Chaos Computer Club - recent events feed

Spontaner Lightning Talk. Wer einen 5 Minuten Vortrag halten möchte kann sich beim FOSSGIS-Stand in die Liste eintragen. Spontaner Lightning Talk. Wer einen 5 Minuten Vortrag halten möchte kann sich beim FOSSGIS-Stand in die Liste eintragen. Spontaner Lightning Talk. Wer einen 5 Minuten Vortrag halten möchte kann sich beim FOSSGIS-Stand in die Liste eintragen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/FUNSNU/

ARCHAEONOTES kann als durchgängiges Dokumentationswerkzeug für nahezu jede Form archäologischer Feldarbeit dienen – vom kleinen ehrenamtlichen Projekt bis zur wissenschaftlichen Forschungsgrabung – und ermöglicht dabei eine strukturierte, standardkonforme und zukunftssichere Dokumentation. ARCHAEONOTES richtet sich an Grabungsteams, Feldarchäologinnen und Feldarchäologen in der Bodendenkmalpflege sowie an Forschungseinrichtungen, die archäologische Feldarbeiten effizient und nachvollziehbar dokumentieren möchten. Die Anwendung ist so konzipiert, dass sie den kompletten Ablauf archäologischer Feldarbeiten abbildet – von der einfachen Befund- und Fundaufnahme bis hin zur strukturierten Gesamtdokumentation eines Projekts. Dadurch eignet sich ARCHAEONOTES sowohl für den Einsatz durch Laien, die eine klar geführte Erfassung benötigen, als auch für Profis, die detaillierte, standardisierte Datensätze erstellen und weiterverarbeiten wollen. Vorausgesetzt werden vor allem ein grundlegendes Verständnis der typischen Arbeitsabläufe auf einer Grabung sowie einfache Grundkenntnisse in der Textverarbeitung, etwa für die saubere Formulierung von Beschreibungen, Interpretationen und Kurzberichten. Der Schwerpunkt der erfassten Informationen liegt auf Textdaten, die in einem strukturierten, maschinenlesbaren Format ausgegeben werden. Aktuell setzt ARCHAEONOTES dabei auf JSON als Datenformat, wobei eine Erweiterung um XML bereits vorgesehen ist, um zusätzliche Schnittstellen und Austauschwege zu unterstützen. Damit die Daten langfristig konsistent, auswertbar und kompatibel bleiben, orientiert sich ARCHAEONOTES an relationalen Datenbankstandards auf Basis von PostgreSQL-Schemata. Das schafft eine belastbare Grundlage für Archivierung, Qualitätssicherung und den Datenaustausch zwischen Projekten und Institutionen. In der Praxis bedeutet das: ARCHAEONOTES kann als durchgängiges Dokumentationswerkzeug für nahezu jede Form archäologischer Feldarbeit dienen – vom kleinen ehrenamtlichen Projekt bis zur wissenschaftlichen Forschungsgrabung – und ermöglicht dabei eine strukturierte, standardkonforme und zukunftssichere Dokumentation. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/ZDDJ3Q/

