Es gibt diesen einen Moment im Sommer, den jeder Gartenbesitzer kennt: Man dreht den Hahn auf, die Pumpe röchelt kurz – und dann kommt nichts mehr. Zisterne leer. Bei uns waren das im vergangenen Sommer gleich mehrere solcher Momente. 10 m³ klingen nach viel, sind es bei wochenlanger Trockenheit aber überhaupt nicht.
Das eigentliche Ärgernis war dabei nicht das leere Becken. Es war, dass ich es immer erst gemerkt habe, als es schon zu spät war. Und da sitze ich nun, rede beruflich täglich über Predictive Maintenance, über Datentransparenz und darüber, dass man Zustände kennen muss, bevor sie eskalieren – und weiß nicht, wie viel Wasser zehn Meter neben meiner Haustür im Boden liegt. Das ließ mir keine Ruhe.
Was daraus wurde, ist ein schönes Beispiel für das, was passiert, wenn ein Ingenieur ein eigentlich kleines Problem hat und sehr viel Zeit zum Nachdenken.
Erster Anlauf: der Drucksensor
Mein erster Gedanke war der naheliegende: ein Drucksensor, unten in die Zisterne, angeschlossen an einen kleinen ESP32 mit WLAN-Antenne. Wassersäule messen, umrechnen, fertig. Charmant günstig, schnell gebaut, und ich hätte mein Bastelbedürfnis befriedigt.
Je länger ich darüber nachgedacht habe, desto unruhiger wurde ich aber. In einer Zisterne setzt sich über die Jahre Sediment ab. Feiner Dreck vom Dach, Laubreste, Schlamm. Und genau darin läge mein Sensor. Ein Messverfahren, das über die Zeit systematisch ungenauer wird, ohne dass ich es merke, ist am Ende schlechter als gar keine Messung – weil ich den falschen Werten dann auch noch vertraue.
Also verworfen.
Zweiter Anlauf: Ultraschall
Nächste Idee: Ultraschall, ebenfalls über einen ESP32. Kontaktlos, kein Kontakt mit dem Wasser, kein Sediment-Problem. Klingt gut.
In der Praxis war mir das dann aber zu ungenau. Ultraschall reagiert empfindlich auf Temperaturschichtungen, Kondenswasser am Sensor und die Geometrie des Schachts. Ich wollte keine Messung, die „so ungefähr“ stimmt – ich wollte einen Wert, dem ich abends um elf blind glauben kann.
Dritter Anlauf: LiDAR – und endlich eine Lösung
Wie so oft hat mich dann die Community weitergebracht. Ich habe geschaut, was andere im Smart-Home-Bereich machen, und bin über ein YouTube-Video auf den Füllstandsmesser von Senvolon gestoßen: kontaktlose Messung per LiDAR, zentimetergenau, IP65, mit 3D-gedrucktem Gehäuse und Anschluss für eine externe WLAN-Antenne.
Und jetzt kommt der Teil, der mich wirklich überzeugt hat:
- Deutscher Hersteller, Entwicklung und Fertigung im Inland.
- Kein Cloud-Zwang. Die Daten bleiben lokal, Konfiguration über eine schlichte eigene Weboberfläche.
- Offene Schnittstelle. Alle Werte lassen sich direkt per MQTT abgreifen.
Genau dieser dritte Punkt war für mich der Dealbreaker in die richtige Richtung. Ich hatte mir zwischenzeitlich zu Hause meinen eigenen Unified Namespace aufgebaut – alle Daten aus dem Haus laufen über einen zentralen MQTT-Broker, sauber strukturiert und für jeden Consumer verfügbar. Ein Sensor, der von Haus aus MQTT spricht, fügt sich da ein, als hätte er schon immer dazugehört. Kein Gateway-Gefrickel, keine proprietäre App, kein Konto irgendwo. Sensor rein, Tankgeometrie eingeben, Topic abonnieren, fertig.
Seitdem weiß ich jederzeit, wie viel Wasser noch da ist. Vor allem aber sehe ich den Verlauf: Wie schnell fällt der Pegel bei 30 Grad? Wie viel bringt ein ordentlicher Regenschauer tatsächlich? Von „ups, leer“ zu „in vier Tagen wird es eng“ ist genau der Sprung, um den es beim ganzen Predictive-Thema eigentlich geht.
Wenn man schon mal den Deckel offen hat
Und weil ich nun einmal dort unten war, wurde aus dem Sensoreinbau ein kleines Gesamtprojekt. Die Zisterne habe ich bei der Gelegenheit gleich komplett gereinigt. Die bestehende Verkabelung der Pumpe – nennen wir sie diplomatisch „historisch gewachsen“ – habe ich ebenfalls ordentlich neu gemacht.
