Schimmel vermeiden mit Home Assistant: Mold Indicator

Werbung / Affiliate-Links: Mit * markierte Links sind Affiliate-Links. Beim Kauf über diese Links erhalten wir eine kleine Provision — für dich ändert sich am Preis nichts. Als Amazon-Partner verdienen wir an qualifizierten Verkäufen.

Schimmel entsteht dort, wo feuchte Raumluft auf eine kalte Fläche trifft: hinter dem Schrank an der Außenwand, am Fensterrahmen, in der Badezimmerecke. Mit Home Assistant kannst du schimmel vermeiden, ohne ständig auf ein Hygrometer zu starren. Der Mold Indicator schätzt die Feuchte an der kältesten Stelle, und ein Vergleich der absoluten Luftfeuchte innen und außen sagt dir, wann Lüften wirklich etwas bringt.

Das hier ist eine begründete Einschätzung aus Doku und Community-Wissen, keine Bauphysik- oder Sanierungsberatung. Bei sichtbarem Befall, muffigem Geruch oder wiederkehrenden Flecken gehört ein Fachbetrieb oder bei Mietwohnungen die Hausverwaltung dazu.

Wie Schimmel entsteht und was Home Assistant messen kann

Warme Luft nimmt mehr Wasserdampf auf als kalte. Kühlt die Luft an einer Außenwand ab, steigt dort die relative Luftfeuchte, obwohl der Raum insgesamt „normal“ feucht ist. Laut Home-Assistant-Doku zum Mold Indicator kann eine Feuchte von mehr als etwa 70 % an einer Oberfläche zu Schimmelwachstum führen, bei 100 % kondensiert Wasser.

Das Umweltbundesamt empfiehlt laut seinen Lüftungshinweisen eine Raumluftfeuchte zwischen 40 und 60 % und rät vom Dauerkippen ab: Das Fenster in Kippstellung tauscht zu wenig Luft aus, kühlt aber Laibung und Wand aus. Stattdessen soll im Winter zwei- bis dreimal täglich etwa fünf Minuten stoßgelüftet werden, im Schlafzimmer nach dem Aufstehen etwa zehn.

Home Assistant kann dafür zwei Dinge liefern:

• Eine Schätzung des Risikos am kalten Punkt (Mold Indicator).
• Eine konkrete Lüftungsregel, die innen und außen vergleicht und dir Bescheid gibt.

Beides ersetzt kein Gespür für das Gebäude. Ein Sensor misst Luft an einer Stelle, kein Mauerwerk.

Die Sensoren: mindestens zwei, besser mehr

Für beide Methoden brauchst du Temperatur und relative Feuchte innen sowie die Außentemperatur, für die Lüftungsregel zusätzlich die Außenfeuchte. Funk-Sensoren über Zigbee sind dafür naheliegend: batteriebetrieben, lokal, ohne Cloud. Falls du noch kein Zigbee-Netz hast, hilft dir der Zigbee-Einstieg für Home Assistant.

So haben wir verglichen: Wir haben nur Modelle betrachtet, die auf der Geräteseite von zigbee2mqtt.io gelistet sind, und danach Messbereich und Genauigkeit aus Herstellerangaben und Amazon-Produktseiten verglichen. Die Sensoren haben wir nicht selbst getestet. Die Auswahl folgt dem Zweck, nicht der Verfügbarkeit von Affiliate-Links.

• Der SONOFF SNZB-02P Zigbee Temperatur- und Feuchtigkeitssensor^* ist laut Hersteller auf ±0,2 °C und ±2 % relative Feuchte spezifiziert, nutzt eine CR2477-Knopfzelle und ist für −10 bis 60 °C ausgelegt. Zigbee2MQTT listet ihn mit Temperatur, Feuchte, Batteriestand und einstellbaren Offsets für beide Werte. Er eignet sich für die Messung im Raum.
• Der Aqara Temperatur- und Feuchtigkeitssensor (WSDCGQ11LM)^* liefert zusätzlich den Luftdruck, nutzt eine CR2032 und deckt laut Amazon-Produktseite −20 bis 50 °C ab. Das ist für den Außeneinsatz im Winter der größere Spielraum. Auch hier gibt es Offsets für die Messwerte.

Zwei Einschränkungen gehören dazu. Zigbee2MQTT weist bei Xiaomi-/Aqara-Geräten darauf hin, dass sie sich gelegentlich aus dem Netz verabschieden, etwa bei schwachem Signal oder passenden Routern. Bei einem Außensensor ist die Funkstrecke durch die Wand der kritische Punkt, wie du sie stabilisierst, steht im Artikel zum Zigbee-Mesh. Außerdem ist keiner der Sensoren als wetterfest ausgewiesen: Montiere den Außensensor geschützt unter einem Dachüberstand, nicht in Regen oder direkte Sonne. Zur Kompatibilität mit ZHA haben wir keine belegte Herstellerliste ausgewertet, prüfe das Modell dort vor dem Kauf.

