\u2022 RFID (13,56 MHz):<\/strong> selbstklebende, kosteng\u00fcnstige Tags und vergleichsweise sparsame Leseger\u00e4te.<\/p>\n\n\n\n Gerade RFID im Frequenzbereich von 13,56\u202fMHz wirkte attraktiv: Jeder Messpunkt lie\u00dfe sich durch einen RFID-Tag eindeutig identifizieren, ohne dass eine Sichtverbindung notwendig w\u00e4re. Dennoch standen einige Fragen im Raum: Reicht die Lese-Reichweite bei 2,5\u202fm\/s Fahrtgeschwindigkeit aus? Wie zuverl\u00e4ssig werden die Tags erkannt, wenn sie nur Bruchteile einer Sekunde in Reichweite des Leseger\u00e4ts sind?<\/p>\n\n\n\n Um zu pr\u00fcfen, ob RFID mit 13,56\u202fMHz f\u00fcr diese Anforderungen gen\u00fcgt, setzten unsere Xperten zun\u00e4chst auf einen Arduino-basierten Prototypen: Ein RFID-Leseger\u00e4t, ein paar Tags \u2013 und schon konnte es losgehen. Doch die ersten Ergebnisse zeigten, dass eine stabile Erkennung bei einem Tempo von 2,5\u202fm\/s nicht immer gew\u00e4hrleistet war:<\/p>\n\n\n\n \u2022 Der Tag befindet sich bei maximal 5\u202fcm Reichweite gerade einmal 0,04 Sekunden in Lesedistanz.<\/p>\n\n\n\n \u2022 Im Test wurde teilweise nur jedes zweite Mal eine ID erkannt. Die Erkl\u00e4rung f\u00fcr dieses Verhalten liegt in der Funktionsweise von RFID. Erst wenn Tags in Reichweite kommen, werden sie durch das Leseger\u00e4t aktiviert. Sobald ein Tag aktiviert wird, \u00fcbermittelt er seine ID und geht in einen READY-Zustand, in dem er nicht erneut seine ID \u00fcbermittelt. Erst wenn der Tag aus der Reichweite des Leseger\u00e4ts entfernt wird (oder indem aktiv mit ihm interagiert wird), sendet er seine ID bei Aktivierung erneut.<\/p>\n\n\n\n (Bild: RFID zur Positionsbestimmung)<\/p>\n\n\n\n Ein rotierender Testaufbau wurde verwendet, um die Vorbeifahrt unter realistischen Bedingungen zu simulieren. Dabei konnte der Tag wiederholt aus dem Erfassungsbereich entfernt und erneut eingebracht werden, wodurch sich die READY-Problematik umgehen lie\u00df. Die Tests ergaben:<\/p>\n\n\n\n \u2022 Maximale Geschwindigkeit:<\/strong> Unter idealen Bedingungen funktionierte das System noch bei 2,9 m\/s.<\/p>\n\n\n\n \u2022 Bessere Erkennung:<\/strong> Durch die Rotation wurden die Tags mehrfach kurzzeitig in den Lesebereich gebracht, wodurch die Erkennungsrate verbessert wurde. Dennoch blieb die geringe Reichweite problematisch.<\/p>\n\n\n\n Aus den Tests ergaben sich zwei Hauptprobleme:<\/p>\n\n\n\n 1. Zuverl\u00e4ssigkeit:<\/strong> Beim simulierten Vorbeifahren fehlte h\u00e4ufig die Zeit, den Tag sicher zu aktivieren und die ID stabil auszulesen.<\/p>\n\n\n\n 2. Reichweite:<\/strong> Ein Lesebereich von wenigen Zentimetern bedeutete einen zu hohen Aufwand bei der Platzierung der Tags und eine zu geringe Fehlertoleranz.<\/p>\n\n\n\n Somit galt es, weitere RFID-Optionen in Betracht zu ziehen. In Folgetests kam etwa die 868-MHz-Technologie zum Einsatz, mit der sich Lesereichweiten von 50\u202fcm bis hin zu 2\u202fm erreichen lassen \u2013 zudem kann die Sendeleistung flexibel eingestellt werden. Das bietet nicht nur gen\u00fcgend Spielraum f\u00fcr die schnelle Vorbeifahrt, sondern auch f\u00fcr verschiedene Montage- und Umgebungsbedingungen.