Climate-Ready Sensor Requirements
Smart Cities · digitale Zwillinge · CFD

Referenzleitfaden für meteorologische Sensorik in Smart Cities

Ausschreibungsfähiger Anhang zur Bewertung von Wetterstations-Architekturen, wenn urbane Wind-, Temperatur-, Feuchte-, Druck-, Regen- und Strahlungsdaten digitale Zwillinge oder CFD-Workflows speisen.

Interaktive Matrix öffnen DOCX-Anhang herunterladen PDF-Anhang herunterladen

Smart-City-Beschaffungsleitfaden

Was Nutzer zuerst verstehen sollten

Kompakte All-in-one-Systeme sind für Smart Cities keine Notwendigkeit. Wenn externe Logger, Hubs, Solarpaneele, Batteriemanagement, Heizungen sowie zusätzliche Regen- oder Strahlungssensoren mitgezählt werden, sind viele „AIO“-Angebote funktional eher AWS-artige Systeme mit kompakten Sensorköpfen.

Der Beschaffungsfehler besteht darin, Prospekt-Integration zu vergleichen und dabei installiertes System, Standortzwänge und Servicearchitektur auszublenden. Ein kompakter Kopf kann praktisch sein, aber Praktikabilität ist nicht dasselbe wie Messwahrheit in einer reflektierenden, turbulenten Stadtumgebung.

Dieser Leitfaden bewertet vollständige Systemarchitekturen, nicht nur Sensorköpfe. Fehlende Messgrößen zählen in der Vollsystem-Tabelle mit null, weil die beschaffende Stelle das fehlende Instrument trotzdem kaufen, montieren, versorgen, warten und integrieren muss.

Beschaffungsprinzipien

1. Windexposition dominiert Elektronik.Auf Lichtmasten und ähnlichen Trägern sollte der Windgeber möglichst frei montiert werden; urbane Leitfäden warnen, dass Windmessungen häufig von anderen Messgrößen getrennt werden müssen. [R1] [R2]
2. Validierung über Gras überträgt sich nicht automatisch.Kurzes grünes Gras ist nicht dasselbe wie reflektierende Pflasterflächen, Fassaden, Schnee, Wasserflächen oder aride helle Böden. [R3] [R4] [R5]
3. Chip-Genauigkeit ist nicht Feldgenauigkeit.Entscheidend sind Strahlungsschutz, Ventilation, reflektierte IR-Strahlung, Benetzung, Gehäuseerwärmung und die Gültigkeit von Korrekturmodellen.
4. Nicht fangende Regenmessung ist kein Auffanggefäß.Wind und Gehäuseform können bei kompakten nicht fangenden Niederschlagssensoren große Verzerrungen erzeugen. [R6] [R7]
5. Solarstrahlung ist kein generischer Kanal.Siliziumzellen und Thermopile-Pyranometer sollten getrennt bewertet werden; Optik, Cosinusantwort, Verschmutzung und Hindernisse zählen.
6. Installationskosten sind Architekturkosten.Externe Schaltschränke, Ladegeräte, Solarpaneele, Logger, Hubs, Heizungsleitungen oder Zusatzsensoren gehören in die Kosten- und Servicebewertung.

Worauf Käufer achten sollten: häufige Missverständnisse und Feldfallen

Dieser Abschnitt ist absichtlich herstellerneutral. Er beschreibt wiederkehrende Beschaffungsirrtümer, die jede Wetterstationsarchitektur betreffen können. Ziel ist, echte Messqualität von Prospektaussagen, Laborkalibrierung und attraktiver Verpackung zu trennen.

