Smart Garden: Bodenfeuchte-Analyse mit STM32-Funkknoten

Ein Smart Garden wirkt erst dann wirklich „smart“, wenn Bewässerung nicht nach Gefühl, sondern datenbasiert erfolgt. Genau hier setzt eine Bodenfeuchte-Analyse mit STM32-Funkknoten an: Mehrere kleine Sensorknoten messen regelmäßig die Feuchte im Wurzelbereich, bewerten Trends und melden die Werte drahtlos an ein Gateway oder eine Cloud. So erkennen Sie Trockenstress frühzeitig, vermeiden Überwässerung und sparen Wasser, ohne dass Pflanzen leiden. Der STM32 ist dafür eine ideale Plattform, weil er präzise Analogmessungen, sehr stromsparende Sleep-Modi und flexible Funkanbindungen (z. B. LoRaWAN, Sub-GHz, BLE oder proprietäre 2,4-GHz-Protokolle) unterstützt. In der Praxis geht es dabei nicht nur um „einen Sensor an einen ADC“, sondern um Messqualität, Kalibrierung, Temperaturdrift, Korrosion, Funkreichweite und Batterielaufzeit. Dieser Artikel zeigt, wie Sie ein robustes Messkonzept aufbauen, welche Sensortypen für Bodenfeuchte geeignet sind, wie Sie Messwerte korrekt interpretieren und wie ein STM32-Funkknoten im Garten über Monate zuverlässig läuft – auch bei Regen, Frost und starken Störeinflüssen.

Was bedeutet Bodenfeuchte in der Praxis?

„Bodenfeuchte“ ist ein Sammelbegriff. Für die Bewässerungssteuerung sind vor allem zwei Größen interessant: die volumetrische Wassergehalt (VWC, Volumetric Water Content) und die Wasserverfügbarkeit für die Pflanze. Der VWC beschreibt, wie viel Wasser pro Bodenvolumen enthalten ist. In vielen DIY-Systemen wird aber zunächst nur eine relative Feuchte erfasst, weil günstige Sensoren keine absolute, bodenübergreifend vergleichbare VWC liefern. Das ist nicht automatisch schlecht: Für eine Steuerung reicht oft ein stabiles, wiederholbares Signal, wenn es richtig kalibriert und über Zeit betrachtet wird.

• Absolutwerte: ideal für agronomisch saubere Vergleiche, erfordern jedoch bessere Sensorik und Kalibrierung.
• Relative Werte: sehr nützlich für Trendanalyse („wird es trockener?“) und für standortspezifische Grenzwerte.
• Wurzelzone: Messhöhe/-tiefe ist entscheidender als „die“ Bodenfeuchte an der Oberfläche.

Eine fachliche Einordnung zur volumetrischen Bodenfeuchte und Messmethoden finden Sie z. B. unter Soil moisture – Definition und Messprinzipien.

Sensortypen: Resistiv vs. kapazitiv vs. professionelle Sonden

Die Auswahl des Sensors entscheidet über Lebensdauer und Messqualität. Im Garten sind Korrosion, wechselnde Temperaturen und Bodenchemie realistische Stressfaktoren. Deshalb sollte der Fokus auf langfristiger Stabilität liegen, nicht auf dem „perfekten“ Laborwert.

• Resistive Sensoren: messen den elektrischen Widerstand zwischen Elektroden. Sie sind günstig, aber stark korrosionsanfällig und abhängig von Salzgehalt und Dünger. Für Langzeitbetrieb sind sie meist nur eingeschränkt geeignet.
• Kapazitive Sensoren: messen eine kapazitive Änderung im Boden (die Dielektrizitätskonstante verändert sich mit Wassergehalt). Sie sind deutlich langlebiger, reagieren aber ebenfalls auf Bodenart und Temperatur und benötigen gute Kalibrierung.
• Professionelle TDR/FDR-Sonden: liefern robustere, vergleichbarere Werte, kosten aber deutlich mehr. Für kritische Anwendungen oder größere Gärten kann das wirtschaftlich sinnvoll sein.