Den Halterungsbaum für Sensor und Antenne habe ich selbst gebaut. Und jetzt kommt der Teil, bei dem meine Frau nur noch den Kopf geschüttelt hat: Ich habe die Halterung im passenden schwarzen RAL-Farbton zum Haus lackiert. In einer Zisterne. Unter einem geschlossenen Deckel. Wo sie außer mir nie wieder ein Mensch zu Gesicht bekommen wird.
Ich weiß, dass es da unten stimmig aussieht. Das reicht mir völlig.
Am Ende habe ich alles noch schän in meinem Homeassistant Dashboard dargestellt.
Teil zwei: der Brunnen
Parallel dazu lief das zweite Wasserprojekt. Meine Eltern hatten sich einen Fertigbrunnen in den Garten gestellt. Aufstellen, Wasser rein, Stecker rein, läuft. Ein Nachmittag Arbeit, danach Kaffee.
Bei mir wurden daraus fünf Wochen.
Das lag zunächst gar nicht an der Technik, sondern an der Physik. Der Stein, den ich ausgesucht hatte, war schlicht zu schwer für die mitgelieferte Standardlösung aus Polypropylen (PP bis 250 kg). Also habe ich die komplette Statik des Beckens samt GFK (Glasfaserverstärkter Kunststoff) Halterung neu ausgelegt – auf 800 kg. Das klingt maßlos, und ist es in gewisser Weise auch. Aber unsere Kleinen spielen an diesem Brunnen im Wasser. Da will ich nicht rechnen, ob es reicht. Da will ich wissen, dass nichts passieren kann, auch wenn sich jemand mit vollem Gewicht daran hängt.
Nachdem der Stein ausgesucht, das Loch gebohrt und das ganze Konstrukt per Kran in den Garten gehoben war, kam die Pumpe hinein. Und mit ihr das nächste Problem: Sie hat einen ganz normalen 230-V-Schuko-Stecker.
Der Stecker musste weg
Meine Familie soll den Brunnen selbstverständlich über unsere Smart-Home-App steuern können – ohne dass jemand hinter den Büschen nach einer Steckdose kramt. Man könnte natürlich eine Zeitschaltuhr nehmen. Aber eine Zeitschaltuhr ist eben nicht smart, sondern nur pünktlich.
Also: Stecker ab, alles über einen Shelly 2PM verdrahtet. Den habe ich anschließend über eine selbst entwickelte Routine in den Gira X1 eingebunden. An dieser Stelle wieder ein herzliches Dankeschön an Kai und seinen Smarthome-Appstore, der die Shelly-Integration direkt mitbringt. Ohne dieses Engagement für die Gira-Community wäre in meinem Haus vieles deutlich mühsamer.
Trotzdem war es am Ende etwas tricky. Ich will im Haus grundsätzlich alles über KNX steuern, der Shelly spricht aber MQTT – ich brauchte also ein sauberes Gateway zwischen beiden Welten. Das Schalten war schnell erledigt. Deutlich mehr Zeit hat mich der Rückweg gekostet: Ich wollte nicht nur einen Befehl senden, sondern auch den echten Ist-Zustand zuverlässig zurück in die App bekommen. Denn ein Schalter, der behauptet, die Pumpe laufe, ohne das zu wissen, ist genau die Art von Halbwissen, die ich in meinem Haus nicht haben will.
Nach einigem Probieren lief es. Der Brunnen meldet jetzt selbst, was er tut.
Die Routine zur Brunnensteuerung im Gira Projekt-Assistenten
Fazit: völlig übertrieben – und genau richtig
Sind wir ehrlich: Für das gleiche Ergebnis hätten ein Zollstock und eine Zeitschaltuhr gereicht. Ein Blick unter den Deckel, ein Dreh am Timer, fertig. Kein LiDAR, keine MQTT-Topics, keine Statikberechnung auf 800 kg, keine RAL-lackierte Halterung, die niemand je sehen wird.
Aber darum ging es nie. Der Reiz liegt für mich genau in diesem Schritt: von „ich schaue mal nach“ zu „mein Haus weiß es und sagt es mir“. Aus einem leeren Becken wurde eine Datenquelle. Aus einer Pumpe mit Schuko-Stecker wurde ein Teilnehmer im System. Und ganz nebenbei ist die Zisterne sauber, die Verkabelung ordentlich und der Brunnen so gebaut, dass ich nachts ruhig schlafe, wenn die Kinder tagsüber daran gespielt haben.
Ja, das ist over-engineered. Und ja, ich bin ziemlich stolz darauf. 🙂
Im nächsten Schritt möchte ich die Füllstandsdaten mit der Wetterprognose verknüpfen: Wenn Regen angekündigt ist, muss ich heute nicht mehr sparsam gießen. Und irgendwann soll die Pumpe selbst wissen, wann sie besser gar nicht erst anläuft. Ich halte euch wie immer auf dem Laufenden.