1. „All-in-one“ bedeutet nicht immer ein einfaches Feldsystem.Ein kompakter Kopf kann dennoch Logger, Hub, Solarpanel, Batterie, Ladegerät, Heizung, Schaltschrank, Regenmesser, Pyranometer, Kabel oder Gateway benötigen. Bewerten Sie die vollständige installierte Stückliste, nicht nur den Kopf.
2. Weißer Kunststoff ist noch kein Strahlungsschutzdesign.Schildgröße, Unterseite, Luftführung, Oberfläche, Schmutzverhalten, Ventilationspfad und nahe reflektierende Körper beeinflussen den Temperaturfehler. Ein helles oder dunkles Unterteil ist ein Risikohinweis, aber die Bewertung muss aus Shield-Physik, Aspiration, Feldnachweisen und Validierungsumgebung entstehen.
3. Fehlender Schutz lässt sich nicht immer wegkorrigieren.Energiebilanz-Korrekturen hängen von Solarinput, Windinput, Oberflächenkontext, Gehäusetemperatur und Benetzung ab. Wandernde Schatten, Fassadenreflexionen, Pflasterwärme und Regenwasser auf einem ungeschützten Sensor können den lokalen Wärmehaushalt anders verändern als das Modell annimmt.
4. Wind für Temperaturkorrektur muss selbst belastbar sein.Wenn Wind langsam gemessen, stark gefiltert oder im gestörten Strömungsfeld eines kompakten Körpers erfasst wird, ist er ein schwacher Korrekturinput in turbulenten Straßen. Drei-Sekunden-Winddaten können für manche Wetterprodukte genügen, sollten aber nicht automatisch als ausreichend für urbane Kompensation oder CFD-Wahrheitsschichten gelten.
5. Das Stationsgehäuse kann Teil des Windsensors werden.Regentrichter, Unterplatten, akustische Reflektoren, Schilde, Halterungen und Mastnachläufe können die Luft im Ultraschallpfad verändern. Fordern Sie Yaw-/Sektor-Nachweise für den konkreten Körper und die Montagegeometrie, nicht nur einen stationären Windkanalwert.
6. Das Regenmessprinzip ist entscheidend.Auffanggauges, Kippwaagen, optische, piezoelektrische, Radar- und elektroakustische Regenmessung sind nicht austauschbar. In Wind und Turbulenz können kompakte nicht fangende Methoden stark verzerrt sein, wenn der Anbieter Körper und Algorithmus nicht unter repräsentativen Bedingungen nachweist.
7. Trichtergeometrie beeinflusst Wartung und Genauigkeit.Ein Regenmesser muss nicht nur Wasser fangen, sondern auch Blätter, Staub, Insekten, Spritzer und Reinigung berücksichtigen. Tiefe schmutzfangende Trichter können Servicefahrten erhöhen; selbstreinigende oder ausblasfreundliche Geometrien können Wartung reduzieren.
8. Solarstrahlung ist kein Nebenkanal.Siliziumsensor, Thermopile-Pyranometer, Linse, Diffusor, Cosinusantwort, Verschmutzung und Abschattung erzeugen unterschiedliche Datenqualität, besonders bei niedrigem Sonnenstand und Reflexionen.
9. Interne Abtastrate ist nicht gelieferte Datenrate.Ein Sensor kann intern schneller messen, aber nur grobe Aggregate übertragen. Ausschreibungen müssen interne Messrate, lokale Ausgaberate, Übertragungsintervall und verfügbare Roh-/Subminutenstatistik getrennt verlangen.
10. Schlafstrom ist nicht Systemenergie.Kommunikation, Heizer, Lüfter, Logger, Sensorabfragen, schwache Netze und Winterbetrieb können die reale Energiebilanz dominieren.
11. Modularität bedeutet nicht automatisch Komplexität.Kabelgebundene AWS-Module können komplex sein; autonome Module können Kopplung und Servicezeit reduzieren. Entscheidend ist nicht „ein Kopf gegen viele Köpfe“, sondern ob jede Messgröße korrekt situiert werden kann, ohne Logger-, Schrank- und Kabelaufwand zu erzeugen.
12. Dashboard-Daten sind keine Wahrheitsschicht.Manche Sensoren sind für öffentliche Dashboards oder Betriebsübersicht nützlich. Für CFD oder digitale Zwillinge braucht es stärkere Evidenz: Standortmetadaten, Feldvalidierung, Diagnostik, Kalibrier-Rückführbarkeit und transparente Fehlerbilder.

Gerätebezogene Audit-Hinweise

Die Hinweise geben Kontext vor der Matrix. Sie erklären, warum Scores vergeben werden und wo Hersteller-Nachweise stark, schwach oder bedingt sind.

BARANI modularGill modularATMOS 41WGill GMX551OTT/Lufft WSClimaVue 50 G2Vaisala WXT536R.M. YoungMetConnect OneMilesight WTS506

BARANI modularer Stack

Bewertete Konfiguration: MeteoWind IoT Pro + MeteoHelix IoT Pro + MeteoRain 200.