Viele Städte erstellen sich Digitale Zwillinge, dabei geht es zumeist um hochaufgelöste 3D-Stadtmodelle. (Ein nutzbarer Digitaler Zwilling des Autos ist aber nicht das 3D-Abbild.) Ein nutzbarer Urbaner Digitaler Zwilling ist ein dynamischer digitaler Repräsentant der Stadt, um den aktuellen und zukünftigen Zustand der Stadt zu erkennen und Einfluss auf Prozesse und die weitere Stadtentwicklung zu nehmen. Mit GIS ist das nicht umzusetzen. Deshalb haben wir eine neue Technologie kreiert: TwIS. Im Vortrag möchten wir das TwIS an praktischen Beispiel herleiten und demonstrieren. Und wir möchten v.a. eine offene Alternative für ein preiswertes, machbares und nachhaltiges Datenmanagement anbieten. „Daten sind das Öl des 21. Jahrhunderts.“ [Humby, C.: Talk at ANA Senior marketer’s summit, Kellogg School, 04.11.2006]. Wir können diese Metapher durchaus wirtschaftspolitisch deuten, denn die großen Ölkonzerne wurden von den IT-Riesen, den sogenannten „Magnificent Seven - M7“ (Nvidia, Apple, Amazon, Alphabet, Meta, Tesla, SpaceX), als reichste Unternehmen der Welt abgelöst. Und wieder einmal konzentrieren sich die Gewinne in den Händen einiger Weniger. Diese Firmen nehmen sich alle Rechte der Welt heraus, z. B. auch alle hochgeladenen (Nutzer-) Daten nach eigenen Gesetzen zu verwenden. „Die Plattformbetreiber produzieren nichts selbst, sondern leben allein von den Inhalten, die ihnen die Nutzer kostenlos zur Verfügung stellen. Deren Verbreitung steuern sie wiederum über intransparente Algorithmen und behalten einen Großteil der Werbeeinnahmen für sich.“ [Gieselmann, H.: Wie Big-Tech die Wirtschaft bedroht. In: ct KI-Wissen 2/25, heise] Aber auch die Anbieter von proprietärer (GIS-) Software versuchen mit neuen Lizenzmodellen ohne neue Mehrwerte oder unverschämt hohen Kosten für die Bereitstellung ihrer Closed Data immer mehr Geld einzuspielen. Mit dem TwIS bieten wir Open Source für das Datenmanagement und zur Bereitstellung von Open Data an. TwIS ist ein Basistool für einen Digitalen Zwilling des Ökosystems. Es verwaltet Objekte und fokussiert auf ihre Verknüpfungen im Wissensgraphen. Unsere Methoden zum Digitalen Zwilling kommen aus dem Kontext von Industrie 4.0, wir nutzen dafür systemanalytische Ansätze. TwIS ist optimiert für das Datenmanagement, die Digitalisierung von Systemen mit ihren Wirkbeziehungen, die Anbindung von Echtzeitdaten, Mess- bzw. Berechnungswerten. TwIS ist einerseits ein Zwilling, der Daten der FIS und GIS zusammenfasst, und andererseits ein Zwilling als (systemanalytischer) digitaler Repräsentant der Realität. Es gibt für jedes (urbane) Ökosystem auch immer nur einen Zwilling - keine Fachzwillinge mit eigenen, meist proprietären Datenstrukturen; und TwIS ist schon gar nicht die einfache Umbenennung von GIS-Fachschalen. (Es gibt ja auch keine verschiedenen Zwillinge, z. B. für Sport, Bier, Arbeit und Kultur…) Analog zu einem GIS wird das konkrete TwIS konfiguriert, indem die Objektklassen und v.a. die Verbindungen des Wissensgraphen im TwinEditor definiert werden. Sobald die Objektklassen und Verbindungen definiert sind, werden diese als API-Features Service bereitgestellt, ohne jede weitere Datenverarbeitung. TwIS ist zweistufig: Da die Daten in einheitlichen Strukturen abgelegt sind, können Sie diese ganz einfach über ihre Verknüpfungen im ScenarioEditor zu Sichten zusammenstellen. Diese Sichten nennen wir Datenperspektiven. TwIS enthält also die importierten Realitätsobjekte, Verknüpfungen zwischen ihnen und für spezielle Abfragen und Auswertungen zusammengestellte Datenperspektiven. Für all diese Elemente bietet TwIS standardisierte Datenbereitstellungen (als REST) on-the-fly. Für Nutzer:innen des Systems ergibt sich die Möglichkeit, Daten aus den FIS/GIS herauszuheben und mit Daten anderer FIS/GIS zu verknüpfen. Die Datenbereitsteller:innen müssen keine ETL-Prozesse mehr erstellen; sie konfigurieren einfach. Das zusätzliche Aufsetzen von Diensten für Datenbereitstellungen entfällt komplett. Programmierer:innen müssen nicht erst Bereitstellungsstrukturen studieren, auf immer gleiche Art und Weise werden die Daten geliefert und die Weiterverarbeitung der Daten wird sehr einfach. Planer:innen, Ingenieur:innen, Datenbearbeiter:innen können die aktuell noch heterogen angebotenen Daten ins TwIS importieren. Die Prozesse der Datenaufbereitung werden sich deutlich vereinfachen. Sie gewinnen wieder Zeit für ihre eigentlichen Fachaufgaben. Wissenschaftler:innen können zu den Objekten Mess- u. a. Werte verwalten und die Werte zur Weiterverarbeitung an ihre wissenschaftlichen Tools übergeben. Alle Anwender:innen können schnell und einfach gewünschte Sichten auf die Daten zusammenklicken, um so in wenigen Minuten neue Auswertungen zu konfigurieren. Abbildung: Daten im Wissensgraphen an einem Beispiel aus Dresden: Mit einer einzigen Abfrage in Simplex4TwIS können z. B. alle Objekte entlang einer Straße (hier die Königstraße in Dresden) selektiert werden. Links sehen wir in einem Graphen die Königstraße

Spontaner Lightning Talk. Wer einen 5 Minuten Vortrag halten möchte kann sich beim FOSSGIS-Stand in die Liste eintragen. Spontaner Lightning Talk. Wer einen 5 Minuten Vortrag halten möchte kann sich beim FOSSGIS-Stand in die Liste eintragen. Spontaner Lightning Talk. Wer einen 5 Minuten Vortrag halten möchte kann sich beim FOSSGIS-Stand in die Liste eintragen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/UUQWLU/

Apache Superset ist eine Open-Source Business Intelligence Plattform und Bestandteil des CivitasConnect UDP Core. Im Rahmen des Förderprojekts Connected Urban Twins (BMWSB, KTS) wurde die Implementierung von OGC WFS als Datenquelle beauftragt und entwickelt. Damit wird die Geodatenkomponente von Apache Superset im Blick auf offene Datenstandards gestärkt. Apache Superset ist eine Open-Source Business Intelligence Plattform und Bestandteil des CivitasConnect UDP Core. Im Rahmen des Förderprojekts Connected Urban Twins (BMWBS, KTS) wurde die Weiterentwicklung von Apache Superset beauftragt, um OGC WFS (Web Feature Service) als Datenquelle für Dashboards einzubinden. Dies stärkt räumliche Datenvisualisierungen und -analysen, sowie die Interoperabilität in Hinblick auf Open Data. Für die Umsetzung haben sich die Städte Leipzig, Bonn und Mönchengladbach in einer Entwicklungspartnerschaft zusammengeschlossen. In erfolgreicher Zusammenarbeit mit der terrestris GmbH & Co. KG können nun offene und geschützte WFS-Dienste als Datenquelle für Charts verwendet sowie mit Filtern und Aggregationen genutzt werden. Darüber hinaus wurde eine Cross-Filter Funktionalität für das Thematic Map Plugin entwickelt, die es Usern ermöglicht, Dashboards interaktiv auf einzelne Geoobjekte zu filtern. Das Cartodiagram und Thematic Map Plugin wurden überdies auf die neue Version Apache Superset 5.0 gehoben. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/NLJY89/

Diese Demo-Session stellt den Photon-Geocoder vor und zeigt insbesondere, wie man die Daten anpassen kann, um einen Geocoder zu erhalten, der an den eigenen Verwendungszweck angepasst ist: Sprachauswahl, Datenfiltering, Beeinflussung des Rankings bis zum Hinzufügen eigener Daten. Eine Suchbox für Orte und Adressen gehört zu jeder Webseite, die Daten mit Geobezug präsentiert. Nicht selten ist die Suchbox sogar das erste Element mit dem der Besucher der Seite interagiert. Und trotzdem wird für die Suche dann oft ein allgemeiner Geocoding-Service aus dem Internet verwendet, der kaum auf die Bedürfnisse der Webseiten-Besucher zugeschnitten ist. Das es auch anderes geht, soll diese Demo-Session zeigen. In 45 Minuten erstellen wir mit Hilfe von Photon einen eigenen Suchservice, der nicht nur selbst gehostet werden kann, sondern auch an die eigene Website angepasst ist: von der Sprachauswahl, über Filtering bis zum Hinzufügen eigener Daten gibt es reichlich Anpassungsmöglichkeiten. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/QFS9HF/

