PLAY PODCASTS
Chaos Computer Club - recent events feed

Chaos Computer Club - recent events feed

4,903 episodes — Page 33 of 99

Einführung von QGIS als Standard-Desktop-GIS der Bayerischen Umweltverwaltung (fossgis2026)

Geographische Informationssysteme (GIS) bilden eine wichtige Arbeitsgrundlage für die Geodatenverarbeitung der Bayerischen Umweltverwaltung. Die bisher im Einsatz befindlichen GIS sollen in weiten Bereichen durch QGIS abgelöst werden. Für die Inbetriebnahme sind einige Aspekte hinsichtlich IT-Sicherheit, Performance, Interoperabilität und Betrieb geklärt worden. Diese sollen im Rahmen des Vortrags näher vorgestellt werden, um anderen Institutionen einen vergleichbaren Prozess zu erleichtern. Die Anforderungen an den GIS-Arbeitsplatz in der Bayerischen Umweltverwaltung sind vielfältig und reichen von einfachen Visualisierungen hin zu komplexer Geodatenverarbeitung mit großen Datenmengen. Bisher wurden für die Aufgaben ausschließlich proprietäre GIS eingesetzt. Perspektivisch wird die GDI der Bayerischen Umweltverwaltung primär FOSS (Free- and Open Source) Produkte einsetzen, um die Abhängigkeiten zu einzelnen Herstellern zu reduzieren. Eine Folge der neuen GDI-Strategie ist die Umstellung des Standard-Desktop-GIS auf QGIS. Um einen möglichst reibungsarmen Wechsel der GIS-Software zu gewährleisten und eine hohe Akzeptanz zu erzielen, wurden einige Maßnahmen getroffen. Wichtig ist ein performanter und niedrigschwelliger Zugriff auf die zentral bereitgestellten Geodaten, wofür konfigurative, geschäftsbereichsspezifische Anpassungen vorgenommen werden. Zudem müssen Aspekte der IT-Sicherheit hinsichtlich der Verwendung von Plugins geklärt werden. Die Software wird über eine zentrale Softwareverteilung auf allen gewünschten Clients installiert, um die Betriebsaufwände zu minimieren. Im Rahmen des Vortrags werden die angesprochenen Punkte detailliert vorgestellt und die Vorgehensweise bei der Umstellung auf QGIS erläutert. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/CVYY3E/

Mar 26, 202626 min

Aufbau und Aktualisierung einer OSM-basierten Karten mit osm2pgsql (fossgis2026)

Die Software osm2pgsql ermöglicht einen konfigurierbaren Import und eine Aktualisierung der OpenStreetMap-Daten in eine PostgreSQL/PostGIS-Datenbank. Hier dient die Erstellung und das Updaten der Karte, welche mit QGIS erstellt wird, als Beispiel. Die Infrastruktur von OpenStreetMap in Kombination mit der Software osm2pgsql macht eine fortlaufende automatische Aktualisierung möglich. In der Demosession werden die Konfigurations- und Kombinationsmöglichkeiten aufgezeigt. Die Software osm2pgsql ermöglicht einen konfigurierbaren Import und eine Aktualisierung der OpenStreetMap-Daten in eine PostgreSQL/PostGIS-Datenbank. Ein möglicher Anwendungsfall dafür ist die Erstellung von Karten, zum Beispiel mit QGIS. Die Infrastruktur von OpenStreetMap in Kombination mit der Software osm2pgsql macht eine fortlaufende automatische Aktualisierung möglich. So kann die Karte immer wieder exportiert werden, aber mit aktuellen Daten, ohne dass manuelle Anpassungen notwendig sind. Was gut klingt, birgt aber auch Risiken, wenn Objekte in der Datenbank und nicht in OpenStreetMap editiert wurden. Wie man diese Anpassungen behalten kann und Updates bekommt, wird gezeigt und ist im Graubrot-Projekt dokumentiert. In der Demosession werden die Konfiguration von osm2pgsql und daraus entstehende Möglichkeiten aufgezeigt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/YWPLQE/

Mar 26, 202650 min

Diskrete globale Gittersysteme für die raum-zeitliche Aggregation und Visualisierung (fossgis2026)

