BinBot — Intelligente Abfallwirtschaft für Stuttgart

Das Problem

Stuttgarts Abfallwirtschaft — Potenzial für Optimierung

Stuttgart erzeugt mit über 630.000 Einwohnern jährlich mehr als 200.000 Tonnen Siedlungsabfall. Die bisherige Sammlung basiert auf festen Rhythmen — unabhängig vom tatsächlichen Füllstand.

630.000+

Einwohner

Landeshauptstadt Stuttgart

~200.000 t

Abfall pro Jahr

Siedlungsabfälle inkl. Wertstoffe

14-Tage

Fester Abholrhythmus

Unabhängig vom Füllstand

~30%

Unnötige Fahrten

Leerfahrten zu halbvollen Tonnen

⬤ Aktuelles System

Feste 14-Tage-Abholrhythmen
Überlaufende Tonnen zwischen Terminen
Unnötige Fahrten zu halbvollen Behältern
Keine Echtzeit-Daten
Hoher CO₂-Ausstoß durch ineffiziente Routen

⬤ BinBot Smart System

Bedarfsgesteuerte Abholung
Kein Überlauf dank Echtzeit-Monitoring
30% weniger Sammelfahrten
Echtzeit-Dashboard für Stadtverwaltung
Bis zu 40% CO₂-Reduktion im Sammelverkehr

Die Lösung

BinBot — Das intelligente Abfallsystem

Ein durchgängiges IoT-System von Sensor bis Dashboard. German-engineered, DSGVO-konform und BSI-aligned.

Smart-Bin Hardware

Integrierte Sensorik direkt im Abfallbehälter:

Ultraschall-Füllstandsensoren (±2cm Genauigkeit)
Gewichtssensoren für präzise Tonnage
Temperaturüberwachung (Brandschutz)
Energiesparender MCU-Betrieb (Batterie 3+ Jahre)

Edge Layer

Konnektivität

Flexible Anbindung je nach Standort:

LoRaWAN für Reichweite und Energieeffizienz
WiFi für Highspeed-Standorte
GSM/LTE als Fallback
Mesh-Networking zwischen Bins

Network Layer

Cloud-Plattform

Deutsche Cloud-Infrastruktur (Hetzner):

Echtzeit-Dashboard mit Live-Daten
AI-basierte Routenoptimierung
Predictive Analytics für Füllstände
Reporting und Auswertungen

Cloud Layer

Mobile App

Für Sammelteams und Verwaltung:

Optimierte Routenführung für Fahrer
Push-Benachrichtigungen bei kritischen Füllständen
Admin-Panel für Stadtverwaltung
Historische Datenanalyse

App Layer

Funktionsweise

Vom Sensor zur optimierten Abholung

In sechs Schritten von der Messung zum effizienten Service.

1

Sensor erfasst

Ultraschall misst Füllstand, Gewicht und Temperatur

2

Datenübertragung

Via LoRa, WiFi oder GSM zum Gateway

3

Cloud analysiert

AI-Modelle verarbeiten Sensordaten in Echtzeit

4

Route berechnet

Optimale Sammelroute wird generiert

5

Benachrichtigung

Sammelteam erhält Route auf Mobile App

6

Effiziente Abholung

Nur volle Tonnen werden angefahren

Technische Architektur

Secure by Design — Von Edge bis Cloud

Fünf Schichten sorgen für sichere, skalierbare Datenverarbeitung. Alle Komponenten folgen dem SSDLC-Ansatz (Secure Software Development Lifecycle).

Edge Layer — Sensorik & MCU

ESP32 / STM32 MCU HC-SR04 Ultraschall HX711 Gewichtssensor DS18B20 Temperatur LoRa SX1276 Modul

↓ LoRa / WiFi / GSM ↓

Network Layer — Konnektivität

LoRaWAN Gateway The Things Network WiFi Access Points GSM/LTE Modem TLS 1.3 Encrypted

↓ MQTT / HTTPS ↓

Cloud Layer — Hetzner Cloud Germany

Mosquitto MQTT Broker TimescaleDB (Zeitreihen) FastAPI Backend Redis Cache AI Route Engine (Python) Grafana Monitoring

↓ REST API / WebSocket ↓

Application Layer — Benutzeroberflächen

Web Dashboard Mobile App (Flutter) Admin Panel Reporting Engine REST API für Drittanbieter

🔒

Security Layer — Durchgängige Absicherung

End-to-End Encryption mTLS (Mutual TLS) RBAC (Rollenbasiert) OAuth 2.0 + OIDC WAF / Rate Limiting Audit Logging

DSGVO

Datenschutz-Grundverordnung

BSI C5

Cloud-Sicherheitsstandard

ISO 27001

Informationssicherheit (aligned)

IT-Grundschutz

BSI-Standard 200-x

Secure Software Development Lifecycle (SSDLC)

Jede Phase integriert Security-Maßnahmen — kein nachträgliches Patching.