Welche Rolle spielen die Amtlichen Geobasisdaten, insbesondere ALKIS, in einem Urbanen Digitalen Zwilling (UDZ)? Am Beispiel des UDZ der Stadt Wuppertal wird gezeigt, wie sich die traditionelle Idee der Bereitstellung einer Basiskartenebene in ein neues Verständnis verwandelt hat, nämlich die Bereitstellung von Geobasisobjekten, die eine datenquellenübergreifende Zusammenführung diverser Fachdaten erlauben. Dabei wird die Bedeutung der Vektordaten (hier MapLibre-Technologie) herausgearbeitet. Beim Aufbau eines Urbanen Digitalen Zwillings stößt man zwangsläufig auf die Frage, welche Stellung die Amtlichen Geobasisdaten - insbesondere die ALKIS-Daten - in einem solchen Modell einnehmen. Am Praxisbeispiel der Entwicklungen zum Digitalen Zwilling der Stadt Wuppertal wird gezeigt, wie sich die traditionelle Idee der Bereitstellung einer Basiskartenebene in ein neues Verständnis verwandelt hat, nämlich die Bereitstellung von Geobasisobjekten, die eine datenquellenübergreifende Zusammenführung unterschiedlicher Fachdaten erlauben. Diese Datenaggregationen können kontextabhängig so variiert werden, dass sie unterschiedliche Interessenprofile bedienen. In dem Vortrag wird die zentrale Bedeutung von Vektordatenrepräsentationen (Mapbox-konforme Vector-Tiles-Services) für das neue Leitbild thematisiert. In diesem Zusammenhang wird auch auf die Nutzung von MapLibre als Mapping-Engine für Vektordaten eingegangen. Abschließend werden noch einige Thesen zu zwei Fragekomplexen vorgestellt: 1) Was genau ist eigentlich ein Geobasiszwilling und was hat der für einen Nutzen? 2) Welche Erwartungen entstehen aus dem neuen Leitbild an die Katasterverwaltung? Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/KRHZFU/

Sentinel-1 und Sentinel-2 liefern reichhaltige Erdbeobachtungsdaten, deren Vorverarbeitung jedoch komplex ist. Der Vortrag zeigt praxisnah, wie frei verfügbare Analysis Ready Data-Produkte und Open-Source-Tools (u.a. FORCE, SADASADAM, GRASS-GIS) den Einstieg erleichtern, Zeitreihenanalysen ermöglichen und Sentinel-Daten für GIS-Workflows direkt nutzbar machen. Seit rund zehn Jahren prägen Sentinel-1 (Radar) und Sentinel-2 (multispektral) die Fernerkundungswelt und bilden die Grundlage vieler Anwendungen von Landbedeckungsklassifikation bis Umweltmonitoring. Trotz frei verfügbarer Daten und hoher zeitlicher Auflösung ist der direkte Einstieg für viele GIS-AnwenderInnen jedoch weiterhin anspruchsvoll. Häufig scheitert es nicht am Analysewerkzeug, sondern an der Frage, wie man an „analysis ready data“ (ARD) gelangt, also an Datensätze, die ohne umfangreiche Vorverarbeitung unmittelbar in GIS- oder Python-Workflows genutzt werden können. Bei Sentinel-1 bedeutet dies meist eine komplette Vorverarbeitungskette: radiometrische und geometrische Korrekturen, Speckle-Filterung, präzise Georeferenzierung sowie Geländekorrektur - ohne entsprechendes Radar-Know-how wirken diese Schritte schnell abschreckend. Sentinel-2 erscheint auf den ersten Blick einfacher, stellt aber ebenfalls Herausforderungen: wechselnde Preprocessing-Baselines der offiziellen ESA-Level-2A-Daten, atmosphärische Effekte und insbesondere Wolkenbedeckung, die zuverlässig erkannt und ausgeschlossen werden muss, bevor Indizes oder Klassifikatoren zum Einsatz kommen können. Darüber hinaus lohnt es sich häufig, Einzelaufnahmen zeitlich zu aggregieren oder direkt Zeitreihen zu erstellen, um multitemporale Analysen zu ermöglichen. Genau darin liegt eine besondere Stärke der Sentinel-Missionen: robuste Datenkontinuität, die dichte Zeitreihen und damit auch Trends und saisonale Muster sichtbar macht. Parallel zur steigenden Datenmenge wächst die Verfügbarkeit an freien ARD-Produkten und Softwarewerkzeugen. Plattformen wie das Copernicus Data Space Ecosystem oder nationale Angebote wie die vom DLR angebotene MAJA/WASP Kollektionen mindern den lokalen Preprocessing-Aufwand erheblich und bieten bereits fertig nutzbare Szenen oder Mosaike, etwa monatliche Sentinel-1-Backscatter-Mosaike. Für AnwenderInnen die eigene Pipelines bevorzugen oder spezielle Anforderungen haben, stehen etablierte Open-Source-Werkzeuge zur Verfügung: etwa FORCE für systematische ARD-Erzeugung und Data-Cube-Workflows, SADASADAM zur automatisierten Erstellung wolkenfreier Tagesmosaike und GRASS-GIS-Module, die sich flexibel in lokale oder Cloud-basierte Verarbeitungsketten integrieren lassen. Der Vortrag ordnet diese Möglichkeiten ein, zeigt typische Stolperstellen und gibt praxisorientierte Entscheidungshilfen. Ziel ist es, den Zugang zu Sentinel-Daten zu vereinfachen und zu zeigen, dass robuste Fernerkundungsanalysen nicht zwingend tiefe Spezialkenntnisse voraussetzen, solange geeignete ARD-Strategien gewählt werden. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/BFT8A3/