Die raum-zeitliche Aggregation großer (Punkt-)Datenmengen für die kartografische Web-Visualisierung stellt eine Herausforderung dar, die auf unterschiedliche Weisen angegangen werden kann. Anhand zweier Praxisbeispiele – auf Datenbankebene in PostgreSQL und im Streamprozessor-Framework Apache Flink – wird die Verwendung von Ubers H3-Programmbibliothek für die hexagonale Aggregation in einem Discrete Global Grid System (DGGS) vorgestellt und diskutiert. Nahezu-Echtzeit-Daten, Zeitreihendaten und anderweitige raum-zeitliche Ereignisdaten unterliegen unabhängig ihres anvisierten Analysezwecks früher oder später häufig der Notwendigkeit einer kartografischen Darstellung. Ist eine Web-Visualisierung vorgesehen, so gestaltet sich die Datenaufbereitung als herausfordernde Aufgabe, denn eine prototypische quick-and-dirty Web-Darstellung im Browser – bspw. mit OpenLayers – stößt bei größeren Datenmengen schnell an ihre Performance-Grenzen. Je nach Anwendungsfall können die Rohdatenmengen riesig sein. Auch die Bereitstellung der Rohdaten über OGC-Web-Services skaliert schlecht mit zunehmender Datenmenge. An dieser Stelle wird eine Aggregation oder Generalisierung der Daten notwendig. Dafür eignen sich selbst-definierte Gitter, amtliche bzw. nationale Gittersysteme sowie Diskrete globale Gittersysteme (Discrete Global Grid Systems, DGGS) sehr gut. Einige Varianten wie das [geographische Gitter für Deutschland](https://gdz.bkg.bund.de/index.php/default/inspire/sonstige-inspire-themen/geographische-gitter-fur-deutschland-in-lambert-projektion-geogitter-inspire.html), [Ubers hexagonales Gittersystem H3](https://h3geo.org/) und [Googles hierarchisches Gittersystem S2](http://s2geometry.io/) werden im Vortrag kurz gegenübergestellt. Vielleicht werfen wir auch einen Blick auf die Arbeitsgruppe DGGS des OGC und auf den OGC-Standard [API – DGGS](https://www.ogc.org/de/standards/dggs/). Zwar bieten Web-Mapping-Frameworks wie OpenLayers bereits praktische Methoden wie [HexBin](https://viglino.github.io/ol-ext/doc/doc-pages/ol.source.HexBin.html) zur Erstellung eines Hexagon-Gitters für eine räumliche Aggregation von Quelldaten, aber dafür müssen alle Quelldaten zuerst in den Browser des Clients wandern, was erfahrungsgemäß schnell zu Performance-Problemen führt. Anhand zweier Projektbeispiele werden zielführendere Herangehensweisen vorgestellt, wie Zeitreihendaten effizient per Post-Processing auf Datenbankebene oder in Echtzeit bei der Streaming-Daten-Verarbeitung aggregiert werden können. Beispiel 1 aus dem mFUND-Projekt [ErlebensAtlas](https://www.dlr.de/de/ts/forschung-und-transfer/projekte/erlebensatlas) aggregiert Daten des Reiseerlebens von Nutzenden des ÖPNV in Hamburg und Berlin im Erfassungszeitraum 2025 zur Unterstützung von Entscheidungsprozessen der Mobilitätsbetreiber. Dafür wird die PostgreSQL-Erweiterung [h3-pg](https://github.com/zachasme/h3-pg) zur Aggregation im hexagonalen Gittersystem H3 verwendet. Beispiel 2 aus dem mFUND-Projekt [EDDY](https://www.dlr.de/de/ts/forschung-und-transfer/projekte/eddy) zeigt exemplarisch eine Aggregation von V2X-Kommunikationsdaten (Vehicle-to-Everything communication) in Echtzeit mit dem Streaming-Daten-Verarbeitungswerkzeug Apache Flink, wofür ebenfalls eine quelloffene [H3-Implementierung in Java](https://github.com/uber/h3-java) verfügbar ist. Finales Ziel in beiden Fällen ist immer eine performante Bereitstellung der aggregierten Ergebnisdaten über OGC-Web-Schnittstellen wie WMS/WFS oder API – Maps/API – Features. Auf diese Weise sind sie einfach austauschbar und flexibel in Analysewerkzeugen diverser Akteure nutzbar. Der Vortrag möchte eine möglichst generische Herangehensweise an die Gitter-Aggregation vorstellen, sodass die Übertragbarkeit dieser praktischen Methodik auf zahlreiche andere statistische Anwendungsfälle vermittelt wird. Vor allem Verkehrsdaten, Bewegungsdaten und Sensordaten lassen sich so mit geringem Aufwand elegant visualisieren und für weiterführende Analyseanwendungen aufbereiten. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/Q9MT9G/

Mar 26, 202625 min

Diskrete globale Gittersysteme für die raum-zeitliche Aggregation und Visualisierung (fossgis2026)

Mar 26, 202625 min

Einführung von QGIS als Standard-Desktop-GIS der Bayerischen Umweltverwaltung (fossgis2026)

Mar 26, 202626 min

Open Source Dashboard zur Visualisierung von gemeinschaftlich erfassten Gebäude-Daten (fossgis2026)

Mar 26, 202627 min

Aufbau und Aktualisierung einer OSM-basierten Karten mit osm2pgsql (fossgis2026)

Mar 26, 202650 min

openstreetmap.de mischt die Karten neu (fossgis2026)

Die Landkarte der deutschen OSM-Webseite (https://openstreetmap.de/) wird modernisiert: Die Einführung von MapLibre ermöglicht neben Raster- auch Vektorkacheln. Ein weiteres Augenmerk liegt auf der Nutzung auf mobilen Geräten und einer besseren Suchfunktion. Es stehen noch weitere Features auf der Roadmap, die im Vortrag beleuchtet werden. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/9Q8G7Z/

Mar 26, 20266 min

openstreetmap.de mischt die Karten neu (fossgis2026)

Mar 26, 20266 min

Über 1000 Apps in 5 Minuten - Der OSM Apps Catalog (fossgis2026)

Wer kennt es nicht: Da gab es doch diese eine Webanwendung mit der man einfach Informationen zu OpenStreetMap zu spezifischen Themen hinzufügen kann. Im OSM Apps Catalog findet man viel wenn nicht sogar alle öffentliche Apps, Webseiten und Karten rund um OpenStreetMap. In der Lightning-Talk wird der [OSM Apps Catalog](https://osm-apps.org/) kurz vorgestellt, der noch nicht jedem bekannt ist. Was ist dieser OSM Apps Catalog? Wie kann ich hier etwas finden? Wo kommen die Daten her? Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/9DX9AC/

Mar 26, 20265 min

Über 1000 Apps in 5 Minuten - Der OSM Apps Catalog (fossgis2026)

Mar 26, 20265 min

Neue Werkzeuge fürs 3D-Mapping (fossgis2026)

Die dreidimensionale Erfassung von Gebäuden und anderen Objekten in OpenStreetMap ist eine der komplexeren Aufgaben für Mapper. Neue Werkzeuge machen das 3D-Mapping zugänglicher und effizienter. Für OpenStreetMap gibt es inzwischen seit Jahren freie 3D-Renderer wie OSM2World, OSM Buildings oder Streets GL. Diese Renderer sind aber auf einen entsprechenden Datenbestand angewiesen. Um solche Daten niedrigschwellig und in größerem Umfang zu erfassen, benötigt es geeignete Software. Zuletzt ist der Bestand an entsprechenden Hilfsmitteln um mehrere neue oder verbesserte Open-Source-Werkzeuge gewachsen. Dazu gehören insbesondere im Editor integrierte Vorschaufeatures, die neu erfasste oder geänderte Daten sofort in 3D sichtbar machen, aber auch automatische Datenprüfungen und weitere nützliche Tools. Der Vortrag bietet einen kompakten Überblick über diese Neuerungen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/7EH8T3/

