Open Source Projekt

MeshCore KI Integration

KI-gestütztes LoRa-Mesh-Gateway für den Einsatz ohne Mobilfunk

Grundaufbau Copyright 2026 Jonathan Salim / Nano Banana

Was passiert, wenn Einsatzkräfte KI-Unterstützung brauchen — aber kein Mobilfunknetz verfügbar ist? Die MeshCore KI Integration verbindet das MeshCore-Funkprotokoll mit modernen KI-Modellen und ermöglicht so intelligente Kommunikation komplett ohne Internet am Endgerät. Per LoRa-Funk eine Frage stellen, per KI eine Antwort erhalten — über Kilometer hinweg, auch dort wo kein Handyempfang existiert.

Das Problem: KI braucht Internet — im Ernstfall hat niemand welches

Ob Hochwasser, Waldbrand oder Großschadenslagen — in Katastrophenszenarien fällt die Mobilfunkinfrastruktur häufig als erstes aus. Genau dann, wenn Einsatzkräfte von THW, Feuerwehr oder Hilfsorganisationen schnelle Informationen benötigen — aber auch Bürgerinnen und Bürger, die auf zuverlässige Kommunikation und Orientierung angewiesen sind — steht kein Internet zur Verfügung. Gleichzeitig haben KI-Assistenten wie ChatGPT oder Claude einen entscheidenden Nachteil: Sie setzen eine Internetverbindung voraus.

Die MeshCore KI Integration löst dieses Problem, indem es die Brücke zwischen einem LoRa-Mesh-Funknetz und KI-Backends schlägt — mit einem cleveren Dual-AI-System, das automatisch zwischen Online- und Offline-Betrieb wechselt.

Was ist MeshCore?

MeshCore ist ein Open-Source-Protokoll für LoRa-basierte Mesh-Netzwerke. Anders als Meshtastic setzt MeshCore auf ein schlankes, effizientes Protokolldesign mit Fokus auf zuverlässige Nachrichtenübermittlung. Die Kommunikation erfolgt über das 868-MHz-Band (Europa) mit Reichweiten von mehreren Kilometern — auch in bebautem Gebiet. Ein MeshCore-Knoten kostet dabei nur rund 50 Euro und kann als Handfunkgerät, Tracker oder Relaisstation eingesetzt werden.

Architektur der MeshCore KI Integration

Das System besteht aus drei Schichten:

• Funk-Schicht: MeshCore-kompatible LoRa-Knoten kommunizieren untereinander und mit einem Gateway-Funkgerät (Seeed WIO Pro P1 Tracker).
• Server-Schicht: Ein Debian-Linux-Server („Hermes“) empfängt die Funknachrichten per USB-Serial (115200 Baud) und verarbeitet sie mit dem Python-Hauptprogramm meshcore_client.py.
• KI-Schicht: Ein Dual-AI-Backend wählt automatisch zwischen Claude Sonnet (Anthropic API, Internet erforderlich) und Gemma 4 (lokal via Ollama, komplett offline).
• 
• 

MeshCore KI Integration — KI über LoRa-Mesh-Funk

Dual-AI mit automatischem Failover

Das Herzstück der MeshCore KI Integration ist das intelligente AI-Routing im Modul ai_backend.py. Das System prüft alle 60 Sekunden die Erreichbarkeit beider Backends:

1. Primär — Claude Sonnet (Remote): Über die Anthropic API wird Claude Sonnet angesprochen. Die Antworten sind präzise und kontextreich. Voraussetzung: Internetverbindung am Server.
2. Fallback — Gemma 4 (Lokal): Läuft über Ollama auf dem gleichen Server (localhost:11434). Komplett offline-fähig, keine Daten verlassen das lokale Netzwerk.

Fällt das Internet aus, wechselt das System nahtlos auf das lokale Modell — ohne manuellen Eingriff. Per Mesh-Befehl !status kann jeder Funkknoten abfragen, welches Backend gerade aktiv ist. Mit !local oder !remote lässt sich der Backend-Wechsel auch erzwingen.

Nachrichtenbegrenzung: 133 Zeichen pro Chunk

LoRa-Mesh-Protokolle haben physikalisch bedingte Nachrichtenlimits. MeshCore erlaubt maximal 133 Zeichen pro Nachricht. Die KI Integration löst das Problem elegant: KI-Antworten werden automatisch in nummerierte Chunks aufgeteilt ([1/3], [2/3], [3/3]), die nacheinander über Funk gesendet werden. Der System-Prompt ist speziell darauf optimiert, möglichst kurze und prägnante Antworten zu erzeugen — ohne Markdown, ohne Emojis, nur reiner Text.

IoT-Steuerung per Funk

Neben der KI-Funktion bietet die MeshCore KI Integration auch eine natürlichsprachliche IoT-Steuerung. Ein Einsatzleiter kann per Funk Befehle wie „Licht Basislager ein“ oder „Pumpe aktivieren“ senden. Die KI erkennt den Intent und gibt einen strukturierten GPIO-Befehl aus, der vom Modul iot_handler.py verarbeitet wird. Auf dem Entwicklungsserver Hermes läuft das System im dry_run-Modus — die Befehle werden geloggt, aber nicht ausgeführt. Für den echten Einsatz wird ein USB-Relaisboard angeschlossen.

