Home Assistant

VINDSTYRKA: Luftqualität in Home Assistant nutzen

Der IKEA VINDSTYRKA war 2023 als 50-Franken-Luftqualitätsmesser angetreten – seither hat er sich still und leise zum Liebling der Home-Assistant-Community entwickelt. Über DIRIGERA oder via Zigbee2MQTT/ZHA liefert er alle paar Sekunden PM2.5, tVOC-Index, Temperatur und Luftfeuchtigkeit. Das genügt, um nicht nur ein Dashboard zu füllen, sondern echte Automationen zu bauen, die spürbar etwas am Raumklima ändern.

Was das Gerät kann – und was nicht

VINDSTYRKA misst PM2.5 mit einem ordentlichen Sensor (Sensirion SEN54, je nach Charge SEN55), kombiniert mit Temperatur- und Feuchte-Messung. Der tVOC-Wert ist ein Index von 0 bis 500 nach VDA-Skalierung – kein absoluter Wert, sondern eine relative Bewegung. Das ist wichtig zu verstehen: Der Sensor «lernt» seine Basis und reagiert auf Veränderungen. Ein konstantes Lüften nach dem Kochen ist daher genauso wertvoll wie ein einmaliger Schwellwert-Alarm.

Über die DIRIGERA-Integration erscheinen in HA mehrere Entitäten, typischerweise: sensor.vindstyrka_pm25, sensor.vindstyrka_voc_index, sensor.vindstyrka_temperature, sensor.vindstyrka_humidity. Wer den Sensor via Zigbee2MQTT einbindet, bekommt zusätzlich sensor.vindstyrka_air_quality mit einer 1–5-Stufenwertung – praktisch für Dashboards, weniger geeignet für Schwellwert-Logik.

Schritt 1: Schwellwert-Alarm für PM2.5

Die WHO-Richtlinie (2021) liegt bei 15 µg/m³ für PM2.5 als 24-Stunden-Mittel. Innenraumluft schwankt stark – beim Anbraten in der offenen Küche erreicht man schnell 200 µg/m³. Eine sinnvolle Automation pusht ab 35 µg/m³ über mehr als zehn Minuten:


alias: PM2.5 Warnung Wohnzimmer
trigger:
  - platform: numeric_state
    entity_id: sensor.vindstyrka_pm25
    above: 35
    for: "00:10:00"
condition:
  - condition: time
    after: "07:00:00"
    before: "23:00:00"
action:
  - service: notify.mobile_app_iphone
    data:
      title: "Luftqualität schlecht"
      message: >
        PM2.5 bei {{ states('sensor.vindstyrka_pm25') }} µg/m³.
        Fenster öffnen oder Luftreiniger einschalten.

Die for-Bedingung verhindert Fehlalarme bei kurzen Spitzen. Die Tagesbedingung unterdrückt Pushes in der Nacht, wenn ohnehin niemand reagiert.

Schritt 2: Luftreiniger automatisch hochfahren

Der spannende Teil ist die Verknüpfung mit einem Luftreiniger. Wenn ein Xiaomi Mi Air Purifier oder Philips Smart-Modell in HA hängt, lässt sich der Lüfter schrittweise hochregeln, sobald die Luft kippt. Das funktioniert mit drei Stufen:


alias: Luftreiniger nach PM2.5 steuern
trigger:
  - platform: state
    entity_id: sensor.vindstyrka_pm25
action:
  - choose:
      - conditions:
          - condition: numeric_state
            entity_id: sensor.vindstyrka_pm25
            above: 50
        sequence:
          - service: fan.set_preset_mode
            target:
              entity_id: fan.luftreiniger_wohnzimmer
            data:
              preset_mode: "Favorite"
          - service: fan.set_percentage
            target:
              entity_id: fan.luftreiniger_wohnzimmer
            data:
              percentage: 100
      - conditions:
          - condition: numeric_state
            entity_id: sensor.vindstyrka_pm25
            above: 25
        sequence:
          - service: fan.set_percentage
            target:
              entity_id: fan.luftreiniger_wohnzimmer
            data:
              percentage: 60
    default:
      - service: fan.set_percentage
        target:
          entity_id: fan.luftreiniger_wohnzimmer
        data:
          percentage: 30

Wer eine Wärmepumpe mit kontrollierter Wohnraumlüftung hat, kann statt eines Luftreinigers den Boost-Modus der KWL anwerfen. Ein passender Anknüpfungspunkt ist unser Artikel zu Mi Air Purifier pollen-gesteuert – die Logik lässt sich eins zu eins für VOC oder PM2.5 übernehmen.

Schritt 3: tVOC-Trend visualisieren

Der VOC-Index zeigt seine Stärke im Verlauf. Eine Mushroom-Karte mit Sparkline macht das alltagstauglich. Für Trends auf längere Sicht eignet sich InfluxDB plus Grafana, aber für eine schnelle HA-native Lösung genügt die apexcharts-card:


type: custom:apexcharts-card
graph_span: 24h
header:
  show: true
  title: VOC-Index Wohnzimmer
series:
  - entity: sensor.vindstyrka_voc_index
    name: VOC-Index
    type: area
    stroke_width: 2
yaxis:
  - min: 0
    max: 500
    decimals: 0

Spannend wird der Vergleich des Verlaufs zwischen Wochentagen mit und ohne Kochen. Oft erkennt man auf dem Chart, dass eine bestimmte Pflege- oder Reinigungslotion verantwortlich für eine Spitze ist – ein Hinweis, der ohne kontinuierliche Messung schlicht nicht auffällt.

Was Sie aus 50 Franken Hardware lernen

Drei Dinge bleiben nach ein paar Wochen mit dem VINDSTYRKA hängen. Erstens: Lüften nach dem Kochen ist nicht optional – die PM2.5-Spitzen sind real, auch bei moderner Dunstabzugshaube. Zweitens: Schlafzimmer-Luft am Morgen ist VOC-mässig deutlich schlechter, als das Bauchgefühl vermuten lässt. Und drittens: Eine Sensor-getriebene Lüftungsstrategie ist wirksamer als jede Zeitschaltuhr.

Der nächste Sinnvoll-Schritt ist die Korrelation mit der Aussenluft-Messung (NABEL-API oder eigene Wetterstation): Wenn draussen die PM2.5-Belastung höher ist als drinnen, sollte die Automation nicht lüften, sondern filtern. Mit zwei einfachen numeric_state-Triggern und einem template-Sensor ist das in einer halben Stunde erledigt.

← Zurück zur Übersicht