Mar 26, 20265 min

Neue Werkzeuge fürs 3D-Mapping (fossgis2026)

Mar 26, 20265 min

BIM-Modelle treffen Geodaten: Webintegration mit der API for the Built Environment (fossgis2026)

Digitale Zwillinge der gebauten Umwelt basieren auf GIS, BIM und IoT. Für konsistenten Zugriff sind einheitliche Webschnittstellen nötig. Während das OGC mit der OGC API REST-konforme Standards für Geodaten etabliert hat, fehlt Vergleichbares im BIM-Bereich. Die API for the Built Environment (API4BE) schließt diese Lücke und ermöglicht den Webzugriff auf IFC-Modelle. Der Vortrag zeigt BIM-GIS-Integration und praxisnahe Beispiele für 3D-Webanwendungen. Digitale Zwillinge der gebauten Umwelt basieren auf Schlüsseltechnologien wie GIS, BIM (Building Information Modeling) und IoT (Internet of Things). Damit diese heterogenen Datenquellen zu einem physischen Objekt effizient in Webanwendungen eingebunden werden können, sind einheitliche Zugriffsmethoden über Webschnittstellen unerlässlich. Im Bereich der Geodaten hat das Open Geospatial Consortium (OGC) mit der OGC API einen Paradigmenwechsel hin zu REST-konformen Schnittstellen vollzogen und folgt damit den Empfehlungen des World Wide Web Consortiums (W3C). Im BIM-Sektor stehen vergleichbare Entwicklungen noch am Anfang. Die Etablierung geeigneter Schnittstellen ist jedoch essenziell für eine erfolgreiche Integration von BIM und GIS im Web. Eine Lösung zur Überbrückung dieser Lücke stellt die „API for the Built Environment“ (API4BE) dar. Diese REST-konforme Schnittstelle basiert auf etablierten Webstandards und nutzt eingebettete Links, um die Navigation durch komplexe 3D-Bauwerksmodelle zu erleichtern. Sie ermöglicht den direkten Zugriff auf BIM-Modelle im IFC-Format (Industry Foundation Classes) innerhalb von Webanwendungen. Der Vortrag stellt zunächst die strukturellen Unterschiede der Datenmodelle von GIS und BIM gegenüber. Das IFC-Datenschema wird erläutert, inklusive der eingebetteten Möglichkeiten zur Georeferenzierung. Im Anschluss folgt eine Einführung in die API4BE. Anhand praxisnaher Beispiele wird gezeigt, wie sich BIM- und GIS-Daten über Webschnittstellen effizient miteinander verknüpfen lassen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/BTMBMB/

Mar 26, 202626 min

Von oben sieht man mehr: Willkommen bei GeoGirafe (fossgis2026)

Jeder nutzt sie, kaum einer kennt sie: Web Components Web Components sind eine Technologie, die in allen Browsern unterstützt und durch viele große Player eingesetzt wird. Nun endlich gibt es auch ein OpenSource WebGIS, dass diese modulare Technik nutzt: **GeoGirafe** GeoGirafe ist von Beginn an modular und verfolgt eine "no-framework" Strategie. Dieser Vortrag zeigt dir, welche Möglichkeiten es aktuell gibt und wie vielfältige Gesichter GeoGirafe annehmen kann: - 2D/3D Karten - Komplexe Ebenenbäume - Themes - Suchfunktionen - Zeichen/Messwerkzeuge - Profilfunktionen - Eigene Layer hinzufügen - Anbindung an openid connect - WebAPI - uvm. Wir werden uns 3 Anwendungsfälle näher anschauen: - Komplexes WebGIS - Einbindung von WebKarten mittels API - Fachapplikation Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/LPJNVA/

Mar 26, 202619 min

Kollaboratives GIS mit Jupyter Notebooks und JupyterGIS (fossgis2026)

Jupyter Notebooks sind aus der wissenschaftlichen Datenauswertung nicht mehr wegzudenken. Die webbasierte, interaktive Umgebung zur Erstellung von Notebook-Dokumenten wird häufig auch für geografische Datenanalysen verwendet. Eine neue Applikation im Jupyter-Ökosystem ist JupyterGIS, welche kollaborative Bearbeitung von GIS-Daten in Echtzeit unterstützt und das Python-API von QGIS zur Kartendarstellung nutzt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/FQZYQW/

Mar 26, 202625 min

BIM-Modelle treffen Geodaten: Webintegration mit der API for the Built Environment (fossgis2026)

Mar 26, 202626 min

Von oben sieht man mehr: Willkommen bei GeoGirafe (fossgis2026)

Mar 26, 202619 min

Von Mapillary zu MapRoulette: Radweglücken automatisch erkennen und ergänzen (fossgis2026)

Mar 26, 20265 min

Kollaboratives GIS mit Jupyter Notebooks und JupyterGIS (fossgis2026)

Mar 26, 202625 min

Von Mapillary zu MapRoulette: Radweglücken automatisch erkennen und ergänzen (fossgis2026)

In diesem Lightning-Talk wird gezeigt, wie automatisch erkannte Verkehrszeichen aus Mapillary genutzt werden, um Lücken im Radwegenetz in OpenStreetMap zu finden und in einer MapRoulette-Challenge gezielt zu bearbeiten. Die Kampagne hat bereits über 200 km bisher nicht erfasste Radinfrastruktur in Deutschland ergänzt und lässt sich auch auf weitere Themen wie Tempo 30 oder Zebrastreifen übertragen. Der Beitrag stellt eine semi-automatisierte Pipeline vor, die Mapillary-Verkehrszeichenerkennung mit OSM-Daten verknüpft, um fehlende Radwege zu identifizieren. Die daraus entstehenden Aufgaben werden in einer MapRoulette-Challenge bereitgestellt, in der Mapperinnen und Mapper gezielt Lücken im Radwegenetz schließen können. Anhand der Challenge [Add missing bicycle infrastucture based on mapillary signs (Germany)](https://maproulette.org/browse/challenges/52916) wird gezeigt, wie die Daten verarbeitet, mit OSM verschmolzen und für die Community nutzbar gemacht werden. Erste Auswertungen mit [ohsome-planet](https://github.com/GIScience/ohsome-planet) deuten auf über 200 km neu erfasste Radinfrastruktur hin. Die Pipeline ist offen verfügbar [GitHub](https://github.com/vizsim/mapillary_trafficsigns) und kann auf weitere [Themen](https://github.com/vizsim/mapillary_trafficsigns/tree/main/use_cases) wie z.B. Tempo-30-Zonen oder Fußgängerüberwege übertragen werden. Als Nebeneffekt wurden die erkannten Verkehrszeichen in Zusammenarbeit mit [radinfra.de](https://tilda-geo.de/regionen/radinfra?map=17/51.5353/9.928&config=1v92rco.7h3d.4pt3i8&data=mapillary-cycleway-traffic-signs&v=2) auch dort integriert – eine wertvolle Hilfe für die OSM-Community und Kommunen beim Ausbau der Radinfrastruktur. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/3VXKYJ/