Alternativ nimmst du als Außenwert eine Wetterstation. Wie das mit einer Netatmo klappt, steht im Artikel zur Netatmo-Wetterstation in Home Assistant.

Günstige Hygrometer liegen bei der relativen Feuchte oft einige Prozentpunkte daneben. Setze Offsets nur nach Abgleich mit einem Referenzgerät und lies die Ergebnisse als Tendenz.

Mold Indicator als Helfer einrichten

Der Mold Indicator ist ein Helfer. Du legst ihn unter Einstellungen → Geräte & Dienste → Helfer → Helfer hinzufügen an. Die Doku nennt diese Felder:

• Name (optional)
• Innentemperatur-Sensor
• Innenfeuchte-Sensor
• Außentemperatur-Sensor
• Kalibrierfaktor (Pflicht)

Für den Innenbereich nimmst du einen Sensor, der die Raumluft an der betroffenen Außenwand misst, nicht den im Flur. Pro Problemzimmer legst du einen eigenen Helfer an. Die YAML-Variante mit platform: mold_indicator gibt es weiterhin, die UI ist aber der einfachere Weg.

Den Kalibrierfaktor bestimmen

Der Faktor beschreibt, wie viel kälter die kritische Stelle ist als der Raum. Die Doku gibt diese Formel vor:

calibration_factor = (temp_innen - temp_außen) / (temp_kritischer_punkt - temp_außen)

Du suchst dazu die kälteste Fläche im Raum. Laut Doku liegt sie typischerweise am Fensterrahmen, hängt aber von der Dämmung ab, bei einem Altbau kann es die Außenwandecke sein. Dann misst du dort die Oberflächentemperatur, etwa mit einem Infrarotthermometer oder einem zweiten Sensor, den du anklebst, und zwar möglichst an einem kalten Tag mit deutlichem Unterschied zwischen innen und außen.

Ein Rechenbeispiel: innen 21 °C, außen 0 °C, die Ecke an der Außenwand misst 15 °C:

(21 - 0) / (15 - 0) = 1,4

Der Kalibrierfaktor ist dann 1,4. Eine einzelne Messung ist nur eine Näherung. Wiederhole sie bei anderem Wetter und mittle, wenn die Werte stark abweichen.

Was der Wert aussagt, und was nicht

Der Helfer gibt dir eine geschätzte Feuchte an der kalten Stelle in Prozent. Liegt sie dauerhaft über etwa 70 %, ist das laut Doku ein Wachstumsrisiko. Das ist ein Hinweis, kein Beweis: Der Mold Indicator rechnet mit drei Messwerten und einem Faktor und kennt weder Materialien, Wärmebrücken noch Möbel vor der Wand. Behandle den Wert wie eine Warnlampe, nicht wie ein Gutachten.

Lüftungsregel per absoluter Luftfeuchte

Die relative Feuchte ist für die Entscheidung „Fenster auf oder nicht“ ungeeignet, weil sie von der Temperatur abhängt. Draußen können 90 % relative Feuchte bei 2 °C weniger Wasser pro Kubikmeter bedeuten als drinnen 50 % bei 21 °C. Die Simon42-Anleitung zum Lüften rechnet deshalb in absoluter Feuchte (g/m³) und vergleicht innen mit außen. Die Formel aus dieser Quelle packst du in zwei Template-Sensoren:

template:
  - sensor:
      - name: "Absolute Feuchte innen"
        unique_id: absolute_feuchte_innen
        unit_of_measurement: "g/m³"
        state_class: measurement
        availability: >
          {{ has_value('sensor.schlafzimmer_temperatur')
             and has_value('sensor.schlafzimmer_luftfeuchte') }}
        state: >
          {% set t = states('sensor.schlafzimmer_temperatur') | float %}
          {% set rh = states('sensor.schlafzimmer_luftfeuchte') | float %}
          {{ (1000 * e ** (19.016 - 4064.95 / (t + 236.25))
              * 100 / (461.66 * (t + 273.15)) * rh / 100) | round(1) }}

      - name: "Absolute Feuchte außen"
        unique_id: absolute_feuchte_aussen
        unit_of_measurement: "g/m³"
        state_class: measurement
        availability: >
          {{ has_value('sensor.aussen_temperatur')
             and has_value('sensor.aussen_luftfeuchte') }}
        state: >
          {% set t = states('sensor.aussen_temperatur') | float %}
          {% set rh = states('sensor.aussen_luftfeuchte') | float %}
          {{ (1000 * e ** (19.016 - 4064.95 / (t + 236.25))
              * 100 / (461.66 * (t + 273.15)) * rh / 100) | round(1) }}

