Wenn der Sensor keine Batterie mehr braucht
Passive, drahtlos auslesbare Sensoren schaffen Messpunkte dort, wo Verkabelung, Wartung oder Batteriewechsel bisher unwirtschaftlich waren.
Artikel lesen →Gedanken, Grundlagen und Erfahrungen aus Ambient IoT, Embedded Engineering und industrieller Sensorsignalverarbeitung.
Passive, drahtlos auslesbare Sensoren schaffen Messpunkte dort, wo Verkabelung, Wartung oder Batteriewechsel bisher unwirtschaftlich waren.
Artikel lesen →Erst Kalibrierung, Driftkompensation und Merkmalsextraktion machen aus Messwerten belastbare Entscheidungen.
Artikel lesen →Impedanzmessungen erzeugen Fingerprints, die Alterung, Kontamination oder Prozessabweichungen sichtbar machen können.
Artikel lesen →Viele potenziell wertvolle Messpunkte bleiben heute ungenutzt: Ein Kabel ist zu teuer, ein Batteriewechsel nicht praktikabel oder die verfügbare Baugröße zu klein. Ambient IoT setzt genau dort an. Passive Sensoren beziehen die für Messung und Kommunikation benötigte Energie aus ihrer Umgebung oder aus dem Auslesevorgang.
Das verändert nicht nur die Hardware. Auch Wartung, Lebensdauer und Skalierbarkeit eines Systems müssen neu gedacht werden. Besonders interessant wird das Prinzip bei Verpackungen, Verbrauchsmaterialien, schwer erreichbaren Komponenten und Anwendungen mit sehr vielen Messpunkten.
Ambient IoT bei HAIVEMIND →Rohsignale enthalten Rauschen, Drift, Querempfindlichkeiten und Einflüsse aus ihrer Umgebung. Ein einzelner Messwert beantwortet deshalb selten direkt die industrielle Fragestellung. Entscheidend ist die Verarbeitungskette zwischen Sensor und Anwendung.
Eine robuste Lösung verbindet reproduzierbare Datenerfassung, geeignete Filter, Kalibrierung und aussagekräftige Merkmale. Erst danach folgen Grenzwerte, statistische Modelle oder Machine Learning. Gute Signalverarbeitung beginnt deshalb nicht beim Algorithmus, sondern beim Verständnis von Sensor, Physik und Prozess.
Signal Processing entdecken →Materialien reagieren auf elektrische Anregung charakteristisch. Werden Impedanz und Phase über mehrere Frequenzen betrachtet, entsteht ein mehrdimensionaler Fingerprint. Veränderungen des Materials können dadurch erkennbar werden, obwohl Farbe, Geometrie oder Temperatur nahezu gleich bleiben.
Der praktische Wert liegt im Vergleich: Referenzzustände, Chargen und zeitliche Veränderungen werden objektiv gegenübergestellt. So entstehen neue Ansätze für Flüssigkeiten, Emulsionen, Beschichtungen und industrielle Prozessmedien.
Electrical Fingerprinting entdecken →Wir sprechen gern über die technische Frage hinter Ihrer Anwendung.
Gespräch starten →