Wenn der Wüstenwind durch Zofingen weht – Luftqualität im Eigenbau

Zusammenfassung

In diesem Artikel schlage ich die Brücke zwischen professioneller Umweltmesstechnik und smarter Gebäudeautomation. Wir verlassen die Ebene einfacher Standard-Apps und tauchen tief in die Systemtechnik ein: Von der Hardware- und Schaltungsentwicklung für den Sensirion SEN66 über die Firmware-Programmierung bis hin zur Integration in meine zeitreihenbasierte Datenbank. Das Highlight zum Schluss: Die Visualisierung der hochpräzisen lokalen Luftqualität- und Klimadaten auf einem massgeschneiderten Grafana-Dashboard.

Der Auslöser: Sahara-Staub über der Schweiz

Erinnerst du dich noch an den Tag, als die Schweiz unter einer dichten, orangefarbenen Glocke verschwand? Der Sahara-Staub hatte das Land fest im Griff. Während ich in Zofingen die Fenster von der feinen Sandschicht befreite, stellte ich mir zwei grundlegende Fragen: «Wie viel von diesem Staub landet eigentlich gerade in unserem Wohnzimmer?» und «Wie verlässlich sind die Schätzwerte der gängigen Wetter-Apps?»

Herkömmliche Applikationen liefern meist nur aggregierte, mathematisch simulierte Daten für ganze Regionen. Ein echtes, bedarfsgeführtes System benötigt jedoch Fakten direkt vor Ort. Dies ist ein klassisches Lernfeld für angehende Dipl. Energie- und Umwelttechniker HF: In der Umweltanalytik sind Daten erst dann wirklich wertvoll, wenn sie dort gemessen werden, wo sie eine direkte Wirkung auf Menschen und Anlagen erzielen.

Hardware-Engineering: Schweizer Sensorik trifft Systemtechnik

Um die Raumluftqualität ganzheitlich und präzise zu erfassen, fiel die Wahl auf den Sensirion SEN66. Dieses Spitzenprodukt Schweizer Ingenieurskunst ist ein echter All-in-one-Sensor. Er misst nicht nur verschiedene Feinstaubklassen (PM1, PM2.5, PM4, PM10), sondern erfasst mittels Sensor-Fusion auch Temperatur, relative Luftfeuchtigkeit, flüchtige organische Verbindungen (VOC-Index), Stickoxide (NOx-Index) und Kohlenstoffdioxid (CO₂).
In der professionellen Systemtechnik bildet die physikalische Schicht das Fundament. Ein fliegender Aufbau mit Jumper-Kabeln kam für mich nicht infrage. Um reproduzierbare Messergebnisse zu garantieren, habe ich eine massgeschneiderte Printplatte entwickelt, die drei Kernaufgaben übernimmt:

1. Stabile Kommunikation: Sichere Signalführung zum Sensor via I2C-Bus.
2. Konnektivität: Integration eines ESP32-Mikrocontrollers für die drahtlose WLAN-Übertragung.
3. Signalintegrität und Sicherheit: Eine saubere Spannungsregulierung über ein vergossenes Schaltnetzteil (Traco Power TMPS 03-103), kombiniert mit einer 50-mA-Feinsicherung direkt auf der Netzspannungsseite, um das System abzusichern und Sensorstörungen durch Netzspannungsschwankungen zu eliminieren.

Abbildung 1: Schaltplan aus Fusion Electronics

Für das Schaltungsdesign und das anschliessende Leiterplatten-Layout kam Fusion Electronics von Autodesk zum Einsatz – ein leistungsstarkes Werkzeug, das Studierenden und Lehrenden kostenlos zur Verfügung steht. Der Entwicklungsprozess folgte einem klaren systemtechnischen Ablauf:

• Gehäuse-Anpassung: Die Form der Platine wurde exakt aus dem CAD-Modell des Euro-Steckergehäuses (Bopla SE 420 EU) abgeleitet, um die Elektronik später perfekt zu schützen.
• Layout und Routing: Nach der strategischen Platzierung der Komponenten wurden die Leiterbahnen geroutet, wobei auf eine strikte galvanische Trennung der 230-V-Netzspannung von den empfindlichen 3.3-V-Signalen des ESP32 geachtet wurde.
• Schnittstellen-Design: Als Verbindung zum Sensor habe ich eine RJ45-Buchse auf der Platine integriert. Das ermöglicht eine mechanisch robuste, verriegelbare und steckbare Verbindung zum externen SEN66 über ein Standard-Patchkabel – ein grosser Vorteil für die Wartung im realen Betrieb.
• Fertigung: Nach dem Export der Industriestandard-Gerberdaten wurde die Platine professionell gefertigt und anschliessend von Hand bestückt und gelötet.

