Manche Menschen haben einen grünen Daumen. Und dann gibt es Techniker, die eher einen USB-Daumen haben. Was passiert, wenn ein Anwendungsentwickler eines Morgens vor ca. 80 Quadratmetern Rasen steht, die gepflegt werden wollen? Er greift nicht zur Gartenschere. Er greift zur Tastatur. Aus einem ganz alltäglichen Gartenproblem – Wann bewässern? Wie lange? Wann mähen? Warum ist diese eine Ecke schon wieder gelb? – ist über die Zeit eine vollständige Automatisierungsplattform entstanden: mit Sensorik, APIs, selbst entwickelter JavaScript-Logik, KI-gestützten Entscheidungen und einem Webinterface als primäre Bedienoberfläche. Kein fertiges Standardprodukt. Kein Gartenhandbuch. Sondern echte Entwicklerarbeit. Dieser Beitrag erzählt, wie das entstanden ist – und warum dieselbe Denkweise auch in Unternehmen funktioniert.
Vom Gartenproblem zum Automatisierungsprojekt
Wenn Bauchgefühl durch Messwerte ersetzt wird
Der Ausgangspunkt war kein klassisches Gartenhobby. Der natürliche Lebensraum eines Entwicklers sind Serverräume und Codezeilen – nicht Beetränder und Komposterde. Trotzdem wollte der Rasen bewässert, gepflegt, gemäht und dokumentiert werden. Und irgendwann wollte man auch verstehen, warum eine bestimmte Ecke immer wieder gelb wird. Die klassische Lösung wäre: Gartenbuch kaufen, Nachbar fragen, Bauchgefühl entwickeln. Die gewählte Lösung: Sensoren einbuddeln, Daten erfassen, APIs anbinden, Skripte schreiben und KI einbinden. Statt Gartenbüchern entstanden Skripte. Statt Gießkanne wurden APIs angebunden. Das Ziel war klar: ein gepflegter Rasen mit möglichst wenig manueller Routinearbeit – und einem System, das erklärt, was es tut und warum.
Die Plattform: ioBroker, Sensoren und selbst entwickelte JavaScript-Logik
Im Mittelpunkt des gesamten Systems steht ioBroker – eine Open-Source-Automatisierungsplattform, die als zentrale Datenbasis und Ausführungsumgebung dient. Hier laufen alle Fäden zusammen: Sensorwerte, Systemzustände, Wetterstation, Bewässerungssteuerung, Mähroboter, Webinterface, Telegram-Schnittstelle und KI-Entscheidungslogik. Wichtig dabei: ioBroker ist nicht einfach ein Anzeige-Dashboard. Es ist die Plattform, auf der die gesamte Steuerungslogik läuft. Und diese Logik wurde vollständig selbst in JavaScript entwickelt – nicht als fertiges Standardprodukt, sondern als individuell programmierte JavaScript-Logik auf Basis realer Sensordaten, dokumentierter Pflegehistorie und angebundener Schnittstellen. In ioBroker werden zusammengeführt: Bodenfeuchtewerte aus drei kapazitiven Funksensoren (868 MHz, alle 60 Sekunden) Wetterdaten der lokalen Netatmo-Wetterstation und Ecowitt-Sensorik 48-Stunden-Wettervorhersage über externe API Steuerbefehle für drei Bewässerungszonen via Smart-Garden-API Komponenten von Gardena und Rainbird Steuerbefehle für den Mähroboter MOVA Lidax Ultra 800 Eingehende und ausgehende Nachrichten über das Webinterface als primäre Schnittstelle sowie Telegram als zusätzlichen Kanal KI-Anfragen und -Antworten inklusive Bildanalyse Die JavaScript-Skripte verknüpfen all diese Datenquellen, wenden definierte Regeln an, übergeben bei Bedarf strukturierte Datenpakete an die KI und setzen die resultierenden Entscheidungen automatisch in konkrete Steuerbefehle um.
KI-gesteuerte Bewässerung: Drei Zonen, viele Daten, eine Entscheidung
Bedarfsgerechte Bewässerung statt starrem Zeitplan
Drei Bewässerungszonen, angebunden über die Smart-Garden-API, mit Komponenten von Gardena und Rainbird. Vor jeder Bewässerung erstellt die KI einen individuellen Bewässerungsplan – keine starre Taktung, sondern eine kontextabhängige Entscheidung pro Zone. Die KI verarbeitet dafür strukturierte Daten: aktuelle Wetterdaten der lokalen Netatmo-Wetterstation ergänzende Messwerte der Ecowitt-Sensorik 48-Stunden-Wettervorhersage aktuelle Bodenfeuchtewerte aus allen drei Zonen Bewässerungshistorie der letzten Woche dokumentierte Pflegemaßnahmen (Düngung, Nachsaat, Vertikutieren etc.) Pro Zone entscheidet das System: Wie lange bewässern? Ausfallen lassen, weil genug Regen kommt? Notbewässerung bei anhaltender Hitze? Oder pausieren, weil die Bodenfeuchte noch ausreichend ist? Die KI liefert dabei keine garantierten Ergebnisse – sie unterstützt die Entscheidung auf Basis strukturierter Daten, Regeln und dokumentierter Historie. Das Ergebnis: Bewässerung, die zum tatsächlichen Bedarf passt, anstatt stur nach Kalender zu laufen.
