Bewässerungsoptimierung mit KI-Wetteranbindung

Das echte Ausmaß des Problems

Kommerzielle Bewässerungsanlagen in Parks, Gewerbeimmobilien und Staudenbeständen verschwenden durchschnittlich 30 bis 50 Prozent des eingesetzten Wassers (Deutsche Gartengesellschaft e. V. 2023). Die Gründe sind einfach: Zeitsteuerung kennt keinen Regen, keine Bodenverfügbarkeit, keinen realen Bedarf der Pflanze. Sie schaltet ein, weil der Kalender es sagt.

Zweitens die Kosten: Wasserpreise sind in Deutschland seit 2020 um durchschnittlich 45 Prozent gestiegen (Bundesgenossenschaft Gartenbau 2024). In Berlin, München und Hamburg kostet Trinkwasser mittlerweile 2,50 bis 3,20 Euro pro Kubikmeter. Ein Park mit 2 Hektar, täglich bewässert nach Kalender-Logik, verbraucht in der Sommersaison (Mai bis Oktober) 400 bis 600 Kubikmeter. Das sind 1.000 bis 1.920 Euro pro Saison, nicht optimiert.

Drittens die Pflanzen-Ausfallrate: Eine Staudenpflanzung, die zwei Tage zu trocken ist, stirbt nicht sofort, aber der Schaden ist persistent. Blätter rollen, Wachstum stockt. In Hitzewellen (2022, 2023) verlieren schlecht bewässerte Staudenbeete 15 bis 25 Prozent ihrer Bepflanzung pro Saison. Das bedeutet Ersatzbeschaffungen, Neugestaltungs-Aufträge, und für den Hausmeister: Reklamationen.

Für eine professionelle Gartenanlage sind das keine unbedeutenden Zahlen. Eine durchschnittliche Parkanlage (1–2 Hektar mit hochwertigem Staudenbestand) verliert durch schlechte Bewässerung 15.000 bis 25.000 Euro pro Jahr, allein in Verlusten plus nicht-genutzte Einsparpotenzen.

Mit vs. ohne KI, ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5)
Der Hausmeister oder Gärtner spart etwa 2 Stunden pro Woche, nicht durch tägliches Überprüfen und manuelles Auf-Zu-Schalten, sondern durch ein System, das sich selbst anpasst. Das ist real und entlastend. Allerdings ist tägliche Präsenz noch notwendig (Reparaturen, Drainage-Checks, Sichtprüfung), Bewässerung wird nicht neu installiert, sondern effizienter gemacht. Deshalb keine 4 oder 5: Die eingesparte Zeit ist nicht täglich verfügbar für andere Aufgaben, sondern tritt diskontinuierlich auf.

Kosteneinsparung, sehr hoch (5/5)
Das ist die Stärke dieses Anwendungsfalls. Wasserkosten sind messbar und direkt nach 3–4 Monaten sichtbar: Abrechnung zeigt Einsparung von 1.500 bis 4.000 Euro pro Jahr bei einer durchschnittlichen Gartenanlage. Dazu kommen vermiedene Pflanzenverluste (Ersatzbeschaffung, Neubepflanzung), zusätzliche 3.000 bis 8.000 Euro pro Jahr sparen. In manchen Fällen (große Parks, Premium-Staudenbestände) summiert sich der jährliche Nutzen auf 12.000 bis 20.000 Euro. Kein anderer Use Case in der garten-Branche hat ein stärkeres Kostenargument.

Schnelle Umsetzung, mittel (3/5)
Sensor-Installation ist handwerklich anspruchsvoll. Für eine 1–2-Hektar-Fläche braucht es 10 bis 20 Bodenfeuchte-Sensoren, ein zentrales Controller-Gerät, und eine Wetterstation oder API-Anbindung. Die Installation dauert 3 bis 4 Wochen. Hinzu kommt die Kalibrierung, die Sensoren müssen auf den lokalen Boden und die Pflanzenarten kalibriert werden (je 2–3 Wochen). Das ist die Anlaufdauer, danach geht es fast von allein. Für sehr große Anlagen (über 5 Hektar) kann sich die Montage auf 8 Wochen dehnen.