Passe die Entitäts-IDs an deine Sensoren an. Die availability-Bedingung sorgt dafür, dass bei ausgefallenem Sensor unavailable statt eines falschen Werts erscheint. Das Gegenstück ist ein binärer Template-Sensor, der die Differenz auswertet:

template:
  - binary_sensor:
      - name: "Lüften sinnvoll Schlafzimmer"
        unique_id: lueften_sinnvoll_schlafzimmer
        delay_on: "00:05:00"
        availability: >
          {{ has_value('sensor.absolute_feuchte_innen')
             and has_value('sensor.absolute_feuchte_aussen')
             and has_value('sensor.schlafzimmer_luftfeuchte') }}
        state: >
          {% set diff = states('sensor.absolute_feuchte_innen') | float
                        - states('sensor.absolute_feuchte_aussen') | float %}
          {% set rh = states('sensor.schlafzimmer_luftfeuchte') | float %}
          {{ (diff > 4.5 and rh > 60)
             or (this.state == 'on' and diff > 4 and rh > 55) }}

Die Schwellen 4,5 g/m³ zum Einschalten und 4 g/m³ zum Ausschalten stammen aus der Simon42-Anleitung, ebenso die Vorgabe, dass die Differenz mehrere Minuten anliegen muss (delay_on). Betrachte die Zahlen als Startwerte und justiere sie für dein Gebäude. Zusätzlich muss die relative Innenfeuchte über 60 % liegen, der Obergrenze des UBA-Bereichs. Ausgeschaltet wird unter 55 %, der Abstand verhindert ständiges Umschalten. Bei bereits trockener Raumluft kommt so keine Meldung. Beide template:-Blöcke fasst du in derselben Datei zu einem zusammen, doppelte Top-Level-Schlüssel verträgt YAML nicht.

Die Regel sagt nur, ob die Außenluft trockener ist. Bei großer Kälte kühlt der Raum beim Lüften aus, für fünf Minuten Stoßlüften meist verkraftbar, bei langem Offenlassen nicht.

Benachrichtigung: „Fenster jetzt lüften“

Die Lüftungsmeldung kommt nur bei geschlossenem Fenster. Dazu gibt es einen Hinweis zum Schließen, sobald sich die Feuchte angeglichen hat, und eine Erinnerung, wenn das Fenster länger als 15 Minuten offen bleibt:

automation:
  - alias: "Schlafzimmer: Jetzt stoßlüften"
    triggers:
      - trigger: state
        entity_id: binary_sensor.lueften_sinnvoll_schlafzimmer
        to: "on"
    conditions:
      - condition: state
        entity_id: binary_sensor.fenster_schlafzimmer
        state: "off"
    actions:
      - action: notify.mobile_app_dein_handy
        data:
          title: "Lüften sinnvoll"
          message: >
            Innen ist es feuchter als draußen. Fenster jetzt für etwa
            5 Minuten weit öffnen, nicht kippen.

  - alias: "Schlafzimmer: Fenster wieder schließen"
    triggers:
      - trigger: state
        entity_id: binary_sensor.lueften_sinnvoll_schlafzimmer
        to: "off"
    conditions:
      - condition: state
        entity_id: binary_sensor.fenster_schlafzimmer
        state: "on"
    actions:
      - action: notify.mobile_app_dein_handy
        data:
          message: "Der Feuchteunterschied liegt unter der eingestellten Lüftungsschwelle. Fenster schließen."

  - alias: "Schlafzimmer: Fenster vergessen"
    triggers:
      - trigger: state
        entity_id: binary_sensor.fenster_schlafzimmer
        to: "on"
        for: "00:15:00"
    actions:
      - action: notify.mobile_app_dein_handy
        data:
          message: "Das Fenster im Schlafzimmer ist seit 15 Minuten offen. Bitte schließen."

  - alias: "Schlafzimmer: Schimmelrisiko am kalten Punkt"
    triggers:
      - trigger: numeric_state
        entity_id: sensor.schimmelrisiko_schlafzimmer
        above: 70
        for: "00:30:00"
    actions:
      - action: notify.mobile_app_dein_handy
        data:
          message: >
            {% if has_value('sensor.absolute_feuchte_innen') and has_value('sensor.absolute_feuchte_aussen') %}
              {% set innen = states('sensor.absolute_feuchte_innen') | float %}
              {% set aussen = states('sensor.absolute_feuchte_aussen') | float %}
              {% if aussen < innen %}
                Geschätzte Feuchte am kalten Punkt liegt über 70 %. Die Außenluft ist trockener als die Raumluft: Stoßlüften und Heizung prüfen.
              {% else %}
                Geschätzte Feuchte am kalten Punkt liegt über 70 %. Die Außenluft ist nicht trockener als die Raumluft, Lüften bringt gerade nichts. Prüfe Heizung, Möbel an der Außenwand und die Feuchtequellen im Raum.
              {% endif %}
            {% else %}
              Geschätzte Feuchte am kalten Punkt liegt über 70 %. Ein Feuchtewert fehlt, ob Lüften hilft, lässt sich gerade nicht beurteilen. Prüfe Heizung, Möbel an der Außenwand und die Feuchtequellen im Raum.
            {% endif %}