Mar 26, 20265 min

Systematisches Land Regulations Tool (SLRT): Digitalisierung, die Grenzen sprengt! (fossgis2026)

Nicht überall ist die Katastererfassung und Zuweisung von Flurstücken so gut, wie bei uns in Europa. In Laos findet sich eine zentrale Datenbank (LaoLandReg) - die nach und nach mit Papierformularen ergänzt wird. Landrechte werden analog mit Fingerabrücken und Unterschriften eingescannt und mührsam in LaoLandRec eingefügt. Diese Präsentation beschäftigt sich mit der vollen Digitalisierung des Katastermanagements in Laos mithilfe von Open-Source GIS vom feinsten. Gemeinsam mit LandNetwork und GOPA setzt OPENGIS.ch im Auftrag der KfW mit dem Landesministerium in Laos ein Projekt zur vollständigen Digitalisierung des Katastermanagements um. Ziel ist es, den gesamten Prozess effizienter, transparenter und zukunftsfähig zu gestalten. **Aktueller Stand:** Derzeit wird die zentrale Datenbank LaoLandReg als Kopie an die einzelnen Provinzen verteilt und offline auf lokalen Rechnern genutzt. Das Landespersonal erfasst vor Ort mit GPS-Geräten die Eckpunkte von Gebäuden und Flurstücken. Zusätzlich werden Attributdaten sowie Fingerabdrücke und Unterschriften der Nachbarn erhoben. Diese Informationen werden anschließend manuell in die lokale Datenbank eingetragen und nach einigen Monaten an das zentrale System übermittelt – ein zeitaufwändiger und fehleranfälliger Prozess. **Die Lösung:** Nicht verzagen - Open-Source GIS fragen! Insbesondere mit QGIS, QFieldCloud und QField, automatisieren und optimieren wir diesen komplexen Arbeitsablauf. Durch intelligente Workflows, Datenverknüpfungen und flexible Layouts wird der gesamte Prozess deutlich effizienter und nachvollziehbarer gestaltet. Das Projekt zeigt eindrucksvoll, wie leistungsfähig und vielseitig Open-Source-Lösungen im Bereich der Landesverwaltung sein können. Erfahren Sie in dieser Präsentation, wie wir gemeinsam mit unseren Partnern die Digitalisierung des Katastermanagements in Laos vorantreiben – praxisnah, innovativ und nachhaltig. Auch werden hier die daraus resultierenden neuen Funktionen in QField vorsgestellt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/FPBWBV/

Mar 26, 202625 min

Systematisches Land Regulations Tool (SLRT): Digitalisierung, die Grenzen sprengt! (fossgis2026)

Mar 26, 202625 min

ForestPulse: Geodatendienste für Deutschlands Wälder (fossgis2026)

Mar 26, 202627 min

ForestPulse: Geodatendienste für Deutschlands Wälder (fossgis2026)

ForestPulse entwickelt jährlich aktualisierte Informationsprodukte zu Waldfläche, Baumarten, Vitalität und Struktur für die Wälder Deutschlands, die als freie Geodatenservices zur Verfügung gestellt werden. Basierend auf Fernerkundungs- und Felddaten werden zeitlich und inhaltlich konsistente Informationen bereitgestellt. Durch die Verwendung eigener Trainingsdaten ist es möglich vortrainierte Modelle regional anzupassen. Im Beitrag werden die Dienste vorgestellt und erste Ergebnisse gezeigt. Am 01.01.2025 ist das Projekt ForestPulse mit dem Ziel gestartet, ein einheitliches Informationssystems für Deutschlands Wälder auf der Grundlage von Fernerkundungsdaten und Open Source Software zu entwickeln. Das System wird konsistente Informationen zu den vier Themen Waldfläche, Baumartenverteilung, Vitalität und flächige Schäden sowie Waldstruktur liefern. Alle Produkte werden jährlich aktualisiert und als freie OGC konforme Geodatendienste zur Verfügung gestellt. Datenquellen sind (a) Sentinel-2 Satellitendaten, (b) ein neuartiger bundesweiter luftgestützter Laserscanning-Datensatz aus dem Projekt Digitaler Zwilling des Bundesamtes für Kartographie und Geodäsie (BKG), (c) Felddaten aus Bundeswaldinventur und Waldzustandserhebung sowie (d) weitere offene Datenprodukte des Bundes und der Länder. Am Projekt beteiligt sind das Thünen-Institut für Waldökosysteme, die Universität Trier, die Landesforsten Rheinland-Pfalz, die Hochschule für angewandte Wissenschaft und Kunst (HAWK) Göttingen, die Nordwestdeutsche Forstliche Versuchsanstalt sowie die Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg. ForestPulse wird vom Bundesministerium für Verkehr mit der Raumfahrtagentur des Deutschen Zentrums für Luft- und Raumfahrt als Projektträger über einen Zeitraum von drei Jahren gefördert. Das Informationssystem beinhaltet zwei konzeptionelle und technische Neuerungen, mit denen wir Hemmnisse für die Integration von fernerkundungsbasierten Informationsprodukten in das operative Waldmonitoring überwinden wollen. Die erste Neuerung zielt auf die thematische, räumliche und zeitliche Konsistenz der Informationsprodukte, die an jedem Ort eine ganzheitliche Sicht auf Waldökosysteme im Zeitverlauf ermöglicht. Die zweite Neuerung betrifft die Möglichkeit eigene Trainingsdaten zur Anpassung der Machine-Learning-Modelle und Informationsprodukte an lokale Gegebenheiten hochzuladen. Mit der Präsentation wollen wir eine allgemeine Übersicht zum Projekt geben und die konzeptionellen und technischen Neuerungen im Detail erläutern, die Nutzer und Nutzerinnen des Dienstes in die Lage versetzen sollen, Ergebnisse für eine Vielzahl an Auswertungen zu kombinieren und langfristig in Arbeitsprozesse zu integrieren. Darüber hinaus geben wir eine Überblick zum aktuellen Stand der Arbeiten und zeigen erste, vorläufige Ergebnisse in den Bereichen Waldfläche, Baumartenerkennung, Waldschäden und Waldstruktur. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/QLEJQP/