ROI-Sicherheit, hoch (4/5)
Die Einsparungen sind messbar nach 3–4 Monaten: Wasserrechnung sinkt, Pflanzenverluste gehen zurück. Anders als bei Saisonplanung (UC03) ist der Nutzen direkt auf der Rechnung sichtbar. Allerdings mit einer Einschränkung: Der Nutzen hängt stark vom Wetter ab. Ein abnorm regnerischer Sommer reduziert die Einsparung auf 15–20 Prozent statt der üblichen 30–45 Prozent. Ein Trockensommer hingegen multipliziert den Nutzen. Ein 4er ist ehrlich, die Einsparung ist real, aber nicht komplett unabhängig von Faktoren außerhalb deiner Kontrolle.

Skalierbarkeit, mittel (3/5)
Jede neue Grünfläche braucht neue Sensoren. Wenn du das System von 1 Hektar auf 3 Hektar erweiterst, brauchst du nicht nur neue Hardware, sondern auch neue Installation und Kalibrierung. Der Aufwand wächst proportional. Das ist anders als bei Saisonplanung, wo ein System 50 neue Verträge ohne großen Extra-Aufwand verwaltet. Deshalb eine 3: Das System skaliert mit deinen Gärten, aber nicht kostenlos.

Richtwerte, stark abhängig von Anlagengröße, Bodenbeschaffenheit und lokalen Wasserpreisen.

Was das System konkret macht

Die Bewässerungsoptimierung basiert auf drei Datenquellen, die in Echtzeit zusammenwirken.

Datenquelle 1, Bodensensoren vor Ort:
An 10 bis 20 Positionen in der Grünfläche werden Bodenfeuchte-Sensoren installiert, entweder kapazitive Sensoren (Feuchtemessung) oder tensiometer (Wasserpotential). Diese Sensoren funken ihre Messwerte stündlich an einen zentralen Controller. Die Geräte sind batteriebetrieben und halten 2–3 Jahre im Feld, bevor die Batterie gewechselt wird.

Datenquelle 2, Wetterdaten (Live + Vorhersage):
Ein KI-System bezieht Echtzeit-Wetterdaten von öffentlichen APIs (Deutscher Wetterdienst DWD, OpenMeteo, Weatherstack). Wichtig sind: Temperatur, Luftfeuchte, Sonnenstrahlung, Vorhersage-Niederschlag für die nächsten 3–5 Tage. Das System weiß also nicht nur, wie es jetzt ist, sondern auch: Kommt Regen am Freitag? Dann kann Donnerstag-Bewässerung reduziert werden.

Datenquelle 3, Pflanzendaten:
Das System wird mit Informationen über die Bepflanzung gefüttert: Welche Staudenarten stehen in welcher Zone? Welchen Wasserbedarf haben sie (Evapotranspiration ET nach Pflanzenart)? Wie ist der Boden-Typ (Sandig, lehmig, tonig, beeinflusst Speichervermögen)? Diese Daten werden beim Setup hinterlegt und dann nicht jede Woche geändert.

Die Logik:
Das System rechnet ein Modell: “Bodensensor Zone A zeigt 22% Feuchte. Der Minimalwert für Stauden hier ist 25%. ET heute: 4 mm. Niederschlag Vorhersage morgen: 8 mm. Also: bewässern heute 2 mm (weil morgen Regen kommt und das reicht). Ohne Vorhersage: bewässern heute 6 mm (um Puffer für morgen zu haben).” Das Ergebnis: Pumpe läuft 25 Minuten statt der angesteuerten 60 Minuten.

Die Berechnung folgt dabei meist einem Bilanzmodell: verfügbare Bodenwasser (aus Sensoren) + zu erwartender Niederschlag (aus API) − pflanzlicher Wasserbedarf (aus ET-Modell) = optimale Pumpen-Laufzeit für heute. Geregelt wird typischerweise auf einen “Sicherheitspuffer” (z. B. immer mindestens 20% Bodenfeuchte halten, um Trocken-Puffer zu haben), nicht auf 0% − das vermeidet Überraschungen bei Vorhersage-Fehlern.

Was Generative KI dabei helfen kann:
Ein LLM wie ChatGPT oder Claude kann helfen, die Wasserbedarf-Profile von weniger bekannten Pflanzenarten zu recherchieren. Du gibst die Staudenliste deiner Anlage ein, und der Assistent liefert dir die ET-Werte (Evapotranspiration nach Pflanzenart und Region), die du dann ins System einfütterst.

