Zu Projektbeginn wurde nach verfügbaren Sensor-Systemen und Bausätzen recherchiert. Keines erfüllte alle Anforderungen an Genauigkeit, Robustheit, Konnektivität, Benutzerfreundlichkeit und Preis (Zielwert: ca. 300 € pro Modul). Daher wurde ein eigenes Sensor-Modul entwickelt – welche Sensoren sich in der Evaluation als geeignet erwiesen, ist dort beschrieben.
Aufbau und Komponenten #
Das Sensor-Modul misst Feinstaub (PM1, PM2.5, PM10), NO₂, Lärm sowie Temperatur und Luftfeuchtigkeit und überträgt die Werte per Funk (LoRaWAN) – ausgelegt für den stationären wie mobilen Einsatz.
Damit sich das Sensor-Modul leicht nachbauen lässt, setzen wir nur auf Bauteile, die in Deutschland einfach und günstig zu bekommen sind. Sie kommen als fertig aufgebaute Breakout-Boards: kleine Platinen, die schon alles Nötige mitbringen, um sofort zu funktionieren – man muss sie nur noch verbinden. So ist kein tiefes Elektronikwissen nötig, um das Modul selbst aufzubauen:
- 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 – im Feld allerdings nur eingeschränkt verlässlich
- Mikrofon: MEMS-Mikrofon InvenSense INMP441 für Lärmmessung
- Speicher: SD-Karte zur lokalen Datensicherung
Mit Strom versorgt wird das Modul über eine integrierte 20-Ah-Powerbank. Je nach Witterung und Abstand zum nächsten Gateway hält eine Ladung etwa fünf bis zehn Tage.
Ein einsatzfähiges Messnetz besteht aus mehr als den Modulen selbst: Pro Messgebiet wird mindestens ein LoRaWAN-Gateway benötigt. Wie diese Infrastruktur in einer konkreten Kampagne aufgebaut und betreut wird, zeigen die Fallstudien .
Modularer Aufbau & Öko-Design #
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. Begleitend bewertete das IZM das System auch ökobilanziell – nach einem Net-Impact-Ansatz, der den ökologischen Fußabdruck von Herstellung und Betrieb dem möglichen „Handabdruck" gegenüberstellt: den positiven Effekten, die die gewonnenen Daten anstoßen können.
Firmware #
Die in C++ entwickelte Firmware steuert den gesamten Betrieb des Moduls und erledigt dabei fünf Aufgaben:
- Messen: zyklisches Auslesen aller Sensoren.
- Lärm berechnen: Aus dem Mikrofonsignal wird der bewertete Schalldruckpegel in dB(A) mittels Fast-Fourier-Transformation ermittelt.
- Verarbeiten: Die Rohwerte werden kalibriert, umgerechnet und komprimiert.
- Lokal sichern: Ablage auf einer SD-Karte, falls die Funkverbindung ausfällt.
- Senden: Übertragung der aufbereiteten Daten per LoRaWAN an das Backend.
Den Takt dafür gibt ein energiesparender Mess- und Schlafzyklus vor.
Übertragen wird per LoRaWAN – ein Funkstandard mit großer Reichweite bei niedrigem Energieverbrauch. Für die Netzplanung besitzt das Modul zudem einen Scanning-Modus, der die LoRaWAN-Signalstärke vor Ort misst; die Plattform setzt daraus eine Abdeckungskarte zusammen.
Messzyklus #
Während der Entwicklung zeigte sich ein Problem: Der Motor des Feinstaubsensors erzeugt ein Betriebsgeräusch, das die Lärmmessung verfälscht. Gleichzeitig benötigt der Sensor aber eine Aufwärmzeit von mindestens 30 Sekunden, bevor er zuverlässige Messungen liefert. Die Lösung war ein gestaffelter Messzyklus, der außerdem den Energieverbrauch optimiert:
- 10 Sekunden: Erfassung des Geräuschpegels, Temperatur und NO₂ (Feinstaubsensor noch aus)
- 30 Sekunden: Aktivierung & Aufwärmzeit Feinstaubsensor
- 20 Sekunden: Feinstaubmessung
- Konvertierung, Komprimierung und Senden der Daten per LoRaWAN
- 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.
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 bestätigte zugleich die Stabilität der Sensoren über Monate hinweg.