Innovation beginnt oft damit, alltägliche Probleme zu lösen. Bei unserer CoffeeCam ging es mehr um unsere eigenen Bedürfnisse im Büro, aber mit dem PlantsWerk – einem Feuchtigkeits-Monitoring-System für unsere Büropflanzen – hatten wir dann auch wieder unsere Umwelt im Blick. Die beiden kürzlich entstandenen IoT-Projekte präsentieren wir hier.
Die CoffeeCam: Wie wir unserer Kaffeemaschine das Sprechen beigebracht haben
Wir sind glücklicherweise mit einem zuverlässigen Kaffeevollautomaten im Büro gesegnet, der ebenso zuverlässig einen 30-minütigen Reinigungsprozess durchläuft. „Wäre es nicht super, wenn wir am Computer sehen könnten, ob die Maschine gerade reinigt?“ Das war die Frage während einer Wartezeit an der Kaffeemaschine. Daraus entstand schnell eine handfeste Challenge: Könnten wir einen intelligenteren Weg finden, den Status der Kaffeemaschine zu prüfen, ohne den Schreibtisch zu verlassen? Unsere Kaffeemaschine bot zwar keine digitale Schnittstelle oder API, aber wir hatten einen Raspberry Pi und eine alte Webcam zur Hand. Das war der Startschuss für einen kleinen Hackathon – angetrieben von Koffein und Neugier.
Die CoffeeCam einrichten
Wir montierten die Webcam so, dass sie auf das Display der Kaffeemaschine zeigte, und verbanden sie mit dem Raspberry Pi. Mit dem Open-Source-Tool Motion erstellten wir eine einfache Weboberfläche, die Live-Bilder vom Status der Maschine übertrug. So konnte jeder im Browser nachsehen, ob die Maschine frei war. Aber wir wollten mehr – denn auch das manuelle Nachschauen bedeutete Unterbrechungen.
Intelligenz durch Machine Learning
Um die Status-Erkennung zu automatisieren, setzten wir auf TensorFlow. Mit einem leichtgewichtigen neuronalen Netzwerk, das wir mit Bildschirmfotos des Maschinen-Displays (teils mit „Reinigung“-Anzeige, teils ohne) trainierten, konnte unser System zuverlässig zwischen Reinigungszyklen und „bereit zum Brühen“ unterscheiden. Mit nur wenigen Dutzend Bildern pro Kategorie wurde unser Modell schnell zum Experten für Echtzeit-Klassifizierung.
Echtzeit-Benachrichtigungen mit Persönlichkeit
Das letzte Puzzlestück waren die Benachrichtigungen. Die CoffeeCam sollte nicht nur informieren, sondern auch unterhalten. Deshalb entwickelten wir einen Slack-Bot, der Updates an unseren Bürokanal schickt – inklusive witziger, KI-generierter Nachrichten, die die „Stimmung“ der Kaffeemaschine widerspiegeln.
Hier einige unserer Favoriten:
🛁 Wellness-Tag für mich. Ihr könnt euch eine Pause gönnen.
☕Bereit für die nächste Runde Kaffee. Ich wünsche euch einen starken Tag!
🧼 Reinigung läuft. Bitte nicht stören, ich bin empfindlich.
Die Technik dahinter
Die Lösung basiert auf ein paar einfachen Python-Skripten:
Modelltraining: Wir nutzen TensorFlow, um Bilder als „Reinigung“ oder „bereit“ zu klassifizieren.
Erkennung und Benachrichtigung: Das System prüft regelmäßig den Kamera-Feed, wertet die Bilder aus und sendet Slack-Updates, sobald sich der Status ändert.
Mit dem Ergebnis sind wir sehr zufrieden! Das modulare, schlanke Setup ermöglicht es uns, die CoffeeCam künftig auch für andere Bürogeräte zu adaptieren. Was mit der CoffeeCam als spontane Idee begann wurde zu einem praktischen IoT-Projekt, das unseren Arbeitsalltag wirklich verbessert hat. Keine unnötigen Wege mehr zur Kaffeemaschine – und ein bisschen Machine-Learning-Magie sorgt für gute Laune.
PlantsWerk: Wie IoT unsere Pflanzenpflege revolutioniert
Damit auch unsere grünen Kollegen in stressigen Phasen nicht zu kurz kommen, hat sich unser Kollege Brandon einer weiteren Herausforderung gestellt. Er entwickelte ein smartes Sensor-Monitoring-System, das durch smarte Benachrichtigungen zeigt, wann die Büropflanzen Wasser brauchen, und so deren Pflege mühelos macht.