Abbildung 2: 3D-Modell der bestückten Printplatte

Abbildung 3: fertig bestückte Platine im geöffneten Bopla-Gehäuse mit angeschlossenem SEN66 über ein RJ45-Kabel

Firmware und Datenübertragung: JSON als universelle Sprache

Ein zentrales Thema im Studium der Systemtechnik ist die Interoperabilität vernetzter Systeme. Wie transportiert man die komplexen Rohdaten des Sensors verlustfrei in übergeordnete Monitoring-Systeme? Die Antwort lautet: Strukturierung.
Die Firmware des ESP32 wurde in Visual Studio Code unter Nutzung von PlatformIO entwickelt – einer hochperformanten Open-Source-Alternative zur klassischen Arduino-IDE. Der ESP32 liest die Werte über die offizielle Sensirion-I2C-Bibliothek aus und verpackt sie elegant in ein JSON-Objekt (JavaScript Object Notation):

Abbildung 4: Sensordaten

Für den schnellen Vor-Ort-Check stellt der ESP32 diese Daten direkt über einen lokalen Webserver auf einer eigenen, responsiven Weboberfläche dar.

Abbildung 5: Screenshot der eigenen Weboberfläche

Daten-Monitoring: Vom Node-RED-Flow zum Grafana-Dashboard

Um die zeitliche Entwicklung der Luftqualität zu verstehen, fragt meine Smart-Home-Zentrale alle zehn Minuten die JSON-Daten des Sensors ab und speichert sie in einer InfluxDB-Zeitreihendatenbank. Wie lässt sich diese Datenflut effizient koordinieren?

Hier kommt Node-RED als zentrale Logikschicht ins Spiel. Im folgenden Ablaufdiagramm sieht man das Herzstück der softwareseitigen Verarbeitung:

Abbildung 6: Node-RED Flow «Umweltsensor SEN66/GoogleAirQuality/NABEL – Diagramme»

Die Logik ist modular aufgebaut. Über Steuerelemente (ui control / time range) wird der zeitliche Rahmen festgelegt. Die einzelnen Funktionsnodes (z. B. «Build PM2,5», «Build CO2») bereiten die ankommenden Datenströme gezielt auf und leiten sie direkt an die entsprechenden Dashboard-Komponenten weiter.

Besonders elegant: Hier laufen bereits die Fäden für die zukünftige Integration der externen Referenzdaten (Air Quality (Google) und Air Quality (NABEL)) zusammen, um alles auf einer Oberfläche zu bündeln.

Die finale Anzeige erfolgt schliesslich auf einem massgeschneiderten Grafana-Dashboard, das mir die Luftgüte- und Klimaparameter visuell aufbereitet:

Abbildung 7: Grafana-Dashboard «Umweltsensor SEN66»

Das Dashboard ist in zwei funktionale Bereiche unterteilt:

1. Luftqualität (VOC, NOx, Feinstaub): Im oberen Bereich sehen wir hier direkt die aktuellen Indizes und Konzentrationen. Im zeitlichen Verlaufsgraphen lässt sich eindrücklich ablesen, wie flüchtige organische Verbindungen (VOC) im Alltag – beispielsweise beim Kochen oder bei der Nutzung von Reinigungsmitteln – sprunghaft ansteigen und wie sich Feinstaubpartikel verhalten.
2. Klima (CO₂, Temperatur, Feuchtigkeit): Der zweite Graph zeigt das thermische Wohlbefinden und die verbrauchte Luft (CO₂). Wenn der CO₂-Wert in einem geschlossenen Raum einen kritischen Schwellenwert übersteigt, liefert mir das System die perfekte Entscheidungsgrundlage für ein bedarfsgeführtes und energieeffizientes Lüftungsverhalten.

