Energiemonitoring mit Open-Source-Technologie: vom Sensor zum Dashboard

In einem neuen Projekt erfasse ich den Energieverbrauch der einzelnen Maschinen eines Fertigungsbetriebs. Ziel ist es, den Fertigungsprozess datenbasiert zu analysieren und so Einsparpotenziale beim Energieverbrauch sichtbar zu machen.

Insgesamt werden rund zehn Maschinen in das System integriert. Dadurch wird der Verbrauch je Anlage messbar, und die gesammelten Daten lassen sich direkt miteinander vergleichen, um gezielt Optimierungen abzuleiten.

Die Hardware: IoT-Computer als Edge-Plattform

Als Hardware-Basis habe ich mich für einen IoT-Computer vom Typ IPC1000 entschieden. Für diesen Anwendungsfall ist das Gerät hervorragend geeignet, da es genügend Leistung für die gesamte Datenerfassung und -verarbeitung direkt am Edge bereitstellt.

Proxmox als Virtualisierungsbasis

Als Virtualisierungsumgebung wurde Proxmox direkt auf dem IoT-Computer installiert. Proxmox erlaubt die Verwaltung von virtuellen Maschinen und LXC-Containern.

Für diese Anwendung habe ich einen LXC-Container auf Ubuntu-Basis eingerichtet. Innerhalb dieses Containers ist zusätzlich eine Docker-Engine installiert, sodass sich das komplette Ökosystem sauber gekapselt aufbauen lässt.

Als Container-Dienste wurden folgende Open-Source-Lösungen integriert:

NodeRED. Auslesen der Energy Meters.

InfluxDB2. Speichern und Verwalten der Energiedaten.

Grafana. Visualisierung der Energiedaten.

NodeRED: Daten aus den Energiezählern erfassen

Mit NodeRED binde ich die Energiezähler über verschiedene TCP/IP-Protokolle an. NodeRED nimmt die Messwerte der Sensoren entgegen und schreibt die gewünschten Daten in die angelegte InfluxDB. Für die Erfassung verwende ich einen Abfragezyklus von einer Sekunde.

Für die Tests vor der eigentlichen Integration habe ich einen Shelly 3EM eingesetzt. Dieser Energy Meter eignet sich nicht für den produktiven Einsatz in einer industriellen Umgebung, war aber ideal, um die NodeRED-Flows vorab aufzubauen und zu testen. So lässt sich die spätere Installation deutlich schneller durchführen.

InfluxDB2: Zeitreihendatenbank mit eigener Visualisierung

InfluxDB2 bringt neben der reinen Datenhaltung auch eine eigene Visualisierungsumgebung mit. Hier lassen sich die Schnittstellen für die Anbindung von NodeRED und Grafana konfigurieren.

Die gespeicherten Daten können damit integriert, verwaltet und direkt visualisiert werden. Je nach Anwendungsfall lassen sich eigene Dashboards bereits in InfluxDB2 anlegen, sodass unter Umständen keine separate Visualisierungslösung mehr nötig ist.

Grafana: flexible Dashboards für die Auswertung

Grafana ist ebenfalls eine Open-Source-Anwendung und dient dazu, Daten aus unterschiedlichen Quellen abzubilden – in meinem Fall aus der InfluxDB. Damit lassen sich verschiedene Dashboards anlegen und der Energieverbrauch übersichtlich darstellen.

Fazit

Mit einem IoT-Computer, Proxmox und einem schlanken Open-Source-Stack aus NodeRED, InfluxDB2 und Grafana lässt sich ein vollständiges Energiemonitoring für einen Maschinenpark aufbauen. Die Architektur erfasst den Verbrauch je Maschine im Sekundentakt und macht ihn vergleichbar – die Grundlage, um den Fertigungsprozess zu optimieren und Energie einzusparen. Wichtig bleibt die bewusste Abwägung: Open Source senkt die Lizenzkosten, der fehlende Hersteller-Support muss im Betriebskonzept jedoch berücksichtigt werden.