Warum springt oder driftet die ermittelte Position eines Trackers?

Ein GPS-Tracker, der auf der Karte springt oder kontinuierlich driftet, ist kein Randproblem – er liefert unbrauchbare Daten und untergräbt das Vertrauen in das gesamte System. Ob im Flottenmanagement, in der Medizintechnik oder bei industriellen Asset-Tracking-Lösungen: Positionsfehler haben direkte operative Konsequenzen. Die Ursachen liegen selten an einem einzelnen Faktor, sondern entstehen aus dem Zusammenspiel von Signalqualität, Hardwaredesign, Filterlogik und Netzwerkinfrastruktur. Wer den Fehler systematisch eingrenzen will, muss alle Ebenen verstehen.

Table of Contents

Häufige Ursachen für springende oder driftende Positionen

Springende GPS-Positionen entstehen meist durch schwaches oder instabiles Satellitensignal. Der GPS-Empfänger berechnet die Position aus Laufzeitdifferenzen mehrerer Satelliten. Fällt die Anzahl der sichtbaren Satelliten unter vier, oder verschlechtert sich die geometrische Konstellation (hoher HDOP-Wert), steigt der Positionsfehler sprunghaft an. In städtischen Umgebungen mit Hochhäusern verursacht Multipath-Propagation zusätzlich fehlerhafte Messungen: Das Signal trifft den Empfänger sowohl direkt als auch reflektiert, was die Laufzeitberechnung verfälscht.

GPS-Drift tritt häufig auf, wenn der Tracker stationär ist, der Empfänger aber weiterhin Positionsupdates mit schwankender Genauigkeit ausgibt. Typische Auslöser sind thermisches Rauschen im Frontend, Taktfehler im Empfänger oder ein Cold-Start ohne gültige Almanach-Daten. Ein häufig unterschätzter Faktor: Der NMEA-Datenstrom enthält Felder wie HDOP und Fix-Qualität, die viele Firmware-Implementierungen stillschweigend ignorieren. Positionen mit HDOP über 2,5 oder Fix-Typ 1 (kein DGPS) fließen dann ungefiltert in die Anwendung ein.

Für IoT-Tracker mit eingeschränktem Energiebudget kommt ein weiterer Effekt hinzu: Aggressive Duty-Cycle-Strategien, bei denen der GPS-Empfänger nur für kurze Fenster aktiviert wird, führen zu einem schlechten Satellitenlock. Wenn das Gerät nach 10-15 Sekunden bereits eine Position ausgibt, obwohl der Fix noch nicht konvergiert ist, entstehen systematische Ausreißer, die sich im Tracking-Log als Sprünge manifestieren.

Rolle der Hardware und Antennenplatzierung

Die Antennenplatzierung ist eine der häufigsten, aber am wenigsten dokumentierten Fehlerquellen bei Tracker-Positionsfehlern. Eine Patch-Antenne benötigt ein ausreichend großes Groundplane – typischerweise mindestens 70 x 70 mm für optimale Performance. Wird sie auf einem kleinen PCB ohne ausreichende Massefläche platziert, verschlechtert sich die Empfangsempfindlichkeit um mehrere dB, was direkt die Satellitenanzahl und damit die Positionsgenauigkeit reduziert.

Bei Wearables oder kompakten industriellen Trackern, die nah am Körper oder an Metallstrukturen betrieben werden, verändert die Umgebung die Antennencharakteristik erheblich. Metallische Gehäuse oder leitfähige Materialien in unmittelbarer Nähe können die Resonanzfrequenz der Antenne verschieben und den Gewinn in Richtung Himmel reduzieren, genau die Richtung, aus der GPS-Satellitensignale eintreffen. Dieses Problem tritt im Labor nicht auf, da dort keine realitätsnahen Montagebedingungen herrschen.

Auf der Hardwareseite spielt auch das LNA-Design (Low Noise Amplifier) eine Rolle. Ein schlecht entkoppeltes LNA-Frontend, das von Schaltnetzteilen auf dem Board gestört wird, erhöht das Rauschen im Empfangspfad. Das Ergebnis ist eine verschlechterte Empfängerempfindlichkeit, die sich unter ungünstigen Signalbedingungen als erhöhter Positionsfehler oder häufiger Signalverlust äußert. Beim Schaltungsentwurf und der Simulation lassen sich solche Kopplungseffekte frühzeitig identifizieren, bevor sie im Prototyp zu Problemen werden.

