Predictive Maintenance mit Vibrationssensoren – was geht schon mit einem ESP32?

Einleitung: Der schmale Grat zwischen Hype und Praxis

Predictive Maintenance (PdM) – also die vorausschauende Wartung auf Basis von Zustandsdaten – ist eines der meistzitierten Versprechen von Industrie 4.0. Die Idee: Sensoren überwachen kontinuierlich den Zustand von Motoren, Pumpen, Lüftern oder Förderbändern und erkennen frühzeitig, wenn ein Lager verschleißt oder eine Unwucht entsteht. Statt starrer Wartungsintervalle oder kostspieliger Stillstände durch Überraschungsausfälle wird die Instandhaltung datenbasiert und effizient.

In der Praxis scheitern viele PdM-Projekte jedoch an den Kosten für professionelle Messsysteme. Ein einzelner IEPE-beschleunigungsaufnehmer (Integrated Electronics Piezo Electric) mit zugehörigem Messverstärker kostet schnell 500–1000 Euro – und das pro Messpunkt. Für kleine und mittelständische Betriebe oft unerschwinglich.

Hier kommt der ESP32 ins Spiel. Der beliebte Mikrocontroller mit integriertem WLAN und Bluetooth kostet unter 10 Euro. Mit einem preiswerten MEMS-Beschleunigungssensor (z. B. ADXL345, MPU6050 oder ICM-20948) für 5–20 Euro lässt sich ein PdM-Knoten für unter 30 Euro aufbauen. Aber: Was kann ein solcher Low‑Cost‑Ansatz wirklich leisten? Wo liegen die Grenzen der MEMS-Technologie? Und wann ist man besser bedient, doch zum teuren IEPE-System zu greifen?

Dieser Artikel gibt eine praxisnahe Antwort – mit Messergebnissen, Fallstricken und einer klaren Entscheidungsmatrix.

Die Physik der Schwingungsmessung: Was wir eigentlich messen müssen

Bevor wir über Sensoren sprechen, müssen wir klären, welche physikalischen Größen für die Zustandsüberwachung relevant sind. Typische Schadensbilder an rotierenden Maschinen:

Die entscheidende Erkenntnis: Niederfrequente Schwingungen (<500 Hz) sind mit einfachen Sensoren gut messbar, hochfrequente Lagersignaturen (>1 kHz) sind eine Herausforderung. Genau hier liegt die Schwäche vieler MEMS-Sensoren.

MEMS vs. IEPE: Die Sensor-Technologien im Vergleich

IEPE (piezoelektrisch)

Der Industriestandard für ernsthafte Schwingungsmessung. Ein piezoelektrischer Kristall erzeugt bei mechanischer Belastung eine Ladung, die in ein Spannungssignal umgewandelt wird. Eigenschaften:

• Großer Frequenzbereich: 0,5 Hz bis >10 kHz typisch
• Weiter Dynamikbereich: >120 dB (20 Bit Auflösung)
• Hohe Empfindlichkeit: 10–100 mV/g
• Benötigt Konstantstromversorgung (2–10 mA bei 18–30 V)
• Preis: 200–1000 € pro Sensor + Messverstärker

MEMS (kapazitiv oder piezoresistiv)

Mikroelektromechanische Systeme, die eine seismische Masse auf einem Siliziumchip ausnutzen. Eigenschaften:

• Begrenzter Frequenzbereich: Oft nur bis 1–2 kHz (Ausnahmen bis 5 kHz)
• Geringerer Dynamikbereich: Typisch 60–80 dB (10–14 Bit effektiv)
• Geringere Empfindlichkeit: 0,1–10 mV/g (oder digital über I²C/SPI)
• Niedrige Versorgung: 3,3 V, wenige mA
• Preis: 2–30 €

Die harte Grenze: Ein typischer MEMS-Sensor wie der ADXL345 (100 Hz maximales Abtastverhalten) ist für PdM unbrauchbar. Bessere MEMS wie der ADXL1002 (±50 g, 11 kHz Bandbreite) oder der ISM330DHCX (6 kHz) nähern sich der IEPE-Klasse an – kosten aber auch 20–50 €.

Der ESP32 als Messrechner: Was er kann – und was nicht

Der ESP32 (insbesondere das Modell ESP32-S3) bietet:

• Zwei 32‑Bit‑Kerntakt bis 240 MHz
• 520 KB SRAM, externer PSRAM bis 16 MB
• 12‑Bit‑ADC (aber mit erheblichen Nichtlinearitäten)
• I²C, SPI, I²S für Sensoranbindung
• WLAN 802.11 b/g/n, Bluetooth 4.2/5.0

Die Stärken:

• Preis/Leistung: Unschlagbar für vernetzte Sensorknoten.
• Integrierte Kommunikation: Kein externes WLAN-Modul nötig.
• FreeRTOS: Ermöglicht Echtzeit-Datenaufnahme und parallele Netzwerkaufgaben.
• Arduino- und ESP-IDF-Ökosystem: Viele Bibliotheken für Sensoren.