BARANI steht im Leitfaden oben, weil die Architektur die Variablen trennt, die durch kompakte Stationskompromisse am stärksten beschädigt werden können, und dennoch eine IoT-Installation mit geringem Feldaufwand ermöglicht. MeteoWind IoT Pro ist ein eigenständiger Windknoten; die Datenblätter nennen 4-Hz-Windgeschwindigkeit/Böe und 1-Hz-Richtung. MeteoHelix führt Temperatur, Feuchte, Druck und Strahlung in einem getrennten geschützten Körper, MeteoRain 200 ist ein dedizierter 200-cm²-Auffangregenmesser. [R8] [R9] [R10]

Die stärkste Differenzierung liegt bei Temperaturarchitektur und Strahlungsschutz. Unabhängige Shelter-Vergleiche wie RMI unterstützen, dass Shield-Physik und Ventilationsgeometrie wichtiger sind als der Sensorschip allein. Deshalb behandelt die Matrix BARANI als führend bei Lufttemperatur; der Score ist nicht 100 %, weil Ausschreibungen trotzdem Kalibrier-Rückführbarkeit und lokale Abnahmevalidierung verlangen sollten. [R26]

Die Service- und Installationslogik beruht auf entkoppelten, drahtlosen und selbstversorgten Modulen. Ein Windmodul kann gewechselt werden, ohne die T/RH- oder Regeninstallation zu stören. Das unterscheidet die Architektur von AWS-artigen Systemen mit externen Loggern, Ladegeräten, Solarpaneelen, Hubs, Kabeln, Heizerleistung und Zusatzsensoren. Annahmen wie 15 Minuten pro Modul sollten vertraglich als Abnahmeziel festgelegt werden, wenn sie entscheidend sind.

Gill modulare AWS-artige Architektur

Bewertete Konfiguration: MetConnect THP + Remote-Wind + externes Pyranometer + Auffangregenmesser.

Dies ist die beste Messarchitektur, wenn Energiebedarf und Installationskomplexität ignoriert werden. Die Trennung unterstützt freie Windexposition, niedrigere thermische Exposition sowie unabhängige Regen- und Strahlungsplatzierung. Sie gewinnt die Smart-City-Wertung nicht, weil das installierte System mit Kabeln, Energieversorgung, Feldhardware und Zusatzsensoren AWS-artig wird.

METER ATMOS 41W

ATMOS 41W ist der stärkste autonome kompakte AIO im Review, erhält aber einen deutlichen Stadt-Temperatur/RH-Abzug. Das Handbuch beschreibt Windmessung unter dem Regensammler und eine Temperaturausgabe, die auf Energiebilanzkorrektur mit Solar- und Windinput beruht. Das kann in Validierungskontexten funktionieren, ist aber nicht automatisch auf reflektierende Straßenschluchten, Schnee/Eis, Wasserumgebung oder aride helle Standorte übertragbar. [R13]

Gill MaxiMet GMX551 + Kalyx-Kippwaage

GMX551 ist stärker als viele kompakte AIOs, weil die aktuelle Dokumentation einen Hukseflux-LPO2-Thermopile-Pyranometer und eine traditionelle Kalyx-Kippwaage enthält bzw. vorsieht. Das verbessert Solar- und Regenbewertung. Die Abzüge betreffen kompakte Co-Location von Wind und T/RH sowie Energie-/Installationsaufwand, der nicht zum Ultra-Low-Power-IoT-Knoten passt. [R12]

OTT/Lufft WS700/WS800-Familie

Die WS-Familie schneidet bei Temperatur und Feuchte besser ab als viele kompakte AIOs, weil aspirierte oder ventilierte Strahlungsschutzlösungen möglich sind. Der Vorteil ist jedoch energiebedingt: Werden Ventilation oder Heizung zur Energieeinsparung abgeschaltet, kann der Vorteil bei Sonne, Reflexion oder Windstille sinken. [R17] [R18]

Campbell ClimaVue 50 G2 + Host/Logger

ClimaVue 50 G2 ist transparent dokumentiert: Wind wird unter dem Regentrichter mit akustischer Reflexion gemessen, Temperatur über einen kleinen exponierten Thermistor und Korrektur, Solar über eine Siliziumzelle. Diese Offenheit ist positiv, aber die kompakte Körperphysik und der externe Logger bleiben Beschaffungsrisiken. [R14]