Der Standard OGC API - Styles ermöglicht die einheitliche Verwaltung und Veröffentlichung von Kartenstilen über offene Schnittstellen. Der Vortrag erläutert Konzepte, Vorteile und bestehende Implementierungen wie GeoServer und GeoStyler. Zudem werden aktuelle Lücken und künftige Entwicklungen aufgezeigt, um Stilmanagement in Geodateninfrastrukturen interoperabler und effizienter zu gestalten. Die konsistente Gestaltung von Geodaten über verschiedene Plattformen und Dienste hinweg ist seit Langem eine Herausforderung in Geodateninfrastrukturen. Der Standard OGC API - Styles adressiert dieses Problem, indem er eine webbasierte Schnittstelle definiert, über die Stile unabhängig von der zugrunde liegenden Rendering-Engine oder dem verwendeten Dienst einheitlich gefunden, abgerufen und verwaltet werden können. Der Vortrag führt in die grundlegenden Konzepte von OGC API - Styles ein und zeigt, wie der Standard den standardisierten Zugriff auf Kartenstile ermöglicht. Dabei wird erläutert, wie bestehende Werkzeuge wie GeoServer und GeoStyler bereits Teile des Standards implementieren und so die Erstellung, Konvertierung und Veröffentlichung von Stilen über offene Schnittstellen unterstützen. Anhand von Praxisbeispielen wird gezeigt, wie diese Komponenten kombiniert werden können, um Stilverwaltungs-Workflows zu vereinfachen, die Interoperabilität zu verbessern und die Zusammenarbeit zwischen Systemen und Organisationen zu fördern. Trotz deutlicher Fortschritte bestehen noch Lücken die geschlossen werden müssen, um das volle Potenzial des Standards auszuschöpfen. Die Teilnehmenden erhalten ein klares Verständnis dafür, wie der Einsatz von OGC API - Styles die Verwaltung von Kartenstilen innerhalb ihrer Geodateninfrastruktur vereinfachen und zu einer flexibleren und interoperableren Umgebung führen kann. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/KNMQ7P/

Generative KI bietet viele Möglichkeiten für den Einsatz im GIS-Bereich, allerdings fehlen ihr oft wichtige spezifische Funktionen. Das Model Context Protocol (MCP) schafft hier Abhilfe, indem es eine einfache Anbindung von generativer KI an bestehende GIS-Dienste und Tools wie GDAL, OpenStreetMap oder PostgreSQL ermöglicht. Im Vortrag werden verschiedene Geo-spezifische MCPs vorgestellt, die den Zugriff auf Geodaten und Funktionen wie Geocoding oder Fernerkundung deutlich erleichtern. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/MQTJJE/

Dies ist ein spontaner Lightning Talk von 5 Minuten. Wer einen Vortrag halten möchte bitte an der Pinwand am FOSSGIS-Stand melden. Dies ist ein spontaner Lightning Talk von 5 Minuten. Wer einen Vortrag halten möchte bitte an der Pinwand am FOSSGIS-Stand melden. Dies ist ein spontaner Lightning Talk von 5 Minuten. Wer einen Vortrag halten möchte bitte an der Pinwand am FOSSGIS-Stand melden. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/PFCXFB/

Die Open Source Software KomMonitor ermöglicht die Berechnung komplexer Leitindikatoren auf Basis von sozio-demografischen Geo- und Zeitreihendaten. Zu diesem Zweck wurde pygeoapi und prefect als Prozessmanager in die Softwarearchitektur von KomMonitor integriert, um fachspezifische Prozesse über den OGC API - Processes Schnittstellenstandard bereitzustellen. Dieser Ansatz ermöglicht die Ableitung komplexer Sozialindikatoren zur Unterstützung eines umfassenden Sozialraummonitorings. Die Open Source Software KomMonitor stellt verschiedene webbasierte Tools bereit, um sozio-demografische Indikatoren zusammen mit Geodaten raum-zeitlich zu analysieren und zu visualisieren. Zeitreihenbasierte Indikatoren ermöglichen dabei die quantitative Auswertung von Zuständen und Veränderungsprozessen in der Stadtentwicklung. So tragen Auswertungen auf Basis von Indikatoren nicht nur zur Entscheidungsunterstützung in der gesamtstädtischen Planung und Entwicklung bei, sondern unterstützen auch die Beantwortung kleinräumiger Fragestellungen in der integrierten, strategischen Sozialplanung. Das Indikatorenkonzept von KomMonitor ist eingebettet in einem Indikatorenframework, das den formalen und hierarchischen Aufbau von Indikatoren definiert und die Grundlage für die Indikatorenentwicklung auf unterschiedlichen Ebenen bildet. In diesem nehmen Leitindikatoren eine besondere Rolle ein. Der inhaltliche Fokus von Leitindikatoren richtet sich auf fachspezifische Fragestellungen. Dabei werden komplexe, nicht messbare Sachverhalte abgebildet, die durch die Verknüpfung mehrerer Subindikatoren und Geodaten abgeleitet werden. Zu diesem Zweck stellt KomMonitor eine Prozessierungskomponente bereit, mit der auf Basis bereits integrierter statistischer Merkmale sowie Geodaten Zeitreihen von Leitindikatoren automatisiert berechnet und fortgeführt werden können. Um Anforderungen an eine für FachplanerInnen leicht zugängliche sowie durch weitere Fachanwendungen nutzbare Methodik der Indikatorenberechnung in KomMonitor gerecht zu werden, erfolgte eine umfangreiche Neukonzeption der Prozessierungskomponente. Vorwiegend wurde mit pygeoapi eine Komponente eingeführt, die als Referenzimplementierung der next-generation OGC API Bestrebungen des Open Geospatial Consortiums unter anderem eine standardisierte Möglichkeit bietet, beliebige (raumbezogene) Prozesse inkl. Metadaten zu definieren. So bietet sich FachnutzerInnen zukünftig die Möglichkeit, eigene Berechnungsvorschriften mit Python zu implementieren und innerhalb von KomMonitor für die Berechnung von Leitindikatoren bereitzustellen. Die Bereitstellung von standardisierten Prozessbeschreibung in KomMonitor über den OGC API - Processes Standard trägt somit nicht nur zur Community-getrieben Erweiterung der Fähigkeiten von KomMonitor bei, sondern fördert außerdem das Verständnis von Prozessen zur Ableitung neuer Indikatoren, da einzelne Prozessschritte und erwartbare Ergebnisse einheitlich beschrieben werden. Der vorliegende Beitrag möchte das Konzept der Indikatorenberechnung von KomMonitor unter Nutzung der pygeoapi vorstellen. Hierzu werden Optimierungen von Prozessworkflows und Datenflüssen zwischen den einzelnen Softwarekomponenten der Prozessierungsschicht erläutert. Anhand eines praktischen Beispiels aus der integrierten, strategischen Sozialplanung wird außerdem die Funktionsweise zur automatisierten Berechnung von Leitindikatoren in KomMonitor präsentiert und dessen Mehrwert für ein umfassendes Sozialmonitoring hervorgehoben. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/NG3NFN/