Wenn Sie tiefer in kapazitive Messprinzipien einsteigen möchten, hilft die Erklärung zur Dielektrizitätskonstante, weil genau diese physikalische Größe die Basis vieler Bodenfeuchtesensoren ist.

Messaufbau mit STM32: Analog-Frontend, ADC und Referenz

Ein STM32-Funkknoten muss nicht nur funken, sondern vor allem reproduzierbar messen. Viele Bodenfeuchtesensoren liefern ein analoges Spannungssignal oder ein frequenz-/PWM-basiertes Signal. Für analoge Signale ist das Analog-Frontend entscheidend: stabile Versorgung, saubere Referenz, kurze Leitungen und ein sinnvolles Sampling-Konzept.

• ADC-Konfiguration: ausreichend Sample Time wählen, damit die Quelle den ADC-Eingang sicher treiben kann.
• Referenzspannung: eine stabile Referenz oder zumindest eine stabile 3,3-V-Schiene reduziert Drift.
• Messfenster: mehrere Samples aufnehmen und mitteln, statt „Einzelschuss“.
• Störquellen: Funk-Sendeimpulse und DC/DC-Wandler können Messungen beeinflussen – deshalb Messung und Funk zeitlich trennen.

Für präzise Low-Power-Designs lohnt es sich, die Messung als festen Ablauf zu definieren: Aufwachen, Sensor kurz einschalten, Stabilisierung abwarten, messen, filtern, senden, schlafen.

Sensor-Power-Gating: Korrosion reduzieren und Batterie sparen

Ein häufiger Fehler in DIY-Smart-Garden-Projekten ist der dauerhaft versorgte Sensor. Das verkürzt die Batterielaufzeit und kann bei manchen Sensortypen (besonders resistiven) Korrosion und Drift beschleunigen. Besser ist Power-Gating: Der STM32 schaltet den Sensor nur für das Messintervall ein – per MOSFET oder High-Side-Switch.

• Messzyklus: Sensor an → 50–500 ms warten (je nach Sensor) → messen → Sensor aus.
• Vorteil: weniger Elektrolyse/Korrosion, niedrigere Standby-Last.
• Wichtig: Einschwingzeit und eventuelle Sensor-„Warm-up“-Effekte berücksichtigen.

Kalibrierung: Von Rohwerten zu sinnvollen Feuchte-Levels

Ohne Kalibrierung ist Bodenfeuchte nur eine „Zahl“. Für einen Smart Garden ist aber entscheidend, ab wann bewässert werden soll. Eine pragmatische, sehr gut funktionierende Methode ist die 2-Punkt- oder 3-Punkt-Kalibrierung pro Standort: Sie messen einmal im sehr trockenen Zustand und einmal im sehr nassen Zustand (z. B. gesättigter Boden nach gründlichem Wässern und Abtropfzeit). Daraus bilden Sie eine normierte Skala von 0 bis 100 %.

Normierung per 2-Punkt-Kalibrierung

Sei r der Rohwert des ADC, rdry der Rohwert in trockenem Boden und rwet der Rohwert in nassem Boden. Eine normierte Feuchte m (0…1) kann so berechnet werden:

$m=\frac{r–r_{\mathrm{dry}}}{r_{\mathrm{wet}}–r_{\mathrm{dry}}}$

Für eine Prozentanzeige multiplizieren Sie mit 100. In der Firmware sollten Sie m auf 0…1 begrenzen, damit Ausreißer nicht die Logik sprengen. Für unterschiedliche Bodenarten (Sand, Lehm, humoser Boden) bleiben die Grenzwerte standortspezifisch, was für Bewässerung häufig völlig ausreicht.

