Auf dem Feld habe ich immer wieder erlebt, dass klassische Feldequipment-Updates teuer und schwerfällig sind. Vor einem Jahr habe ich deshalb eine Hardi-Feldspritze mit einem einfachen LoRa‑IoT‑System nachgerüstet, um die Dosierung feldgenau und variabel zu steuern. In diesem Bericht beschreibe ich Schritt für Schritt, wie ich vorgegangen bin, welche Komponenten ich genutzt habe, welche Probleme aufgetreten sind und welche Ergebnisse ich auf dem Feld gesehen habe.
Warum LoRa und warum Nachrüstung?
LoRa (Long Range) bietet eine gute Reichweite und geringen Stromverbrauch — ideal für große Felder und batteriebetriebene Sensoren. Ich wollte keine teure Herstellerlösung, sondern ein flexibles System, das ich selbst installieren und anpassen kann: günstig, robust und mit offener Software kombinierbar (z. B. The Things Network, TTN). Ziel war variable Tanken/Dosierung auf Teilflächen (Variable Rate Application, VRA) basierend auf GPS‑Positionsdaten und vordefinierten Karten.
Übersicht der Komponenten
Für mein Setup habe ich folgende Grundkomponenten gebraucht:
Ich habe bewusst preiswerte, aber bewährte Module genutzt: ESP32 + SX1276 LoRa‑Module für die Nodes, u‑blox NEO‑M8N GPS für präzise Position, und einen industriellen Reed‑Durchflussmesser (Impuls‑Ausgang). Als Gateway nutzte ich ein Kerlink/Dragino kompatibles Gerät—auf dem Hof alternativ ein Raspberry Pi mit IMST iC880a HAT.
Hardware‑Aufbau an der Spritze
Die Herausforderung war, die Spritzsteuerung sicher in den vorhandenen Hydraulik‑/Elektroaufbau zu integrieren, ohne Herstellersteuerungen zu verändern. Ich habe daher die Hardware extern installiert und die Spritzsektionen über zusätzliche Magnetventile gesteuert. Wichtige Schritte:
Ich habe die Steuerleitungen zu den Magnetventilen mit Schutzrohr geführt und zusätzlich mechanische Notabschaltung (Schlüsselschalter) installiert—Sicherheit geht vor.
Software, Kommunikation und Backend
Kommunikation: Die Nodes senden regelmäßig Telemetrie (Position, Flow, Druck, Ventilstatus) per LoRaWAN an ein Gateway. Auf dem Gateway läuft ein PacketForwarder, der die Daten an TTN weiterleitet. TTN empfängt die Daten, dekodiert die Payload (ich nutze CayenneLPP‑kompatible Struktur) und leitet sie via MQTT an meinen lokalen Server.
Backend & Logik:
Für die Kartenverwaltung habe ich QGIS verwendet, um Zonen mit Sollmengen zu erstellen, die ich als GeoJSON exportiere. Die Zonen lade ich in Node‑RED und kann sie vor der Fahrt noch am Tablet anpassen.
Kalibrierung und Regelalgorithmen
Eine sorgfältige Kalibrierung ist entscheidend. Ich habe in mehreren Schritten kalibriert:
Da LoRaWAN Downlinks limitiert sind, nutze ich einfache Befehle (Setzt Sollwert X) und lasse die Node lokal einen PI‑Regler laufen, der Durchfluss und Sollwert vergleicht. So reduziert sich der Downlinkbedarf und die Reaktion bleibt schnell.
Tests im Feld und Ergebnisse
Die ersten Feldtests waren lehrreich: Verzögerungen bei Downlinks, GPS‑Genauigkeit in randständigen Feldbereichen und die Notwendigkeit redundanter Messwerte (Flow + Druck). Nach Anpassungen zeigte das System aber gute Resultate:
Wichtig: Bei Wind und Spritzzwecken muss die Fahrgeschwindigkeit immer in die Dosierungsberechnung einfließen. Die Node liest die Geschwindigkeit vom Traktor‑CAN (wenn verfügbar) oder schätzt sie aus GPS‑Trackdaten.
Regulatorische und sicherheitstechnische Aspekte
Bei nachgerüsteten Systemen müssen Zulassungen und Sicherheitsvorgaben beachtet werden. Ich habe folgende Punkte berücksichtigt:
Typische Probleme und meine Lösungen
Einige Probleme, die ich löste:
Tabelle: Komponenten, Modelle und grobe Kosten
| Komponente | Beispiel/Modell | Kosten (ca.) |
| LoRaWAN‑Gateway | Kerlink/Dragino/Raspberry Pi + iC880a | 300–1500 € |
| Node (ESP32 + SX1276) | Eigenbau/Heltec/Lopy | 20–80 € |
| GPS‑Modul | u‑blox NEO‑M8N | 60–200 € |
| Durchflussmesser | Reed/Impuls‑Typ | 50–200 € |
| Magnetventile / proport. Ventil | Hardi‑kompatible Ventile | 50–600 € pro Sektion |
| Backend (Server/Software) | Raspberry Pi, Node‑RED, Mosquitto, TTN | 50–200 € |
Tipps für Praktiker
Das Nachrüsten einer Hardi‑Feldspritze mit einem einfachen LoRa‑IoT‑System ist technisch gut machbar und bringt klare Vorteile in Effizienz und Ressourcenschonung. Es erfordert aber sorgfältige Planung, Kalibrierung und die Beachtung sicherheitsrelevanter Vorgaben. Wenn ihr möchtet, kann ich in einem Follow‑Up einen konkreten Schaltplan und den Node‑Code (ESP32) teilen sowie die Node‑RED‑Flows bereitstellen.
