M3-3.1 - Energieautarkes LoRaWAN-Sensornetzwerk und integrierte IoT-Datenmanagementplattform für Smart-City- und Umweltmonitoring – Pilotprojekt „IoT-Lab“ der TU Bergakademie Freiberg

Event

23. ITG/GMA-Fachtagung Sensoren und Messsysteme 2026
2026-06-09 - 2026-06-10
Nürnberg

Band

Vorträge

Chapter

Sensornetzwerke

Author(s)

P. Arki, Y. Joseph - Technische Universität Bergakademie Freiberg, Freiberg, T. Schumann - Technische Universität Bergakademie Freiberg, Freiberg, J. Kunze, K. Voigtländer - Advanced Data Processing Dresden GmbH, Dresden

Pages

471 - 476

DOI

10.5162/sensoren2026/M3-3.1

ISBN

978-3-910600-11-9

Price

free

Abstract

Die vollflächige Integration von Multisensoren für Smart-City- und Umweltmonitoring-Anwendungen setzt eine autarke, kabellose Netzwerkinfrastruktur voraus. Aufgrund seiner hohen Reichweite und seines geringen Energieverbrauchs eignet sich das funkbasierte Long Range Wide Area Network für die Übertragung von Multisensordaten. Als Low-Power-Wireless(LoRaWAN) besonders Technologie bietet LoRaWAN gegenüber dem LTE-Mobilfunkstandard sowie lokalen WLANTechnologien zahlreiche Vorteile und eine höhere Flexibilität. Der in Europa lizenzfrei nutzbare Frequenzbereich von 868 MHz ermöglicht zudem einen kostengünstigen Betrieb. Beim Einsatz von Hunderten Internet-of-Things- (IoT-) Geräten fallen die Kosten im Vergleich zu kommerziellen, mobilfunkbasierten Sensornetzwerken deutlich geringer aus.Auf Basis dieser Infrastruktur wurde ein cloudbasiertes IoT-Datenmanagementsystem entwickelt, das Messwerte von Sensoren in den Bereichen Smart City und Smart Campus, einschließlich Energie-, Gebäude- und Umweltmonitoring, speichert und auswertet. Es umfasst eine skalierbare Datenbank, einen MQTT-Server, eine Dashboard-Anwendung sowie automatisierte Berichtsfunktionen. Die Plattform „IoT-Lab“ der TU Bergakademie Freiberg ermöglicht die Integration eigenentwickelter und kommerzieller Sensor-Nodes sowie die Speicherung, mobile Anzeige, historische Abfrage und Analyse von Sensordaten.Das System stellt aktuelle Messwerte über eine Applikation bereit. Gespeicherte Daten können als Verlaufsdiagramme visualisiert werden; zudem werden täglich automatisierte E-Mail-Berichte generiert. Für weiterführende Analysen sind direkte Datenbankabfragen möglich. Mithilfe der Hauptkomponentenanalyse der Component Singulärwertzerlegung (Singular Value Decomposition, SVD) können Zusammenhänge, Trends und Anomalien erkannt werden. Ein kontinuierliches Monitoring von Empfangssignalstärke (RSSI), Signalto-Noise Ratio (SNR) und Batteriestatus unterstützt außerdem die frühzeitige Erkennung von Ausfällen und Kommunikationsproblemen. (Principal Analysis, Basis PCA) auf