Deine Pumpe startet, weil die Zahlen stimmen
Sensoren im Boden, eine Wettervorhersage, die sich selbst überprüft, und ein Modell deines Feldes laufen in Automatisierungen zusammen. Dort fällt die Entscheidung: bewässern, warten oder nichts tun.
Sechs Glieder, von der Messung bis zum Impuls
Eine Zeitschaltuhr bewässert, weil es sechs Uhr ist. FairGrow bewässert, weil Boden, Wetter und dein Feld gemeinsam sagen, dass es nötig ist. So funktioniert das.
Der Sensor sagt, wie feucht es jetzt ist
Ein Bodenfeuchtesensor pro Zone misst im Wurzelraum. Ist der letzte Messwert zu alt, zählt er nicht und es passiert nichts.
Das Wetter, mit ehrlichem Zeugnis
FairGrow stellt mehrere Wettermodelle nebeneinander und prüft jede Vorhersage im Nachhinein. Ist Regen unterwegs, wartet die Empfehlung.
Ein Modell deines Feldes
Eine Wasserbilanz mit deiner Bodenart, deinem Gefälle und dem Copernicus-Höhenmodell. Nicht wie feucht es ist, sondern wann es zu trocken wird.
Die ML lernt, wie dein Boden reagiert
Für jede Pumpe und jeden Sensor lernt das Modell, was ein Impuls bewirkt und wo sich die Feuchte einpendelt. So stoppt die Steuerung rechtzeitig.
Eine Regel, die du lesen kannst
Auf der Arbeitsfläche ziehst du Linien zwischen Blöcken, oder du schreibst eine Regel in YAML. Beides ist lesbar, und eine neue Regel bleibt aus, bis du sie einschaltest.
Die Pumpe bekommt einen Impuls
Kein Befehl, der eingeschaltet bleibt, sondern kurze Impulse, die von selbst enden, innerhalb einer Tagesgrenze und einer Ruhezeit pro Zone.
Ein Vorhersagemodell für dein Feld
Ein Sensor misst an einer Stelle. Dein Feld ist größer als diese Stelle. Darum arbeitet FairGrow mit dem ganzen Gelände: wie Wasser einsickert, wohin es läuft und welche Ecke zuerst austrocknet.
Wie viel, wie schnell und wo
Die Grundlage ist eine Wasserbilanz nach FAO-56: was durch Regen und Bewässerung hereinkommt, was durch Verdunstung verloren geht und wie viel in den Wurzelraum passt. Deine eigenen Messwerte halten diese Bilanz ehrlich.
Dazu kommt das Gelände. Deine Bodenart und das Gefälle innerhalb deiner Feldgrenze zeigen, wie viele Millimeter pro Stunde der Boden aufnehmen kann. Passt die Menge nicht in eine Gabe, sagt die Empfehlung, in wie viele Gaben sie passt. Das Copernicus-Höhenmodell zeigt, welche Ecke am längsten nass bleibt.
So wird die Empfehlung zu einer Vorhersage für deinen Boden statt eines Durchschnitts für die Region. Alle Schwellen und Annahmen findest du auf der Seite Bewässerungsempfehlung.
Lernen, wie dein Boden auf einen Impuls reagiert
Nach einer Gabe schießt der Messwert erst nach oben und fällt dann zurück. Wer in dieser Delle entscheidet, gibt zu viel Wasser. Genau das löst die ML.
Ein eigenes Modell für jede Pumpe und jeden Sensor
Wasser läuft zuerst schnell am Sensor vorbei und sickert dann langsam in den Boden. Das Modell lernt diese zwei Geschwindigkeiten getrennt, für jede Kombination aus Pumpe und Sensor. Damit sagt es voraus, wo sich die Feuchte einpendelt, sobald sich der Boden beruhigt hat.
Das Modell startet im Schattenmodus. Es rechnet mit und hält fest, was es entschieden hätte, steuert aber nichts. Erst wenn es nachweislich besser ist als der rohe Messwert, übernimmt es. Sonst erledigt die normale Regel weiter die Arbeit.
