Ihr WLAN kann Sie beim Bewegen sehen: Ein Wochenprojekt zum Beweis

Ich werde dir etwas zeigen, das deine Sicht auf den WLAN-Router in deinem Wohnzimmer verändern wird. Er ist nicht nur ein Tor zum Internet. Er ist ein Radarsystem, das dich atmen sehen kann.

Keine Science-Fiction. Physik. Und du kannst selbst eines an diesem Wochenende bauen.

Moment, Was? Mein Router Kann Mich Sehen?

Hier ist, was tatsächlich passiert: Modernes WLAN (802.11ac/ax) nutzt etwas namens Beamforming (Strahlformung). Dein Router hat mehrere Antennen, und anstatt das Signal gleichmäßig in alle Richtungen zu senden, fokussiert er es auf deine Geräte. Stell es dir wie einen Scheinwerfer vor, nicht wie eine Flutlichtanlage.

Dafür tauschen dein Router und deine Geräte ständig Feedback über das Signal aus, genauer gesagt etwas namens BFI (Beamforming Feedback Information). Diese Daten beschreiben exakt, wie die Funkwellen in deinem Raum reflektiert werden.

Und hier wird es interessant: Dieses Feedback ist unverschlüsselt. Jeder kann es erfassen. Und wenn du, ein großer Beutel Wasser, der Funkwellen reflektiert, dich durch den Raum bewegst, ändern sich die BFI-Daten. Lauf durch dein Wohnzimmer, und die Mathematik zeigt buchstäblich deine Bewegung.

Forscher haben dies genutzt, um Atemmuster zu erkennen, Personen in einem Raum zu zählen, Gesten zu erkennen und sogar bestimmte Personen an ihrem Gang zu identifizieren. Es gibt bereits kommerzielle Produkte, die dein bestehendes WLAN in ein Bewegungserkennungssystem für das ganze Haus verwandeln.

Die Datenschutz-Implikationen (Ja, Es Ist Besorgniserregend)

Bevor wir zum spaßigen Projektteil kommen, sprechen wir den Elefanten im Raum an: Das ist ein Datenschutzproblem.

Dein WLAN-Netzwerk sendet ständig Informationen, die verraten können:

• Ob jemand zu Hause ist
• Wie viele Personen in einem Raum sind
• Allgemeine Bewegungsmuster in deinem Haus
• Möglicherweise spezifische Aktivitäten (Kochen, Schlafen, Sport)

Jemand mit der richtigen Ausrüstung, der vor deinem Haus parkt, könnte diese Daten theoretisch erfassen. Er muss nicht in deinem Netzwerk sein. Er muss nur die BFI-Frames empfangen, die dein Router sendet.

"Die gleiche Technologie, die dein WLAN schneller macht, macht dein Zuhause auch transparent für jeden, der weiß, wie man hinschaut."

Das ist nicht hypothetisch. Forschungsarbeiten haben es nachgewiesen. Der einzige Grund, warum es nicht breiter ausgenutzt wird, ist, dass die meisten Leute nicht wissen, dass es möglich ist. Das ist... keine besonders gute Sicherheit.

Warum Das Selbst Bauen?

Warum erzähle ich dir also, wie man das macht? Ein paar Gründe:

1. Das Bedrohungsmodell verstehen. Du kannst dich nicht gegen etwas schützen, das du nicht verstehst. Das mit eigenen Augen funktionieren zu sehen, macht es real auf eine Art, die Darüberlesen nicht schafft.

2. Die legitimen Anwendungen sind richtig cool. Smart-Home-Bewegungserkennung ohne Kameras. Anwesenheitssensoren für Automatisierung. Sturzerkennung für ältere Verwandte. Energieeinsparungen durch Wissen, welche Räume belegt sind. Alles ohne überall Sensoren zu installieren.

3. Es ist wirklich faszinierend. Du verwandelst Funkwellen in eine Visualisierung des physischen Raums. Das ist Cyberpunk pur.

Was wir bauen, ist ethische Experimentierung, nur im eigenen Netzwerk. Du überwachst dein eigenes WLAN, in deinem eigenen Haus, um Technologie zu verstehen, die du bereits nutzt. Das ist nicht nur legal, es ist schlau.