Praktische Anwendung: Integration in Apple HomeKit

Eine reine Visualisierung ist für ein echtes Smart Home jedoch erst die halbe Miete. Die wahre Stärke der Systemtechnik liegt in der Verknüpfung von Sensorwerten mit konkreten physischen Aktoren.

Über die HomeKit-Integration von Node-RED habe ich die Live-Messwerte des SEN66 direkt in mein Apple HomeKit-Ökosystem eingebunden. Der entsprechende Sub-Flow in Node-RED übernimmt das Splitting und die Aufbereitung der Daten:

Abbildung 8: Node-RED-Flow «SEN 66» zur Aufbereitung und Weiterleitung an Apple HomeKit

Hier wird die systemtechnische Magie deutlich: Der Node-RED-Flow teilt das vom Sensor empfangene JSON-Objekt auf. Während die Gesamtdaten unverändert in die InfluxDB fliessen, bereiten einzelne Funktions-Nodes die Werte für die gelben HomeKit-Schnittstellen auf.

Besonders spannend ist dabei die Klassierung der Luftqualität. Apple HomeKit erwartet für das Attribut AirQuality einen diskreten Wert von 1 (sehr gut) bis 5 (sehr schlecht). Um diesen Index dynamisch und präzise aus meinen Sensorwerten zu berechnen, habe ich in der Node PM2.5/VOC folgendes JavaScript hinterlegt:

Abbildung 9: Berechnung Attribut AirQuality

Durch das mathematische Math.max() wende ich das in der Umweltanalytik etablierte Minimalprinzip (Precautionary Principle) an: Die Luftqualität wird immer nach dem am stärksten belastenden Schadstoff eingestuft.

Schauen wir uns das Ergebnis in der Apple Home App an:

Abbildung 10: Der integrierte Umweltsensor «PM2.5/VOC» in der Apple Home App

Hier stossen wir auf eine klassische Hürde bei der Systemintegration: Apple HomeKit sieht nativ ausschliesslich die Eigenschaft «VOC-Dichte» vor und erzwingt die Einheit Mikrogramm pro Kubikmeter µg/m³. Sensirion verwendet für den SEN66 jedoch den standardisierten VOC-Index (eine relative Punkteskala von 1 bis 500).

In der praktischen Umsetzung mappen wir diesen dimensionslosen Indexwert direkt auf das HomeKit-Datenfeld. Wie das Abbild zeigt, wird der aktuelle VOC-Index von 28 (was einer hervorragenden Raumluft entspricht) und die PM2.5-Konzentration von 2 µ g/m³ sauber ausgelesen und als «Luftqualität: sehr gut» klassifiziert.

Auf Basis dieser stabilen Datenbasis lassen sich in HomeKit äusserst nützliche Automationen realisieren. Überschreitet beispielsweise der VOC-Index im Badezimmer (z. B. durch Dusch- Aerosole oder Reinigungsmittel) einen definierten Schwellenwert, schaltet das System vollautomatisch einen Badventilator ein oder gibt eine visuelle Warnung aus.

Frühere Artikel

Smart Home, Teil 1: Integration des Smart Home-Systems «Wiser by Feller» ins Apple Homekit
Smart Home, Teil 2: Einbinden einer Wetterstation
Smart Home, Teil 3: Entwicklung eines WLAN-fähigen Regensensors

Links

• SEN66-Plattform für die vereinfachte Messung der Luftqualität
• SE 420 EU-Steckergehäuse mit Eurostecker
• Sensirion I²C SEN66 Arduino Library
• ESP32 WebSocket Server-Random Nerd Tutorials
• Tapzu/WifiManager
• Node-RED/Low-code programming for event driven applications
• Node-RED/nodes to simulate Apple HomeKit devices
• Node-RED/nodes to save query data from and influxdb
• Grafana-Panels and visualizations
• Influxdata-Time series starts with influxDB
• Würth Elektronik-Onlineshop für Leiterplatten