Mar 26, 202627 min

Von Sensor bis Karte: Erste Schritte mit QGIS und SensorThings API (fossgis2026)

Der Vortrag zeigt, wie Sensordaten über die OGC SensorThings API mit QGIS erschlossen und visualisiert werden. Von den Grundlagen des Standards über das gezielte Erkunden und Filtern der Sensordaten bis zur kartografischen Darstellung aktueller und statistischer Messwerte wird eine praxisnahe Vorgehensweise mit vielen Beispielen vorgestellt. Schlüsselwörter: SensorThings API, QGIS, Frost-Server, IoT, OGC-Standard 1 Überblick Das Internet of Things (IoT) erzeugt unaufhörlich Daten: Pegelstände, Verkehrszählungen, Wetterwerte, Umweltmessungen und vieles mehr. Damit diese heterogenen Sensordaten nicht in proprietären Silos verschwinden, braucht es offene Standards – und genau hier setzt die SensorThings API (STA) an. Die SensorThings API ist ein vom OGC standardisiertes Datenmodell und Schnittstelle, die Sensordaten einheitlich beschreibt und zugänglich macht. Eine der bekanntesten und weit verbreiteten Open-Source-Referenzimplementierungen dieses Standards ist der FROST-Server (FRaunhofer Opensource SensorThings). Auch auf der Client-Seite wird Offenheit großgeschrieben: QGIS bietet eine native Schnittstelle, mit der sich jeder SensorThings-API-konforme Server direkt anbinden lässt – ohne Plugins und ohne proprietäre Erweiterungen. Dieser Vortrag zeigt anhand eines strukturierten Workflows, wie sich Sensordaten mit QGIS von der SensorThings API bis zur Karte erschließen lassen. Die Vorgehensweise lässt sich mit dem Akronym STEFiS merken STEFiS *SensorThings API *T heorie *E rkunden *Fi ltern *S tylen 2 Theorie – ein ungewöhnliches Modell mit großen Vorteilen Die theoretische Konstruktion der SensorThings API wirkt auf den ersten Blick ungewohnt. Im praktischen Einsatz zeigt sich jedoch schnell ihr großer Mehrwert: * Jeder STA-Server sieht gleich aus: Unabhängig vom Anbieter oder Thema ist die Struktur identisch – der Inhalt hingegen bleibt eine „Wundertüte“. * Stabile Attribute und Datentypen: Attributnamen und Wertetypen sind standardisiert und konsistent. Das vereinfacht Auswertungen, Automatisierung und Wiederverwendung erheblich. * Die Einbindung erfolgt immer über die Datenquellenverwaltung von QGIS * Ein klarer Weg vom Sensor zum Messwert: Der klassische Zugriff folgt immer derselben Kette: Location → Thing → Datastream → Observation (in der deutschen QGIS-Version 3.44: Ort (Punkt) → Thing → Datenstrom → Beobachtung) 3 Erkunden – vom Sensorpool zur relevanten Teilmenge Im nächsten Schritt geht es darum, sich im Datenangebot eines STA-Servers zurecht zu finden. Typische Fragestellungen sind z.B.: „Welche Sensoren sind vorhanden?“ und „Welche davon sind für meine Fragestellung relevant?“ Die Identifikation der gewünschten Teilmenge erfolgt meist über Attribute von Location oder Thing – etwa alle Verkehrszählstellen oder alle Pegelmessungen. Anschließend werden die Datenströme betrachtet: Eine Wetterstation besitzt beispielsweise getrennte Datenströme für Temperatur, Luftfeuchtigkeit und Luftdruck. Der letzte Schritt der Erkundung ist die Definition der benötigten Sensorwerte. Die einfachste – und häufigste – Anfrage lautet dabei: „Gib mir den aktuellsten Messwert.“ 4 Filtern – gezielt laden statt alles holen Das Ergebnis der Erkundung wird anschließend konkret über Filterdefinitionen in der Datenquellenverwaltung von QGIS umgesetzt Der Default-Wert einer Datenquellen-Definition sieht so aus: • type=PointZ • entity='Location' • expandTo='Thing:limit=100; • Datastream:limit=10; • Observation:orderby=phenomenonTime,desc:limit=100 • featureLimit='10000' • url='https://geoportal.kreis-herford.de/iot/v1.1' Jeder der 4 Teile Location – Thing – Datastream – Observation kann mit verschiedenen Methoden gefiltert werden. Im Vortrag werden diese Methoden mit Beispiel-Filtern gezeigt. 5 Stylen – von Rohdaten zur aussagekräftigen Karte Nach dem Filtern liegen die gewünschten Sensordaten in QGIS vor. Dabei gilt: Jeder Messwert erzeugt einen Punkt. Bei zehn Messwerten entstehen also zehn identische Geometrien – jeweils mit rund 30 Attributen. Nun beginnt – je nach Anspruch - die hier typische kartografische Feinarbeit für Darstellung und Beschriftung: • Redundante Punkte werden visuell reduziert • Zeitstempel werden von UTC in Ortszeit umgerechnet • Über mehrere Messwerte hinweg werden statistische Kennwerte berechnet Auch hier werden im Vortrag die wichtigsten Ausdrücke gezeigt. 6 Vortrag verpasst ? Alles rund um das Thema wird ab dem 01.04.26 über den OpenData-Bereich des Kreis Viersen bereitgestellt: https://opendata-kreis-viersen.de/QGIS/STA/ Kontakt zum Autor: Michael Stein Kreis Viersen - Amt für Kataster und Geoinformation - Rathausmarkt 3 41747 Viersen 02162-39-1141 [email protected] Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/VXTQPF/