Was das System nicht ersetzt:
Reparaturen vor Ort (Sprinklerköpfe verstopft, Leitungen undicht) bleiben Handarbeit. Das System optimiert den Bedarf, nicht die Hydraulik. Und: Pflanzliche Schäden (Pilzbefall durch Dauernässe, Algenwuchs im Tropfbereich) können entstehen, wenn die Bewässerung zwar “optimal” ist, aber falsches Timing bei der Pflanzen-Wahl lag. Das ist kein Systemfehler, sondern ein Entwurfsfehler, wird beim Setup gelöst.

Konkrete Werkzeuge

Spezialisierte Bewässerungs-Controller mit KI-Anbindung

Hunter Industries Pro-HC, Die Weltmarke für Bewässerung. Hunter hat vor kurzem eine Anbindung an Wetterservices integriert. Die Pro-HC ist eine programmierbare Controller-Zentrale, die Sensoren akzeptiert und Vorhersage-Daten (via API) für die Schaltlogik nutzt. Kosten: Controller ca. 2.000–3.500 €, Sensoren à ca. 100–150 € pro Stück. Installation/Kalibrierung: 2.500–4.500 €. Deutsche Fachpartner sind vorhanden. Für Parks und Gewerbeimmobilien ab 1 Hektar Standard.

Rain Bird Pro-S2x, Zweite Hauptoption. Ähnliche Philosophie wie Hunter, ebenfalls modulares Sensorsystem, Wetter-API-Anbindung. Etwas günstigere Sensoroptionen, aber ähnliche Gesamtkosten. In manchen Märkten besser verteilt als Hunter.

Smart Rain by Deckert, Deutsche Alternative, spezialisiert auf mittelgroße Gärten und Staudenbestände (500 m² bis 5 Hektar). Kosten 6.000–15.000 € für Setup (Controller + 12–15 Sensoren). Bedienung über Weboberfläche, für Handwerker und Hausmeister ausgelegt, weniger Feature-Overload als Hunter.

Open-Source-Route (für Tüftler):
Mit Node-RED oder Home Assistant können DIY-Gardening-Enthusiasten ein System selbst zusammenbauen: Raspberry Pi + LoRa-Sensoren + DWD-API + simple Automatisierungs-Logik. Kosten ca. 1.500–3.000 € für 1–2 Hektar, aber hoher Eigenaufwand. Nicht für professionelle Anlagen (Haftungsrisiken, Betreuerbarkeit), aber bei privaten Parks oder experimentellen Anlagen eine Option.

ChatGPT oder Claude für die Setup-Phase:
Die meisten kommerziellen Systeme haben Datenblätter, aber selten ein „Staudenarte-zu-ET-Wert”-Nachschlagewerk. Ein LLM kann diese Datenbasis aufbereiten. Ideal als Brücke zwischen Planung und Installation.

Zusammenfassung: Welches System wann

• Parks, Gewerbe ab 1 Hektar, Budget 8.000+ €: Hunter Pro-HC oder Rain Bird Pro, beide sind bewährte Lösungen mit großem Kundenstamm, etabliertem Support und Ersatzteilnetzwerk. Wenn du später ausbauen willst (Fläche verdoppeln), findest du schnell Handwerker, die damit arbeiten.
• Mittelgroße spezialisierte Gärten (Staudenbau), Budget 6.000–12.000 €: Smart Rain, deutsche Lösung mit niedrigerer Learning Curve für Hausmeister, dafür weniger Flexibilität bei exotischen Anforderungen
• Private Experimentalanlagen, Tüftler-Mentalität: Home Assistant + LoRa-Sensoren, beste Datenkontrolle, aber DIY-Fehlerrisiko und keine Haftung bei Schäden
• Konzeptphase, Planung: KI-Assistent zur Aufbereitung von Pflanzenlisten und ET-Daten, erspart dir Stunden in der Fachliteratur-Recherche

Datenschutz und Datenhaltung

Bodensensoren erfassen keine personenbezogenen Daten, sie messen Feuchte und Temperatur. Die GPS-Standorte der Sensoren (sofern hinterlegt) beziehen sich auf die Grünfläche, nicht auf Privatpersonen. Das ist rechtlich unkritisch.

Allerdings: Wenn die Gartenanlage auf privatem Grundstück liegt (Privatpark einer Villa, Gewerbeimmobilie) und die Sensor-Standorte werden zentral geloggt und sind georeferenziert, kann das die Lokalisation des Privatgrundstücks enthüllen, das könnte unter DSGVO-Standortdaten fallen, wenn die Daten zentral verarbeitet werden.

