Präzise Anwesenheitserkennung mit mmWave und PIR – ganz ohne Kamera
Wir widmen uns heute der Nutzung von mmWave‑ und PIR‑Sensoren zur Anwesenheitserkennung ohne Kameras. Sie erfahren, wie Radar im Millimeterwellenbereich Mikrobewegungen wie Atmung erkennt, wie PIR passiv Wärmestrahlung wahrnimmt, warum die Kombination robust gegenüber Störungen ist und wie sich damit datenschutzfreundliche, reaktionsschnelle Automationen in Wohnungen, Büros und Besprechungsräumen realisieren lassen – zuverlässig, unauffällig und respektvoll gegenüber Menschen.
Physik verstehen: Radarwellen, Infrarot und das Gefühl für Bewegung
Bevor wir entwickeln, hilft ein Gefühl für die zugrunde liegenden Effekte: mmWave arbeitet typischerweise bei 60 oder 77 Gigahertz, durchdringt dünne Stoffe, erkennt kleinste Bewegungen und liefert Entfernungen. PIR reagiert auf Änderungen der Wärmestrahlung, ist energieeffizient, aber blind bei Stillstand. Zusammen entsteht ein System, das menschliche Präsenz auch im Sitzen erkennt, Haustiere besser ausfiltert und ohne Kamerabilder auskommt – ideal für sensible Räume, in denen Privatsphäre und Präzision gleichermaßen zählen.
mmWave im Überblick: Frequenzen, Reichweite, Mikro‑Doppler
FMCW‑mmWave‑Sensoren erzeugen kontinuierlich frequenzmodulierte Signale, deren Echo die Entfernung über die Beat‑Frequenz und die Geschwindigkeit über den Doppler‑Shift preisgibt. Range‑Doppler‑Karten, Clustering und Mikro‑Doppler‑Analysen machen sogar Atembewegungen sichtbar. Antennen‑Layouts, Strahlbreite und SNR bestimmen Reichweite und Winkelauflösung. In Innenräumen sind drei bis zehn Meter üblich, Reflexionen an Wänden helfen, aber erzeugen Mehrwegeeffekte, die mit CFAR‑Detektoren und Trackern beherrscht werden.
PIR‑Grundlagen: pyroelektrische Sensorelemente und Fresnel‑Optiken
Ein PIR‑Sensor misst keine Temperatur, sondern Änderungen im langwelligen Infrarot. Eine Fresnel‑Linse segmentiert das Sichtfeld in Zonen, sodass Bewegung wechselweise positive und negative Impulse auslöst. Das macht den Sensor extrem energiesparend, aber unempfindlich für regungslose Personen. Rauschen durch Heizungen, Sonneneinstrahlung oder Luftströmungen lässt sich mit Bandpass‑Filtern, geeigneter Ausrichtung und sorgfältiger Wahl der Linse deutlich reduzieren, ohne die Reaktionszeit zu verschlechtern.
Datenschutz als Produktvorteil
Anwesenheitserkennung ohne Kameras vermeidet Gesichtsaufnahmen, biometrische Daten und aufdringliche Bilder. Stattdessen entstehen abstrakte Messwerte, die keine Personen identifizieren. Das passt zu Datenschutz‑Grundsätzen wie Datensparsamkeit, Zweckbindung und Privacy by Design. Besonders in sensiblen Umgebungen – Arbeitsplätze, Gesundheitsbereich, Zuhause – schafft diese Herangehensweise Vertrauen, senkt rechtliche Risiken und erleichtert die Einführung. Wer respektvoll gestaltet, steigert Akzeptanz, Nutzung und langfristige Bindung der Anwenderinnen und Anwender.