Softwareseitige Filter- und Korrekturverfahren

Wenn die Hardwarebasis solide ist, lassen sich verbleibende Positionsfehler durch geeignete Filteralgorithmen deutlich reduzieren. Der Kalman-Filter ist der Industriestandard für GPS-Positionsglättung: Er kombiniert Messwerte mit einem Bewegungsmodell und gewichtet neue Messungen anhand ihrer Unsicherheit. Für einen Tracker mit bekanntem Bewegungsprofil (z.B. Fahrzeug mit konstanter Geschwindigkeit) liefert ein gut parametrierter Kalman-Filter erheblich stabilere Positionen als Rohwerte.

Wichtig ist die Wahl der Prozessrausch-Kovarianz (Q-Matrix). Ein zu kleines Q glättet zu stark und verzögert die Reaktion auf echte Bewegungsänderungen. Ein zu großes Q lässt Ausreißer durch. Für Fußgänger-Tracker oder Assets mit unregelmäßiger Bewegung eignet sich ein adaptiver Kalman-Filter, der Q dynamisch anpasst. Ein einfacher gleitender Mittelwert ist keine valide Alternative: Er verzögert die Position systematisch und produziert bei Richtungswechseln Phantompfade.

Plausibilitätsprüfung und Ausreißererkennung

Vor der Filterung sollte eine Plausibilitätsprüfung auf Basis der NMEA-Metadaten erfolgen. Positionen mit HDOP über einem definierten Schwellwert (typisch: 2,0 für präzise Anwendungen, 3,0 für Standardtracking) sollten verworfen oder als unsicher markiert werden. Dasselbe gilt für Sprünge, die physikalisch unmöglich sind: Wenn ein Tracker in 1 Sekunde scheinbar 500 Meter zurücklegt, ist das kein valider Fix. Eine Geschwindigkeitsplausibilisierung auf Basis des letzten bekannten Standorts und des Zeitstempels filtert solche Ausreißer zuverlässig heraus, ohne auf Sensorik angewiesen zu sein.

Für batteriebetriebene IoT-Tracker mit eingeschränkter Rechenleistung ist ein vollständiger Kalman-Filter möglicherweise zu rechenintensiv. In diesem Fall bietet eine einfache Hysterese-Logik eine pragmatische Alternative: Positionen werden nur dann aktualisiert, wenn die neue Messung um mehr als einen definierten Mindestabstand (z.B. 5-10 Meter) vom letzten validen Punkt abweicht. Das reduziert Drift bei stationären Geräten erheblich, ohne nennenswerte CPU-Ressourcen zu beanspruchen.

Netzwerkbasierte Positionierung als Ergänzung

In Umgebungen, in denen GPS-Signale schwach oder unzuverlässig sind, Innenräume, Tiefgaragen, dicht bebaute Stadtgebiete, kann netzwerkbasierte Positionierung als Fallback oder Ergänzung dienen. Cell-ID-Positionierung über LTE-M oder NB-IoT liefert Genauigkeiten von typischerweise 100-500 Metern, reicht aber für viele Asset-Tracking-Szenarien aus, wenn GPS keinen Fix liefert. Wi-Fi-RSSI-basierte Positionierung erreicht in gut kartierten Umgebungen 10-30 Meter Genauigkeit.

Die Integration mehrerer Positionierungsquellen erfordert eine Fusionsstrategie. Ohne sie entsteht das gegenteilige Problem: Die Position springt zwischen GPS-Koordinaten und Cell-ID-Schätzungen hin und her, was die Ausgangssituation verschlimmert. Eine einfache Prioritätslogik (GPS-Fix vorhanden und HDOP unter Schwellwert: GPS verwenden, sonst Fallback) ist in den meisten Fällen ausreichend und robuster als eine vollständige Sensorfusion, die Kalibrierung und erhöhten Entwicklungsaufwand erfordert.

Für Embedded-Software-Lösungen im IoT-Bereich bedeutet das konkret: Die Positionierungslogik muss bereits im Systemdesign als eigenständige Komponente mit definierten Schnittstellen geplant werden, nicht als nachträgliches Feature. Wer die Fusionsstrategie erst im Feldtest entwickelt, riskiert mehrere zusätzliche Iterationszyklen und verlängert die Time-to-Market um 4-8 Wochen.