Mar 26, 202622 min

Serious Vectorlayering: Goodbye WMS GetMap und GetFeatureInfo (fossgis2026)

Wir zeigen, wie man mit wenigen, gezielten Anpassungen beim Einsatz von Vectorlayern in der Webkartographie automatisch zu besseren Ergebnissen kommt. Dieses Prinzip, bekannt als „Falling in the pit of success“, bedeutet, dass durch durchdachte Prinzipien und gutes Design verlässliche Resultate ohne zusätzlichen Aufwand entstehen. Beispiele aus dem Digitalen Zwilling Wuppertal zeigen, wie sich Performance, Darstellung und Interaktion spürbar verbessern. In diesem Vortrag zeigen wir, wie im Projekt „DigiTal Zwilling / Geoportal Wuppertal“ die Umstellung von weit über 100 bestehenden WMS-Layern auf Vectorlayer zu einem deutlichen Qualitätssprung in Darstellung, Interaktion und Performance geführt hat. Der Fokus liegt nicht auf einer bloßen technischen Migration, sondern auf den konzeptionellen Ideen, die diese Verbesserung möglich machen. Wir erläutern, wie sich durch offene Technologien wie MapLibre und Leaflet konsistente Visualisierungen umsetzen lassen. Dabei werden Beispiele gezeigt, wie Selektion, Snapping, Informationsabfragen und Infoboxen im Vektorstyle realisiert werden. Auch die Druckausgabe und die präzise Darstellung in ALKIS-basierten Layern werden behandelt. Auf Wunsch bleiben bestehende WMS-Dienste als Single Points of Configuration erhalten. Die erstellten Vectorlayer kommen nicht nur im Digitalen Zwilling / Geoportal Wuppertal, sondern auch in den TopicMaps Wuppertal zum Einsatz. Besonders dort zeigen sich auch die Stärken des Ansatzes, da einzelne Layer offline verfügbar gemacht werden können. So lassen sich mit denselben Daten leicht themenspezifische, offline nutzbare Anwendungen realisieren – etwa eine WC-Karte, eine Wohnlagenkarte oder eine Trinkwasserbrunnenkarte. Auf diese Weise entsteht ein durchgängiges Konzept, das Performance, Flexibilität und Ausfallsicherheit verbindet. Wir zeigen, wie sich stabile und optisch überzeugende Ergebnisse erzielen lassen, wenn Systeme so gestaltet sind, dass gute Voreinstellungen und klare Prinzipien automatisch zu verlässlichen Resultaten führen. Die vorgestellten Ansätze lassen sich leicht auf andere WebGIS-Projekte übertragen. Auch wer nur einzelne Ideen übernimmt, erzielt schnell spürbare Verbesserungen in Visualisierung und Nutzer*innen-Erlebnis. Der Vortrag richtet sich an GIS-Entwickler*innen, Kartograph*innen und Anwender*innen, die mehr aus ihren Karten herausholen wollen – nicht durch neue Tools, sondern durch bessere Gestaltung, gezielte Vektorisierung und praxisbewährte Ideen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/RWUMXC/

Mar 26, 202628 min

LiDAR-Fusion für resiliente Wälder: FOSSGIS zur Integration von MLS, ULS und ALS (fossgis2026)

LiDAR-Technologien verändern die Art und Weise, wie wir Wälder erfassen und verstehen. Im Rahmen des Projekts FoResLab werden Daten aus mobilen, UAV- und flugzeugbasierten Scans kombiniert, um Waldstrukturen präzise zu analysieren und Indikatoren der Waldresilienz abzuleiten. Mithilfe freier Software wie QGIS und PDAL, innovativer Online-Tools wie der RSDB sowie leistungsstarker HPC-Systeme entwickeln wir effiziente und transparente Workflows die in dem Beitrag gezeigt und diskutiert werden. **AutorInnen: Svenja Dobelmann, Dominik Seidel, Tatsuro Kikuchi, Tom Richter, Paul Magdon** Wälder sind zunehmend von Klimaextremen betroffen, was neue Ansätze für das Management und Monitoring auf relevanten Skalen erfordert. LiDAR-Technologien spielen dabei eine zentrale Rolle, da sie hochauflösende 3D-Abbilder der Waldstruktur liefern. Aus diesen Daten lassen sich praxisrelevante Informationen wie Baumartenzusammensetzung, Vitalität und Strukturvielfalt ableiten. Das Projekt FoResLab widmet sich der Frage, wie Wälder unter heutigen und zukünftigen Bedingungen widerstandsfähig gegenüber dem Klimawandel gemacht werden können. Hierzu werden Waldinventurdaten mit 3D-Punktwolken verknüpft, um ein Framework zur effizienten Bewertung zentraler Resilienzindikatoren auf Landschaftsebene zu entwickeln. Im Mittelpunkt stehen FOSSGIS-basierte Workflows zur Verschneidung und Analyse von LiDAR-Daten aus mobilen, UAV- und flugzeuggetragenen Systemen (MLS, ULS, ALS), um reproduzierbare, transparente und skalierbare Prozesse zu etablieren. Zum Einsatz kommen freie GIS-Software wie PDAL und QGIS, serverbasierte Online-Tools wie die RSDB sowie leistungsstarke HPC-Systeme. Neben der Datenauswertung werden auch Vorprozessierung, Harmonisierung und Data Handling beleuchtet. Der Beitrag zeigt, wie offene Workflows und frei verfügbare Geodaten Forschung und Praxis verknüpfen, automatisierte Auswertungen ermöglichen und den Wissenstransfer innerhalb der FOSSGIS-Community fördern. Zudem werden Herausforderungen bei der Datenharmonisierung und Ansätze für ein offenes, zukunftsorientiertes Monitoring-Framework vorgestellt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/ZQPWZW/

