De fleste bygningsautomatiseringsprojekter fejler ikke på sensorerne – de fejler på integrationslaget. En PIR-sensor kan fortælle jer, at nogen bevæger sig i et lokale, men den kan ikke fortælle jer, om der er 3 eller 47 personer. Og hvis dataene først lander i et proprietært dashboard, som jeres BMS ikke kan læse, har I købt endnu en datasilo. Det er her, MQTT occupancy automation ændrer regnestykket: en letvægtsprotokol, der publicerer præcise belægningstal i realtid direkte til de systemer, der skal reagere på dem – HVAC, belysning, adgangskontrol, rengøringsplanlægning.
REST-baserede integrationer kræver polling: jeres system spørger hvert 30. sekund "hvor mange er der nu?", og det skalerer dårligt på tværs af 200 zoner. MQTT vender modellen om. Tællesensoren publicerer en besked til en broker, hver gang belægningen ændrer sig, og alle abonnerende systemer – Node-RED, KNX-gateways, Niagara, Home Assistant i mindre installationer eller jeres eget microservice-setup – modtager den øjeblikkeligt. Payloaden er typisk få hundrede bytes JSON. Det betyder lav båndbredde, lav latenstid og en arkitektur, hvor I kan tilføje en ny forbruger af data uden at røre sensorkonfigurationen.
For integratorer er den praktiske gevinst topic-strukturen. Et fornuftigt design som bygning/etage/zone/occupancy gør det muligt at abonnere med wildcards – alt på etage 3, alle mødelokaler, hele bygningen – uden at skulle vedligeholde endpoint-lister.
Den klassiske tidsplan – fuld ventilation kl. 7-18 på hverdage – passer sjældent til virkeligheden i hybride kontorer, hvor fredage kan ligge på under halv belægning. Med belægningsdata publiceret via MQTT kan jeres BMS modulere friskluftmængden pr. zone baseret på det faktiske antal personer. CO2-sensorer gør noget lignende, men de reagerer med forsinkelse; persontælling ved indgangene giver jer det ledende signal, så VAV-spjæld kan justeres, før luftkvaliteten falder. I praksis kombinerer de bedste installationer begge dele: tælledata som primært input, CO2 som verifikation.
Rengøring er ofte den største enkeltpost i facility-budgettet efter energi, og den planlægges typisk blindt. Når hvert toiletområde, mødelokale og kantineafsnit publicerer akkumulerede besøgstal, kan I skifte fra faste ruter til tærskelbaseret rengøring: en zone udløser en arbejdsordre i jeres CAFM-system, når den har haft eksempelvis 150 besøg siden sidste rengøring. Flere facility-teams bruger en simpel Node-RED-flow mellem MQTT-brokeren og deres ticketsystem til præcis dette – ingen mellemliggende platform nødvendig.
I detailhandel, fitnesscentre, kantiner og eventlokaler er live-belægning et compliance-spørgsmål, ikke kun et komfortspørgsmål. En MQTT-besked, der krydser en kapacitetstærskel, kan udløse digital skiltning ved indgangen ("vent venligst"), notifikationer til vagtpersonale eller automatisk styring af skydedøre. Ved evakueringsøvelser giver zonebaserede tal beredskabsteamet et hurtigt estimat over, hvor mange personer der befinder sig i hvilke sektioner – noget mange brandstrategier stadig baserer på gæt.
Ghost meetings – lokaler booket men aldrig brugt – æder typisk en betydelig andel af mødekapaciteten. Når belægningssensoren publicerer, at et booket lokale stadig er tomt 10 minutter inde i mødet, kan et abonnerende script frigive bookingen automatisk. Over tid bliver de aggregerede data grundlaget for beslutninger om, hvorvidt I skal bygge flere små lokaler eller nedlægge de store, der aldrig fyldes.
Automatisering forstærker datakvalitet – i begge retninger. Hvis jeres tælling driver 5 % pr. dag, akkumulerer fejlen, og jeres "live-belægning" viser 40 personer i en tom bygning ved midnat. Derfor betyder sensorens nøjagtighed mere i automatisering end i rapportering, hvor man kan tilgive støj. Vemco Group, der har leveret persontælling siden 2005 til over 2000 kunder i mere end 95 lande, arbejder med et kontraktligt minimum på 96 % nøjagtighed – typisk 98-99 %, når forholdene omkring belysning, layout og besøgsadfærd tillader det. Den skelnen er vigtig at forstå som indkøber: en leverandør, der garanterer en flad høj procent uanset forhold, lover noget, fysikken ikke altid understøtter.
En praktikerobservation, som sjældent står i databladene: planlæg en natlig nulstilling af zonetællere via en retained MQTT-besked eller et scheduled job. Selv med 99 % nøjagtighed vil ind/ud-differencer akkumulere over dage, og en daglig reset kl. 03:00 (når bygningen verificerbart er tom) holder jeres live-tal troværdige. Sørg samtidig for, at jeres broker kører med QoS 1 på belægnings-topics og Last Will-beskeder konfigureret, så et sensordropout bliver synligt i BMS'et i stedet for at fryse på den sidste kendte værdi.
Belægningsdata i en europæisk kontorbygning berører hurtigt medarbejderrettigheder, hvis systemet kan identificere enkeltpersoner. Vælg derfor tælleteknologi, der aldrig publicerer persondata på MQTT-bussen. Vemcos tilgang er GDPR-kompatibel persontælling uden personidentifikation: aggregerede tal, mulighed for at ekskludere personale fra tællingerne, og deployment enten hostet eller i privat cloud, så data-flowet passer ind i jeres eksisterende IT-setup og sikkerhedspolitikker. Det gør samtalen med DPO'en og samarbejdsudvalget markant kortere – I automatiserer på antal, ikke på individer.
Vælg én bygning og to use cases – typisk HVAC-modulering og mødelokale-frigivelse, fordi begge har målbar effekt inden for et kvartal. Kør sensorernes MQTT-feed parallelt med jeres eksisterende styring i fire uger, sammenlign, og skift først derefter styringslogikken over. Den parallelperiode afslører drift, dødzoner og edge cases, mens risikoen stadig er nul. Når arkitekturen er bevist ét sted, er udrulning til resten af porteføljen primært et spørgsmål om topic-navngivning og broker-kapacitet.
Overvejer I at bygge belægningsautomatisering på MQTT i jeres bygninger eller hos jeres kunder? Tal med Vemco Group om sensorvalg, integrationsarkitektur og GDPR-sikker opsætning – book en dialog via vemcogroup.com/contact-us, og få konkret sparring på jeres topic-design og nøjagtighedskrav, før I skriver den første integrationslinje.