Günstige Luftsensoren sollen zeigen, wie stark die Luft an einer Kreuzung oder im Wohnviertel belastet ist. Doch eine rechnerische Korrektur kann ihre Messkurve so stark glätten, dass hohe und niedrige Werte zusammenrücken. Eine am 25. Oktober in Scientific Reports veröffentlichte Studie stellt deshalb einen anderen Abgleich vor: Sie stimmt die Häufigkeitsverteilung der Sensorsignale auf die einer Referenzstation ab. In vier Messkampagnen in Antwerpen blieb dadurch die Schwankungsbreite der Stickstoffdioxidwerte besser erhalten.
Das ist für die Auswertung lokaler Luftbelastung interessant. Ein Messgerät kann im Durchschnitt richtig liegen und dennoch Belastungsspitzen zu niedrig anzeigen. Die neue Methode setzt bei dieser Lücke an. Ihr Vorteil liegt darin, den Bereich zwischen niedrigen und hohen Konzentrationen besser wiederzugeben.
Warum ein guter Labortest draußen nicht genügt
Stickstoffdioxid, kurz NO₂, entsteht unter anderem bei Verbrennungsprozessen. In Städten können seine Konzentrationen auf engem Raum schwanken. Kleine, preiswerte Sensoren lassen sich an mehr Orten aufstellen als aufwendige Referenzmessgeräte. Dafür muss aus ihrem elektrischen Signal zunächst ein brauchbarer Konzentrationswert werden.
Bei der Kalibrierung wird ermittelt, wie Signal und Konzentration zusammenhängen. Im Labor lassen sich Temperatur, Feuchtigkeit und Gasgemisch kontrollieren. Draußen verändern sich diese Bedingungen laufend. Andere Gase können das Signal beeinflussen, und ein alternder Sensor kann anders reagieren als ein neuer.
Deshalb betreibt man günstige Sensoren zeitweise neben einem verlässlichen Vergleichsgerät. Die US-Umweltbehörde EPA beschreibt dieses Vorgehen als Möglichkeit, die Daten zu überprüfen und anschließend rechnerisch zu korrigieren. Auch die neue Studie benötigt solche gemeinsamen Messungen.
Welche Werte häufig vorkommen
Das Team um Daniellys Alejo Sánchez und Olivier Schalm wertete vier Kampagnen zwischen 2022 und 2025 an derselben Antwerpener Referenzstation aus. Sie liegt nahe einer Kreuzung mit Ampeln. Für die ersten drei Kampagnen wurde ein Sensor eingesetzt, für die vierte ein zweiter.
Die herkömmliche Feldkalibrierung ordnet jedem Sensorsignal den Referenzwert desselben Zeitpunkts zu und sucht eine passende Umrechnung. Dabei streuen die Werte stark. Selbst benachbarte Geräte können bei einer kurzen Schadstoffwolke etwas unterschiedliche Luft erfassen.
Der neue Ansatz betrachtet stattdessen, wie oft niedrige, mittlere und hohe Signale innerhalb desselben Messzeitraums vorkommen. Er vergleicht dafür Kennwerte beider Verteilungen: etwa den häufigsten Wert, die Streuung und die Grenzen, unter beziehungsweise über denen jeweils fünf Prozent der Beobachtungen liegen. Daraus entsteht eine einfache lineare Umrechnung für das Sensorsignal. Das Verfahren benötigt dafür kein komplexes KI-Modell.
Mehr Schwankung, aber nicht der kleinste Einzelfehler
Der Unterschied wird in der Streuung sichtbar. Als Maß dafür verwendet die Studie die Standardabweichung: Sie beschreibt, wie weit Werte typischerweise um ihren Mittelwert liegen. Die herkömmliche Feldkalibrierung erreichte in den vier Kampagnen nur 43 bis 66 Prozent der Streuung der Referenzmessung. Die neue Methode kam auf 94 bis 110 Prozent. Die korrigierten Werte wurden also deutlich weniger zur Mitte zusammengedrückt.
Beim Vergleich einzelner Zeitpunkte schnitt dagegen die herkömmliche Methode besser ab: Ihre mittleren absoluten und quadratischen Abweichungen waren kleiner. Die Forschenden erklären diesen Unterschied damit, dass eine engere Kurve näher am Durchschnitt bleibt, während ein passend hoher Ausschlag schon wegen einer zeitlichen Verschiebung stärker bestraft wird. Welches Verfahren nützlicher ist, hängt damit auch davon ab, ob man einzelne Zeitpunkte oder die gesamte Schwankungsbreite beurteilen möchte.
Der Abgleich braucht außerdem eine ausreichend lange gemeinsame Messreihe. In der untersuchten Reihe stabilisierten sich die meisten statistischen Kennwerte nach ungefähr 900 Stunden, also knapp 38 Tagen; der häufigste Wert benötigte länger. Diese Stabilität beschreibt die Berechnungsgrundlage, nicht die Genauigkeit jedes Messwerts.
Für jede Kampagne musste das Team eine eigene Umrechnung bestimmen. Alterung und wechselnde Umweltbedingungen bleiben deshalb Aufgaben für regelmäßige Kontrollen. Ob der Ansatz auch an anderen Standorten und mit weiteren Sensortypen trägt, soll zusätzliche Forschung klären.
Quellen
- Daniellys Alejo Sánchez et al.: Improving low-cost NO₂ sensor reliability under real-world air quality conditions by calibrating distributions instead of data points, Scientific Reports, 25. Oktober 2026; begutachtete Vorabfassung einschließlich Volltext.
- US Environmental Protection Agency: Air Sensor Collocation, aktualisiert am 29. September 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