Mar 26, 202620 min

LiDAR-Fusion für resiliente Wälder: FOSSGIS zur Integration von MLS, ULS und ALS (fossgis2026)

Mar 26, 202620 min

Hyperspektrale Erdbeobachtung in der Praxis - Die EnMAP-Box in QGIS (fossgis2026)

Mar 26, 202645 min

Serious Vectorlayering: Goodbye WMS GetMap und GetFeatureInfo (fossgis2026)

Mar 26, 202628 min

Hyperspektrale Erdbeobachtung in der Praxis - Die EnMAP-Box in QGIS (fossgis2026)

Die EnMAP-Box ist ein QGIS Plugin zur Visualisierung, Analyse und Prozessierung von hyper- und multispektralen Erdbeobachtungsdaten. Unsere Demo zeigt, wie EnMAP-Daten bezogen und in der EnMAP-Box fachgerecht ausgewertet werden können. Seit dem Start der deutschen Hyperspektralmission EnMAP (Environmental Mapping and Analysis Program) im Jahr 2022 stehen operationell erhobene Hyperspektraldaten mit hoher spektraler und räumlicher Auflösung für Umweltanwendungen zur Verfügung. Die EnMAP-Box wurde dazu entwickelt, die Visualisierung solcher Daten und ihre Auswertung mit geeigneten Methoden einem breiten Kreis von Anwender:innen zu ermöglichen. Als Plugin für QGIS bietet die EnMAP-Box eine integrierte Umgebung für die Anzeige, Analyse und Prozessierung von optischen Fernerkundungsdaten – von der Vorverarbeitung bis zur Erstellung thematischer Karten und deren Validierung. In der Demo wird gezeigt, wie EnMAP-Daten mit anderen Raster- und Vektordaten visualisiert werden können und sich typische hyperspektrale Datenanalysen durchführen lassen - von der Datenvorbereitung über Bildklassifikation bis zur Entmischung unterschiedlicher Landbedeckungsklassen. Der Fokus liegt auf praxisnahen Beispielen mit frei verfügbaren Datensätzen. Vorgestellt werden u. a.: - der Bezug von EnMAP Daten - das Einlesen und Visualisieren von EnMAP- und Sentinel-2 Daten, - Werkzeuge zur spektralen Analyse - Durchführung von Entmischungsanalysen - die Integration von EnMAP-Box in Python- und QGIS-Workflows für eine reproduzierbare Auswertung. - Übersicht über weitere EnMAP-Box Applikationen Die EnMAP-Box ist frei verfügbar, kann ohne Programmierkenntnisse genutzt werden, bietet aber auch umfangreiche Schnittstellen für fortgeschrittene Nutzer:innen. Die Demo richtet sich an Fachanwender:innen aus Umwelt- und Planungsbehörden, wissenschaftliche Einrichtungen und Dienstleister, die Interesse an der Nutzung hyperspektraler Daten im Rahmen ihrer Aufgaben haben. Grundkenntnisse in QGIS sind hilfreich, aber nicht zwingend erforderlich. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/AXETPH/

Mar 26, 202645 min

QGIS-Formulare Effizienzsteigerung bei der Erfassung von Umweltinformationen des NOK (fossgis2026)

Die Benutzerfreundlichkeit der Datenerfassung in QGIS lässt sich durch den Einsatz von Formularen erheblich verbessern. In diesem Vortrag wird am Beispiel der Verwaltung der vielfältigen Umweltinformationen beim Ausbau des Nord-Ostsee-Kanals gezeigt, wie Formulare konfiguriert werden und durch Ausdrücke und Python-Skripte eine Erfassung standardisierter Informationen bequem umgesetzt werden kann. Die zu erfassenden Informationen werden durch ein selbst entwickeltes Plugin gefiltert und angezeigt Baumaßnahmen bedeuten Fortschritt und Entwicklung. Allerdings haben sie auch Auswirkungen auf die Umwelt. Um diese Auswirkungen verstehen und bewerten zu können, benötigt man Umweltmodelle, die eine fundierte Planung von Ausgleichsmaßnahmen ermöglichen und dazu beitragen, Eingriffe zu minimieren und die ökologische Vielfalt zu erhalten. Am Beispiel der komplexen Umweltmodelle des Nord-Ostsee-Kanals (NOK) soll in diesem Vortrag gezeigt werden, wie Nutzer durch den Einsatz von Formularen und dem Plugin „Layerauswahl“ bei der Datenerfassung in QGIS aktiv unterstützt werden. Die Daten wurden in eine PostgreSQL/PostGIS Datenbank importiert. Für die harmonisierten Informationen wurden Gruppen je nach Umweltmodell, Codelisten und Domänen gebildet. Mithilfe des selbst entwickelten Plugins „Layerauswahl“ können dann modellübergreifende Layer und Codelisten, sowie diejenigen, welche zu einem bestimmten Modell gehören, gefiltert werden. Dadurch werden dem Erfasser nur die Informationen präsentiert, die er für seinen spezifischen Anwendungsfall benötigt. Die Datenerhebung für diese Modelle erfolgte bisher über Attributtabellen. Für den Erfasser war dies ein mühsamer Prozess, der oft zu Fehlern oder inkonsistenten Daten führte. Mittels Formulare kann gewährleistet werden, dass Daten standardisiert und strukturiert erfasst werden. Die Validierung der Informationen erfolgt mithilfe von Python-Skripten. So kann die Qualität und Integrität der Daten schon bei der Erfassung sichergestellt werden. Eine nachträgliche Prüfung erübrigt sich. Bei der Umsetzung der verschiedenen Eingabemasken konnte auf die vielfältigen Möglichkeiten von QGIS zurückgegriffen werden. So bietet QGIS leistungsfähige Funktionen, deren Syntax leicht verständlich ist und sich an SQL orientiert. Dies ist besonders hilfreich bei der Berechnung von Feldern mit Ausdrücken, dem dynamischen Ein- und Ausblenden von Feldern oder der Erstellung von Drill-Down- oder Cascad-Formulare. QGIS bietet eine Vielzahl von eingebauten Widgets, was die Modellierungsmöglichkeiten erweitert. So können beispielsweise Beziehungen zwischen verschiedenen Layern und Tabellen über das Relation-Widget hergestellt werden. Im konkreten Beispiel werden mehrere solcher Widgets einschließlich Entitätsbeziehungen bei der Datenerfassung für die Umweltinformationen eingesetzt. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/EY9UKW/