Zwei Wege: Wähle Dein Abenteuer

Ich gebe dir zwei Optionen, je nach deinem Komfortniveau und welche Hardware du herumliegen hast.

Weg A: Der Wi-BFI Deep Dive

Das ist der "sieh die tatsächlichen Daten"-Ansatz. Du erfasst echte BFI-Frames von deinem Router und visualisierst ihre Veränderungen, während du dich bewegst. Es ist die gleiche Methode, die Forscher in akademischen Arbeiten verwenden.

Was Du Brauchst

• Linux-Rechner — Ubuntu 22.04/24.04 oder ein Raspberry Pi
• WLAN-Adapter mit Monitor-Modus — Die meisten integrierten Intel/Broadcom/Realtek-Chips funktionieren. Falls nicht, reicht ein 15$-USB-Dongle wie TP-Link AC600 oder Alfa AWUS036ACH.
• Dein bestehender WLAN-Router — Jeder 802.11ac oder 802.11ax Router (also im Grunde jeder Router der letzten 5 Jahre)

Schritt 1: Die Werkzeuge Installieren

Öffne ein Terminal und führe aus:

# Install system dependencies
sudo apt update
sudo apt install tshark wireshark aircrack-ng git -y

# Install Miniconda (skip if you already have conda)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b
~/miniconda3/bin/conda init
# Close and reopen terminal after this

Schritt 2: Wi-BFI Klonen

# Get the tool
git clone https://github.com/kfoysalhaque/Wi-BFI.git
cd Wi-BFI

# Create the environment
conda env create -f wi-bfi.yml
conda activate wi-bfi

Schritt 3: Deine Netzwerk-Infos Finden

Du musst den Kanal und die Bandbreite deines Routers kennen. Führe aus:

# See your wireless interface name
iw dev

# Or open Wireshark and scan for networks

Notiere den Namen deiner Schnittstelle (normalerweise wlan0 oder wlp2s0), Kanal (wie 36 oder 149) und Bandbreite (80MHz ist üblich für 5GHz).

Schritt 4: Erfassung Starten

Öffne zwei Terminals. Im ersten starte die Erfassung:

cd ~/Wi-BFI/Demo

# Replace values with your actual settings
./angle_collection.sh my_capture wlan0 36 80MHz 1

Im zweiten Terminal starte die Live-Visualisierung:

cd ~/Wi-BFI

# Replace YOUR_PHONE_MAC with your phone's MAC address
# (find it in your router's admin page or phone settings)
python main_live_plot.py AX SU 4x2 80 YOUR_PHONE_MAC my_capture 1

Schritt 5: Beobachte die Magie

Jetzt lauf durch den Raum. Schau dir die Diagramme an. Siehst du die Winkel und Amplituden wackeln? Das ist dein Körper, der WLAN-Wellen reflektiert. Die Mathematik verfolgt buchstäblich deine Bewegung durch den Raum.

Steh still, und das Diagramm stabilisiert sich. Geh an deinem Telefon vorbei, und es gibt einen Ausschlag. Wink mit den Armen, und du siehst entsprechende Veränderungen. Das sind die gleichen Daten, die für Bewegungserkennung, Gestenerkennung oder... Überwachung genutzt werden können.

Weg B: Der ESP32 Easy Mode

Keine Lust, dich mit Linux und Monitor-Modus herumzuschlagen? Hol dir ein ESP32-Board und hab einen funktionierenden Bewegungssensor in 15 Minuten.

Was Du Brauchst

• ESP32-S3 oder ESP32-C6 Board — Etwa 8-12$ bei Amazon. Der ESP32-C6 ist neuer und funktioniert super.
• USB-C-Kabel — Um das Board zu flashen
• Home Assistant — Optional, aber empfohlen für das volle Erlebnis

Das ESPectre-Projekt

ESPectre ist ein Open-Source-Projekt, das speziell dafür entwickelt wurde, dein WLAN in einen Bewegungssensor zu verwandeln. Es ist brillant in seiner Einfachheit.