GeoAI – die Verbindung von Geoinformatik und Künstlicher Intelligenz – ermöglicht auch im behördlichen Umfeld die automatisierte und reproduzierbare Verarbeitung großer Geodatensätze in kürzester Zeit. Das Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN) bietet GeoAI-as-a-Service an. Dadurch werden Entwicklung und Betrieb nachhaltiger Open Source Lösungen im Bereich GeoAI langfristig sichergestellt. Aktuelle und fachlich verlässliche räumliche Daten sind Grundlage für zahlreiche Entscheidungen in der öffentlichen Verwaltung. Es gibt hohe Anforderungen an Aktualität, räumliche Abdeckung, sowie semantische und geometrische Vollständigkeit. Die Menge und Vielfalt der verfügbaren Geodaten übersteigt jedoch zunehmend die Möglichkeiten klassischer, rein regelbasierter Auswertungsverfahren. Deep Learning Verfahren können räumliche Muster in den Geodaten automatisiert, reproduzierbar und konsistent erkennen. Ihre technische Leistungsfähigkeit ist erprobt. Die Entwicklung eines Deep Learning Modells ist heute auch für Behörden machbar. Schwieriger ist jedoch der Schritt zu einer verlässlichen, dauerhaft nutzbaren Anwendung. Dafür sind stabile Datenpipelines, reproduzierbare Trainings- und Inferenzprozesse, die Versionierung von Modellen und Datensätzen, regelmäßiges Re-Training, Monitoring und fachliche Abnahmen im Betrieb erforderlich. Diese Anforderungen erzeugen einen kontinuierlichen und planbaren Betriebsaufwand. Es wäre für einzelne Behörden weder wirtschaftlich noch zielführend, diese Infrastrukturen jeweils separat aufzubauen. Das Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN) stellt GeoAI deshalb als Software-as-a-Service bereit. Die KI-Verfahren werden als dauerhaft betriebene, skalierbare Infrastruktur konzipiert und umgesetzt, mit klar geregelten Zuständigkeiten für Entwicklung, Betrieb, Aktualisierung und Qualitätssicherung. Zentral dabei ist eine Open-Source-first-Strategie. Die Dienste basieren auf offenen Komponenten und transparenten Verarbeitungsketten. Nutzende bezahlen nicht für die Nutzung eines proprietären KI-Modells, sondern für Betrieb, Qualitätssicherung und Weiterentwicklung einer gemeinsamen, öffentlichen Lösung. Dadurch entsteht ein strukturiertes Finanzierungsmodell für Open Source: Die Nutzung der Services trägt zu ihrer Weiterentwicklung bei, statt öffentliche Mittel für nicht nachhaltige, kommerzielle Einzellösungen zu verwenden. Die Bereitstellung von GeoAI-as-a-Service erfolgt z.B. über die Deutsche Verwaltungscloud (DVC). Behörden nutzen dort standardisierte Vertrags- und Bezugsmodelle auf Basis bestehender Inhouse-Beziehungen. Das reduziert den Aufwand individueller Vergabeverfahren erheblich und ermöglicht einen schnellen und rechtssicheren Einsatz. Aktuell betreibt das LGLN Dienste zur KI-Gebäudeerkennung, zur Analyse von Versiegelung und Entsiegelungspotenzialen sowie zum Vegetations- und Küstenmonitoring. Fachlich unterschiedliche Aufgaben teilen eine gemeinsame technische Grundlage. Rückmeldungen aus der täglichen Arbeit in den Ämtern fließen systematisch in die Weiterentwicklung ein. GeoAI zeigt in der öffentlichen Verwaltung Wirkung, wenn es als skalierbare, offene, weiterentwickelbare Infrastruktur verstanden und betrieben wird. GeoAI-as-a-Service schafft dafür die organisatorische, technische und finanzielle Basis. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/CXDRWY/

Man meint es sei eigentlich ganz einfach: Der Kunde lädt seine Geodaten hoch, man verarbeitet sie und leitet sie weiter. Doch was ein valides Polygon ist, darüber haben verschiedenste Stellen verschiedenste Ansichten – und auch Open-Source-Bibliotheken sind sich da alles andere als einig. Anhand einiger Praxisbeispiele aus dem Zusammentreffen von Kaffeeindustrie, Geodaten und EU-Regulierung illustriert der Vortrag die Vielfalt an Fallstricken und wie man ihrer Herr werden kann. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/G3RAFS/

