Mikrocomputer für autonomen Betrieb über mehrere Wochen
• Hardwareschnittstellen für verschiedene Sensortypen

Die Station wurde mehrfach für jeweils drei bis sechs Wochen auf der Referenzmessstation Wiesbaden-Ringkirche installiert. Eine eigens entwickelte Analysesoftware verglich die Messwerte mit den offiziellen Daten und quantifizierte Korrelation, systematische Abweichungen und statistische Fehler.

Ergebnisse

Zu Beginn lag der Fokus auf NO₂-Sensoren, da Stickstoffdioxid ein wichtiger verkehrsbedingter Schadstoff ist. Die initialen Ergebnisse zeigten jedoch erhebliche Diskrepanzen zur Referenz. Trotz intensiver Optimierungsversuche in Zusammenarbeit mit einem deutschen Sensorhersteller erreichte keiner der getesteten NO₂-Sensoren bis Februar 2024 eine ausreichende Präzision für umweltwissenschaftliche Messungen.

Da die NO₂-Sensoren die Anforderungen nicht erfüllten, wurden zusätzlich sieben gängige Feinstaubsensoren evaluiert. Diese zeigten deutlich bessere Ergebnisse. Nach Bewertung von Genauigkeit, Preis und Verfügbarkeit wurde der Sensirion SPS30 ausgewählt.

Auf Anregung des Projektträgers wurde zusätzlich eine Lärmmessung integriert, um auch Geräuschbelastung als gesundheitsrelevanten Faktor zu erfassen.

Hardware

Die Kernkomponenten des Sensor-Moduls:

• Mikrocontroller: Heltec ESP32 LoRa mit OLED-Display, Funkübertragung (WLAN, LoRaWAN, Bluetooth) und Akku-Ladefunktion
• Feinstaubsensor: Sensirion SPS30 für PM1, PM2.5, PM10
• NO₂-Sensor: EC-Sense TB600B
• Mikrofon: MEMS-Mikrofon InvenSense INMP441 für Lärmmessung
• Speicher: SD-Karte zur lokalen Datensicherung

Modularer Aufbau

Gemeinsam mit dem Fraunhofer IZM wurde anstelle eines klassischen Leiterplattendesigns ein modularer Aufbau mit Breakout-Boards und flexibler Verkabelung realisiert. Dieser Ansatz erwies sich als:

• Kosteneffizienter in kleinen Stückzahlen
• Einfacher im Zusammenbau, auch für Laien möglich
• Reparaturfreundlicher durch einfachen Austausch einzelner Komponenten
• Flexibler für spätere Erweiterungen

Im Rahmen des entwicklungsbegleitenden Öko-Designs legte das IZM besonderen Wert auf ressourcenschonende, langlebige und wartungsfreundliche Bauweise.

Firmware

Die Firmware wurde in C++ entwickelt und implementiert die Anbindung aller Hardwarekomponenten, das Auslesen der Sensoren, die Datenkonvertierung und das Versenden per LoRaWAN. Für die Lärmmessung wird der bewertete Schalldruckpegel nach dB(A) mittels Fast Fourier Transformation berechnet.

Messzyklus

Während der Entwicklung zeigte sich ein Problem: Der Motor des Feinstaubsensors erzeugt ein Betriebsgeräusch, das die Lärmmessung verfälscht. Gleichzeitig benötigt der Sensor eine Aufwärmzeit. Die Lösung war ein gestaffelter Messzyklus:

1. 10 Sekunden: Erfassung des Geräuschpegels (Feinstaubsensor noch aus)
2. 10 Sekunden: Aktivierung Feinstaubsensor, Messung von Temperatur und NO₂
3. 20 Sekunden: Aufwärmzeit Feinstaubsensor
4. 20 Sekunden: Feinstaubmessung
5. Kalibrierung, Komprimierung, Senden per LoRaWAN
6. ca. 4 Minuten: Schlafmodus zur Energieeinsparung

Gehäuse

Die Entwicklung des Gehäuses erforderte die Berücksichtigung vielfältiger, teils widersprüchlicher Anforderungen: mobiler und stationärer Einsatz, vollständiger Witterungsschutz bei gleichzeitiger Durchlüftung für die Luftsensoren, ungehinderte Schallübertragung zum Mikrofon, einfache Wartung und Schutz vor Vandalismus.

Erste Version

Die ersten Entwürfe vereinten mobile und stationäre Nutzung in einem kompakten Gehäuse. Die Integration der Feinstaubsensoren führte jedoch zu erhöhtem Energiebedarf. Für die erste Fallstudie musste die Stromversorgung in ein separates Gehäuse ausgelagert werden. Diese Lösung erwies sich als problematisch: erhöhte Sichtbarkeit, Vandalismus-Gefahr und Anfälligkeit für Wettereinflüsse.

Partizipatives Redesign

In einem partizipativen Designprozess wurden während der Fallstudie im Samariterviertel verschiedene Lösungsansätze gemeinsam mit den Teilnehmenden diskutiert. Das neue Gehäusekonzept umfasst:

• Vereinfachtes dreiteiliges Design
• Hermetische Trennung von Elektronik und Powerbank
• Integrierte schwenkbare USB-Buchse für einfachen Akkuwechsel
• Unauffälligeres Erscheinungsbild zum Schutz vor Vandalismus

Fertigung

Das 3D-Design erfolgte in Kooperation mit dem IZM, wobei alle Hardware-Komponenten modelliert wurden. Die Prototypenerstellung mittels 3D-Druck ermöglichte kurze Iterationszyklen.

Erhebliche Fertigungstoleranzen erforderten kontinuierliche Optimierung der Druckparameter. Die Anschaffung eines höherwertigen 3D-Druckers stellte schließlich konstante Qualität sicher. Das Gehäuse ist vollständig für handelsübliche Filament-3D-Drucker optimiert; die Sensoren werden eingeklickt und nur minimal verschraubt.

---

Erkenntnisse aus dem Praxiseinsatz

Betriebserfahrungen

Die Sensor-Module wurden in drei Fallstudien erprobt – von einer Kurzzeitmessung bis zu einer sechsmonatigen Langzeitmessung.

Winterliche Temperaturen reduzierten die Akkulaufzeit deutlich und erhöhten die Ausfallrate. Der Einsatz von teilweise redundanten Sensoren an den Messstandorten erhöhte die Datenqualität: Ausreißer und Ausfälle einzelner Sensoren konnten erkannt und kompensiert werden.

Die Langzeitmessung zeigte die Stabilität der Sensoren, aber auch Herausforderungen bei der Motivation der Teilnehmenden. Die regelmäßigen Wartungsaufgaben erforderten anhaltende Aufmerksamkeit über Monate hinweg.

Anforderungen der Umweltbehörden

Gespräche mit dem Berliner Luftgütemessnetz (BLUME) und dem HLNUG ergaben klare Kriterien für die Nutzbarkeit von Citizen-Sensing-Daten:

• Bekannte und dokumentierte Limitationen der Messgeräte
• Saubere Dokumentation der Standorte und Rahmenbedingungen
• Nachvollziehbare Kalibrierung

Unter diesen Voraussetzungen können die Daten als Orientierungsmessungen dienen – nicht als Ersatz für offizielle Messungen, aber als wertvolle Ergänzung mit hoher räumlicher und zeitlicher Auflösung.