Temperatur- und Bodenart-Einflüsse: Warum „ein Wert“ nicht überall passt

Kapazitive Sensoren reagieren auf die Dielektrizität, die nicht nur vom Wasser, sondern auch von Bodentextur, Salzgehalt und Temperatur beeinflusst wird. Daraus folgen zwei wichtige Designregeln:

• Grenzwerte pro Beet: Nicht „20 % für alle“, sondern pro Standort kalibrieren.
• Trend statt Moment: Entscheidend ist die Veränderung über Stunden/Tage, nicht die Sekunde.

Praktisch bedeutet das: Ein Smart-Garden-System sollte Historie speichern (mindestens die letzten 24–72 Stunden) und Schwellwerte mit Hysterese nutzen. Optional kann ein Temperatursensor (z. B. digital oder analog) im Knoten helfen, temperaturbedingte Drift zu erkennen und zu kompensieren.

Signalverarbeitung: Mittelwert, Median und Ausreißer-Management

Im Garten sind Ausreißer normal: Gießwasser läuft am Sensor vorbei, ein Regenwurm bewegt Erde, ein Funkburst stört kurz den ADC. Statt diese Effekte „wegzudiskutieren“, sollten Sie sie algorithmisch abfangen.

• Gleitender Mittelwert: stabilisiert die Anzeige, gut für ruhige Umgebungen.
• Medianfilter: sehr wirksam gegen einzelne Ausreißer (Spikes).
• Outlier-Rejection: Werte außerhalb plausibler Grenzen verwerfen oder markieren.
• Hysterese: verhindert häufiges Ein/Aus-Schalten der Bewässerung.

Hysterese für Bewässerungsentscheidungen

Statt eines einzigen Grenzwerts nutzen Sie zwei: einen Startwert Ton und einen Stopwert Toff mit Toff > Ton. So bleibt die Bewässerung an, bis eine ausreichend höhere Feuchte erreicht ist, und schaltet nicht bei jeder kleinen Schwankung.

Funkkonzept: LoRaWAN, Sub-GHz, BLE oder WLAN?

Die Funktechnologie hängt von Grundstücksgröße, Bauweise und Energieanforderung ab. Für Funkknoten im Garten zählt vor allem Reichweite bei niedrigem Stromverbrauch.

• LoRaWAN: sehr große Reichweite, sehr niedriger Energiebedarf, ideal für verteilte Knoten. Für den Einstieg in LoRaWAN ist LoRa Alliance – LoRaWAN Überblick eine gute Quelle.
• Sub-GHz proprietär: oft effizient und robust, aber ohne Standard-Ökosystem. Gut für eigene Gateways.
• BLE: gut für kurze Distanzen und Smartphone-Nähe, weniger ideal für große Gärten ohne Repeater.
• WLAN: bequem, aber stromhungriger; nur sinnvoll, wenn Netzabdeckung gut ist und Energie keine harte Grenze ist.

Für Smart-Garden-Installationen mit mehreren Sensorpunkten ist LoRaWAN oft die pragmatischste Lösung, weil Gateways große Flächen abdecken können und die Knoten lange schlafen.

Gateway und Datenfluss: MQTT, Home Assistant und Dashboards

Ein Funkknoten wird erst dann „smart“, wenn die Daten sinnvoll verarbeitet werden: Visualisierung, Alarmierung, automatische Bewässerung und Langzeittrends. In vielen Projekten hat sich MQTT als leichtgewichtiges Protokoll etabliert, weil es gut mit Heimautomatisierung und Cloud-Backends harmoniert.

• MQTT-Broker: sammelt Messwerte, verteilt sie an Verbraucher (Dashboard, Automationslogik).
• Home Assistant: einfache Automationen, Historie, Benachrichtigungen und Integration vieler Geräte.
• Dashboards: z. B. Grafana/InfluxDB für Trendanalyse und Vergleich verschiedener Beete.

Für Protokollverständnis ist MQTT.org – Protokollgrundlagen eine solide Referenz. Wenn Sie Smart-Home-Automationen planen, ist Home Assistant ein verbreiteter Einstiegspunkt.

