Ein Temperatursensor im Lager, ein Türkontakt im Smart Home oder ein Vibrationssensor an einer Maschine: In vielen Projekten soll das Gerät „einfach laufen“ – idealerweise über Jahre. In der Praxis kippt die Erwartung oft, sobald Funk, Messintervall, Batteriechemie und Firmware-Details zusammenkommen. Eine belastbare Planung beginnt daher nicht mit der Nennkapazität auf dem Batterieaufkleber, sondern mit einem sauberen Lastprofil und realistischen Randbedingungen.
Welche Verbraucher bestimmen die Batterielaufzeit im IoT?
Eine IoT-Einheit besteht energetisch meist aus vier Blöcken: Mikrocontroller, Sensor(en), Funkmodul und Stromversorgung (Regler, Schutzschaltungen). Das Entscheidende: Nicht der Durchschnittsstrom einzelner Datenblattwerte, sondern die Summe aus kurzen Stromspitzen und langen Schlafphasen bestimmt die Laufzeit.
Sleep ist nicht gleich Sleep: Leckströme und Peripherie
Viele Designs erreichen theoretisch Mikroampere im Tiefschlaf, scheitern aber an „Nebenverbrauchern“: Pull-up-Widerstände, Pegelwandler, Spannungsregler mit hohem Ruhestrom, LEDs, Debug-Interfaces oder Sensoren, die nicht wirklich abgeschaltet werden. In der Praxis ist der ruhende Gesamtstrom der entscheidende Hebel, weil er über 99% der Zeit anliegt.
Für eine robuste Planung wird der Schlafmodus als eigener Zustand betrachtet: Mikrocontroller im Deep Sleep, Funk aus, Sensorversorgung aus (wenn möglich), und nur ein Wake-up-Timer oder Interrupt aktiv. Ein zusätzlicher Blick gilt Batteriemess-Schaltungen (z.B. Spannungsteiler), die dauerhaft Strom ziehen können, wenn sie nicht per GPIO zugeschaltet werden.
Funkspitzen dominieren: Senden, Empfangen, Reconnect
Funk ist in der Regel der teuerste Vorgang. Besonders tückisch sind nicht einzelne Telegramme, sondern wiederholte Verbindungsaufbauten, Scans, Wiederholungen bei Paketverlust oder schlecht gewählte Sendeleistungen. Auch „kurzes Hören“ auf Downlink-Nachrichten kann je nach Technologie nennenswert Energie kosten.
Wer die Kommunikation plant, sollte den Datenpfad als Sequenz von Zuständen modellieren: Aufwachen → Messung → Verarbeitung → Funk aktivieren → Verbindung/Join → Senden → optional Empfangsfenster → Funk aus → Schlafen. Je stabiler dieser Ablauf ist (wenig Retries, seltene Rejoins), desto planbarer wird die Laufzeit.
Sensoren und Aktorik: Heizer, LED, Relais als Sonderfall
Viele Sensoren sind sparsam, einige sind es nicht. Beispiele: Gassensoren mit Heizelement, optische Partikelsensoren mit Lüfter/LED, oder Ultraschallsensoren mit längeren Aktivphasen. Bei Aktoren (z.B. Relais, Ventile) entscheidet oft die Halteleistung. Solche Komponenten sollten früh identifiziert werden, weil sie das „Sensor schläft, Funk sendet selten“-Paradigma brechen.
So wird die Batterielaufzeit realistisch abgeschätzt
Die Abschätzung basiert auf einer Energiebilanz pro Zyklus und einem Daueranteil im Schlaf. Statt nur mAh zu teilen, wird die Last in Zustände zerlegt und als mittlerer Strom berechnet. Das funktioniert für nahezu alle batteriebetriebenen Designs und zeigt schnell, welche Stellschrauben wirklich zählen.
Lastprofil als Tabelle: Zustände, Dauer, Strom
Ein pragmatischer Ansatz: Eine Tabelle mit Zuständen anlegen, dann pro Zustand Dauer und Strom ansetzen. Daraus entsteht der mittlere Strom.
| Zustand | Dauer pro Zyklus | Typischer Strom | Anmerkung |
|---|---|---|---|
| Deep Sleep | z.B. 299 s | z.B. 8 µA | Gesamtstrom inkl. Regler & Leck |
| Sensor messen | z.B. 200 ms | z.B. 2 mA | inkl. Aufwärmzeit, falls nötig |
| CPU aktiv | z.B. 50 ms | z.B. 6 mA | Sampling, Filter, Paketbau |
| Funk senden | z.B. 40 ms | z.B. 45 mA | Sendeleistung beeinflusst Peak |
| Empfangsfenster | z.B. 80 ms | z.B. 15 mA | Optional, je nach Anwendung |
Aus dieser Aufteilung lässt sich der Energiebedarf pro Zyklus berechnen (Strom × Zeit) und auf einen mittleren Strom umrechnen. Damit wird eine Batterielaufzeit-Berechnung belastbar, weil kurze Peaks nicht mehr „wegdiskutiert“ werden.