Keine Gesichter, trotzdem verlässlich: ein Erfahrungsbericht aus dem Großraumbüro
In einer Pilotinstallation mit 40 Arbeitsplätzen verringerte die Kombination aus mmWave und PIR die nächtlichen Fehlalarme um mehr als die Hälfte, obwohl keine Kameras eingesetzt wurden. Mitarbeitende berichteten, dass sie sich wohler fühlten, weil keine Überwachung visuell spürbar war. Gleichzeitig schalteten sich Beleuchtung und Lüftung zuverlässiger, da auch ruhige Tipp‑ und Atembewegungen erkannt wurden. Die Akzeptanz wuchs, nachdem transparent erklärt wurde, welche Daten anfallen und wie sie lokal verarbeitet werden.
Edge‑Verarbeitung und Datensparsamkeit praktisch umgesetzt
Statt Rohdaten permanent zu übertragen, werden Signale lokal vorverarbeitet: Filter, CFAR, Clustering und einfache Klassifikatoren liefern Präsenzzustände und Kontextmerkmale. Nur Ereignisse oder anonymisierte Zähler wandern über MQTT, Matter oder REST. So sinken Netzwerk‑Last, Stromverbrauch und Angriffsfläche. Optional kann ein Pufferspeicher für Debug‑Zwecke aktiviert werden, jedoch standardmäßig deaktiviert und mit strikten Zugriffsrechten geschützt. Diese Architektur zeigt, dass nützliche Funktionen ohne personenbezogene Daten erreichbar sind.
Hardware‑Architektur, Module und Platzierung, die wirklich funktionieren
Die Auswahl passender Bausteine entscheidet über Genauigkeit und Wartbarkeit. Beliebte mmWave‑Module basieren auf Chips wie TI IWR6843, IWRL6432 oder Infineon BGT60TR13C; PIR‑Einheiten reichen von ultra‑sparsam bis hochsensitiv. Antennen‑im‑Paket vereinfachen Design, erfordern jedoch geschickte Montage. Platzierung bestimmt Erfolg: Höhe, Blickwinkel, Abschattungen und reflektierende Oberflächen beeinflussen Ergebnisse stark. Eine saubere Stromversorgung, thermische Entkopplung und ein geeignetes, RF‑freundliches Gehäuse sind ebenso wichtig wie eine praktikable Verkabelung.
Die richtige Position: Decke, Wand oder Tisch?
Deckenmontage liefert oft das stabilste Sichtfeld für mmWave, vermeidet seitliche Abschattungen und deckt Räume gleichmäßig ab. Wandmontage kann Zonen gezielt überwachen, erfordert aber sorgfältige Winkelwahl, um Flure oder Nachbarräume auszublenden. Auf dem Tisch drohen Abschirmungen durch Laptops. Achte auf Metallflächen, Glaswände und Vorhänge. Für PIR gilt: nicht direkt Richtung Fenster oder Heizkörper. Eine kleine Testrunde mit temporären Halterungen spart später langwierige Nachbesserungen und verbessert die Trefferquote erheblich.
Versorgung, Wärme und Gehäusematerialien klug wählen
Stabile 3,3–5 Volt, sauber entkoppelt, verhindern Falschsignale bei Sende‑Pulsen. Wärmequellen nahe beim PIR verfälschen Messungen, also Sensor thermisch isolieren und das Gehäuse belüften. Für mmWave eignen sich RF‑transparente Kunststoffe; Metalle schirmen ab oder verstimmen das Antennenmuster. Achte auf ausreichend Platz für Fresnel‑Linsen und die richtige Ausrichtung. Bei PoE‑ oder USB‑Versorgung ist EMV‑Sauberkeit entscheidend. Ein wohldimensionierter Spannungsregler mit geringem Rauschen verbessert die Gesamtstabilität spürbar.
Umgang mit Störquellen: Klimaanlagen, Glas, Metall und Bewegung außerhalb
Klimaanlagen erzeugen Luftwirbel und Temperaturgradienten – für PIR problematisch, für mmWave meist harmlos. Glas reflektiert Radar unterschiedlich je nach Beschichtung und kann Bewegungen hinter Türen sichtbar machen, was zu Fehlalarmen führen könnte. Metallflächen verursachen starke Mehrwege. Mit Abschirmblechen, cleverer Ausrichtung, virtuellen Sperrzonen und Zeitfenstern lässt sich das zähmen. Zusätzlich helfen Testläufe über mehrere Tage, um wiederkehrende Muster zu erkennen und Filter‑Setups passend zur Umgebung zu verfeinern.