Anforderung

Threat Modeling, DSGVO-DSFA

Design

Secure Architecture Review

Entwicklung

Secure Coding, SAST

Testing

DAST, Penetration Testing

Deployment

Hardening, CI/CD Security

Betrieb

SIEM, Incident Response

Prototyp-Demo

Live-Simulation — Stuttgart Dashboard

Echtzeit-Simulation eines BinBot-Dashboards mit 10 Smart Bins in Stuttgart. Daten werden alle 5 Sekunden aktualisiert.

10

Überwachte Bins

+ Live-Monitoring

—

Ø Füllstand

Aktualisiert alle 5s

32%

Weniger Fahrten

↓ vs. Standardrouten

2,4 t

CO₂ eingespart (Sim.)

↓ pro Monat

<50% Füllstand

50–80% Füllstand

>80% Füllstand

Geschäftsmodell & Kosten

Wirtschaftliche Skalierung

Transparentes SaaS-Modell mit klarer Kostenstruktur und schnellem ROI.

Position	Kosten	Details
Smart-Bin Nachrüstkit	€150–300 / Einheit	Sensoren, MCU, LoRa-Modul, Gehäuse
LoRa-Gateway	€300–500 / Stück	1 Gateway deckt ~2km Radius ab
Cloud-Plattform (SaaS)	€5–8 / Bin / Monat	Dashboard, API, Monitoring, Updates
Installation & Setup	€50 / Bin	Montage und Kalibrierung
Gesamtkosten Pilot (50 Bins)	~€17.500 Hardware + €250–400/Monat SaaS	6-Monats-Pilotphase

ROI-Kalkulation (500 Bins)

Geschätzte jährliche Einsparungen bei 500 überwachten Sammelstellen.

30%

Weniger Sammelfahrten

~1.800 eingesparte Fahrten/Jahr

€180.000

Geschätzte Einsparung/Jahr

Kraftstoff, Personalkosten, Verschleiß

18 Monate

Break-Even

Amortisation der Investition

Phasenplan — Rollout

Phase 1 — Pilot

50 Smart Bins

Testgebiet: Stuttgart-Mitte. 6 Monate Evaluation mit AWS Stuttgart. Datensammlung, Kalibrierung, Benutzer-Feedback.

Phase 2 — Distrikt

500 Smart Bins

Ausbau auf 2-3 Stadtbezirke. Vollständige Routenoptimierung. Integration mit AWS-Systemen. KPI-Validierung.

Phase 3 — Stadtweit

5.000 Smart Bins

Flächendeckender Rollout. Vollintegration in städtische Infrastruktur. Predictive Maintenance. Open-Data-Schnittstelle.

Projekt-Vorstellung

BinBot — Video-Präsentation

Erfahren Sie mehr über die Entstehung und Vision des BinBot-Projekts.

Entstehung

Capstone-Projekt des Curtin University MicroMasters in IoT, weiterentwickelt durch MSc Information Security Forschung.

Forschungskontext

Verbindung von IoT-Sensorik mit Cybersecurity nach deutschen Standards für Smart-City-Infrastruktur.

Zertifizierung

MicroMasters-Zertifikat ansehen ↗

Über den Entwickler

Kompetenz in IoT und IT-Sicherheit

EL

Elias Lenz

IT-Sicherheitsberatung und KI-Governance — DigiAssist

MSc Information Security
PhD Candidate, Cybersecurity — University of Plymouth
Curtin University MicroMasters in IoT (6 Kurse: IOT1x–IOT6x, abgeschlossen 2025)
Spezialisierung: DevSecOps, Secure-by-Design, DSGVO-Compliance

BinBot wurde im Rahmen des Curtin University IoT MicroMasters Capstone-Projekts entwickelt und durch die MSc Information Security Forschung erweitert. Die Plattform verbindet IoT-Expertise mit fundiertem IT-Sicherheitswissen.

Förderantrag

Finanzierungsantrag — Pilotphase

Beantragte Fördermittel für die 6-monatige Pilotphase mit 50 Smart Bins in Stuttgart-Mitte.

Beantragte Fördersumme

€50.000 — €100.000

Pilotphase · 6 Monate · 50 Smart Bins

Mittelverwendung

Hardware (50 Bins)

€15.000

Softwareentwicklung

€20.000

Testing & Zertifizierung

€10.000

Projektmanagement

€10.000

Cloud-Infrastruktur (12 Mo.)

€5.000

6-Monats-Zeitplan

Meilensteine der Pilotphase

M1–M2

Hardware-Beschaffung, Firmware-Entwicklung

M2–M3

Cloud-Plattform, Dashboard-Entwicklung

M3

Installation in Stuttgart-Mitte

M3–M5

Testbetrieb & Datensammlung

M5–M6

Optimierung & KPI-Auswertung

M6

Abschlussbericht & Skalierungsplan

Erwartete Ergebnisse & KPIs

≥25%

Reduktion Sammelfahrten

0%

Überlaufende Bins

99.5%

System-Verfügbarkeit

≥20%

CO₂-Reduktion (Sammlung)

Kontakt

Für Rückfragen zum Förderantrag

Wir stehen für Detailfragen, Präsentationen und technische Demos gerne zur Verfügung.

Ansprechpartner