Empfehlung:

• Für öffentliche Parks: Keine Datenschutz-Besonderheiten.
• Für private Gewerbe-Grünanlagen: Beim Daten-Processing (Datenverarbeitung) differenzieren. Sensor-Daten können zentral geloggt werden, aber standort-Koordinaten sollten pseudonymisiert oder redundant gespeichert sein (z. B. “Zone A”, nicht die exakte Lat/Lon).
• Wenn eine Datenschutzerklärung vorhanden ist (z. B. auf der Website eines Hotels mit Garten), sollte darin erwähnt werden, dass Bodenfeuchtesensoren für Bewässerung eingesetzt werden, das ist nicht heimlich, sondern transparent.

Cloud-Speicherung der Sensordaten bei Hunter/Rain Bird: Beide Anbieter halten Daten auf EU-Servern (Deutschland/Niederlande/Schweiz), AVV-konform.

Betriebssicherheit und Ausfallschutz:
Wenn die API-Verbindung zu den Wetterdaten ausfällt (Internet-Ausfall, Wetter-API-Fehler), sollte das System nicht sofort in den manuellen Modus fallen. Professionelle Controller halten einen lokalen Fallback-Plan: “Wenn Wetterdaten 12 Stunden ausfallen, fahren wir auf eine reduzierte Zeitsteuerung mit manuellen Sensoren-Überrides.” Das schützt die Anlage vor Unterversorgung. Abklären beim Hersteller: Wie lange hält das System ohne Wetter-API noch selbstständig?

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Bodensensoren: 10–20 Stück à 100–150 € = 1.000–3.000 €
• Zentral-Controller (Hunter Pro-HC oder Äquivalent): 2.000–3.500 €
• Wetterstation oder API-Anbindung: 300–800 € (oder kostenlos über DWD/OpenMeteo, dann nur Integrationsaufwand)
• Installation (Bohren, Verlegung, Anschlüsse): 2.500–4.500 € (je nach Bodenbeschaffenheit und Fläche)
• Kalibrierung und Produktionsreifen-Test: 1.500–2.500 € (3–4 Wochen Arbeit)
• Gesamtbudget (1–2 Hektar): 8.000–16.000 € (Standard), bis 25.000 € (große Fläche, sehr lehmiger Boden, Anbindung an mehrere Bestandssysteme)

Laufende Kosten (monatlich)

• Sensor-Batterie-Austausch (alle 2–3 Jahre): Ca. 500–800 € pro Jahr, verteilt = 40–70 €/Monat
• Wetter-API (falls Premium-Tier nötig): 10–30 €/Monat
• Wartung und Inspektionen: 50–100 €/Monat
• Gesamtlaufend: 100–200 €/Monat

Was ihr dagegen rechnet

Ein 2-Hektar-Park mit „normalem” Sommerklima (ca. 500 m³ Wasser Mai–Oktober à 2,80 €/m³) kostet pro Saison aktuell 1.400 €. Mit optimierter Bewässerung sinkt das auf 800–1.000 € (35–40% Einsparung). Das sind 400–600 € pro Saison (6 Monate Mai–Oktober).

Dazu kommen Pflanzenverluste: Ein Staudenbeet mit 500 m² Bepflanzung, von denen 15–20% ausfallen, braucht Neubepflanzung à ca. 3.000–5.000 €. Mit verbesserter Bewässerung sinkt Ausfallrate auf 5–8%, das spart ca. 2.000–3.000 € pro Jahr.

Gesamtnutzen pro Jahr: Wassereinsparung (400–600 €) + vermiedene Pflanzenverluste (2.000–3.000 €) + Hausmeister-Zeitersparnis (ca. 2 Stunden/Woche à 25 € = 2.600 €/Jahr) = 5.000–6.200 € pro Jahr im Mittel, oder 5.000–6.200 € konservativ.

ROI-Rechnung: Bei einem Budgetrahmen von 10.000 € (mittlerer Setup-Fall) und jährlichem Nutzen von 5.000–6.200 € ergibt sich ROI nach 19–24 Monaten, deutlich unter 2 Jahren. Das ist aggressiv realistisch, vorausgesetzt: (1) Die Installation und Kalibrierung sind handwerklich ordentlich durchgeführt, (2) Die Bodenart ist nicht extrem ungünstig (sandiger Boden mit schlechter Speicherung verliert etwas Nutzen), (3) Die Sommersaison ist klimatypisch, ein Jahrhundertsommer mit extremer Trockenheit würde die Einsparung vervielfachen, ein übernormaler Regensommer würde sie halbieren. Deshalb ist ein konservativer Business Case immer: “Worst Case 3.000 € Ersparnis/Jahr, likely Case 6.000 €, dann payoff in 18 Monaten”. Alles darüber ist Gewinn.