Von Rohdaten zu Entscheidungen: Signalverarbeitung und Fusion
Radar‑Pipeline: Range‑Doppler, CFAR, Clustering und Atemerkennung
FFT in Reichweite und Geschwindigkeit liefert die Basis. CFAR passt Schwellwerte ans Rauschen an, damit schwache Ziele sichtbar bleiben. DBSCAN oder Gating‑basierte Verfahren gruppieren Punkte zu Objekten. Ein einfacher Kalman‑Filter stabilisiert die Bewegung. Mikro‑Doppler‑Analysen erkennen periodische Muster, die auf Atmung oder feine Gesten hindeuten. So entsteht eine robuste Präsenzschätzung, selbst wenn Menschen längere Zeit sitzen, lesen oder konzentriert tippen und sich nur minimal bewegen.
PIR‑Filterung: Rauschen zähmen, Schwellen dynamisch anpassen
Ein Bandpass trennt nützliche Bewegungen von langsamen Temperaturdrifts. Digitale Entprellung vermeidet kurze Fehltriggers. Adaptive Schwellen berücksichtigen Tageszeiten, Raumaufheizung und Sonneneinfall. Ein Zustandsautomat unterscheidet zwischen Aktivierung, Halten und Nachlauf. In Kombination mit Richtcharakteristik und geeigneter Linse sinken Falschalarme stark. Wichtig ist, nicht zu aggressiv zu filtern, um kurze, aber relevante Bewegungen nicht zu verlieren, insbesondere im Eingangsbereich oder bei lichtgesteuerten Szenen.
Fusionslogik: Hysterese, Zustandsmaschinen und probabilistische Modelle
Eine bewährte Strategie nutzt PIR als Wake‑Up, während mmWave die Präsenz kontinuierlich verifiziert. Hysterese verhindert Flattern, wenn Menschen still sitzen. Ein Bayes‑Filter kombiniert Evidenzen beider Sensoren mit Umgebungsvariablen wie Tageszeit. Regeln legen fest, wann ein Raum als frei gilt, obwohl noch Restbewegung messbar ist. So entstehen stabile Entscheidungen mit geringer Latenz, nachvollziehbaren Zuständen und klaren Event‑Signalen für Licht, Klima, Sicherheit oder Raumbuchungssysteme.
Kalibrieren, testen, messen: Qualität sichtbar machen
Gute Systeme entstehen im Feldtest: Szenarien mit unterschiedlichen Distanzen, Blickwinkeln, Möbeln, Glasflächen und Textilien aufsetzen, Tagesverläufe erfassen und Kennzahlen messen. Präzision, Recall, Latenz, Verfügbarkeit und Energieverbrauch bilden die Basis. Edge‑Logs helfen, seltene Fehlalarme zu verstehen. Wichtig ist, echte Nutzung abzubilden – inklusive ruhiger Phasen. Wer Ergebnisse transparent teilt, Feedback einholt und nachjustiert, erreicht spürbar bessere Zuverlässigkeit und steigert Vertrauen in die Lösung.
Integration ins Ökosystem: Firmware, Automationen und Sicherheit
Von der Firmware bis zur Cloud zählt ein durchdachtes Gesamtdesign. Ein Mikrocontroller wertet Signale lokal aus, ein Gateway publiziert Ereignisse über MQTT oder Matter. Home Assistant oder professionelle BMS‑Plattformen setzen darauf Automationen um. Sichere Updates halten Geräte aktuell, Rollen und Rechte schützen Daten. Dokumentation, APIs und Beispiel‑Dashboards erleichtern Integration. Lade andere ein, mitzudiskutieren, Komponenten zu testen und Erfahrungen zu teilen – so wächst ein robustes, offenes Ökosystem.
All Rights Reserved.