GitHub: github.com/francescopace/espectre

Einrichtungsschritte

1. Board flashen — Geh zum ESPectre Web-Flasher (in ihrem Repo verlinkt). Schließ deinen ESP32 an, klick auf Flash, fertig.

2. WLAN konfigurieren — Das Board erstellt einen Hotspot. Verbinde dich damit, gib deine WLAN-Zugangsdaten ein.

3. Zu Home Assistant hinzufügen — Wenn du Home Assistant betreibst, wird es automatisch als Bewegungssensor-Entität erkannt. Du kannst dann Automatisierungen auslösen: Licht an bei Bewegung, Alarme wenn du weg bist, etc.

4. Das war's buchstäblich. Du hast jetzt einen Bewegungssensor, der durch Wände funktioniert, keine Sichtlinie braucht und deine bestehende WLAN-Infrastruktur nutzt.

Home Assistant: Wo Es Richtig Spaß Macht

Hier verwandeln wir ein cooles Wissenschaftsprojekt in wirklich nützliche Heimautomatisierung. Sobald dein WLAN-Bewegungssensor mit Home Assistant kommuniziert, kannst du Automatisierungen bauen, die sonst Dutzende PIR-Sensoren, Kameras oder teure kommerzielle Systeme erfordern würden.

Das Schöne an der WLAN-Erkennung ist, dass sie durch Wände funktioniert. Ein ESP32 in deinem Flur kann Bewegung in mehreren Räumen erkennen. Keine Sichtlinie nötig. Keine toten Zonen. Keine Batterien zum Wechseln.

Beispiel-Automatisierungen (YAML zum Kopieren und Einfügen)

1. Licht an beim Betreten eines Raums:

automation:
  - alias: "Living Room Motion Lights"
    trigger:
      - platform: state
        entity_id: binary_sensor.wifi_motion_living_room
        to: "on"
    condition:
      - condition: sun
        after: sunset
    action:
      - service: light.turn_on
        target:
          entity_id: light.living_room
        data:
          brightness_pct: 80
          transition: 2

2. Sicherheitsalarme im Abwesenheitsmodus:

automation:
  - alias: "Motion Alert When Away"
    trigger:
      - platform: state
        entity_id: binary_sensor.wifi_motion_main_floor
        to: "on"
    condition:
      - condition: state
        entity_id: input_boolean.away_mode
        state: "on"
    action:
      - service: notify.mobile_app
        data:
          title: "Motion Detected!"
          message: "Movement in the house while you're away."
          data:
            priority: high
            ttl: 0

3. Intelligente Klimaanlage basierend auf Raumbelegung:

automation:
  - alias: "Office HVAC When Occupied"
    trigger:
      - platform: state
        entity_id: binary_sensor.wifi_motion_office
        to: "on"
        for:
          minutes: 2
    action:
      - service: climate.set_temperature
        target:
          entity_id: climate.office
        data:
          temperature: 72
          hvac_mode: heat_cool

  - alias: "Office HVAC Standby When Empty"
    trigger:
      - platform: state
        entity_id: binary_sensor.wifi_motion_office
        to: "off"
        for:
          minutes: 15
    action:
      - service: climate.set_temperature
        target:
          entity_id: climate.office
        data:
          temperature: 65
          hvac_mode: auto

4. Schlafenszeit-Erkennung (ohne Wearables):

automation:
  - alias: "Detect Bedtime"
    trigger:
      - platform: state
        entity_id: binary_sensor.wifi_motion_bedroom
        to: "on"
    condition:
      - condition: time
        after: "22:00:00"
        before: "02:00:00"
      - condition: state
        entity_id: binary_sensor.wifi_motion_living_room
        state: "off"
        for:
          minutes: 10
    action:
      - service: scene.turn_on
        target:
          entity_id: scene.goodnight
      - service: lock.lock
        target:
          entity_id: lock.front_door
      - service: alarm_control_panel.arm_night
        target:
          entity_id: alarm_control_panel.home