Im Referat für Geodatenmanagement der Nationalparkverwaltung wurde ein integriertes WebGIS-basiertes Managementinstrument erstellt. Es dient der räumlichen und zeitlichen Koordination von Maßnahmen auf der Fläche des Nationalparks, sowie der Sicherstellung ihrer natur- und artenschutzkonformen Umsetzung. Die Datenhaltung ist in PostGIS, die Dateneingabe und Abstimmungskommunikation zwischen Planern und naturschutzrechlichem Kontrollteam erfolgt im QGIS Web-Client (QWC2) mit dem Editor-Plugin. Auch wenn der Leitsatz des Nationalparks Schwarzwald ist „Natur Natur sein lassen“, also die natürlichen Prozesse grundsätzlich ohne menschlichen Eingriff ablaufen zu lassen, gibt es dennoch ständig eine Vielzahl menschlicher Eingriffe. Diese dienen u.a. der Erfüllung EU-rechtlicher Vorgaben im Artenschutz (NATURA2000), dem Schutz der benachbarten Privatwälder (z.B. Borkenkäfermanagement), dem Schutz der Mitarbeitenden und Besuchenden (z.B. Wegesicherung). Diese Maßnahmen müssen im Einklang mit natur-und artenschutzrechtlichen Vorgaben durchgeführt werden. Sie müssen zwischen den Akteuren der verschiedenen Abteilungen der Nationalparkverwaltung kommuniziert und abgestimmt werden. Dazu eignet sich besonders gut die Darstellung in einem für alle Akteure zugänglichen und auch editierbaren WebGIS. Das Referat für Geodatenmanagement hat im Sommer 2025 ein integriertes Planungstool basierend auf PostGIS, QGIS und dem QGIS-WebClient (QWC2) etabliert. Im sogenannten Projekt „Flächenplanung“ trägt jeder Akteur die von ihm, bzw. seiner Gruppe geplanten Maßnahmen auf der Fläche des Nationalparks auf dem WebGIS als Punkt, Linie oder Polygon ein. Sobald die Geometrie gespeichert wird, wird sie innerhalb der PostGIS Datenbank über Trigger automatisch mit einer Vielzahl von Polygonlayern verschnitten, die schützenswerte Flächen wie FFH-Lebensraumtypen, Lebensstätten besonders geschützter Arten, Waldbiotopen, Messfelder etc. darstellen. Die Ergebnisse dieser Verschneidungen werden im Formular in Form einer Vielzahl von Checkboxen und Multiline-Feldern angezeigt. Sie dienen der Einschätzung, mit welchen räumlichen Konflikten bei der Umsetzung der Maßnahme gerechnet werden muss. Zusätzlich beschreibt der Akteur die Maßnahme detailliert in dem im QWC2 Editor integrierten Formular. Diese Beschreibung dient dem naturschutzrechtlichen Kontrollteam dazu, die Maßnahme einzuschätzen und eventuell Vorgaben in der Art der Umsetzung zu machen. Die Maßnahme durchläuft in der Abstimmung zwischen Akteur und Kontrollteam verschiedene Stadien von „Planung“ bis zur „Freigabe“. Nach Beendigung der Maßnahme dient ein weiterer Bereich des Formulars der Würdigung der Umsetzung, d.h. welche Erfahrungen konnten gewonnen werden, was lief gut, was weniger gut. QWC2 erwies sich als ideale Softwareumgebung, ein solch komplexes interaktives GIS-basiertes Managementinstrument zu erstellen. Derzeit läuft die Planung und Abstimmung der Maßnahmen für 2026, so dass wir auf der Konferenz über die (hoffentlich rein positiven) Erfahrungen einer dadurch sehr verbesserten Maßnahmenplanung berichten können. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/WL78KS/

Der Atlas der Schweiz ist der offizielle Nationalatlas und wird seit 1961 von der ETH Zürich herausgegeben. Die Desktop-Version (gestartet in 2016) basiert auf einem interaktiven 3D-Globus mit über 400 thematischen Karten. Dank neuer Webtechnologien – vom Rendering, über UI bis zu Geodatenformaten – konnte der Atlas ins Web migriert und einer grösseren Nutzerschaft zugänglich gemacht werden. Der Vortrag zeigt Konzeption, UX-Design, Architektur und den Einsatz offener Webtechnologien. Ziel des Vortrags ist es, die Migration eines umfassenden digitalen Atlas in moderne Webtechnologien aufzuzeigen und dabei einen möglichst ganzheitlichen Einblick in das Vorgehen und die technischen Entscheidungen zu geben. Zu Beginn werden die Ausgangslage und die Zielsetzung erläutert: Der Atlas der Schweiz, bisher als Desktop-Applikation mit Online-Backend verfügbar, soll einer breiteren Öffentlichkeit über den Browser zugänglich gemacht werden. Dabei galt es, eine Lösung zu finden, die hohe kartografische Qualität, Performance, Sicherheit und langfristige Wartbarkeit vereint. Im Anschluss wird der konzeptionelle Teil des Vorgehens beschrieben – von der Ideen- und Konzeptphase über das User-Experience-Design bis hin zum User-Testing, das in Zusammenarbeit mit einer spezialisierten Agentur durchgeführt wurde. Darauf folgt der technische Teil des Vortrags: die Wahl des geeigneten Karten-Rendering-Frameworks (Kombination von MapLibre und Deck.gl), die Software-Architektur des neuen Systems sowie die Entscheidung für moderne Frontend-Technologien wie Astro (Static Site Generation), Vue.js und Tailwind CSS. Ein weiteres Kapitel widmet sich der Migration der bestehenden Inhalte und Datenstrukturen in das neue System, gefolgt von einer kurzen Demo der aktuellen Public Beta-Version des Atlas der Schweiz. Zum Abschluss wird ein Ausblick auf die geplante Weiterentwicklung des Projekts gegeben – darunter neue Themen, Performance-Optimierungen und die Integration zusätzlicher 3D-Funktionen. Der Vortrag richtet sich an Personen mit Interesse an Webentwicklung, Webkarten und der Anwendung moderner Open-Source-Technologien in der Kartografie. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/YWJM3W/