Bodenfeuchtesensoren: Messen statt Raten
Drei kapazitive Funksensoren mit 868 MHz liefern alle 60 Sekunden aktuelle Bodenfeuchtewerte aus ca. 7 cm Tiefe – direkt aus dem Bereich, in dem Bewässerung wirkt. Ist die Bodenfeuchte einer Zone bereits ausreichend, wird die Bewässerung für diese Zone einfach übersprungen. Spart Wasser. Schont den Rasen. Macht Sinn. Das System prüft dabei nicht nur die Messwerte, sondern auch die Sensorgesundheit: Batteriestand, Signalqualität, Zeitstempel des letzten Eingangs. Diese Statusinformationen sind jederzeit im Webinterface abrufbar. Fällt ein Sensor aus oder liefert er unplausible Werte, wechselt das System automatisch auf eine regelbasierte Bewässerungslogik – mit entsprechendem Hinweis im Webinterface. Sicherheit durch Redundanz statt blindem Vertrauen in einzelne Messwerte.
Digitales Pflegetagebuch: Der Garten vergisst nichts
Düngung & Produkte
Produkt, NPK-Werte, Menge und Datum werden im Webinterface dokumentiert – inklusive Bild-Upload zur KI-gestützten Düngemittelerkennung und Nährstoffanalyse. Nach Düngung erhöht das System automatisch den Wasserbedarf für bessere Nährstoffaufnahme.
Nachsaat & Rollrasen
Nach Nachsaat oder Rollrasen wird häufiger und kürzer bewässert. Mähintervalle werden ausgesetzt, bis die Einsaat ausreichend angewachsen ist.
Pilzbefall & Krankheiten
Beobachtungen zu Pilzbefall oder Krankheiten werden direkt im Webinterface erfasst und reduzieren automatisch die Feuchtezufuhr. Die KI berücksichtigt diese Einträge bei späteren Entscheidungen.
Vertikutieren & Aerifizieren
Nach mechanischer Rasenpflege wird der Mäher vorsichtiger eingesetzt und Bewässerung angepasst – der Rasen braucht nach Stress Zeit zur Erholung.
Beobachtungen & Notizen
Freie Beobachtungen, Unkrautbehandlungen oder sonstige Maßnahmen lassen sich im Webinterface erfassen und fließen als strukturierte Wissensbasis in zukünftige Entscheidungen ein.
Monatliche Logdateien
Alle Maßnahmen, Sensordaten und Entscheidungen werden als monatliche Logdateien gespeichert – die wachsende Wissensbasis für die KI, einsehbar über das Webinterface.
KI-Rasenanalyse: Das Webinterface als persönlicher Gartenberater
Ein Foto sagt mehr als tausend Bauchgefühle
Über das Webinterface können Rasenbilder direkt hochgeladen und analysiert werden. Ein Foto vom Rasen hochladen, eine kurze Beschreibung oder Frage dazu eingeben, und die KI liefert eine strukturierte Einschätzung: mögliche Hinweise auf Trockenstress, Nährstoffmangel, Pilzbefall oder allgemeine Pflegeprobleme. Für einen Techniker, der eine Gelbfärbung im Rasen nicht sofort von einem WLAN-Problem unterscheiden kann, ist das Gold wert. Wichtig: Die multimodale Bildanalyse liefert Hinweise und Einschätzungen, keine agrarwissenschaftliche Diagnose. Sie unterstützt die strukturierte Beobachtung und hilft dabei, Zusammenhänge früher zu erkennen. Die Ergebnisse fließen als Beobachtung ins Pflegetagebuch ein und können die Bewässerungs- und Mähplanung beeinflussen. Als ergänzender Kanal steht zusätzlich Telegram zur Verfügung.
Pflegemaßnahmen werden primär über das Webinterface dokumentiert – schnell, unkompliziert und ohne separates Verwaltungssystem. Gedüngt, vertikutiert, nachgesät oder Pilzbefall entdeckt? Eintrag im Webinterface erstellen, und das System trägt die Maßnahme mit Zeitstempel ins digitale Pflegetagebuch ein. Für die Düngungsdokumentation steht ein Bild-Upload zur Verfügung: Die KI analysiert das Foto des Düngemittels und unterstützt bei der Erkennung von Produkt und Nährstoffzusammensetzung. Diese Einträge sind nicht nur Dokumentation. Sie sind aktive Datenpunkte: Nach einer Düngung berechnet das System automatisch einen erhöhten Wasserbedarf. Nach Nachsaat wechselt die Bewässerungslogik auf häufigere, kürzere Zyklen. Bei Pilzbefall wird die Feuchtezufuhr reduziert. Nach Stressperioden mäht der Roboter vorsichtiger. Die Pflegehistorie verbessert die Entscheidungsgrundlage – kontinuierlich.