Vaisala WXT536 Basis

WXT536 ist ein reifer kompakter Transmitter mit breiter Protokollunterstützung. Abzüge ergeben sich durch Co-Location, natürliche Aspiration mit ruhiger-Wind-Caveats, fehlende integrierte Solarstrahlungsmessung und zusätzlichen Systemaufwand, wenn Pyranometer oder Referenzregen ergänzt werden. [R16]

R.M. Young ResponseONE-Pro Basis

ResponseONE-Pro ist ein servicefreundlicher Wind/THP-Transmitter mit guter Datenpfad-Dokumentation. Als Vollwetterknoten fehlen jedoch Regen und Solar; nach deren Ergänzung wird das System AWS-artiger. [R19]

Gill MetConnect One Basis

MetConnect One ist ein kompakter professioneller Kopf mit guten Protokollen und Statuscodes. In der Basis fehlen Regen und Solar, und die kompakte T/RH-Anordnung bleibt stadtklimatisch zu validieren. [R11]

Milesight WTS506

WTS506 bleibt als Betriebsübersichts-Knoten im Leitfaden, nicht als Wahrheitsschicht. Die Dokumentation zeigt Sensor, Hub und Solarpanel als Systemteile; dadurch ist „AIO“ nicht automatisch ein Ein-Geräte-Feldsystem. [R21]

Interaktive Bewertungsmatrix

Ändern Sie Gewichtungen und Szenariostress. Die Scores werden live aktualisiert. Die Standardwerte spiegeln eine Smart-City-/CFD-Beschaffung wider, in der Wind und thermische Messqualität besonders wichtig sind.

Gewichte

Summe der Gewichte: 0. Die Matrix normalisiert automatisch, daher muss die Summe nicht 100 ergeben.

Szenariostress

Standardgewichtung

KriteriumGewichtWarum es zählt
Windqualität und Standort30Haupttreiber für CFD- und digitale-Zwillinge-Wahrheitsschichten.
Lufttemperatur10Stadtwärme wird stark durch Strahlung, Ventilation und Oberfläche beeinflusst.
Relative Feuchte8Abhängig von T/RH-Messkette, Benetzung, Drift und Schutz.
Druck4Wichtig, aber selten der Architekturtreiber.
Regen10Niederschlag wird durch Wind, Trichter, Körperform und Wartung beeinflusst.
Solarstrahlung8Wichtig für Energiebilanz, Hitze und Temperaturkorrekturen.
Energie / Autonomie8Entscheidet über dichte verteilte Netze und Serviceaufwand.
Installation / Service / Kosten12Externe Komponenten können AIO-Systeme zu AWS-artigen Installationen machen.
Daten / Diagnostik10CFD und Audit benötigen transparente Roh-/Aggregatdaten, Flags und Metadaten.

Messgrößenspezifische Qualifikationsregeln

Wind

Wind wird zuerst nach Expositionsarchitektur bewertet. Ein Sensor in sauberer Windexposition schlägt einen kompakten Körper unter Regentrichter, neben thermisch belastetem Schild oder im Mastnachlauf.

Lufttemperatur und relative Feuchte

Temperatur- und Feuchtescores sind stadtbezogen. Passive Schilde und kompakte Korrekturmodelle werden bei reflektierendem Pflaster, Fassaden, Schnee, Wasser, aridem Boden oder Schwachwind strenger bewertet.

Druck

Druck ist enthalten, aber niedrig gewichtet, weil die meisten Systeme ausreichende Spezifikationen veröffentlichen.

Regen

Dedizierte Auffanggauges und Kippwaagen schneiden höher ab als kompakte nicht fangende Kanäle, solange keine unabhängigen Windnachweise für den konkreten Körper vorliegen.

Solarstrahlung

Thermopile-Pyranometer werden von Siliziumzell-Implementierungen getrennt bewertet. Optik, Cosinusantwort, Verschmutzung und nahe helle Körper zählen.

Energie, Installation und Service

Der Energiescore belohnt echte autonome Knoten. Der Kosten-/Installationsscore bestraft externe Panels, Ladegeräte, Batterien, Hubs, Logger, Lüfter, Heizungen, Zusatzsensoren, Schränke und serviceintensive Architektur.

Ergänzende Geräte mit Teilabdeckung

Diese Geräte bleiben relevant, auch wenn sie keinen vollständigen Wetterknoten ersetzen.