Ändert sich etwas an deiner Anlage, etwa eine neue Sensorposition oder ein neuer Topf, setzt du das Lernen für genau diese Kette auf null. Die alte Messhistorie zählt dann nicht mehr.
Von der Arbeitsfläche zur Regel in YAML
Für die Bewässerung ziehst du Sensor, Wetter, Entscheidungs-Engine und Pumpe auf eine Arbeitsfläche. Willst du mehr kombinieren? Schreib eine Regel im selben Format wie Home Assistant.
alias: Zone 1 bewässern, wenn die Zahlen stimmen# neu gespeichert heißt aus, bis du sie einschaltesttrigger: - platform: numeric_state entity_id: sensor.fg_zone1_soil_moisture below: 40condition: - condition: numeric_state entity_id: sensor.fg_wx_regen_24u below: 2action: - service: switch.turn_on target: entity_id: switch.fg_pump_zone1
Jede Messung wird nutzbar
Deine Bodenfeuchte, der erwartete Regen der nächsten 24 Stunden, VPD, Wärmesummen, Blattnässe und die Satellitenindizes NDVI, NDMI und NDRE: In Automatisierungen ist jeder davon ein Wert, auf den eine Regel reagieren kann. Auch pro Standort, wenn du mehrere hast.
Regeln, die du schon in Home Assistant hast, kommen mit. FairGrow legt eine ausgeschaltete Kopie an, damit du erst siehst, was sie tut. Über die Home-Assistant-Integration kann FairGrow auch Lampen und Schalter schalten, die du dafür freigibst.
Auf der Arbeitsfläche zeigt Prüfen & simulieren, was ein Aufbau tun würde, und der YAML-Editor prüft eine Regel, bevor du sie speicherst.
Die Vorhersage neben deinen eigenen Boden legen
FairGrow prüft jede Wettervorhersage schon im Nachhinein. Der nächste Schritt: Deine eigenen Sensoren werden zum Schiedsrichter, statt eines Wettermodells für die ganze Gegend.
Dein Feld als eigene Wetterstation
Unter Vorhersageprüfung siehst du, wie weit voraus du dich auf die Vorhersage verlassen kannst: jede Vorhersage neben dem, was tatsächlich passiert ist, pro Quelle und pro Tag im Voraus. Vorerst stammt diese Wirklichkeit aus einer Reanalyse für die Umgebung.
Ein Feld in einer Senke kühlt nachts stärker ab, ein Gewächshaus hinter einer Windschutzhecke wärmt sich schneller auf. Dein Sensor misst diesen Unterschied jeden Tag. Wir bauen den Schritt, der die Vorhersage daran pro Feld prüft und anpasst, damit das Modell deines Feldes auch dein eigenes Mikroklima kennt.
Ein Teil davon läuft schon: In den Krankheitsmodellen passt FairGrow die Vorhersage für Temperatur und Luftfeuchte bis zu drei Tage voraus mit einem Sensor im Umkreis von 250 Metern an, sobald dieser einige Tage misst.
Lieber eine Gabe verpassen als ein Feld fluten
Ein System, das weiterpumpt, weil ein Sensor kaputt ist, richtet mehr Schaden an als ein System, das nichts tut. Diese Sperren sitzen im Kern, und keine Regel kann sie ausschalten.
Der Hauptschalter ist aus
Eine Zone startet nur mit Beobachten. Ein Ventil öffnet erst, wenn du sie auf live stellst und den Hauptschalter einschaltest.
Impulse, nie ein offener Hahn
Bricht die Verbindung im falschen Moment ab, endet der Impuls von selbst, statt weiterzulaufen.
Ein alter Messwert ist kein Messwert
Ist der letzte Feuchtemesswert zu alt, wird nicht gepumpt. Dein Bildschirm sagt dir, warum es ruhig ist.
Stopp bei Regen
Fängt es während einer Gabe an zu regnen, stoppt die Gabe. Zeigt die Vorhersage mehr als ein paar Millimeter, wird die Gabe verschoben.