Die Schwächen:

• ADC ist miserabel: Der interne ADC des ESP32 hat eine schlechte Linearität (INL bis zu ±12 LSB), hohes Rauschen (ca. 2–3 LSB effektiv) und eine geringe effektive Auflösung (ca. 9–10 Bit). Für präzise Schwingungsmessungen ungeeignet – verwende immer einen externen ADC.
• Keine Floating Point Unit (FPU) im ESP32 klassisch: Der ESP32-S3 hat eine FPU, ältere Modelle nicht. FFT mit Gleitkomma ist dann sehr langsam.
• Begrenzte Rechenleistung für Echtzeit-FFT: Eine 1024‑Punkt‑FFT in Floating Point dauert auf einem ESP32 ohne FPU etwa 5–10 ms – für viele Anwendungen akzeptabel, aber nicht für Hochgeschwindigkeitsabtastung (z. B. 10 kHz Abtastrate erfordert alle 100 µs eine Abtastung, die CPU ist dann stark ausgelastet).

Praktische Umsetzung: Ein ESP32‑PdM‑Knoten zum Nachbau

Komponentenliste

Gesamt: ca. 40–60 € pro Knoten.

Schaltungshinweise

Die größte Herausforderung ist das Rauschen. Ein ESP32 erzeugt durch seine WLAN‑Aktivität hochfrequente Störungen (80 MHz, 160 MHz), die sich auf analoge Signale einkoppeln können. Abhilfen:

• Getrennte Spannungsversorgung für Sensor und ESP32 (zwei LDOs, große Elkos).
• Zusätzliche Ferritperlen in der Versorgungsleitung zum Sensor.
• Analoges Tiefpassfilter vor dem ADC (z. B. 10 kHz Grenzfrequenz, um Aliasing zu vermeiden).
• Abstand zwischen ESP32 und Sensor mindestens 5 cm, am besten in separaten Gehäusebereichen.

Software-Architektur

Die typische PdM‑Software auf dem ESP32 umfasst folgende Aufgaben (in Echtzeit oder in Batch‑Verarbeitung):

1. Datenaufnahme: Der Sensor wird mit konstanter Abtastrate (z. B. 5 kHz) über SPI oder I²S ausgelesen. Ein DMA‑Puffer sammelt z. B. 2048 Samples.
2. Fensterung: Hanning‑Fenster zur Reduzierung von Leckageeffekten.
3. FFT: Berechnung des Amplitudenspektrums. Auf dem ESP32-S3 mit FPU: Eine 2048‑Punkt‑FFT in ca. 3 ms.
4. Extraktion von Merkmalen:
   • Gesamtenergie (RMS)
   • Frequenz der maximalen Amplitude (1× Drehzahl)
   • Amplitude der 2. Harmonischen (für Fehlausrichtung)
   • High‑Frequency Energy Ratio (HF‑Anteil für Lagerschäden)
5. Datenübertragung: Per MQTT an einen Broker (z. B. Node‑RED, InfluxDB, oder direkt in die Cloud).
6. Deep Sleep: Bei batteriebetriebenem Betrieb nach jeder Messung für z. B. 1 Stunde in den Tiefschlaf (Stromverbrauch <10 µA).

Code-Skizze (ESP-IDF, vereinfacht):

c

// Pseudocode – keine vollständige Implementierung
void pdm_task(void *arg) {
    const int samples = 2048;
    float buffer[samples];
    float fft_output[samples/2];
    
    while(1) {
        // Samples von ADC mit 5 kHz sammeln
        adc_read_samples(buffer, samples, 5000);
        
        // Hanning-Fenster
        for(int i=0; i<samples; i++) {
            buffer[i] *= (0.5 * (1 - cos(2*M_PI*i/(samples-1))));
        }
        
        // FFT (via ESP-DSP-Bibliothek)
        dsps_fft2r_f32(buffer, samples);
        // Amplituden berechnen...
        