binary_sensor.fenster_schlafzimmer ist ein Fensterkontakt, wie er im Artikel zum Fenstersensor in Home Assistant beschrieben ist. Der Name des Mobile-App-Dienstes hängt von deinem Gerät ab, nutze den, den Home Assistant unter Aktionen anzeigt. Für Telegram oder Pushover findest du die Einrichtung in den Benachrichtigungen per Telegram und Pushover. Der Name sensor.schimmelrisiko_schlafzimmer entsteht aus dem Namen, den du dem Mold Indicator gegeben hast.

Auch die Heizung gehört dazu: Ein ausgekühlter Raum mit gekipptem Fenster ist der Klassiker für Schimmel. Wie du Heizung und Fenster koppelst, steht in Smarte Heizungssteuerung in Home Assistant.

Dashboard-Karte

Für den schnellen Blick reicht eine Karte mit den drei wichtigsten Werten. In der Dashboard-Bearbeitung wählst du „Karte hinzufügen → Entitäten“ oder fügst im YAML-Modus ein:

type: entities
title: Schlafzimmer – Feuchte
entities:
  - entity: sensor.schlafzimmer_luftfeuchte
    name: Relative Feuchte innen
  - entity: sensor.schimmelrisiko_schlafzimmer
    name: Geschätzt am kalten Punkt
  - entity: sensor.absolute_feuchte_innen
    name: Absolute Feuchte innen
  - entity: sensor.absolute_feuchte_aussen
    name: Absolute Feuchte außen
  - entity: binary_sensor.lueften_sinnvoll_schlafzimmer
    name: Lüften sinnvoll

Eine Verlaufsgrafik über eine Woche zeigt besser als jede Momentaufnahme, ob eine Stelle immer wieder an die 70 % kommt. Mehr zum Layout liefert der Artikel zum Dashboard-Gestalten.

Häufige Fragen

Reicht der Mold Indicator allein?

Nein. Er schätzt einen Wert an einer Stelle, sagt aber nicht, ob dort schon Schimmel wächst. Ergänze ihn durch den Blick hinter Möbel und in Ecken.

Muss der Außensensor wirklich draußen hängen?

Für die Lüftungsregel ist die Außenfeuchte nötig. Eine Alternative ist eine vorhandene Wetterstation oder die Wetter-Integration, die Werte sind dann aber weniger lokal.

Wie oft soll ich lüften?

Laut Umweltbundesamt im Winter zwei- bis dreimal täglich rund fünf Minuten mit weit geöffnetem Fenster. Nach dem Duschen oder Kochen zusätzlich. Die Automation ergänzt das und ersetzt es nicht.

Funktioniert das auch im Sommer?

Anders. Im Sommer ist die Außenluft oft feuchter als die Luft im kühlen Keller. Dann zeigt der Vergleich „Nicht lüften“, was zum Kondensat an kalten Kellerwänden passt. Die Schwellen sind auf den Winter ausgelegt.

Fazit

Für wen sich das lohnt: Mieter und Eigentümer mit einem konkreten Problemraum, etwa einem Schlafzimmer an der Nordwand. Zwei Zigbee-Sensoren, ein Helfer und zwei Template-Sensoren reichen für eine brauchbare Lüftungsmeldung. Meine Einschätzung: Fang mit dem Mold Indicator und einem einzigen Raum an, miss den Kalibrierfaktor sorgfältig und justiere die Schwellen nach zwei, drei Wochen.

Für wen nicht: Wer bereits Schimmel an der Wand hat oder bei dem ein Wasserschaden vorliegt, löst das Problem nicht mit einer Benachrichtigung. Das ist ein Fall für Fachleute und bei Mietwohnungen für die Hausverwaltung.

Autor

Philipp

Themen

Home Assistant, ESP32, Zigbee

Schreibt über Home Assistant, ESP32 und alles, was das Smart Home smarter macht.

Dieser Artikel wurde mit KI-Unterstützung erstellt; Angaben werden gegen offizielle Dokumentation und Herstellerangaben geprüft. Wie die Artikel entstehen