Positionsfehler systematisch debuggen und testen

Debugging von GPS-Positionsfehlern erfordert strukturierte Datenerfassung unter realen Bedingungen. Der erste Schritt ist das Logging aller NMEA-Rohdaten inklusive Satellitenzahl, HDOP, Fix-Typ und Signalstärke (SNR) pro Satellit. Ohne diese Daten lässt sich nicht unterscheiden, ob ein Positionsfehler durch schlechten Empfang, einen Softwarebug oder ein Hardwareproblem verursacht wird.

Ein häufiger Fehler im Testprozess: Geräte werden ausschließlich in Open-Sky-Bedingungen getestet, wo GPS nahezu immer einen guten Fix liefert. Das deckt keines der produktionsrelevanten Szenarien ab. Sinnvoller ist ein Testprotokoll, das explizit schwierige Umgebungen einschließt: städtische Schluchten, Fahrzeuginneres, Gebäudenähe. Für Tracker in Fahrzeugen sollte außerdem der Einfluss der Fahrzeugkarosserie auf die Antennenperformance gemessen werden.

Vergleichsmessung und Referenzsystem

Für eine quantitative Bewertung der Positionsgenauigkeit ist ein Referenzsystem erforderlich. Ein Survey-Grade-GNSS-Empfänger (Genauigkeit unter 1 Meter) oder ein bekannter Festpunkt dient als Baseline. Die Abweichung des Trackers wird über mehrere Minuten oder Stunden aufgezeichnet und statistisch ausgewertet: mittlere Abweichung (CEP50), 95-Prozentil (CEP95) und maximale Ausreißer. Diese Metriken sind auch für Zertifizierungsprozesse relevant, wenn Genauigkeitsanforderungen vertraglich oder regulatorisch definiert sind.

Firmwareseitig empfiehlt sich eine Testinfrastruktur, die NMEA-Daten entweder von einem GPS-Simulator oder von gespeicherten Feldaufzeichnungen einspeist. Das ermöglicht reproduzierbare Tests für Filterparameter und Plausibilitätslogik, ohne jedes Mal Hardware im Feld betreiben zu müssen. Änderungen an Filterparametern lassen sich so in Stunden statt Wochen validieren.

Wie Oxeltech bei GPS-Tracker-Entwicklung und Positionsgenauigkeit unterstützt

Wir bei Oxeltech entwickeln IoT-Tracker und positionierungskritische Embedded-Systeme vom ersten Schaltungsdesign bis zur serienreifen Firmware. Dabei adressieren wir Positionsfehler auf allen Ebenen des Systems:

Antennendesign und HF-Layout: Wir planen Groundplane-Dimensionierung, Antennenisolation und LNA-Entkopplung bereits im Schaltungsentwurf, um Empfindlichkeitsverluste durch schlechtes PCB-Layout zu vermeiden.
Firmware-Filterlogik: Wir implementieren HDOP-basierte Plausibilitätsprüfungen, Kalman-Filter oder adaptive Hysterese-Strategien, abgestimmt auf das Bewegungsprofil des Geräts und die verfügbaren Ressourcen des Mikrocontrollers.
Positionsfusionsstrategie: Für Geräte mit mehreren Konnektivitätsoptionen (GPS, LTE-M, Wi-Fi) entwickeln wir robuste Fallback-Logiken, die Positionssprünge beim Quellenwechsel vermeiden.
Feldtest und Validierung: Wir definieren strukturierte Testprotokolle für reale Umgebungen und liefern statistische Genauigkeitsmetriken (CEP50, CEP95), die für Produktspezifikationen und Zertifizierungsunterlagen verwendbar sind.
Zertifizierungsbegleitung: Für regulierte Anwendungen (z.B. Medizintechnik oder industrielle Automatisierung) begleiten wir den gesamten Zertifizierungsprozess, von der CE-Kennzeichnung bis zu anwendungsspezifischen Anforderungen.

Wenn ein Tracker-Projekt in der Entwicklung steckt oder im Feld Positionsprobleme zeigt, sprechen wir das konkret an. Alle verfügbaren Entwicklungsleistungen sind auf der Website einsehbar. Für eine direkte Projektbesprechung steht das Team über die Kontaktseite zur Verfügung.