Warum die Nennkapazität selten vollständig nutzbar ist
Die angegebene Kapazität (mAh) gilt oft für definierte Entladeströme und bis zu einer bestimmten Endspannung. In IoT-Designs führen drei Effekte zu Abweichungen:
- Entladekurve: Die Spannung sinkt nicht linear. Unterhalb einer Schwelle können Regler oder Funkmodule instabil werden.
- Peaks und Innenwiderstand: Hohe Stromspitzen erzeugen Spannungsabfälle. Je älter oder kälter die Zelle, desto stärker.
- Selbstentladung und Temperatur: Bei langen Laufzeiten sind Lagerbedingungen und Einsatztemperatur relevant.
Praktisch heißt das: Ein Sicherheitsfaktor gehört in die Rechnung, und das Design sollte so ausgelegt sein, dass kurzfristige Peaks die Versorgung nicht unter die Mindestspannung ziehen.
Welche Batteriechemie passt zu Sensoren und Funk?
Die Auswahl der Zelle ist keine Geschmacksfrage, sondern hängt an Stromspitzen, Temperaturbereich, Bauform und Ziel-Lebensdauer. Für viele IoT-Sensoren dominieren Primärzellen (nicht wiederaufladbar), weil sie geringe Selbstentladung und lange Lagerfähigkeit bieten.
Primärzellen (AA/AAA, CR123A, Coin Cells) im Überblick
AA/AAA (alkalisch oder Lithium) sind robust und günstig, CR123A (Lithium) liefert hohe Pulsströme, und Knopfzellen sind kompakt, aber bei Peaks empfindlich. Gerade Knopfzellen funktionieren nur dann stabil, wenn Funkereignisse kurz bleiben und die Elektronik sehr stromarm ist.
Eine häufige Stolperfalle: Die Bauform wird aus Platzgründen gewählt, obwohl die Funkspitzen ein anderes Profil verlangen. Dann folgen sporadische Brownouts, Rejoins und am Ende eine drastisch verkürzte Laufzeit.
Li-Ion/LiPo und Supercaps: sinnvoll bei häufigen Zyklen
Wiederaufladbare Zellen lohnen sich, wenn regelmäßig Energie verfügbar ist (z.B. Ladegerät, Solar, Energierückgewinnung) oder wenn sehr hohe Pulsströme benötigt werden. Dafür steigt der Aufwand: Ladeschaltung, Schutz, Temperaturmanagement und eine klare Strategie, was bei „leerer“ Zelle passieren soll (Fail-Safe).
Energie sparen ohne Funktionsverlust: bewährte Hebel
Die größten Einsparungen entstehen selten durch „noch einen Sleep-Modus“, sondern durch Systementscheidungen: weniger Funkzeit, weniger Aufwachereignisse, weniger Overhead im Protokoll und konsequente Abschaltung von Peripherie.
Mess- und Sendeintervalle entkoppeln
Viele Anwendungen brauchen häufige Messung, aber seltene Übertragung. Ein typisches Muster: lokal puffern, nur bei Grenzwertverletzung oder nach einem größeren Zeitfenster senden. Dadurch sinkt die Funkaktivität, ohne dass Datenqualität verloren geht. Bei Bedarf kann am Edge bereits geglättet oder verdichtet werden, statt Rohdaten zu übertragen. Für das Zusammenspiel von lokaler Verarbeitung und Cloud-Flows passt der Kontext aus Edge Computing im IoT.
Firmware: Wake-up sauber, kurze Aktivzeit, keine Dauer-Tasks
Firmware-Design entscheidet direkt über Stromaufnahme: Unnötige Polling-Schleifen, nicht beendete Peripherie, zu lange UART-Logs oder aggressive Retry-Strategien erhöhen den Verbrauch. Besser sind klar definierte Zustandsmaschinen und harte Zeitbudgets pro Zyklus. Auch Updates spielen hinein: Häufige OTA-Checks oder große Downloads kosten Energie. Für den Betrieb in der Fläche ist die Abstimmung mit IoT-Gerätemanagement mit OTA-Updates relevant, damit Update-Strategien die Batterie nicht leerziehen.
Spannungsregler richtig wählen
Ein effizienter DC/DC-Wandler bringt bei hoher Last Vorteile, kann aber im Leerlauf durch Eigenverbrauch verlieren. Ein LDO ist einfach, verursacht aber bei größerer Spannungsdifferenz Verlustleistung. Die Entscheidung hängt am Profil: lange Schlafphasen bevorzugen sehr niedrigen Ruhestrom; häufige Funkpeaks brauchen stabile Regelung und ausreichend Transientenverhalten. Ein oft übersehener Punkt ist der Ruhestrom des Reglers im Deep Sleep – der zählt immer.