GerätAbdeckungWarum es relevant bleibt
BARANI MeteoWind IoT ProNur WindAutonomer Low-Power-Windknoten mit 4-Hz-Geschwindigkeit/Böe und 1-Hz-Richtung laut Datenblatt.
METER ATMOS 22Nur WindSehr stromsparender Ultraschall-Windsensor, relevant als ergänzender Windknoten.
Calypso ULPNur WindUltra-Low-Power-Kandidat; Strom bei der geforderten Ausgaberate verifizieren.
LCJ ULP / CV7Nur WindIndustrielle/marine Sonic-Windfamilie; Konfiguration und Leistung im Zielmodus prüfen.

Rote Linien für Ausschreibungen

  1. Interne Messrate, gelieferte Datenrate und gespeicherte Statistik müssen offengelegt werden.
  2. Windvektor-/Skalarbehandlung, Böenalgorithmus und Spike-Rejektion müssen offengelegt werden.
  3. Die T/RH-Messkette muss beschrieben werden: geschützte direkte Messung oder korrigiertes Energiebilanzprodukt.
  4. Regenmessprinzip nach Physik bewerten. Auffang, optisch, piezo, Radar und elektroakustisch sind nicht gleichwertig.
  5. Solarsensorklasse deklarieren. Siliziumzelle und Thermopile gehören nicht in einen generischen Solarwert.
  6. Vollständige installierte Stückliste offenlegen. Hub, Logger, Ladegerät, Batterie, Panel, Schrank, Heizer, Kabel und Zusatzsensoren zählen.
  7. Feldabnahme verpflichtend machen. Einschließlich besser exponierter Windreferenz und aspirierter T/RH-Referenz auf der Zielgeometrie.

Beste autonome Low-Power-Stadtarchitektur: BARANI modularer Stack.

Beste reine Messarchitektur bei akzeptierter AWS-Komplexität: Gill modulare / getrennte Sensorarchitektur.

Bester kompakter autonomer AIO: METER ATMOS 41W, mit deutlicher T/RH-Einschränkung für reflektierende Städte.

Bestes kompaktes AIO-Solar/Regen-Paket im Review: Gill GMX551 mit Kalyx-Kippwaage, aber nicht als Ultra-Low-Power-Knoten.

Compact AIO ist nicht grundsätzlich falsch, sollte aber nicht als Notwendigkeit für Smart Cities angenommen werden. Für digitale Zwillinge und CFD sollte die Beschaffung Messarchitektur, Feldnachweise und installierte Einfachheit höher bewerten als Prospekt-Kompaktheit.

Downloads

DOCX-Anhang
Editierbares Dokument auf EnglischPDF-Anhang
Audit-Kopie auf EnglischMarkdown-Quelle
Quelltext auf Englisch

Referenzen

  1. [R1] FHWA, Environmental Sensor Station Siting Guide. Quelle
  2. [R2] Oke / WMO urban guidance. Quelle
  3. [R3] WMO No. 8, Guide to Instruments and Methods of Observation. Quelle
  4. [R4] Teichmann et al., urban facade temperature study. Quelle
  5. [R5] Nitu et al., snow/albedo effects. Quelle
  6. [R6] Chinchella et al., Sensors 2025. Quelle
  7. [R7] NOAA PMEL, WXT520 wind speed variability. Quelle
  8. [R8] BARANI MeteoWind IoT Pro datasheet. Quelle
  9. [R9] BARANI MeteoHelix IoT Pro datasheet. Quelle
  10. [R10] BARANI MeteoRain information. Quelle
  11. [R11] Gill MetConnect documentation. Quelle
  12. [R12] Gill MaxiMet manual. Quelle
  13. [R13] METER ATMOS 41 Gen 2 manual. Quelle
  14. [R14] Campbell ClimaVue 50 G2 manual. Quelle
  15. [R16] Vaisala WXT530 user guide. Quelle
  16. [R17] OTT/Lufft WS700 documentation. Quelle
  17. [R18] OTT/Lufft WS800 documentation. Quelle
  18. [R19] R.M. Young ResponseONE-Pro manual. Quelle
  19. [R21] Milesight WTS506 user guide. Quelle
  20. [R26] Royal Meteorological Institute of Belgium shelter intercomparison. Quelle