        // Merkmale extrahieren
        float rms = sqrt(mean_square(buffer));
        float peak_freq = find_peak_frequency(fft_output, sample_rate);
        
        // MQTT senden
        mqtt_publish("factory/motor1/vibration", 
                     "{\"rms\":%f,\"peak_freq\":%f}", rms, peak_freq);
        
        // Sleep für 10 Minuten (bei Batteriebetrieb)
        esp_sleep_enable_timer_wakeup(600 * 1000000);
        esp_light_sleep_start();
    }
}

Die harte Wahrheit: Was ein ESP32‑System NICHT kann

Nach einigen Jahren praktischer Erfahrung mit ESP32‑basierten PdM‑Systemen lassen sich klare Grenzen benennen:

1. Keine hochfrequente Lagersignatur über 2 kHz
Selbst der beste MEMS‑Sensor (z. B. ADXL1002 mit 11 kHz) scheitert oft am Rauschen des ESP32. Die effektive Auflösung für Frequenzen über 2 kHz ist so gering, dass ein beginnender Lagerschaden nicht zuverlässig von Grundrauschen unterschieden werden kann. Für Wälzlager mit hohen Drehzahlen (>3000 U/min) benötigt man IEPE.

2. Keine präzise Amplitudenmessung
Die Toleranz der MEMS-Empfindlichkeit liegt bei ±5–10 %, die Temperaturdrift ist erheblich (0,1 %/°C). Ein professionelles IEPE-System erreicht ±1 % über den gesamten Temperaturbereich. Für Trendanalysen über Monate ist das ein Problem – der Temperaturgang kann als „Verschleiß“ interpretiert werden.

3. Keine Synchronisation mehrerer Kanäle
Für Ordnungsanalysen (z. B. Bestimmung der Drehzahl aus dem Signal) oder Kreuzkorrelationen benötigt man mehrere synchronisierte Kanäle. Der ESP32 kann das nur mit speziellen Timern und externen ADCs, aber die Drift zwischen mehreren ESP32 ist zu hoch (kein gemeinsamer Takt). Für solche Anwendungen sind echte DAQ‑Systeme (z. B. National Instruments, IMC) nötig.

4. Keine Echtzeit-Überwachung
Die typische PdM‑Anwendung ist ein zirkuläres Messen: Alle 10 Minuten wird ein Messblock aufgenommen, verarbeitet und gesendet. Echtzeit (durchgehende Überwachung mit Alarm bei Überschreitung) ist wegen der CPU‑Last und des Energieverbrauchs nicht möglich.

Wann sich der ESP32‑PdM lohnt – und wann nicht

Geeignete Anwendungen

Fallbeispiel: Erfolgreiche Implementierung

Anwendung: Überwachung von 20 Abluftventilatoren in einer Lackiererei. Drehzahl 1200 U/min, typische Schäden: Unwucht durch Lackanlagerung, Lagerschäden nach etwa 2 Jahren.

Lösung: ESP32 mit ADXL345 (100 Hz Abtastrate – für Unwucht ausreichend, für Lager zu niedrig). Jede Stunde eine 10‑Sekunden‑Messung, FFT, Extraktion der 1×‑ und 2×‑Drehzahl-Amplituden. Bei Überschreitung eines Schwellwerts (ermittelt aus 2 Wochen Grundrauschen) wurde eine Meldung an die Instandhaltung gesendet.

Ergebnis: Drei Unwucht‑Vorfälle wurden frühzeitig erkannt (Lackablagerungen). Ein Lagerschaden wurde nicht erkannt (weil die Frequenz >200 Hz lag, außerhalb des nutzbaren Bereichs des ADXL345). Die Lösung kostete pro Ventilator 35 € statt 600 € für ein IEPE‑System. Der Kunde akzeptierte den Kompromiss: Lager werden weiterhin nach Zeitintervallen gewechselt.

Fallbeispiel: Gescheiterter Versuch

Anwendung: Überwachung einer schnelllaufenden Spindel (12.000 U/min) in einer CNC‑Fräse. Charakteristische Lagerfrequenz (Außenringfehler) bei ca. 3,5 kHz.

Lösung: ESP32 mit ADXL1002 (11 kHz Bandbreite) und externem 16‑Bit‑ADC (ADS1115, aber maximal 860 Hz Abtastrate – zu langsam!). Der ESP32 konnte die 20 kHz Abtastrate nur mit SPI‑ADC (z. B. AD7606) erreichen, aber der Aufwand wurde zu hoch. Zudem war das Rauschen des ESP32 bei der hohen Abtastrate so groß, dass das Lagersignal im Rauschen verschwand.

Ergebnis: Nach 4 Wochen Entwicklung wurde das Projekt abgebrochen. Ein professionelles USB‑IEPE‑Messsystem (z. B. imc CANSAS) mit 25,6 kHz Abtastrate pro Kanal löste das Problem – zu Kosten von 5000 €, aber einmalig für alle Spindeln.