Die Idee: Smarte Pflanzenpflege für das Büro
Brandon wollte seine elektrotechnischen Skills mit den Technologien verknüpfen, die wir im denkwerk täglich nutzen. Sein Ziel: Ein System, das einfach zu kontrollieren ist, automatisch Alarm schlägt und die Pflanzenpflege so einfach wie möglich macht. Das ganze Projekt durchlief sieben Phasen von B wie Bewertung der Bürobedingungen über E wie Einsatz und Einrichtung von Hardware bis zu W wie Website-Konzept. Hier die Facts und Insights aus dem kniffligen IoT-Projekt.
Die Herausforderungen: Von Raum zu Raum, ohne Kabelsalat
Wie vielschichtig dieses Projekt ist zeigte sich schon in der Planungsphase. Die ergab drei zentrale Herausforderungen:
Pflanzen in mehreren Räumen, mit unterschiedlichen Raumgrößen, aber nur ein Router
Keine externen Server zur Datenkontrolle (wie sonst bei IoT-Projekten)
Visuelle Harmonie – keine störenden Kabel im Office
Die Lösung? Ein zentrales Gateway sammelt die Sensordaten und integriert sie in eine eigene denkwerk-Umgebung. Der erste Prototyp für die Hardware überzeugte vor allem optisch (sogar Kabel wurden elegant versteckt).
Hardware & Protokoll: Die richtige Basis für smarte Pflanzen
In der Einrichtungsphase standen wieder drei Faktoren im Fokus: Sensoren, Router und Systemkonnektivität. Nach Abwägung zwischen Resistenz- und Kapazitäts-Sensoren fiel die Wahl klar auf die kapazitiven Modelle, die wie eine Batterie funktionieren. Sie sind präzise, wartungsarm und wenig störanfällig. Für das Vorhaben sind das Zusammenspiel von Wasser und Kondensator ideal.
Der Trick ist, dass das Wasser die Kapazität des Kondensators ohne direkten Kontakt beeinflusst.
Brandon Ceron Perez, Junior Web Developer bei denkwerk
Damit die Sensoren mit dem Router optimal zusammenarbeiten und auch mit dem Gateway und Server verbunden würden, brauchte es ein passendes Kommunikationsprotokoll. Brandon entschied sich für das LoRa-Protokoll – große Reichweite, wenig Energieverbrauch. Er konfigurierte die Sensoren mit Arduino und kalibrierte sie vor der LoRaWAN-Implementierung. Als Sensoren wählte er konkret das SensCAP-System, da es MQTT unterstützt, günstig ist und die erlaubten europäischen Frequenzen nutzt. Damit konnten die Sensoren per LoRa mit einem Router kommunizieren.
Backend-Architektur: Symfony, Datenbank & smarte Benachrichtigungen
Im nächsten Schritt musste der Router mit einem Webserver verbunden werden, was Neuland für Brandon war. Zum Glück konnte er auf die Expertise aus den Tech-Teams bauen. Für das Backend wählte das Team das Symfony-Framework, das eine effiziente Kommunikation zwischen Webserver und Router via HTTP ermöglicht. Die Verbindung zum Frontend erfolgt über JSON, was eine nahtlose Datenübertragung garantiert. Das Backend umfasst drei zentrale Komponenten:
Webserver: Steuert die gesamte Systemlogik und Schnittstellen.
Datenbank: Organisiert die Sensorinformationen, Messdaten und Karten (Maps) zur präzisen Positionierung der Pflanzen.
E-Mail-Benachrichtigungen: Speziell für Administratoren implementiert, um bei niedrigem Batteriestand der Sensoren automatisch Warnmeldungen zu versenden.
Zur kontinuierlichen Überwachung hat das Team mehrere Cronjobs eingerichtet, die in festgelegten Intervallen Messdaten erfassen und auswerten. Je nach Nutzerrolle gibt es Benachrichtigungen per E-Mail (Admins) oder Slack (Team). So bleibt keine Pflanze auf dem Trockenen!
Benutzerfreundliches Frontend & API
Das Frontend bietet eine intuitive Benutzeroberfläche, die es ermöglicht, Pflanzen auf einer 2D-Karte zu platzieren und deren Feuchtigkeitsstatus in Echtzeit zu überwachen. Über unsere REST-API können Karten und Sensoren verwaltet sowie Messdaten eingesehen werden. Besonderes Augenmerk lag auf der Visualisierung des Feuchtigkeitsniveaus. Das optimierte Webportal glänzt durch modernes Design und hohe Benutzerfreundlichkeit.
Apropos Design: Auch die Sensoren selbst sind dank 3D-gedrucktem Gehäuse echte Hingucker geworden:
Die Projekte PlantsWerk und CoffeeCam zeigen:
Innovation muss nicht immer groß und teuer sein. Manchmal reichen ein paar einfache Tools und Experimentierfreude.
Diesen Artikel teilen