Tagesgrenze und Ruhezeit
Jede Zone hat ein Tagesmaximum und eine Mindestzeit zwischen zwei Gaben. Ein defekter Sensor kann nie weiterpumpen lassen.
Erst Schattenmodus
Neue Regeln starten ausgeschaltet, und die ML rechnet zunächst nur mit. Du siehst, was passieren würde, bevor etwas passiert.
Was läuft, was wir bauen und wen wir suchen
Die Kette läuft in kleinem Maßstab an unserer eigenen Anlage. Auf echten Feldern mit echten Anbauern muss sie sich noch bewähren.
Die Kette vom Sensor bis zur Pumpe
- Arbeitsfläche mit Sensor, Wetter, Entscheidungs-Engine und Pumpe
- Wasserbilanz mit Bodenart, Gefälle und Höhenmodell
- ML pro Pumpe und Sensor, zuerst im Schattenmodus
- YAML-Regeln und die Home-Assistant-Integration
Dein Boden als Schiedsrichter
- Die Vorhersage pro Feld an deinen eigenen Sensoren prüfen
- Die Vorhersage für die Empfehlung entsprechend anpassen
- Das Feldmodell sein eigenes Mikroklima lernen lassen
Anbauer, die eine Saison lang mitschauen
- Ein Feld oder Gewächshaus mit einer schaltbaren Pumpe oder einem Ventil
- Bereit, die Empfehlung neben deine eigene Entscheidung zu legen
- Rückmeldungen, die bestimmen, was wir als Nächstes bauen
Kurze Antworten
Schaltet FairGrow meine Pumpe ein, ohne dass ich etwas tue?
Nur wenn du das willst. Eine Zone steht standardmäßig auf Beobachten: FairGrow rechnet, zeigt und hält fest, was es tun würde. Erst wenn du die Zone auf live stellst und den Hauptschalter einschaltest, schaltet das System selbst, und dann immer in Impulsen innerhalb der Tagesgrenze.
Was genau lernt die ML?
Wie dein Boden auf einen Impuls reagiert: wie viel Wasser schnell am Sensor vorbeiläuft und wie viel bleibt. Damit sagt das Modell voraus, wo sich die Feuchte einpendelt, damit die Steuerung nicht in der Delle zwischen zwei Gaben weiterpumpt. Das Modell rechnet zuerst im Schattenmodus mit und übernimmt erst, wenn es besser ist als der rohe Messwert.
Warum nicht einfach eine Zeitschaltuhr?
Eine Zeitschaltuhr weiß nicht, dass letzte Nacht 15 Millimeter Regen gefallen sind oder dass dein Sandboden schneller austrocknet als der Lehm nebenan. FairGrow nutzt deinen Messwert, das Wetter und dein Gelände und lässt eine Gabe aus, wenn sie nicht nötig ist.
Welche Sensoren brauche ich?
Einen Bodenfeuchtesensor pro Zone und eine Pumpe oder ein Ventil, das du schalten kannst, über Zigbee oder über Home Assistant. Die Seite Sensoren zeigt, welcher Sensor wohin passt.
Nutzt ihr meine Sensoren, um die Wettervorhersage zu verbessern?
In den Krankheitsmodellen ja: Dort passt ein Sensor im Umkreis von 250 Metern die Vorhersage für Temperatur und Luftfeuchte bis zu drei Tage voraus an. Für die Vorhersage selbst und die Bewässerungsempfehlung bauen wir das gerade.
Funktioniert das mit Home Assistant?
Ja. Bestehende Automatisierungen bringst du als ausgeschaltete Kopie mit, und FairGrow kann Lampen und Schalter schalten, die du in der Integration freigibst. Mehr dazu unter deine Home-Assistant-Automatisierungen mitbringen.
Jedes Glied im Detail
Hast du ein Feld und eine Pumpe?
Schau eine Saison lang mit. Stell deine Zone auf Beobachten und leg die Empfehlung neben das, was du selbst tun würdest. Erzähl uns von deinem Feld, und wir denken unverbindlich über den Aufbau mit.