Basierend auf einer Open-Source-Initiative, die bereits bei FOSSGIS vorgestellt wurde, haben wir ein Python-Paket entwickelt, das verschiedene WMS-Dienste zentralisiert und automatisiert, um deutschlandweit Orthophotos herunterzuladen. Aufgrund föderaler Strukturen sind die Schnittstellen je nach Bundesland unterschiedlich, was die Nutzung erschwert. Unser Tool vereinfacht diesen Zugang erheblich Basierend auf einer Open-Source-Initiative, die bereits bei FOSSGIS vorgestellt wurde, haben wir ein Python-Paket entwickelt, das verschiedene WMS-Dienste automatisiert und zentralisiert, um deutschlandweit Orthophotos herunterzuladen. Aufgrund der föderalen Struktur Deutschlands stellt jedes Bundesland eigene Schnittstellen bereit, was die flächendeckende Nutzung erschwert. Unser Tool bietet eine einheitliche, benutzerfreundliche Lösung, die unabhängig von den jeweiligen Landesdiensten funktioniert. Es unterstützt verschiedene Bildformate wie RGB und RGBI sowie flexible geografische Abfragen. Die Orthophotos bilden eine hochpräzise Datenbasis für Anwendungen in der Fernerkundung – von Umweltforschung bis Stadtplanung. Die Version 1.0 ist für Anfang 2026 geplant und wird als Open-Source veröffentlicht. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/YREYVE/

Die Funktionen von GDAL/OGR können seit jeher neben der Einbindung als Bibliothek auch über die Kommandozeile genutzt werden. In Version 3.11 wurde dies modernisiert: Ein einheitliches `gdal`-Programm ersetzt diverse Programme wie `ogr2ogr` oder `gdal_translate`. Der Vortrag veranschaulicht die Unterschiede zwischen alter und neuer Syntax. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/KNC8LK/

Der Aufstieg von LLMs und VLMs eröffnet neue Wege der Datenverarbeitung und -analyse, wobei die Qualität der Ergebnisse stark von der Formulierung der Prompts abhängt. In diesem Lightning Talk wird das Open-Source-Framework DSPy vorgestellt, das die Entwicklung, das Testen und die automatisierte Optimierung von Prompts in einen reproduzierbaren, recheneffizienten Python-Workflow integriert. Der rasante Aufstieg von Large Language Models (LLMs) und Vision-Language-Models (VLMs) eröffnet auch im Bereich geografischer Anwendungen neue Möglichkeiten zur automatisierten Verarbeitung und Analyse von Geodaten. Die Qualität der erzeugten Ergebnisse hängt jedoch entscheidend von der Formulierung der Prompts ab. Dieser Aspekt hat teils großen Einfluss auf die Ergebnisqualität und unterscheidet sich teils erheblich von Modell zu Modell. In diesem Lightning Talk wird das Open-Source-Framework DSPy vorgestellt. Es integriert die Entwicklung, das Testen und die Optimierung von Prompts in einen reproduzierbaren, reinen Python-Workflow und ermöglicht somit eine strukturierte Vorgehensweise. DSPy löst das Problem der besten Prompt-Formulierung, indem es anhand weniger Beispiele bzw. kleiner Trainingsdatensätze mittels Optimierungsverfahren automatisch die bestmöglichen Prompts ermittelt. Dieser Ansatz ist besonders daten- und recheneffizient. Der Vorteil besteht darin, dass Anwender:innen nicht mehr mühsam einzelne Prompts von Hand formulieren müssen, sondern über das Framework direkt Python-Schnittstellen nutzen können, um optimierte Prompt-Varianten automatisch zu generieren, zu testen und in Produktion zu bringen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/B37JZL/

Die Integration der Open-Source-Routing-Engine Valhalla mit dem MapLibre Navigation SDK ermöglicht eine vollständig freie Navigationslösung. Im Vortrag werden technische Anpassungen, praktische Erfahrungen und Herausforderungen dieser Kombination vorgestellt. Valhalla ist eine leistungsfähige, vollständig Open-Source Routing-Engine, die im Rahmen der letztjährigen Konferenz bereits ausführlich vorgestellt wurde. Aufbauend auf diesen Grundlagen soll dieser Vortrag nun zeigen, wie Valhalla in einer vollständigen Navigationsanwendung eingesetzt werden kann – konkret in Kombination mit dem MapLibre Navigation SDK. Das MapLibre Navigation SDK ist ein Open-Source-Fork des mittlerweile proprietär gewordenen Mapbox Navigation SDK. Trotz seiner offenen Architektur waren für die reibungslose Nutzung mit Valhalla einige Anpassungen notwendig, insbesondere hinsichtlich des Routing-Response-Formats, genauer: welche JSON Attribute für Navigationsanweisungen bereitgestellt werden. Der Vortrag behandelt: * Überblick wie ein eigenes Navigationssystem aus Open Source Software umgesetzt werden kann * Die grundlegende Architektur und Funktionsweise der Zusammenarbeit zwischen Valhalla und dem MapLibre Navigation SDK * Welche Änderungen am Datenformat von Valhalla erforderlich waren, um Routingdaten direkt in das MapLibre Navigation SDK einzuspeisen * Praktische Erfahrungen aus realen Testszenarien: Herausforderungen, Lösungen und Lessons Learned * Einschätzung zur Leistungsfähigkeit, Stabilität und Erweiterbarkeit der Kombination beider Technologien Ziel des Vortrags ist es, Entwickler*innen und Interessierten zu zeigen, wie Open-Source-Routing und -Navigation in der Praxis erfolgreich miteinander verbunden werden können ohne auf kommerzielle oder proprietäre Komponenten angewiesen zu sein. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/NHZTAM/