5. Seniorenbetreuung / Sturzerkennung-Alarm:

automation:
  - alias: "No Motion Alert - Elder Care"
    trigger:
      - platform: state
        entity_id: binary_sensor.wifi_motion_parents_house
        to: "off"
        for:
          hours: 4
    condition:
      - condition: time
        after: "08:00:00"
        before: "22:00:00"
    action:
      - service: notify.mobile_app
        data:
          title: "Check on Mom"
          message: "No motion detected for 4 hours during daytime."
          data:
            priority: high

Der Killer-Anwendungsfall: Anwesenheit im Ganzen Haus

Traditionelle Bewegungssensoren (PIR) erkennen nur Wärme und Bewegung. Sie können nicht feststellen, ob jemand still sitzt. WLAN-Erkennung kann das. Sie erkennt die winzigen Bewegungen beim Atmen, Tippen oder einfach nur Existieren in einem Raum.

Das bedeutet, du kannst Automatisierungen bauen, die wissen, dass du in einem Raum bist, auch wenn du ruhig an deinem Schreibtisch arbeitest. Die Lichter gehen nicht aus, weil du aufgehört hast, dich zu bewegen. Die Klimaanlage fährt nicht herunter, weil du ein Buch liest.

Das ist Anwesenheitserkennung, nicht nur Bewegungserkennung. Und du hast es für 10$ gebaut.

Weiter Gehen: Bewegungserkennung Hinzufügen

Sobald du Live-BFI-Daten streamst (von Weg A), kannst du mit etwa 10 Zeilen Python echte Bewegungserkennung hinzufügen. Das Konzept ist einfach: Wenn die Varianz der Winkel einen Schwellenwert überschreitet, hat sich etwas bewegt.

import numpy as np

# Assuming you have a stream of angle data
def detect_motion(angle_buffer, threshold=0.5):
    """Returns True if motion detected in recent samples"""
    if len(angle_buffer) < 10:
        return False
    variance = np.var(angle_buffer[-10:])
    return variance > threshold

# In your main loop:
if detect_motion(recent_angles):
    print("Motion detected!")
    # Trigger alert, log event, whatever you want

Das ist eine Basisversion. Forschungsarbeiten nutzen ausgefeiltere Techniken: Machine-Learning-Klassifikatoren, mehrere Antennenströme, zeitliche Muster, um zwischen Bewegungsarten zu unterscheiden, Personen zu zählen oder sogar bestimmte Aktivitäten zu erkennen.

Was Das Für Den Datenschutz Bedeutet

Jetzt, wo du es funktionieren gesehen hast, lass uns darüber reden, was das bedeutet:

Dein WLAN sendet immer. Auch wenn du es nicht aktiv nutzt, tauschen dein Router und deine Geräte BFI-Daten aus. Jeder in Funkreichweite kann diese Frames erfassen.

Verschlüsselung hilft hier nicht. BFI ist Teil des physischen Layer-Handshakes. Es passiert vor der Verschlüsselung. WPA3, VPNs, nichts davon spielt bei diesen spezifischen Daten eine Rolle.

Die einzige echte Abschwächung ist physisch: Faraday-Käfige (unpraktisch), Sendeleistung reduzieren (macht dein WLAN kaputt), oder akzeptieren, dass das Belegungsmuster deines Hauses effektiv öffentliche Information innerhalb der Funkreichweite ist.

Es geht nicht um Panikmache. Es geht um informierte Einwilligung. Du nutzt Technologie, die diese Eigenschaften hat. Jetzt weißt du es.

Fazit

Du hast gerade gelernt, dass dein WLAN-Router im Grunde ein Radarsystem ist, deinen eigenen Bewegungsdetektor mit Funkwellen gebaut und hoffentlich ein besseres Verständnis dafür gewonnen, wie die unsichtbaren Signale um uns herum Informationen über unsere physische Welt transportieren.

Die Technologie ist neutral. Sie kann für bequeme Heimautomatisierung oder besorgniserregende Überwachung genutzt werden. Was zählt, ist sie zu verstehen, damit du informierte Entscheidungen über die Kompromisse treffen kannst, die du eingehst.

Und hey, du hast auch ein cooles Wochenendprojekt zum Vorzeigen. "Ja, ich hab mein WLAN in einen Bewegungssensor verwandelt. Keine große Sache."

Das macht ziemlich Spaß.