# Senzemo-Sensoren und TagoIO: vom ersten Uplink zur fertigen Anwendung

> Für Senzemo Senstick LoRaWAN-Sensoren gibt es jetzt fertige TagoIO-Connectors. Praxisbeispiele für Mikroklima, Regen, Boden, Lebensmittelsicherheit und Kompost, und wie TagoAI und Analytics aus den Daten Anwendungen und Prognosen machen.

![Senzemo-Sensoren und TagoIO: vom ersten Uplink zur fertigen Anwendung](https://tago.io/og/de/blog/senzemo-sensors-now-integrated-with-tagoio.png)

Wenn Sie eine Lösung rund um LoRaWAN-Sensoren von [Senzemo](https://senzemo.com/products/) bauen, ist der langsamste Teil Ihres Projekts gerade weggefallen. TagoIO liefert jetzt fertige Connectors für die Senstick-Reihe. Die Payloads dekodieren sich damit selbst: Sie wählen das Sensormodell, verbinden es über Ihr LoRaWAN-Netz, und die Messwerte kommen als benannte Variablen an, etwa Temperatur, Regenmenge oder Bodenfeuchte, statt als Hex-Strings.

Senzemo ist ein europäischer Hardwarehersteller aus Slowenien. Der Fokus liegt auf widerstandsfähigen, langlebigen LoRaWAN-Sensoren für Umweltmonitoring, Landwirtschaft, Lebensmittelsicherheit und Abfallwirtschaft. Die Senstick-Familie deckt für eine einzige Produktlinie ungewöhnlich viel ab, und genau diese Breite macht die Integration interessant: Ein einziges Konto kann jetzt das Mikroklima eines Weinbergs, die Gefriergeräte einer Restaurantkette und die Kompostmieten einer Anlage überwachen, alles mit Sensoren eines Herstellers und ohne eine Zeile Decoder-Code.

## Welche Senzemo-Sensoren funktionieren sofort mit TagoIO?

Jeder Sensor in dieser Liste wird heute über einen öffentlichen TagoIO-Connector dekodiert. Device anlegen, Connector auswählen, der Payload Parser ist schon da.

| Modell | Messgröße | Produktseite |
|---|---|---|
| SMC30 | Mikroklima innen | [Indoor Microclimate Sensor](https://senzemo.com/products/indoor-microclimate-sensor/) |
| SMC30-OUT | Mikroklima außen | [Outdoor Microclimate Sensor](https://senzemo.com/products/outdoor-microclimate-sensor/) |
| SMC40 | Mikroklima | [Senzemo-Produkte](https://senzemo.com/products/) |
| SPU30 | Mikroklima und Luftqualität innen | [Senzemo-Produkte](https://senzemo.com/products/) |
| SRM10 | Regenmesser | [Rain Meter](https://senzemo.com/products/rain-meter/) |
| SSM40 | Bodenfeuchte | [Soil Moisture Sensor](https://senzemo.com/products/soil-moisture-sensor/) |
| STB10 | Lebensmittelsimulanz mit zwei Temperaturfühlern | [Temperature Buffer Sensor](https://senzemo.com/products/temperature-buffer-sensor/) |
| STF40 | Lebensmittelfühler | [Food Probe Sensor](https://senzemo.com/products/food-probe-sensor/) |
| STO10 | Nur Temperatur | [Temperature Only Sensor](https://senzemo.com/products/temperature-only-sensor/) |
| STP40 | Industrie-Temperaturfühler | [Temperature Probe Sensor](https://senzemo.com/products/temperature-probe-sensor/) |
| KOU20 | Komposttemperatur | [Compost Temperature Sensor](https://senzemo.com/products/compost-temperature-sensor/) |

Die Connectors funktionieren mit den LoRaWAN Network Servern, die TagoIO bereits integriert, darunter The Things Network, Actility, Everynet und weitere. Wenn Ihre Gateways schon an einen davon weiterleiten, ist der Datenpfad vom Sensor eine Konfigurationsaufgabe und keine Entwicklungsaufgabe. Der Ablauf ist in [Geräte mit Connectors hinzufügen](https://docs.tago.io/docs/tagoio/devices/adding-devices-with-connectors) dokumentiert.