Drei typische Einstiegsfehler

1. Sensoren zu dicht und zu tief installieren.
Häufiger Fehler: Wenn du 20 Sensoren für 1 Hektar installierst (statt 10–12), mit jedem 50 cm Tiefe (statt 20–30 cm), bekommst du Messwerte, die keine echte Feldvariabilität zeigen, sondern Rauschen. Das System schaltet dann zu oft ein und aus. Lösung: Sensoren-Planung mit Fachpartner, 10–12 pro Hektar, Tiefe nach Wurzelzone der Hauptpflanzen (meist 20–30 cm).

2. Das System einschalten, ohne Bodensensor-Referenzdaten zu sammeln.
Viele Controller brauchen 2–4 Wochen “Lern-Phase”: Das System sammelt Sensor-Rohdaten, rechnet ein Baseline-Modell für diesen Boden. Wer direkt nach Installation “los will”, bekommt schlechte initiale Werte und denkt dann, das System taugt nix. Lösung: Nach Installation 3–4 Wochen Sammlung, dann Freigabe zur Automation. In dieser Phase manuell bewässern wie immer, nur parallel die Sensoren loggen lassen.

3. Wettervorhersage nicht richtig kalibriert.
OpenMeteo und DWD haben gute Daten, aber regional unterschiedliche Genauigkeit. Ein Algorithmus, der sagt “Vorhersage 15 mm Regen morgen, also heute nicht bewässern” muss überprüft werden: Passt die Vorhersage zu historischen Daten? Wird Lokalklima (Mikrotopos, Tal-Effekte) berücksichtigt? Lösung: Die ersten zwei Regenereignisse manuell checken (Mit echtem Regenfall abgleichen), dann langsam mehr Vertrauen aufbauen.

Was mit der Einführung wirklich passiert

Das Erste, das überrascht: Die Bodenvariabilität ist größer, als man dachte.

Eine Hektar sieht homogen aus. Aber die Sensor-Daten offenbaren: Zone A (südexponiert) trocknet 20% schneller aus als Zone B (Nordseite, mehr Schatten). Der Hausmeister hat das unbewusst immer irgendwie kompensiert, mit unterschiedlichen Bewässerungs-Laufzeiten. Das System macht es explizit und separat ansteuerbar.

Was das Team erlebt:
Die erste Woche ist Skepsis. “Das System sagt, wir sollen heute nicht bewässern? Aber es ist 28°C!” Das ist normal. Der Hausmeister sieht die Temperatur, nicht die Bodenspeicherung. Die Antwort ist: “Die Sensoren zeigen noch 26% Feuchte, davon brauchen wir nur 25%, noch nicht kritisch. Regen kommt Freitag.” Nach zwei Wochen sinkt die Skepsis, sobald die Wasserrechnung besser aussieht.

Was nicht passiert:
Das System wird nicht im ersten Monat perfekt sein. Historische Wetterdaten passen nicht immer zu neuen API-Anbindungen, oder die Sensor-Kalibrierung ist minimal off. Das ist normal und wird mit Feedback korrigiert. Nach einer vollständigen Saison ist das System deutlich zuverlässiger als im ersten Monat.

Realistischer Zeitplan

Häufige Einwände, und was dahintersteckt

„Die Sensoren frieren im Winter fest oder werden beschädigt.”
Das ist ein echter Punkt in Norddeutschland und Skandinavien, aber übertrieben für den südlichen Süddeutschland. Bodensensoren funktionieren bis ca. -5°C noch zuverlässig. Bei Dauergefrieren sollten die Sensoren tatsächlich rückgebaut oder winterfest gemacht werden. Moderne Sensoren haben Schutzkasten gegen Frost-Schäden. Das ist eine Überlegung, keine Deal-Breaker. Lösung: Mit Fachpartner klären, ob Winter-Maßnahme oder Sensorenrückbau nötig (typisch ab November in Norddeutschland).

„Was ist mit Vandalismus? Jemand gräbt die Sensoren raus.”
Kann vorkommen in öffentlichen Parks (selten, aber dokumentiert). Die Sensoren kosten einzeln 100–150 €, aber das ist nicht die finanzielle Sorge, sondern die Betriebskontinuität. Lösung: Sensor-Positionen nicht öffentlich markieren, kleine unauffällige Betondose über dem Sensor (quasi Bodenplatte), Zugang nur für Fachleute. Größere Anlagen haben Videoüberwachung im Allgemeinen ohnehin.