Datenschutz: Privacy by Design

Die MeshCore KI Integration wurde mit einem strikten Privacy-Ansatz entwickelt — besonders wichtig beim Einsatz mit Funkkommunikation:

Hardware-Anforderungen

Die Hardware-Anforderungen sind bewusst minimal gehalten:

• Gateway-Funk: Seeed WIO Pro P1 Tracker (ca. 50 Euro) — erscheint als USB-Serial-Device unter /dev/ttyACM0
• Server: Jeder Linux-Rechner mit Python 3.10+ (Debian, Ubuntu, Raspberry Pi)
• LoRa-Knoten: Beliebige MeshCore-kompatible Geräte (Heltec, LilyGO, RAK etc.)
• Optional: Ollama-Installation für lokales KI-Modell (Gemma 4, ca. 4 GB RAM)

Einsatzszenarien

Die MeshCore KI Integration wurde mit Blick auf reale Einsatzszenarien entwickelt:

• Katastrophenschutz (THW, Feuerwehr): Gefahrstoffidentifikation per UN-Nummer, Erste-Hilfe-Protokolle, technische Nachschlagewerke — alles über Funk abrufbar, wenn das Internet ausfällt.
• Amateurfunk (DARC): Demonstration moderner KI-Integration in klassische Funkkommunikation. Ideal für Fielddays und Notfunkübungen.
• Umweltmonitoring: Sensortelemetrie (GPS, Temperatur, Luftqualität) kann in den KI-Kontext eingespeist werden.
• Fernsteuerung: Natürlichsprachliche Befehle zur Steuerung von Relais, Lichtern, Pumpen an entfernten Standorten — per Mesh-Funk.
• Nachbarschaftssicherheit: In ländlichen Gebieten oder Siedlungen ohne stabilen Mobilfunk können Bürger über das Mesh-Netz Sicherheitsmeldungen austauschen — etwa bei verdächtigen Beobachtungen, Einbrüchen oder Notfällen.
• Blackout-Vorsorge: Bei flächendeckendem Stromausfall bleibt LoRa-Funk mit Batterie oder Solar betriebsbereit. Bürger können KI-gestützt Informationen zu Sammelstellen, Wasserausgabe oder Verhaltensregeln abrufen.
• Outdoor und Wandersicherheit: In Gebieten ohne Netzabdeckung — Wander- und Skigebiete, Flüsse, Naturparks — ermöglicht die MeshCore KI Integration Notfallkommunikation und KI-Beratung, z. B. bei Verletzungen oder Orientierungsverlust.
• Veranstaltungen und Großevents: Bei Festivals, Sportveranstaltungen oder Demonstrationen, wo Mobilfunknetze überlastet sind, bietet das Mesh-Netz einen unabhängigen Kommunikationskanal für Sicherheitsinformationen.
• Hochwasser-Frühwarnung für Anwohner: Kombination aus Pegelstands-Sensorik und KI-Auswertung — Anwohner an Flüssen erhalten automatisierte Warnungen und Handlungsempfehlungen, auch wenn das Mobilfunknetz bereits ausgefallen ist.

Konfiguration

Die gesamte Konfiguration erfolgt über eine zentrale config.yaml-Datei:

ai:
  ollama_url: "http://127.0.0.1:11434"
  ollama_model: "gemma3:4b"
  anthropic_model: "claude-sonnet-4-20250514"
  prefer_local: false
  timeout: 30

privacy:
  store_messages: false
  redact_logs: true
  context_timeout_minutes: 10

Warum Standalone statt OpenClaw?

Die MeshCore KI Integration zeigt, dass KI-gestützte Kommunikation nicht zwingend eine Cloud-Anbindung benötigt. OpenClaw (openclaw.ai) bietet zwar ein AI-Gateway mit Plugin-System, bringt aber zusätzliche Abhängigkeiten (Node.js, Docker) mit, die für den schlanken Standalone-Betrieb nicht notwendig sind. Der Standalone-Ansatz mit reinem Python ist kompakter, hat weniger Angriffsfläche und der Failover hängt nur vom API-Key ab. Durch die Kombination von LoRa-Mesh-Funk mit einem Dual-AI-Backend entsteht ein robustes System, das sowohl im Normalbetrieb mit dem leistungsfähigen Claude Sonnet arbeitet als auch bei Internetausfall nahtlos auf ein lokales Gemma-4-Modell umschaltet.

Das Projekt ist als Open Source auf GitHub veröffentlicht und freut sich über Beiträge aus der Community — ob Bugfixes, neue Features oder Erfahrungsberichte aus dem Praxiseinsatz.

GitHub-Repository öffnen

Inspiriert von MeshClaw (KI-Integration für Meshtastic). Die MeshCore KI Integration adaptiert dieses Konzept für das MeshCore-Protokoll mit Python.