Die Geo Engine ermöglicht Geoanalysen in der Cloud, von der Definition von Workflows über OGC-Schnittstellen bis zu Python-Notebooks. Der Vortrag zeigt die Erstellung einer Machine-Learning-Anwendung mit Sentinel-2-Bildern und einem ML-Klassifikator in Geo Engine. Es wird demonstriert, wie Modelle ins ONNX-Format transformiert, registriert und in Workflows integriert werden, sowie die Operationalisierung bestehender ML-Modelle wie eine Wolkenmaskierung. Die Geo Engine (www.geoengine.io) ist eine cloud-ready Geoanalyseplattform, die einen einfachen Zugang zu raumzeitlichen Daten und deren Verarbeitung bietet. Sie ermöglicht Nutzern die Durchführung von Analysen durch die Definition von Verarbeitungs-Workflows über OGC-Schnittstellen, browserbasierte interaktive Benutzeroberflächen und ein Python-Paket z.B. für Jupyter Notebooks. Die Plattform unterstützt die Entwicklung und Bereitstellung von Machine-Learning-Anwendungen unter Verwendung von Satellitenbildern, einschließlich Datenerfassung und -vorbereitung, Modelltraining und -optimierung, Modellbereitstellung und -operationalisierung sowie Analyseanwendungen für neue Daten. Der Vortrag zeigt einen umfassenden Ansatz zur Erstellung einer Machine-Learning-Anwendung mit Sentinel-2-Satellitenbildern und einem ML-Classifier, der mit der Geo Engine bereitgestellt wird. Es wird demonstriert, wie trainierte Modelle in das ONNX-Format transformiert, als neue Geo Engine-Operatoren registriert und nahtlos in Workflows integriert werden können, um Analysen an neuen Satellitendaten durchzuführen. Zusätzlich wird gezeigt, wie Geo Engine die Operationalisierung bestehender Machine-Learning-Modelle unterstützt, beispielsweise durch den Import eines Modells zur Wolkenmaskierung mittels Convolutional Neural Networks (CNNs), um wolkenfreie Szenen zu generieren. Dies ermöglicht die Nutzung abgeleiteter Modelle in erweiterten Workflows für komplexere Verarbeitungsketten wie die zeitliche Aggregation von Zeitreihen zu monatlichen Produkten. 2021 haben wir bereits die Grundlagen des Systems auf der FOSSGIS vorgestellt (https://pretalx.com/fossgis2021/talk/UKLUGE/) und Updates in 2022 mit unserer Python-Bibliothek für Jupyter Notebooks sowie Neuerungen in unserem User Interface präsentiert (https://pretalx.com/fossgis2022/talk/JBLB7F/). In 2026 wird der Einsatz von Machine Learning aus verschiedenen Projekten gezeigt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/LKYU7Q/

Warum nach Geodaten suchen, wo es doch die PostGIS-Funktion ST_Letters gibt, die im Nu Geometrien erzeugt? ST_Letters ist eine recht unbekannte Funktion, die einen Text übergeben bekommt und diesen als Geometrie ausgibt. Genauer wird die Zeichenfolge von ST_Letters als Multipolygon ausgegeben. https://postgis.net/docs/ST_Letters.html Warum nach Geodaten suchen, wo es doch die PostGIS-Funktion ST_Letters gibt, die im Nu Geometrien erzeugt? ST_Letters ist eine recht unbekannte Funktion, die einen Text übergeben bekommt und diesen als Geometrie ausgibt. Genauer wird die Zeichenfolge von ST_Letters als Multipolygon ausgegeben. Sie haben gerade keine Geometrien zur Hand? Dann können Sie mit ST_Letters leicht Geometrien erzeugen und weitere PostGIS-Funktion ausprobieren. https://postgis.net/docs/ST_Letters.html Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/AXWCQT/

„actinia-Copilot URBAN“ – ein von der European Space Agency (ESA) kofinanziertes Open-Source-KI-System – verbindet Large Language Models (LLM) mit Geodatenverarbeitung. Es ermöglicht Stadtplanern und Kommunen, Klimaanpassungsprojekte durch natürliche Sprachabfragen umzusetzen, indem komplexe Geo- und Erdbeobachtungsdaten ohne tiefgreifende technische Fachkenntnisse zugänglich gemacht werden. actinia-copilot URBAN ist ein innovatives Projekt zur Integration von Large Language Models (LLMs) in Open-Source-Geodaten-Technologie, insbesondere unter Verwendung der [actinia-Engine](https://github.com/actinia-org/actinia-core/), ein OSGeo Community Projekt. Wir von [mundialis](https://www.mundialis.de/) präsentieren die ersten Arbeiten an diesem agentenbasierten Framework zusammen mit den LLM- und Agentenspezialisten von [VAGO Solutions](https://vago-solutions.ai/) und demonstrieren unseren Ansatz, künstliche Intelligenz mit Open-Weight-Modellen direkt in ein etabliertes Open-Source-GIS-Backend zu integrieren. Dieses System schließt eine wichtige Lücke. Es ermöglicht nicht-technischen Anwender:innen aus Städten, Kommunen und Planungsbüros, anspruchsvolle Analysen von Erdbeobachtungsdaten durchzuführen. Durch die Nutzung der Möglichkeiten der natürlichen Sprachverarbeitung und bestehender FOSS4G-Tools (einschließlich actinia) können Anwender:innen ohne tiefgreifende Programmier- oder Geodatenkenntnisse städtische und kommunale Strukturen in Bezug auf Klimaanpassung, versiegelte Flächen, Baumbestand usw. abfragen und analysieren. Die Präsentation befasst sich mit folgenden Themen: - Technische Grundlagen: Wie Open-Source-LLMs in das actinia-Backend integriert werden, um eine nahtlose Datenanalyse zu ermöglichen. - Befähigung der Nutzenden: Die Interaktion über natürliche Sprache und die Generierung umsetzbarer Ergebnisse (Karten, Berichte). - Open-Science-Kontext: Ausrichtung an den FAIR-Prinzipien und Förderung der digitalen Souveränität durch einen vollständig Open-Source-basierten Stack. Wir werden Beispiele hervorheben, die für die städtische und kommunale Klimaanpassung relevant sind, sowie die entscheidende Rolle, die FOSS bei der Demokratisierung des Zugangs zu Geodaten und bei der Förderung der digitalen Souveränität spielt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/BY3BPK/