## Wie verbinden Sie einen Senzemo-Sensor mit TagoIO?

Vom Karton bis zum Dashboard sind es drei Schritte. Registrieren Sie den Sensor auf Ihrem LoRaWAN Network Server und leiten Sie seine Uplinks über die passende [Network-Integration](https://docs.tago.io/docs/tagoio/integrations) an TagoIO. Legen Sie in TagoIO ein Device an und wählen Sie den Senzemo-Connector für Ihr Modell. Dann sehen Sie zu, wie der erste Uplink bereits dekodiert ankommt.

Genau dieser letzte Schritt hat früher Tage gekostet. Einen Payload Parser zu schreiben und zu testen heißt: die Payload-Dokumentation des Herstellers lesen, jeden Port und jeden Nachrichtentyp behandeln und Byte-Offsets gegen echten Datenverkehr debuggen. Der Connector trägt das alles und wird auf Plattformseite gepflegt. Ihr Projekt startet beim interessanten Teil: was mit den Daten passieren soll.

## Was lässt sich mit dem Außensensor für Mikroklima und dem Regenmesser bauen?

Kombinieren Sie den SMC30-OUT mit dem Regenmesser SRM10 und dem Bodenfeuchtesensor SSM40, und Sie haben eine vollständige Feldstation für Weinberg, Obstplantage, Gewächshausumfeld oder Versuchsfläche.

![Mikroklima-Feldstation: SMC30-OUT, SRM10 und SSM40 senden Daten über LoRaWAN durch ein Gateway an TagoIO, wo der Connector sie dekodiert und einen Frostalarm, eine Bewässerungsentscheidung und eine 7-Tage-Prognose aus Analytics speist](https://tago.io/images/blog/senzemo-sensors-now-integrated-with-tagoio/senzemo-microclimate-station.svg)

Der Wert liegt in der Kombination der Datenströme. Die Regenmenge allein sagt nicht, ob Sie bewässern sollen; Regenmenge plus Bodenfeuchte in Wurzeltiefe schon. Die Lufttemperatur allein schützt keine Kultur. Eine TagoIO Action auf den Messwerten des SMC30-OUT löst um 2 Uhr nachts den Frostalarm per SMS aus und verschafft dem Betrieb Zeit zum Handeln. Die Feuchtedaten und die Temperatur auf Blatthöhe nutzen Betriebe außerdem, um den richtigen Zeitpunkt für Fungizidbehandlungen zu finden, denn Modelle zum Infektionsdruck rechnen genau mit den Variablen, die diese Station liefert.

Dasselbe Trio funktioniert auch außerhalb der Landwirtschaft: Baustellen, die die Bedingungen beim Betonieren verfolgen, Kommunen, die das Stadtklima messen, und Teams im Regenwassermanagement, die Regenintensität und Entwässerungsverhalten miteinander abgleichen.

## Wie decken Lebensmittelfühler und Temperatursensoren das HACCP-Monitoring ab?

Bei der Lebensmittelsicherheit spielt die Temperaturfamilie von Senzemo ihre Stärke aus, denn die vier Modelle treffen genau die vier Stellen, an denen die Temperatur kippt.