Low-Power-Design: Monate Laufzeit mit STM32 erreichen

Im Garten sind Batterien oder kleine Solarzellen beliebt. Damit ein Funkknoten über Monate läuft, muss der STM32 den Großteil der Zeit schlafen. Typischer Ansatz: alle 10–30 Minuten aufwachen, messen, senden, schlafen. Bei Regen- oder Hitzewellen können Sie adaptiv häufiger messen.

• Sleep/Stop-Modi: STM32 so konfigurieren, dass der Strom im Schlaf im µA-Bereich liegt.
• RTC-Wakeup: Zeitgesteuertes Aufwachen ohne ständig laufende CPU.
• Peripherie konsequent aus: ADC, SPI, Funkmodul nur bei Bedarf aktivieren.
• Mess- und Sendephase kurz halten: möglichst wenig Zeit im „aktiven“ Zustand.

Als Faustregel: Jede zusätzliche Sekunde Aktivzeit ist deutlich teurer als eine Minute Schlaf. Deshalb lohnt es sich, Messung und Funkpaket klein und effizient zu halten (z. B. nur normierte Feuchte, Temperatur, Batteriespannung).

Batteriemessung und Zustandsdiagnose: Damit der Knoten nicht „still stirbt“

Eine stabile Smart-Garden-Infrastruktur braucht Diagnosewerte. Dazu gehören Batteriespannung, ggf. Versorgung des Sensors und einfache Plausibilitätschecks. So erkennen Sie rechtzeitig, ob ein Knoten ausfällt oder Messwerte driftend unplausibel werden.

• Batteriespannung: über Spannungsteiler und ADC, nur kurz einschalten (Power-Gating auch hier).
• Plausibilitätsgrenzen: Feuchte kann nicht „in einer Minute von 20 % auf 90 %“ springen, außer es wird gegossen oder regnet stark.
• Heartbeat: regelmäßiges Lebenszeichen, damit das Gateway Ausfälle erkennt.

Bewässerungslogik: Von Schwellwerten zu datenbasierter Steuerung

Viele Smart-Garden-Systeme starten mit einfachen Grenzwerten. Das ist sinnvoll, wenn die Sensorik neu ist und Sie erst verstehen möchten, wie Ihr Boden reagiert. Danach können Sie die Logik verfeinern.

• Schwellwert + Hysterese: stabil, gut verständlich, schnell implementiert.
• Trendbasierte Bewässerung: Bewässerung, wenn die Feuchte über mehrere Messpunkte fällt (robust gegen Ausreißer).
• Zeitfenster-Logik: nur morgens/abends bewässern, um Verdunstung zu reduzieren.
• Regen- und Temperaturberücksichtigung: optional über Wetterdaten oder lokale Sensoren.

Für eine fachliche Einordnung von Verdunstung/Transpiration und warum Tageszeit relevant ist, ist der Überblick zur Evapotranspiration hilfreich.

Gehäuse und Outdoor-Tauglichkeit: IP-Schutz, Kondensation und Sensorplatzierung

Ein Gartenknoten muss Witterung aushalten. Ein „wasserdichtes“ Gehäuse ist nicht automatisch die Lösung, weil Kondensation im Inneren entstehen kann. Sinnvoll sind Outdoor-Prinzipien:

• IP-geeignetes Gehäuse: Spritzwasserschutz, Kabeldurchführungen mit Dichtungen.
• Druckausgleich: Membranventile oder konstruktive Belüftung gegen Kondenswasser.
• Korrosionsschutz: vergoldete Kontakte, Schutzlack (Conformal Coating) bei Bedarf.
• Sensorplatzierung: in der Wurzelzone, nicht zu nah an Tropfern (sonst lokale Übernässung misst „zu gut“).

Auch die Funkantenne profitiert von sinnvoller Platzierung: nicht direkt im Boden, nicht abgeschirmt durch Metall, und mit ausreichendem Abstand zu großen Wasserflächen oder Leitungen, die das Signal dämpfen können.