Intelligente Mährobotersteuerung mit MOVA Lidax Ultra 800
Der MOVA Lidax Ultra 800 mäht nicht einfach nach Zeitplan. Das wäre zu einfach – und auch nicht sinnvoll. Stattdessen berechnet das System für jeden Tag ein individuelles Mähintervall auf Basis mehrerer Parameter:
- Temperatur und Luftfeuchtigkeit – bei extremer Hitze bleibt der Mäher in der Station, um den Rasen nicht zusätzlich zu belasten
- Saisonale Wachstumsrate – im Frühjahr wächst Rasen schneller als im Hochsommer, das Intervall passt sich an
- Pflegehistorie – nach Düngung kann häufigeres Mähen sinnvoll sein; nach Nachsaat wird das Mähen ausgesetzt
- Stressphasen – nach Vertikutieren, Aerifizieren oder Rollrasen-Einbau werden Mähpausen eingehalten
- Tageszeit und Igelschutz – in der Dämmerung bleibt der Mäher stationiert
Das Webinterface: Zentrale Schaltzentrale für den smarten Garten
Die primäre Bedienung des gesamten Systems erfolgt über das Webinterface – eine browserbasierte Oberfläche, die alle relevanten Funktionen übersichtlich bündelt. Hier sieht man auf einen Blick die aktuellen Daten aller Feuchtigkeitssensoren, steuert Bewässerung und Mähroboter, erfasst Pflegemaßnahmen, lädt Bilder zur KI-Analyse hoch und ruft Statistiken sowie Wetterprognosen ab. Für den mobilen Zugriff unterwegs steht zusätzlich Telegram als ergänzender Kanal bereit. Das ist bewusst so aufgebaut: Eine zentrale, gut strukturierte Oberfläche senkt die Schwelle zur tatsächlichen Nutzung und macht alle Funktionen – von der Sensoreinsicht bis zur Pflege-Dokumentation – ohne Umwege zugänglich.
Ein Blick ins Webinterface und das Telegram-System: Screenshots aus der Praxis
Die folgenden Screenshots zeigen das System im tatsächlichen Betrieb – primär das Webinterface mit seinen verschiedenen Ansichten sowie ergänzend den Telegram-Kanal. Alle abgebildeten Daten stammen aus dem realen Betrieb. Vor Veröffentlichung wurden alle persönlichen Daten, Chat-IDs, Telefonnummern, API-Schlüssel, Tokens, genaue Standortangaben und sonstige private Informationen unkenntlich gemacht.
Was das mit opticom zu tun hat
Dieselbe Denkweise, andere Aufgaben
Was in diesem Gartenprojekt sichtbar wird, ist keine Spielerei. Es ist eine Denkweise: Probleme analysieren, Datenquellen verbinden, Regeln definieren, KI sinnvoll einbinden, Prozesse automatisieren und Bedienung so einfach wie möglich gestalten.
Im Garten ist das Bewässerung und Rasenpflege – bedienbar über ein zentrales Webinterface. In Unternehmen können es sein:
- Qualitätsmanagement – Messdaten erfassen, auswerten, dokumentieren, Abweichungen früher erkennen
- Produktionsplanung – Sensorwerte, Maschinenstatus und Schichtdaten zusammenführen
- Monitoring – Systemzustände überwachen, Eskalationen steuern, Verantwortliche informieren
- Angebots- und Belegverarbeitung – KI-gestützte Erkennung, Extraktion und Weiterverarbeitung von Dokumenten
- Prozessautomatisierung – wiederkehrende Abläufe automatisieren, Fehlerquellen reduzieren
- Systemintegration – CRM, ERP, Fachsysteme und externe APIs miteinander verbinden
opticom entwickelt individuelle Softwarelösungen, die zu tatsächlichen Prozessen passen – nicht zu Standardannahmen. Ob Web-App, mobile Anwendung, Dashboard oder Chat-Schnittstelle: Die Bedienoberfläche entsteht dort, wo sie tatsächlich genutzt wird.
Man muss kein Experte für ein Thema sein, um es systematisch zu durchdringen. Man braucht die richtigen Daten, die richtigen Verbindungen und die Bereitschaft, Prozesse konsequent zu Ende zu denken.
— opticom IT-Systemhaus GmbH
Fazit: Kein grüner Daumen nötig
Man muss keinen grünen Daumen haben, um einen grünen Garten zu haben. Manchmal reichen ein Einplatinencomputer, Sensoren, APIs, selbst entwickelte JavaScript-Logik, eine KI-Entscheidungsebene, ein durchdachtes Webinterface und die richtige Portion Automatisierungsdrang. Das hier beschriebene System ist kein fertiges Produkt. Es ist kein wartungsfreies Wundermittel. Es ist ein lebendes Projekt, das mit jeder Saison besser wird – weil es dokumentiert, lernt und angepasst werden kann. Es zeigt, was möglich ist, wenn man ein alltägliches Problem konsequent mit Entwicklerdenke angeht. Und das Ergebnis? Der Rasen war übrigens noch nie so grün. Sagt zumindest die KI.