![Monitoring der Lebensmittelsicherheit: der Fühler STF40, der Puffersensor STB10 und STO10/STP40 senden Messwerte an TagoIO, das daraus Grenzwertalarme, ein automatisches HACCP-Temperaturprotokoll und ein TagoRUN-Portal pro Standort macht](https://tago.io/images/blog/senzemo-sensors-now-integrated-with-tagoio/senzemo-food-safety.svg)

Der Lebensmittelfühler STF40 misst die Kerntemperatur beim Garen und beim Abkühlen. Der Puffersensor STB10 hält eine Masse aus Lebensmittelsimulanz neben einem zweiten Sensor für die Lufttemperatur. Eine dreißig Sekunden offene Kühlschranktür löst deshalb keinen Alarm aus. Eine echte Abweichung, die das Produkt erwärmen würde, löst ihn dagegen aus. Der STO10 deckt Gefrierschränke und Kühlräume ab, wo nur die Lufttemperatur zählt, und der Industriefühler des STP40 reicht in Prozessanlagen hinein.

In TagoIO landet jeder Messwert mit Zeitstempel in einer Zeitreihe, die Sie einem Prüfer vorlegen können. Eine Action löst aus, wenn ein Gerät den Sollbereich verlässt, das HACCP-Protokoll schreibt sich selbst und liegt nicht mehr auf einem Klemmbrett, und ein [TagoRUN](https://tago.io/run)-Portal gibt jedem Restaurant, Markt oder Lager eine Ansicht der eigenen Geräte im eigenen Branding. Für einen Betreiber mit vielen Standorten misst sich der Unterschied zwischen Papierrundgängen und diesem Aufbau in Arbeitsstunden pro Standort und Woche, plus den Vorfällen um 3 Uhr nachts, die Papier nie erfasst.

## Und was ist mit Kompost, Abfallwirtschaft und dem KOU20?

Der KOU20 ist ein speerförmiger Sensor. Er steckt in einer Kompostmiete und meldet die Kerntemperatur. Vorschriften zur Kompostierung verlangen meist, dass eine Miete eine Hygienisierungstemperatur über einen festgelegten Zeitraum hält. Anlagen belegen das heute, indem jemand mit Handthermometer und Logbuch die Mieten abgeht.

![Monitoring einer Kompostmiete: Der Speersensor KOU20 meldet die Kerntemperatur über LoRaWAN; TagoIO stellt Aufheizphase, aktive Phase und Abkühlphase gegen das Hygienisierungsband von 55 bis 65 Grad dar und erzeugt daraus einen Compliance-Nachweis und Alarme zum Umsetzen](https://tago.io/images/blog/senzemo-sensors-now-integrated-with-tagoio/senzemo-compost.svg)

Mit einem KOU20 in jeder Miete zeichnet sich die Temperaturkurve selbst: die Aufheizphase, das aktive Plateau innerhalb des Hygienisierungsbands und die Abkühlung, die anzeigt, dass die Miete umgesetzt werden muss. TagoIO macht aus dieser Kurve die zwei Ergebnisse, die die Anlage wirklich braucht: einen Compliance-Nachweis über die Zeit oberhalb des Grenzwerts pro Miete und eine Action, die das Team alarmiert, wenn eine Miete zu früh abkühlt oder überhitzt. Der Betrieb sammelt keine Daten mehr, sondern arbeitet Ausnahmen ab.

## Und die Innenraumluft: Büros, Schulen, Archive?

SMC30 und SPU30 decken den Innenbereich ab. Facility-Teams nutzen sie für Komfortbeschwerden, die sich mit Daten statt mit Meinungen klären lassen, für Lüftungsprüfungen in Klassenzimmern und Besprechungsräumen und für die Feuchteregelung in Archiven, Museen und Serverräumen, wo die Toleranzen eng und die Kosten einer Abweichung hoch sind. Es gilt dasselbe Muster von Connector über Dashboard zum Alarm; nur die Grenzwerte ändern sich.

## Wie macht der TagoAI Assistant aus diesen Sensoren eine Anwendung?

Dekodierte Daten sind der Rohstoff. Die Anwendung darum herum, also Dashboards, Alarme, Benutzerzugriff, Berichte, ist die Stelle, an der Projekte seit Jahren hängen bleiben. Diesen Teil macht [TagoAI](https://docs.tago.io/docs/tagoio/tago-ai) jetzt mit Ihnen zusammen.

