WOLF-Wärmepumpe auslesen mit Home Assistant: 170+ Datenpunkte live im Dashboard – dank ISM7 & ISM7MQTT

Wer eine WOLF-Wärmepumpe betreibt, merkt irgendwann: Die Anlage weiß verdammt viel über sich selbst – man muss diese Informationen nur sauber abholen. Bei mir war der Gamechanger das (mitgelieferte) WOLF-ISM7-Schnittstellenmodul in Kombination mit Home Assistant und dieser Integration: https://github.com/b3nn0/hassio-addon-ism7mqtt

Seitdem kann ich über 170 Entitäten in Home Assistant auslesen und als Kurven, Statusanzeigen und Historien darstellen. Und das fühlt sich nicht nach „noch ein Nerd-Projekt“ an, sondern nach einem echten Blick ins Maschinenhaus: Ich sehe, wann die Anlage was macht, wie sie reagiert – und vor allem: Ich muss nicht mehr raten.

Wichtig vorweg – und das ist mir wirklich wichtig: Du brauchst das alles nicht, um eine Wärmepumpe zu betreiben. Eine WOLF läuft auch ohne Dashboard. Für mich ist das hier eher die Kür. Wenn du Lust auf Transparenz hast und gern verstehst, was in deinem System passiert, dann ist das ein unfassbar befriedigender Weg.

Das ISM7 als Schlüssel: lokal statt Cloud-Raten

Das ISM7 ist im Kern das LAN/WLAN-Schnittstellenmodul, das deine WOLF überhaupt erst „ansprechbar“ macht. Es hängt im Netzwerk und bringt die Daten aus der Regelung nach draußen – genau die Werte, die man sonst nur im Display, in Service-Menüs oder über Fachhandwerker-Tools zu Gesicht bekommt. Und das Entscheidende für mich: Ich wollte die Daten lokal im Haus haben, nicht irgendwo in einer Cloud, nicht abhängig von Portal-Logins oder externen Diensten. Wenn das Netzwerk läuft, laufen die Daten. Punkt.

Warum ISM7MQTT so gut funktioniert

ISM7MQTT ist für mich der Sweet Spot zwischen „ich will das technisch sauber“ und „ich will mich nicht jedes Wochenende damit beschäftigen“. Die Idee ist simpel, aber genial: Das Add-on verbindet sich mit dem ISM7, liest die verfügbaren Parameter und Zustände aus und veröffentlicht sie über MQTT. Home Assistant ist bei MQTT dann wie ein guter Zuhörer: Sobald die Werte im Broker ankommen, tauchen sie als Entitäten im System auf – und zwar so, dass du sie sofort im Dashboard nutzen und historisieren kannst.

Was daran so gut funktioniert, ist nicht nur die Menge an Daten (bei mir eben deutlich über 170 Entitäten), sondern die Qualität der Sicht auf die Anlage. Du bekommst nicht nur „an/aus“, sondern ein detailliertes Bild: Temperaturen, Betriebszustände, Regelungslogik, Signale, Grenzwerte, Statusbits. Und das Beste daran ist die „Übersetzung“: Home Assistant macht aus Rohdaten etwas, das man lesen kann. Eine Zahl wird zur Kurve, ein Zustand wird zum Indikator, ein Verlauf wird zur Erklärung. Man merkt plötzlich: Die Wärmepumpe ist kein schwarzer Kasten – sie spricht die ganze Zeit. ISM7MQTT sorgt nur dafür, dass du sie hörst.

Technisch steckt dahinter das Projekt ism7mqtt, das einmalig eine Parameterliste generieren kann und dann dauerhaft in einem festen Intervall Werte abholt und publiziert. Das Home-Assistant-Add-on von b3nn0 verpackt das Ganze so, dass es alltagstauglich ist – inklusive der Möglichkeit, sogar mehrere ISM7-Geräte sauber parallel zu betreiben. Der entscheidende Unterschied zum „Bastel-Skript“ ist für mich: Das läuft stabil, startet nach Reboots wieder sauber hoch und fühlt sich an wie ein normales Home-Assistant-Modul, nicht wie ein Fremdkörper.

Installation in der Praxis: so sah das bei mir wirklich aus

Als Erstes habe ich geprüft, ob mein ISM7 im Netzwerk wirklich sauber erreichbar ist. Das klingt banal, ist aber der Punkt, an dem viele schon hängen bleiben: Das Modul braucht eine stabile IP (oder wenigstens einen verlässlichen Hostname), und du willst wissen, dass es nicht „manchmal da“ ist, sondern zuverlässig. Wenn das sitzt, kommt der MQTT-Teil. In Home Assistant nutze ich dafür einen MQTT-Broker (Mosquitto ist da der Klassiker). Ich habe mir dafür einmal saubere Zugangsdaten angelegt – nicht, weil man paranoid sein muss, sondern weil du später froh bist, wenn du weißt, welche Komponenten wo schreiben und lesen dürfen.

Danach habe ich das ISM7MQTT-Add-on eingebunden. Das geht angenehm unspektakulär: Repository hinzufügen, Add-on installieren, Konfiguration öffnen. In diese Konfiguration kommen im Wesentlichen drei Dinge: die IP/der Host deines ISM7, das Passwort (bei mir stand das am Gerät bzw. in den Unterlagen) und das Intervall, in dem ausgelesen werden soll. Ich bin nicht mit „super schnell“ gestartet, sondern eher konservativ – lieber alle 60 Sekunden stabil Daten als alle 10 Sekunden und dann Rätselraten, warum die Integration irgendwann aussteigt.