Messmethodik: So machst du das Beste aus dem ESP32

Wenn du dich für den ESP32‑Weg entscheidest, befolge diese Regeln:

1. Wähle den richtigen Sensor: ADXL1002 (analog, ±50 g, 11 kHz) für ernsthafte Versuche. Vermeide digitale MEMS mit eingebautem ADC (wie MPU6050) – deren interne Filter sind undokumentiert und für PdM ungeeignet.
2. Verwende einen externen ADC mit hoher Abtastrate: Der ADS1115 ist zu langsam (860 Hz max). Besser: MCP3208 (12 Bit, 100 kHz) über SPI oder echte DAQ‑Module wie ADS1256 (24 Bit, 30 kHz). Noch besser: Ein I²S‑Audio‑ADC (z. B. INMP441 für Mikrofone) – aber das ist ein Umweg.
3. Kombiniere mit Drehzahlsensor: Ohne Kenntnis der aktuellen Drehzahl ist die Frequenzanalyse wertlos (du weißt nicht, ob die 30‑Hz‑Spitze von Unwucht oder von einer externen Quelle stammt). Ein Hall‑Sensor (z. B. OH090U) für 2 € liefert den Takt.
4. Nutze die ESP‑DSP‑Bibliothek: Espressif bietet optimierte FFT‑Funktionen für den ESP32 (dsps_fft2r_f32). Die sind viel schneller als selbstgeschriebene FFTs.
5. Kalibriere das System: Miss die Empfindlichkeit des Sensors mit einer bekannten Schwingungsquelle (z. B. einem kleinen Lautsprecher mit bekannter Amplitude) oder vergleiche mit einem Referenzsensor. Speichere die Kalibrierfaktoren im Flash.
6. Betreibe Trendanalyse statt Absolutwert: Ein einzelner Messwert ist ungenau. Der Trend über Wochen ist verlässlich. Nutze einfache gleitende Mittelwerte oder exponentielle Glättung.

Kostenvergleich: ESP32 vs. professionelles System

Die Wirtschaftlichkeit ist eindeutig: Der ESP32 gewinnt bei vielen Messpunkten mit tolerierbaren Einbußen bei der Genauigkeit. Für kritische Anlagen oder gesetzlich überwachte Maschinen (z. B. Aufzüge, Krane) ist das professionelle System jedoch Pflicht.

Fazit: Der ESP32 ist kein Wundermittel, aber eine echte Alternative

Predictive Maintenance mit dem ESP32 ist kein Ersatz für hochwertige IEPE‑Messketten, aber eine ernstzunehmende Option für Anwendungen mit niedrigen Drehzahlen, geringen Anforderungen an die absolute Genauigkeit und starkem Kostendruck. Der Handwerker, der seine Lüfter und Pumpen überwachen will, kann mit wenigen Euro pro Messpunkt einen echten Mehrwert schaffen – sofern er die Grenzen kennt und die Messmethodik beherrscht.

Die größte Gefahr ist die Selbstüberschätzung. Wer versucht, mit einem 10‑Euro‑Sensor und einem ESP32 einen hochfrequenten Lagerschaden zu erkennen, wird scheitern. Aber wer die Physik versteht, den richtigen Sensor wählt (ADXL1002 oder ISM330DHCX), ein rauscharmes Layout realisiert und die Trendanalyse beherrscht, der kann für 45 € pro Messpunkt eine Lösung bauen, die vor zehn Jahren noch 5000 € gekostet hätte. Das ist der wahre Fortschritt durch Low‑Cost‑Hardware – keine Magie, aber solides Handwerk.

Quellen

• Randall, R. B. (2021): Vibration-Based Condition Monitoring – Industrial, Automotive and Aerospace Applications. 2. Auflage, Wiley, ISBN 978-1-119-47710-4.
• Scheffer, C., Girdhar, P. (2018): Practical Machinery Vibration Analysis and Predictive Maintenance. Elsevier, ISBN 978-0-12-819892-6.
• Analog Devices (2024): ADXL1002 Datasheet – High Frequency, Low Noise MEMS Accelerometer. Rev. C.
• STMicroelectronics (2023): ISM330DHCX Datasheet – iNEMO inertial module with machine learning core. DocID030959 Rev 6.
• Espressif Systems (2025): ESP32‑S3 Technical Reference Manual – ADC and DSP Libraries. Version 2.1.
• Bosch (2024): BMI270 Datasheet – Shuttle for Predictive Maintenance Applications. Application Note 2024-03.
• Cury, J. (2022): Low‑Cost Predictive Maintenance with ESP32 and MEMS Sensors. In: IEEE Embedded Systems Letters, Vol. 14, No. 3, S. 115–118.
• Fritsch, C. (2023): Praktische Zustandsüberwachung mit dem ESP32 – Ein Erfahrungsbericht aus der Lackiererei. In: SPS‑Magazin, Ausgabe 11/2023, S. 42–46.
• National Instruments (2024): White Paper – IEPE vs. MEMS Accelerometers for Condition Monitoring. Document 372426B.