TagoAI ist der KI-Assistent im TagoIO Admin. Er liest den Kontext Ihres Kontos, sodass Sie sagen können, was Sie wollen, statt es Schritt für Schritt zu konfigurieren: "baue ein Dashboard für meine drei Feldstationen, das Regenmenge gegen Bodenfeuchte zeigt, mit einer Karte der Sensoren" liefert das Dashboard, mit konfigurierten Widgets und angebundenen Variablen. Er hört bei Dashboards nicht auf. Lassen Sie ihn die Action anlegen, die den Frostalarm verschickt, das Analysis-Skript schreiben, das aus den SMC30-OUT-Daten Gradtage berechnet, oder das TagoRUN-Portal einrichten, in dem sich Ihre Kunden anmelden. Sie beschreiben die Anwendung; der Assistent baut die Teile auf der Plattform, auf der sie laufen.

Für einen Systemintegrator verändert das die Wirtschaftlichkeit eines Senzemo-Projekts. Der Connector nimmt die Decoder-Arbeit weg, TagoAI verkürzt die Arbeit an der Anwendung. Ihr Angebot kann deshalb vom Problem des Kunden handeln statt von Entwicklungsstunden. Die [TagoAI-Dokumentation](https://docs.tago.io/docs/tagoio/tago-ai) beschreibt die Chat-Modi, und [tago.io/ai](https://tago.io/ai) gibt den Überblick über KI auf der Plattform.

## Können diese Daten auch vorhersagen statt nur berichten?

Ja, und hier rechnet sich eine Senzemo-Flotte ein zweites Mal. [TagoIO Analytics](https://tago.io/analytics) trainiert statistische Modelle auf der Historie, die Ihre Sensoren längst angesammelt haben. Die Prognosen kommen als normale Variablen zurück, landen auf Dashboards und lösen Actions aus wie jeder andere Messwert.

Konkrete Beispiele mit diesen Sensoren: eine saisonale Prognose auf der Bodenfeuchte des SSM40, die Tage im Voraus anzeigt, wann eine Fläche ihren Bewässerungsgrenzwert erreicht; eine Restzeit bis zum Grenzwert auf dem STO10-Trend eines Kühlraums, die einen ausfallenden Kompressor meldet, bevor der Grenzwertalarm überhaupt auslöst; eine Drifterkennung auf einem STB10, die einen langsam sterbenden Kühlschrank von den normalen Tageszyklen trennt; eine Musteranalyse der Regenmengen aus SRM10-Daten, die ein Modell zur Entwässerungskapazität speist. Trainiert wird auf Daten, die Sie schon besitzen, über einen geführten Ablauf, ohne Data-Science-Team. Wenn Ihre Sensoren einige Wochen gemeldet haben, ist die Historie, die die Modelle brauchen, bereits vorhanden.

## Erste Schritte

Bestellen Sie die Hardware bei [Senzemo](https://senzemo.com/products/). Auf der TagoIO-Seite brauchen Sie ein Konto und eine Network-Integration für Ihr LoRaWAN-Netz. Legen Sie Ihr Device mit dem passenden Senstick-Connector an, öffnen Sie TagoAI und beschreiben Sie die Anwendung, die Sie wollen. Die Schritte stehen in [Geräte mit Connectors hinzufügen](https://docs.tago.io/docs/tagoio/devices/adding-devices-with-connectors).

Wenn Sie die Kombination für ein größeres Projekt prüfen, [buchen Sie eine Demo](https://tago.io/request-demo) und bringen Sie Ihren Anwendungsfall mit. Am schnellsten beurteilen Sie die Passung, wenn Sie in einer Sitzung zusehen, wie aus den Daten Ihres eigenen Sensors eine Anwendung wird.

[llms.txt](https://tago.io/llms.txt)