Skalierung im Garten: Mehrere Knoten, Vergleichbarkeit und Wartung

Sobald Sie mehr als einen Funkknoten einsetzen, wird Systemdesign wichtig. Dann zählen Themen wie eindeutige IDs, Firmware-Updates, Parametervarianten und Wartungsroutinen.

• Knoten-ID und Standort-Metadaten: Beetname, Sensor-Tiefe, Bodenart als Konfigurationsparameter.
• Kalibrierwerte pro Knoten: rdry und rwet speichern und versionieren.
• Wartungsmodus: schnelle Messung per Tastendruck/Debug-Command, um vor Ort zu prüfen.
• Firmware-Update-Strategie: z. B. per Kabel/Bootloader oder über Gateway (je nach Funk/Stack).

Praxis-Checkliste: Smart Garden Bodenfeuchte-Analyse mit STM32-Funkknoten stabil umsetzen

• Sensor passend wählen: kapazitiv für Langzeitbetrieb, resistiv nur mit Vorsicht und guter Materialwahl.
• Power-Gating nutzen: Sensor nur während der Messung versorgen, um Drift und Batterieverbrauch zu senken.
• Messung vom Funk trennen: erst messen, dann senden, um Störungen im ADC zu vermeiden.
• Kalibrierung vor Ort: trocken/nass als 2-Punkt-Kalibrierung pro Beet, Grenzwerte nicht „kopieren“.
• Filter und Ausreißer-Logik: Median/Mittelwert und Hysterese für stabile Automationen.
• Funk nach Reichweite auswählen: LoRaWAN für große Flächen, BLE/WLAN nur bei passenden Rahmenbedingungen.
• Daten sinnvoll nutzen: MQTT und Automationen (z. B. Home Assistant) für Historie, Alarme und Steuerung.
• Outdoor-Design ernst nehmen: Gehäuse, Kondensation, Korrosionsschutz und Sensorplatzierung entscheiden über Zuverlässigkeit.
• Diagnose integrieren: Batteriespannung, Heartbeat und Plausibilitätschecks verhindern „stille“ Ausfälle.

IoT-PCB-Design, Mikrocontroller-Programmierung & Firmware-Entwicklung

PCB Design • Arduino • Embedded Systems • Firmware

Ich biete professionelle Entwicklung von IoT-Hardware, einschließlich PCB-Design, Arduino- und Mikrocontroller-Programmierung sowie Firmware-Entwicklung. Die Lösungen werden zuverlässig, effizient und anwendungsorientiert umgesetzt – von der Konzeptphase bis zum funktionsfähigen Prototyp.

Diese Dienstleistung richtet sich an Unternehmen, Start-ups, Entwickler und Produktteams, die maßgeschneiderte Embedded- und IoT-Lösungen benötigen. Finden Sie mich auf Fiverr.

Leistungsumfang:

• IoT-PCB-Design & Schaltplanerstellung

• Leiterplattenlayout (mehrlagig, produktionstauglich)

• Arduino- & Mikrocontroller-Programmierung (z. B. ESP32, STM32, ATmega)

• Firmware-Entwicklung für Embedded Systems

• Sensor- & Aktor-Integration

• Kommunikation: Wi-Fi, Bluetooth, MQTT, I²C, SPI, UART

• Optimierung für Leistung, Stabilität & Energieeffizienz

Lieferumfang:

• Schaltpläne & PCB-Layouts

• Gerber- & Produktionsdaten

• Quellcode & Firmware

• Dokumentation & Support zur Integration

Arbeitsweise:Strukturiert • Zuverlässig • Hardware-nah • Produktorientiert

CTA:
Planen Sie ein IoT- oder Embedded-System-Projekt?
Kontaktieren Sie mich gerne für eine technische Abstimmung oder ein unverbindliches Angebot. Finden Sie mich auf Fiverr.