, , ,

Wie Cloud-basierte Luftqualitätssensoren die Luftmessnetze der Zukunft möglich machen

Die korrekte Messung der Luftqualität ist ein hochkomplexes und hochwissenschaftliches Thema: Denn Luftqualität ist kein singulärer Parameter; es wird vielmehr eine große Anzahl an Gaskonzentrationen und anderen Parametern mit spezialisiertem Equipment gemessen, um daraus eine Gesamt-Luftgüte zu errechnen. Hierbei gibt es viele verschiedene Faktoren, die die Qualität einer Messung beeinflussen. Dazu gehören zum Beispiel der Standort der Luftqualitätsmessung und nahegelegene Einflüsse, zum Beispiel Baustellen. Je nach der verwendeten Messtechnologie können auch Querempfindlichkeiten der Messelemente, Alterungsprozesse, Drift und andere Faktoren eine Rolle spielen.

Mit der Cloud lassen sich aufwändige Wartungsprozesse vermeiden

Traditionelle Luftmessstationen werden deshalb alle ein bis zwei Wochen von qualifizierten Technikern besucht und gewartet. Das funktioniert bei kleinen Luftmessnetzen, wie etwa den 15 Luftmessstationen der Stadt Hamburg. Bei größeren Luftmessnetzen auf der Basis von kostengünstigeren Luftqualitätssensoren stößt dieses Vorgehen aber an seine Grenzen: Eine regelmäßige Vor-Ort-Wartung von Dutzenden oder gar Hunderten Luftqualitätssensoren lässt sich kaum realisieren. Zudem liegen die Messdaten bei traditionellen Luftmessnetzen erst nach aufwändigen Prüfungen Wochen oder sogar Monate später verifiziert vor.

Deshalb sind die Luftqualitätssensoren von Breeze Technologies eng mit der Environmental Intelligence Cloud verzahnt: Die Sensoren senden die gemessenen Luftdaten in Echtzeit an die Cloud. Dort werden sie plausbilitätsgeprüft und kalibriert, qualitätsgesichert, gespeichert und für die weitere Verwendung im cloud-eigenen Analytics-Portal oder in externen Dashboards und Plattformen verfügbar gemacht. Der gesamte Prozess dauert nur den Bruchteil einer Sekunde. „Wir haben möglichst viel Komplexität der Luftqualitätsmessung, insbesondere auf der Seite der Qualitätssicherung und Datenweiterverarbeitung, in die Cloud verlagert. Das ermöglicht es uns, eine Kalibrierung durch Spezialisten vor Ort zu vermeiden, Wartungsaufwände zu minimieren und die Luftqualitätssensoren einfacher und damit auch kostengünstiger aufzubauen. Die Kalibrierung findet über die Cloud aus der Ferne statt“, erklärt Haris Sefo, Head of Science bei Breeze Technologies.

Externe Einflüsse werden durch Künstliche Intelligenz (KI) herausgerechnet

Vor der Installation werden die Sensoren natürlich in den Labors von Breeze Technologies mit Referenzgeräten geeicht, um sie dann nach der Installation noch an die Umweltbedingungen vor Ort anzupassen. Dadurch, dass in der zentralen Cloud-Plattform viele verschiedene Datenströme zusammenfließen, kann die Datenqualität weiter gesteigert werden. Mit den gesammelten Daten werden KI-Modelle trainiert, die externe Einflussfaktoren wie Querempfindlichkeiten aus den Messdaten herausrechnen. Ein Beispiel: Kostegünstigere Feinstaubmessgeräte können zum Teil auch bei Nebel ausschlagen. Wenn diese lokalen Wetterinformationen jedoch zusammen mit den Messdaten vorliegen, kann dies in der Plausibilitätsprüfung und Echtzeit-Kalibrierung berücksichtigt werden.

Die Genauigkeit und Zuverlässigkeit der Cloud-basierten Kalibrierung wird dabei regelmäßig in Kundenprojekten und bei eigenen Referenz- und Vergleichsmessungen verifiziert.

Abbildung: Vergleichsmessung von Breeze Technologies Cloud-kalibrierten Luftqualitätssensoren mit einem Horiba-Referenzmessgerät

Die Messnetze werden regelmäßig leistungsfähiger und lassen sich auch in andere IT-Systeme integrieren

So wie bei Tesla-Fahrzeugen weitere Funktionen und sogar Motorleistung per Software-Update nachgerüstet werden, werden auch die Cloud-gestützten Luftmessnetze von Breeze Technologies immer besser. Zum einen werden die Messungen noch genauer: je mehr Daten zum Training der KI-Kalibrierungsmodelle verliegen, desto eher können diese auch Grenzfälle erkennen und die Daten entsprechend aufbereiten. Zum anderen lassen sich auch völlig neue Funktionen auf Basis der Messdaten realisieren, wie etwa die Erkennung von nahegelenenen Bränden durch die Veränderung der Luftqualität.

Insgesamt liefert die Unterstützung durch die Cloud bei der Luftqualitätsmessung viele Vorteile: die Nutzer der Luftqualitätssensoren und -daten müssen sich nicht mit einer aufwändigen Datenkalibrierung, mit Plausibilitätsprüfungen, Datenaufbereitungsprozessen und ähnlichen Themen beschäftigen, sondern können die Daten direkt analysieren und weiterverarbeiten. Auch Anbieter von Smart City- und anderen Plattformen profitieren: über standardisierte REST/JSON-APIs lassen sich die geprüften und kalibrierten Daten direkt in diese Systeme einbinden. Die Integration von Luftqualitätsdaten ist damit kein aufwändiges Wissenschaftsprojekt, sondern funktioniert einfach und schnell.