<\/p>\n\n\n\n Neben der Positionsbestimmung l\u00e4sst sich RFID auch zur Temperatur\u00fcberwachung einsetzen. Daf\u00fcr gibt es RFID-Tags, die mit Akku betrieben werden und \u00fcber l\u00e4ngere Zeitr\u00e4ume eigenst\u00e4ndig Temperaturen messen und speichern k\u00f6nnen. In unserem Projekt war dies zwar nicht zwingend erforderlich \u2013 die Temperaturmessung wurde nur beim Vorbeifahren durchgef\u00fchrt, um einen m\u00f6glichen Temperaturanstieg (z.\u202fB. durch einen defekten Motor) zu erkennen. Allerdings verdeutlicht dieses Szenario das Potenzial von RFID:<\/p>\n\n\n\n \u2022 Positionsbestimmung und Sensordatenverwaltung sind kombinierbar, ohne dass jedes Objekt kostspielig verkabelt oder mit einem eigenen Funkmodul ausgestattet werden muss.<\/p>\n\n\n\n Dieses Beispiel zeigt eindr\u00fccklich, dass Technikl\u00f6sungen nicht nur in der Theorie, sondern vor allem in der Praxis \u00fcberzeugen m\u00fcssen. Eine solch iterative Vorgehensweise \u2013 von der ersten Idee \u00fcber den Proof of Concept bis hin zum angepassten L\u00f6sungsansatz \u2013 ist der Schl\u00fcssel zu belastbaren Ergebnissen. Dabei haben uns vor allem folgende Erkenntnisse weitergebracht:<\/p>\n\n\n\n \u2022 Der erste Ansatz ist selten perfekt:<\/strong> Auch vermeintlich g\u00fcnstige und einfache L\u00f6sungen k\u00f6nnen im Realbetrieb an ihre Grenzen sto\u00dfen.<\/p>\n\n\n\n \u2022 Praktische Tests statt reiner Theorien:<\/strong> Erst im Versuch \u2013 unter realit\u00e4tsnahen Testbedingungen \u2013 zeigt sich, ob eine Technologie robust genug ist.<\/p>\n\n\n\n \u2022 Kosten und Nutzen sauber abw\u00e4gen:<\/strong> Gerade im IoT-Umfeld sind nicht nur Hardwarepreise entscheidend, sondern auch Installations- und Wartungsaufw\u00e4nde.<\/p>\n\n\n\n In unseren Projekten legen wir gro\u00dfen Wert auf dieses iterative Vorgehen. Nur so lassen sich die richtigen Technologien ausw\u00e4hlen und m\u00f6gliche Fehlentwicklungen fr\u00fchzeitig erkennen. Letztlich z\u00e4hlt nicht, sofort die perfekte L\u00f6sung zu haben, sondern schnell herauszufinden, welche Wege zum Ziel f\u00fchren \u2013 und welche nicht. Genau das verstehen wir unter Expertise: flexible, praxisnahe und zugleich wirtschaftliche Software- und Systementwicklung.<\/p>\n","protected":false},"excerpt":{"rendered":" \u00dcber 1.000 Messpunkte, unz\u00e4hlige Sensoren, gro\u00dfe Distanzen \u2013 bei einer Sortieranlage eines Logistikunternehmens in dieser Gr\u00f6\u00dfenordnung wird die \u00dcberwachung schnell zur logistischen Herausforderung. Zwar sind IoT-Ger\u00e4te und entsprechende Sensoren heute erschwinglich, doch bei tausenden Komponenten summieren sich nicht nur die reinen Hardwarekosten, sondern auch Installations- und Wartungskosten. Weder eine durchg\u00e4ngige Verkabelung noch ein separater Akku […]<\/p>\n","protected":false},"author":4,"featured_media":616,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[6],"tags":[],"class_list":["post-614","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-kuenstliche-intelligenz"],"acf":[],"yoast_head":"\nProof of Concept: Praktischer Testaufbau im Labor<\/h4>\n\n\n\n
![\"\"](\"https:\/\/test.itsonix.eu\/wp-content\/uploads\/2026\/05\/911c3d170bee9ed443234ae0a09ab9b3ffdf7a2f-bildiot.jpg\")
<\/p>\n\n\n\nOptimierung des Tests: Rotierender Versuchsaufbau<\/h4>\n\n\n\n
Warum 13,56\u202fMHz nicht die optimale Wahl war<\/h4>\n\n\n\n
Temperatur\u00fcberwachung per RFID \u2013 eine zus\u00e4tzliche M\u00f6glichkeit<\/h4>\n\n\n\n
Fazit: Iteratives Vorgehen zahlt sich aus<\/h3>\n\n\n\n