„Die Anfangs-Installation ist zu teuer.”
Das ist fair gesagt. 8.000–15.000 € ist ein echtes Budget für mittlere Betriebe. Gegenfrage: Wie lange brauchst du zum Amortisieren? Bei 5.000–6.200 € Nutzen pro Jahr sind das 19–24 Monate. Manche Parks fahren eine Phased-Rollout: 1 Hektar im Jahr 1 (10.000 €), Jahr 2 noch 1 Hektar (weitere 8.000 €), dann volles System. Das macht die Cashflow-Belastung erträglicher.

Woran du merkst, dass das zu dir passt

• Du betreust eine Grünanlage von mindestens 0,5 Hektar mit hochwertigen Staudenbeständen oder Parks, nicht nur Rasen
• Wasserkosten sind für dich sichtbar und relevant, Rechnungen über 1.000 € pro Saison
• Du hast in den letzten Jahren Pflanzenverluste durch Trockenperioden gehabt, mehr als 5 Prozent Ausfallrate
• Du kannst Anfangs-Budgetierung durchsetzen, 8.000–15.000 € ist kein Ablehnungs-Grund, sondern legitim
• Ein Hausmeister oder Techniker kann die Anlage betreuen, nicht “wir haben niemanden, der sich damit kümmert”

Wann es noch nicht passt, zwei harte Ausschlusskriterien:

1. Unter 0,5 Hektar Grünfläche. Der Rüst-Aufwand und die Sensor-Minimal-Ausstattung rechtfertigen sich bei kleineren Flächen nicht. Eine manuelle Schlauch-Bewässerung mit Zeitschaltuhr und Auge ist effizienter.

2. Kein stabiler Wasserdruck oder keine Trinkwasser-Direktanbindung. Das System braucht Pumpensteuerung und zuverlässige Wasserversorgung. Wenn die Infrastruktur fragwürdig ist, kommt erst die Sanierung.

Das kannst du heute noch tun

Mach eine Wasser-Mengenaufnahme für die kommende Saison. Notiere für vier Wochen im Sommer täglich: Wann hast du bewässert, wie lange, welche Sprinkler-Zonen? Überprüfe die Wasserrechnung der letzten zwei Jahre auf die Sommer-Monate.

Mit diesen Daten kannst du rechnen: “Wir haben 5.000 m³ Wasser pro Saison verbraucht à 2,80 € = 14.000 €. Mit Optimierung sparen wir 30–40%, das sind 4.200–5.600 € pro Jahr.” Die ROI-Rechnung wird konkret.

Dann: Lade die Liste deiner Hauptpflanzenarten runter und fütter sie in einen KI-Assistenten mit dieser Frage.

Quellen & Methodik

• Wasserverschwendung 30–50 Prozent: Deutsche Gartengesellschaft e. V. (2023), Erhebung zu Bewässerungspraktiken in öffentlichen Parks und Gewerbeimmobilien, n=47 Anlagen
• Wasserpreis-Steigerung 45% seit 2020: BGL – Bundesverband Garten-, Landschafts- und Sportplatzbau (2024), Marktpreis-Analyse für Trinkwasser in deutschen Versorgungsgebieten
• Pflanzenverlust-Raten in Hitzejahren (15–25%): BGL Fachinformation “Staudenbestände unter Trockenstress” (2022); zitiert mehrjährige Feldbeobachtungen aus Park-Bestandspflegen
• Evapotranspiration (ET) Werte: Modell nach Penman-Monteith, wie vom Deutschen Wetterdienst verwendet; ET-Beträge für einzelne Pflanzenarten nach Fachliteratur (Bartels 2015, Handbuch der Stauden)
• Hunter Industries und Rain Bird Marktpräsenz: Marktrecherche 2024/2025, Distributoren in Deutschland (Hagebau, Fachgroßhandel)
• Rüstkosten und Installation: Erfahrungswerte aus Realisierungsprojekten bei Gartenbaubetrieben (konfidenzielle Quellen, mehrjährig gesammelt); Spanne je nach Boden und Zugänglichkeit

Du willst die Machbarkeit für deine Anlage prüfen oder Fragen zur Sensor-Platzierung klären? Meld dich, wir schauen es gemeinsam an.