Ideen zur Corona-Krise

Was hat die CO2 - Konzentration in Innenräumen mit Corona-Ansteckungsraten zu tun?

Woher stammt das in Innenräumen befindliche Kohlendioxid?

Richtig, es stammt aus der Ausatemluft der Personen, die sich in den Innenräumen aufhalten. Jeder Mensch atmet pro Minute etwa 8 Liter Luft aus, die dort im intensiven Kontakt mit dem Lungengewebe gestanden hat. Die ausgeatmete Luft enthält deshalb neben CO2 (0.3 Liter/Minute) auch winzige Flüssigkeitströpfchen (Aerosole), die aufgrund ihrer Größe für längere Zeit in der Luft schweben können. Ist die jeweilige Person mit dem Virus infiziert, so können diese Tröpfchen auch Viruspartikel enthalten. Ein Video einer Forschergruppe der Universität Twente verdeutlicht die Reichweite der Tröpfchen.

Bei Aerosol-Sinkgeschwindigkeiten zwischen 0,1 m/h (1μm) und 11 m/h (10μm) (Quelle) und Abnahme der Virus-Infektionsaktivität mit einer Halbwertszeit von 2.7 Stunden ( für SARS-CoV-2, Quelle) bleibt die Raumluft längere Zeit belastet. Atmet ein gesunder Mensch diese kontaminierten Tröpfchen ein und überschreitet die darin enthaltende Anzahl an Viruspartikel eine minimale Infektionsdosis, so wird die Krankheit übertragen. Eine ausführliche Diskussion der luftgebundenen Übertragungswege bei SARS-CoV-2 findet sich bei Morawska & Cao, 2020.

Dieser Zusammenhang zwischen CO2-Konzentration und Infektionsrate lässt sich modellieren, d. h. mathematisch beschreiben. Details dazu im Paper: "Rudnick & Milton, Risk of indoor airborne infection transmission estimatedfrom carbon dioxide concentration".

Befinden wir uns mit mehrerern Personen in einem Raum, so bietet die Messung der CO2-Konzentration ein Maß dafür, wieviel Prozent der von uns eingeatmeten Luft aus bereits ausgeatmeter Luft anderer Personen besteht. Die Massenbilanz zeigt, dass eine gemessene CO2-Konzentration von ca. 1200 ppm (parts per million) bedeutet, dass fast 2% der Luft im Raum bereits mindestens einmal Lungenkontakt hatte. Über das sich daraus ergebene konkrete Corona-Infektionsrisiko wollen wir nicht spekulieren, es hängt von verschiedenen Faktoren ab, die zur Zeit noch intensiv erforscht werden. (Ist keine der im Raum befindlichen Personen infiziert, so besteht auch bei hohen Konzentrationen kein Risiko).

Wie der Infektionsgefahr vorbeugen?

Aus den Vorüberlegungen wird aber klar, dass eine gute Durchlüftung der Räume das Infektionsrisiko senkt. Unabhängig davon fördert ein gutes Raumklima auch die Konzentrationsfähigkeit.

Gute Durchlüftung sollte bei Versammlung einer größeren Gruppe eine Selbstverständlichkeit sein. Das Umweltbundesamt hat hierzu allgemeine Leitlinien zur "Gesundheitlichen Bewertung von Kohlendioxid in der Innenraumluft" verfasst, an der wir uns im folgenden orientieren werden. Demnach ist eine Konzentration von < 1000 ppm hygienisch unbedenklich. Eine Konzentration zwischen 1000 und 2000 ppm stuft die Leitlinie als bedenklich und alles darüber als inakzeptabel ein.

Hinweis: Die folgenden Selbstbau-Ideen basieren auf der Hardware des IoT-Octopus. Unsere IoT-Werkstatt bietet aber auch die ideale Plattform für alle esp8266 basierten Systeme (NodeMCU, Wemos D1). Der Schaltplan und Verdrahtungshinweise finden sich hier.

Selbstbau einer Risiko-Ampel

Im Folgenden wollen wir eine kleine Anwendung bauen, um das Infektionsrisiko in Innenräumen zu quantifizieren und in Form einer Risiko-Ampel zu visualisieren. Zeigt die Ampel gelb oder rot, ist es Zeit, die Fenster zu öffnen, oder den Raum zu verlassen. (Natürlich setzen sich die Aerosole aufgrund der Schwerkraft irgendwann ab, ein nichtbelüfteter Raum mit "schlechter Luft von gestern" ist vielleicht harmlos).

Dazu benötigen wir einen Sensor für die CO2-Konzentration. Typisches Messverfahren für Kohlendioxid ist die Infrarot-Absorption. Hier gibt es viele verschiedene Modelle auf dem Markt, teilweise mit analogem Ausgang, so dass ein Anschluss an den Octopus einfach mit dem AnalogRead-Baustein erfolgen kann. Im Rahmen der IoT-Werkstatt nutzen wir den SCD-30 Sensor der Firma Sensirion. Dieser speziell für raumlufttechnische Anwendungen entwickelte IR-Sensor verfügt über eine intelligente Autokalibrierung und liefert den Messwert kompfortabel über die I2C-Schnittstelle.

