Den Startschuss für diese Portfolio-Erweiterung gab ein internes Projekt, in dessen Verlauf unter anderem mit verschiedenen Funkübertragungstechnologien experimentiert wurde sowie mit der Frage, ob sich der Stromverbrauch von mit Sensoren ausgestatteten Geräten durch eine Optimierung der eingesetzten Elektronik und Firmware maßgeblich verringern lässt. Dies ist für viele Gerätehersteller ein wichtiger Punkt, da Smart Devices wie beispielsweise Rauchmelder oder Temperaturfühler bis zu zehn Jahre unverändert im Einsatz sind – und dabei die meiste Zeit im Ruhemodus. Das Ergebnis der Untersuchung: Bis zu 90 % Stromersparnis sind möglich.

Im Rahmen des Projekts ‚LeberLab IoT‘ und unter Anleitung eines erfahrenen STL Projektmanagers testeten die Werkstudenten Leon Angele (Technische Hochschule Nürnberg Georg Simon Ohm) und Kevin Steffan (Friedrich-Alexander-Universität Erlangen) mehrere Monate lang verschiedene industrielle Mess- und Sensorik-Anwendungen und Übertragungstechnologien wie LoRaWAN und MIOTY sowie 5G Kommunikation. Dabei wurden unter anderem die Einsatz- und Optimierungsmöglichkeiten von LoRa-Chips beziehungsweise Transceiver-Modulen erforscht, die dazu mit verschiedenen Sensoren – beispielsweise für Temperatur- oder Luftfeuchtigkeitsmessung - verbunden wurden.

Zusätzlich wurde der angeschlossene Microcontroller unter die Lupe genommen, der die von den Sensoren gemessenen Daten an den LoRa-Chip übergibt, der diese dann drahtlos an ein LoRa-Gateway weiterleitet und auf dem angeschlossenen Raspberry Pi Industrie-PC auslesbar macht. Dabei stand vor allem der Stromverbrauch des Microcontrollers im Fokus der Untersuchungen: Das Forschungsteam wollte beweisen, dass eine Optimierung sowohl der Hard- als auch der Software von Microcontrollern eine signifikante Stromersparnis mit sich bringen kann.

Für das Experiment wurde der Stromverbrauch des im Projekt eingesetzten Microcontrollers durch ein externes Messgerät für Ströme bis wenige Nanoampere gemessen. Schnell wurde klar, dass mit jedem Sendeintervall beziehungsweise während der Datenübertragung der Stromverbrauch deutlich ansteigt – und dass auch in den langen Ruheperioden signifikant Strom verbraucht wird. Das Team erarbeitete daraufhin verschiedene Optimierungsszenarien - darunter die Parametrierung beziehungsweise Anpassung des Spreadingfaktors bei der LoRa-Übertragung: So implizierte eine schnellere Datenübertragung zwar einerseits eine Reichweitenverkürzung und erhöhte Störanfälligkeit, andererseits aber auch einen deutlich geringeren Energieverbrauch. Dieser konnte außerdem auch durch die Optimierung der verbauten Hardware erzielt werden. So entfernte das Team unter anderem nicht benötigte Spannungsregulatoren und koppelte LEDs und weitere Elemente ab, die für die Aufgabenstellung nicht relevant waren. „So ein Mikroprozessor deckt ja eine Vielzahl unterschiedlichster Funktionen ab“, erklären Leo Angele und Kevin Steffan. „Um seinen Stromverbrauch zu senken, haben wir alle deaktiviert beziehungsweise vom Board getrennt, die für das Auslesen und die Übertragung der Daten nicht benötigt werden. Außerdem haben wir dafür gesorgt, dass der Prozessor in Zeiten, in denen er keine Daten überträgt, in einen speziellen Tiefschlafmodus geht – und dafür, dass er danach aber auch ohne Verzögerung und korrekt wieder aufwacht“.

Die Ergebnisse aus dem LeberLab-Experiment präsentieren die Studenten auf dem Messestand von Systemtechnik Leber im Rahmen der Embedded World (21. bis 23. Juni 2022).