Als ich das Add-on dann gestartet habe, kam der Moment, der wirklich Spaß macht: Home Assistant hat die neuen MQTT-Entitäten praktisch von selbst entdeckt. Du siehst plötzlich ein neues Gerät, neue Sensoren, neue Schalter, neue Zustände. Und dann kommt der Teil, der das Projekt „persönlich“ macht: Du beginnst zu kuratieren. Ich habe mir nicht sofort 170 Entitäten auf ein Dashboard geknallt – ich habe erst mal beobachtet. Welche Temperaturen sind wirklich relevant? Welche Zustände erklären mir das Verhalten? Was möchte ich als Verlauf sehen? Und nach ein paar Tagen kristallisiert sich das automatisch heraus: Du baust dir ein Dashboard, das zu deinem Haus passt.

Profi-Blick ohne Rätselraten – aber bitte mit Disziplin

Was ich am stärksten finde: Du bekommst plötzlich Einblicke, die im Alltag sonst unsichtbar sind. Damit meine ich nicht „nice Charts“, sondern die Ebene, auf der man Regelung wirklich versteht. Das ist genau der Punkt, an dem das Zusammenspiel mit dem Heizungsinstallateur auf einmal anders wird. Statt „fühlt sich komisch an“ kannst du sagen: „Hier sieht man, dass ab Zeitpunkt X der Zustand kippt.“ Oder: „Hier startet die Sequenz, hier kommt das Plateau, hier passiert die Korrektur.“

Und ja, das führt fast automatisch zu der Frage: Kann man damit auch Dinge ändern? Meine Erfahrung: Beobachten ist easy, Visualisieren ist easy – aber sobald man über Anpassungen spricht, bin ich sehr bewusst vorsichtig. Nicht, weil es grundsätzlich unmöglich wäre, sondern weil „es gibt einen Wert“ nicht automatisch heißt, dass man ihn sinnvollerweise im Alltag anfassen sollte. Ich habe das für mich so gelöst: Erst messen und verstehen, dann mit dem Fachbetrieb besprechen, dann – wenn überhaupt – gezielt und nachvollziehbar verändern. Der größte Gewinn ist ohnehin schon vorher da: Du erkennst Muster und Zusammenhänge, ohne eine Sekunde Rätsel zu raten.

Wenn „zu viele Daten“ plötzlich zu viel sind: mein Stabilitäts-Learning

Jetzt kommt der Teil, der bei mir nicht auf Anhieb romantisch war: Diese Schnittstelle liefert so viele Daten, dass sich das Ganze auch mal verschlucken kann. Ich hatte Phasen, in denen die Auslesung instabil wurde. Nicht dauernd, aber so, dass ich es ernst nehmen musste. Und ich glaube, das ist ein Punkt, der vielen passiert, die am Anfang alles aktiv lassen, was geht – einfach weil es faszinierend ist, wie viel da rausfällt.

Bei mir war die Lösung letztlich banal, aber effektiv: Ich habe radikal aufgeräumt. Entitäten deaktiviert, die ich nicht nutze. Das Intervall nicht unnötig aggressiv eingestellt. Und vor allem: Ich habe mich von dem Gedanken verabschiedet, dass „mehr“ automatisch „besser“ ist. Besser ist: Eine handvoll Kerndaten, die du wirklich liest und verstehst – plus ein paar technische Werte, die dir helfen, wenn du mal tiefer rein musst.

Und das Beste: ISM7MQTT ist da erstaunlich ehrlich. Im Log taucht ein sehr eindeutiger Hinweis auf, wenn zu viel abgefragt wird. Bei mir war genau dieser Log-Moment der Wendepunkt: Nicht weiter versuchen, das mit Glück zu erschlagen, sondern die Datenmenge bewusst reduzieren. Ich habe Entitäten konsequent deaktiviert. ChatGPT hat mir dabei geholfen, statische Entitäten ausfindig zu machen, die ich in meinen Anwendungsszenarien gar nicht brauche. Und ich habe den Intervall auf 180 Sekunden angehoben. Seitdem läuft das System stabil.

Dashboards, die sich im Alltag bewähren

Ich habe mir am Ende Dashboards gebaut, mit denen ich auf einen Blick sehe, was sich draußen vor der Tür und drinen in den Heizkreisen gerade so tut. Alles ist per Klick natürlich historisch nachvollzieh- und vergleichbar. Der Fantasie ist in Home Assistant natürlich keine Grenze gesetzt. So überlege ich, ob ich demnächst eine Automation baue, die der WP erst dann den Impuls zur Warmwasser-Aufbereitung gibt, wenn unsere PV Erzeugung verzeichnet.

Fazit

ISM7 + ISM7MQTT ist eine großartige Lösung, eine WOLF-Wärmepumpe in Home Assistant sichtbar zu machen – live, historisch, verständlich. Nicht, weil man das zum Heizen braucht. Sondern weil es unglaublich befriedigend ist, die Anlage wirklich zu sehen: wie sie arbeitet, wie sie reagiert, wie sie sich durch den Tag bewegt. Und wenn man es richtig angeht – kuratiert, nicht überfrachtet – dann ist das kein nerviges Bastelprojekt, sondern ein stabiler Blick ins System.