Kein CO2-Sensor verfügbar, was tun?

Besitzer eines Octopus mit Bosch BME 680 Umweltsensor können den eingebauten VOC-Sensor (volatile organic compounds, flüchtige organische Komponenten) nutzen, um CO2 abzuschätzen (CO2-Equivalent).

Das Funktionsprinzip: Beim Gasaustausch in der Lunge sind nicht nur CO2 und Sauerstoff beteiligt, sondern es gehen weitere Blutbestandteile in die Luft über. Diese organischen Komponenten führen zu einer erhöhten VOC-Konzentration der ausgeatmeten Luft. Ein Software-Sensor in der BSEC-Bibliothek des BME 680 rechnet diese in equivalente CO2-Konzentrationen um. Wir messen damit also nur das von Personen ausgeatmete CO2, das CO2 einer Sprudelflasche könnte dieser Softwaresensor nicht detektieren. Ein Effekt, der für unsere aktuelle Anwendung geradezu ideal passt. Allerdings sollen die Nachteile hier nicht verschwiegen werden: Auch andere VOC-Quellen (Alkohol, Mundgeruch, Formaldehyd) verfälschen die Messung. Ggf. müssen die Alarmgrenzen also etwas angepasst werden. So ein Softwaresensor ist jedenfalls ein tolles Beispiel für den Einsatz von Modellbildung und Machine Learning.

Hinweis: Der Software-Sensor benötigt einige Zeit zur Selbstkalibrierung. Der Zustand der Kalibrierung wird im Sensorkanal "IAQ Accuracy"  angezeigt. (Accuracy 0: Sensor nicht stabil bis Accuracy 3: Sensor erfolgreich kalibriert). Weitere Information dazu hier.

IoT-Ardublock mit CO2-Sensor
Einfache Risiko-Ampel unter Verwendung des Sensirion CO2-Sensors. Achtung: Das I2C-Protokoll des Sensors nutzt Clock-Streching und führt zu Seiteneffekten bei anderen I2C-Sensoren wie dem BME680
Risiko-Ampel mit BME680
Der Bosch Umweltsensor kann VOC detektieren und mittels BSEC-Lib in CO2 umrechnen. Dazu benötigt der Sensor einige Zeit der Selbstkalibrierung. Richtig vertrauenwürdig sind die Messungen also erst nach ein paar Stunden.

Fernüberwachung und Historie

Dank IoT-Superblöcken, können wir die Messergebnisse weltweit sichtbar machen. Einfach per WLAN ins Internet und über die Thingspeak-Datenplattform visualisieren (näheres zur Konfiguration hier). So ist die Historie eines jeden Raums jederzeit im Blick. Der Thingspeak-Server von Mathworks erlaubt sogar die Nutzung von Matlab zur statistischen Auswertung oder zur Modellierung von Vorhersagen (näheres zu mathematischen Modellen und Matlab hier).

Dank Pax-Counter kennen wir sogar die Belegung der einzelnen Räume. Ein Pax-Counter zählt anhand der MAC Adresse die im Raum befindlichen Smartphones (näheres zum Pax-Counter hier).

Thingspeak CO2 Messung
Ein einfacher IoT-Superblock reicht, um unsere Daten in der Cloud zu speichern. Dazu vorher einen Kanal am Thingspeak-Server einrichten. Der API-Key dient zur Autorisierung.
Thingspeak mit Pax-Counter
Der Pax-Counter nutzt das WLAN Interface um nach AP-Requests zu suchen. Die MAC Adressen erlauben eine Abschätzung der im Raum befindlichen Personen. Zur Übertragung ins Thingspeak, muß das WLAN-Interface wieder Kontakt zum eigenen Access-Point aufnehmen.

Und wie erkennen wir Corona-Partys in der Stadt?

Neben der Reduktion des Infektionsrisikos in Innenräumen steht die Bevölkerung aktuell unter weitgehender Quarantänemaßnahmen. Jeder ist aufgefordert, verantwortlich zu handeln und sich selbst zu isolieren. Die Versammlung größerer Personengruppen in Parks, auf Spielplätzen oder Gaststätten sollte vermieden werden. Doch wie lässt sich ein solches Versammlungsverbot in den Städten überwachen?

Auch hier hilft der Pax-Counter. Nur dass wir in diesem Falle im öffentlichen Raum nicht über einen Internetzugang per WLAN-verfügen und auf andere Kommunikationsnetze ausweichen müssen. Viele Städte und Regionen verfügen mittlerweile über eine LoRaWAN-Infrastruktur, die dazu genutzt werden kann, Sensordaten über weite Strecken zu übertragen. Mehr zu LoRa in der IoT-Werkstatt findet sich hier.

Pax-Counter mit LoRa
Hier nutzen wir das WLAN des ESP8266 zur Detektion von MAC-Requests. Die Anzahl der in der Nähe befindlichen Smartphones kann so abgeschätzt werden. Die Übertragung ins LoRa-Netz von TheThingsNetwork übernimmt ein weiterer IoT-Superblock
Bilderrahmen mit Octopus zur Lufqualitätsmessung
Demonstrator Luftqualitätsmessung
back-to-top nach oben