Messung in der Praxis: Strom korrekt erfassen
Ohne Messung bleibt jede Laufzeitangabe eine Vermutung. Gleichzeitig sind IoT-Stromprofile schwer zu messen, weil sie sehr kurze Peaks und sehr kleine Sleep-Ströme kombinieren.
Typische Messfehler und wie sie vermieden werden
- Zu langsames Messgerät: Peaks werden geglättet und unterschätzt.
- Messaufbau beeinflusst das System: Zu hoher Shunt oder lange Leitungen verursachen Spannungsabfälle.
- Nur „Average“ betrachten: Ein scheinbar kleiner Mittelwert kann trotzdem Brownouts durch Peaks erzeugen.
Praktisch hilfreich ist eine Kombination aus: Oszilloskop für Spannungsabfälle am Versorgungspin, Strommessung mit geeignetem Shunt/Verstärker für Peaks und zusätzlicher Langzeitmessung für Sleep-Anteile. Danach lässt sich das Lastprofil aus der Messung direkt in die Rechnung zurückspielen.
Konkrete Schritte für die Projektplanung
- Anwendungsprofil definieren: Messgrößen, Ereignisse, Funkintervalle, Temperaturbereich, Ziel-Lebensdauer.
- Stromzustände modellieren: Sleep, Sensor an, CPU aktiv, Funk senden/empfangen, Fehlerfall (Retries, Rejoin).
- Hardware festlegen: Batteriechemie nach Peakstrom und Umgebung wählen, Regler auf Ruhestrom und Transienten prüfen.
- Firmware-Strategie festzurren: Sensoren hart abschalten, Aktivzeit begrenzen, Senden bündeln, Retries begrenzen.
- Prototyp messen: Peaks und Sleep getrennt erfassen, Brownout-Risiko testen, Sicherheitsfaktor in Laufzeit einbauen.
- Betrieb einplanen: Batteriewechselprozesse, Diagnose (Spannung/Reset-Gründe), Update-Politik definieren.
Entscheidungshilfe: Batterie, Regler und Funk zusammen denken
Die häufigste Ursache für „unerklärliche“ Batterieverluste ist ein Ketteneffekt: Unterspannung durch Peaks → Resets → erneuter Verbindungsaufbau → mehr Funkzeit → noch mehr Peaks. Wer das vermeiden will, bewertet die gesamte Kette aus Batterie-Innenwiderstand, Pufferkapazität, Reglerverhalten und Funkprofil.
Wann ein Pufferkondensator wirklich hilft
Ein ausreichend dimensionierter Kondensator nahe am Funkmodul kann Peaks abfangen, aber er ersetzt keine passende Zelle. Er hilft besonders, wenn die Zelle grundsätzlich geeignet ist, aber bei Kälte/Alter oder ungünstiger Leitungsführung Spannungseinbrüche auftreten. Gleichzeitig muss der Einschaltstrom beim Laden des Kondensators berücksichtigt werden, sonst entstehen neue Probleme beim Aufwachen.
Wartbarkeit und Sicherheit nicht vergessen
Ein Gerät, das lange läuft, wird lange betrieben. Deshalb gehören Diagnosedaten (z.B. Batteriespannung unter Last, Reset-Ursachen) ins Telemetrie-Design. Und: Energiesparen darf Sicherheitsmechanismen nicht aushebeln. Wenn beispielsweise eine sichere Verbindung aufgebaut wird, sollte das so effizient wie möglich geschehen, aber nicht „abgekürzt“. Für Sicherheitsgrundlagen im Betrieb ist IoT-Sicherheit: Geräte segmentieren, härten, überwachen eine passende Ergänzung.
Was bei der Ziel-Lebensdauer in der Praxis oft unterschätzt wird
Geräte, die „zwei Jahre“ laufen sollen, brauchen nicht nur eine rechnerische Reserve, sondern auch robuste Betriebsannahmen: Funkabdeckung kann schwanken, Sensoren altern, und Firmware wird aktualisiert. Daher ist es sinnvoll, Worst-Case-Zustände in die Bilanz aufzunehmen: maximale Sendeleistung, erhöhte Retry-Rate, kalte Umgebung, sowie ein Fehlerbudget für unerwartete Wake-ups (z.B. durch Störungen am Interrupt-Pin).
Wer diese Punkte sauber einplant, erhält nicht nur eine bessere Laufzeit, sondern auch stabilere Daten – weil Resets und Reconnects seltener auftreten und die Übertragung planbarer wird. Damit wird Energieeffizienz im IoT zu einem Engineering-Ergebnis statt zu einer Hoffnung.