Mar 26, 202623 min

QField Plugin Entwicklung lernen (fossgis2026)

Das QField Vegetation Plugin-Projekt bietet Codebeispiele und Dokumentation, die Sie durch die Entwicklung eines eigenen QField Plugins führen. Es demonstriert Feature-Selektion, Feature-Bearbeitung und mehrere nützlichen Widgets. Wir präsentieren das Plugin kurz und geben Orientierungshilfen für den Lernpfad der QField Plugin-Entwicklung. Das QField Vegetation Plugin wurde ursprünglich für das Vegetationsmonitoring in unserer Organisation entwickelt. Um andere Entwickler beim Erstellen eigener Projekt-Plugins zu unterstützen, haben wir das Repository in eine Reihe von Code-Demonstrationen umgewandelt. Das Repository enthält mehrere Demonstrations-Plugins. Das erste ist ein einfaches "Hello World"-Plugin. Jedes weitere Plugin fügt eine neue Funktionsebene hinzu und baut so die komplette Anwendung Schritt für Schritt auf, bis hin zum vollständigen Plugin. Funktionalitäten wie Feature-Selektion, -Suche und -Bearbeitung werden demonstriert, ebenso wie interessante Widgets. In unserem Lightning Talk stellen wir dieses Plugin und das Code-Demonstrations-Projekt vor. Zudem geben wir praktische Hinweise und Orientierungshilfen zur QField Plugin-Entwicklung. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/ZWPPVY/

Mar 26, 20264 min

QField Plugin Entwicklung lernen (fossgis2026)

Mar 26, 20264 min

QGIS-Plugins unter QGIS4/Qt6 lauffähig machen (fossgis2026)

QGIS 4, auf Basis von Version 6 des Qt-Frameworks, ist gerade frisch erschienen und (d)ein Plugin läuft noch nicht damit? Ich zeige eine kurze Übersicht zu den nötigen Schritten zur Portierung, sowie zu hilfreichen Tools und bekannten Fallstricken. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/TKUTMD/

Mar 26, 20265 min

QGIS-Plugins unter QGIS4/Qt6 lauffähig machen (fossgis2026)

Mar 26, 20265 min

Routing to Go: openrouteservice in QField (fossgis2026)

Routing direkt im Feld: ORStools und QField bringen openrouteservice auf mobile Geräte - ein Ausblick. Das ORStools-Plugin für QGIS existiert seit über sieben Jahren und ist eine etablierte Möglichkeit, direkt aus QGIS auf openrouteservice zuzugreifen. Es verbindet sich mit der openrouteservice-API, um Routing, Isochronen, Matrixberechnungen und weitere geodatenbezogene Dienste bereitzustellen. Seit Juni letzten Jahres ist die grundlegende Routing-Funktionalität auch in QField über ein eigenes Plugin verfügbar, wodurch unterwegs Routenberechnungen für verschiedene Profile möglich sind. Dieser Vortrag zeigt die aktuellen Möglichkeiten des QField-Plugins: vom frisch installierten QField bis zur Erstellung einer Fußgängerroute – und gibt einen Ausblick auf zukünftige Entwicklungen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/BUWFUN/

Mar 26, 20264 min

Routing to Go: openrouteservice in QField (fossgis2026)

Mar 26, 20264 min

Fortgeschrittene Web-Map Techniken rund um OpenLayers (fossgis2026)

Dieser Beitrag zeigt, wie man mit OpenLayers, proj4js, geotiff.js und PMTiles Kartenapplikationen erstellen kann, die über die bekannte "Basiskarte mit thematischen Punktsymbolen drauf" hinausgehen. Die Verarbeitung von Geodaten kennt inzwischen auch im Web-Browser kaum mehr Grenzen. Es gibt leistungsstarke Web Map Libraries wie OpenLayers, Pendants zu essenziellen C-Bibliotheken wie Proj4js, die Unterstützung gängiger Formate wie (Geo)Tiff, oder Tools zur Erstellung und Nutzung effizienter, cloud-basierter Speicher- und Transferformate wie PMTiles. All das eröffnet Möglichkeiten, die denen von Desktop- und Server-Software kaum nachstehen. Dieser Beitrag zeigt anhand konkreter Beispiele, angereichert mit Einblicken in Programmcode, wie sich die genannten Technologien kombinieren lassen, um Geodaten aus verschiedenen Quellen direkt im Browser zu hochwertigen räumliche Information zu verarbeiten. Somit lassen sich ohne Installation von Software auf benutzerfreundliche Weise Inhalte transportieren, die noch vor wenigen Jahren Desktop-GIS Systemen und Fachpersonal vorbehalten waren. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/LATVBC/

Mar 26, 202622 min

Wir holen die Couchmapper vom Sofa. Apps für die Datenerfassung im Gelände. (fossgis2026)

Vor aller Visualisierung in schönen Karten stehen die Erfassung und die Aktualisierung der Daten. Dieser Vortrag bietet eine Übersicht über Editoren und Apps, die eine Datenerfassung unterwegs im Gelände ermöglichen. In der Anfangszeit von OSM waren wir mit GPS-Empfänger, Klemmbrett, Fotoapparat und Diktiergerät unterwegs. Seit dem hat sich vieles verändert. Luftbilder haben viele Lücken gefüllt, denn Teichränder, Flussläufe, Hausumrisse und viele andere Objekte sind häufig nicht zugängig. Trotzdem bleibt noch viel Raum für die terrestrische Datenaufnahme. Waldwege, Verkehrsverbote, Hydranten und Öffnungszeiten überfordern jedes Luftbild. Typische Aufnahmegeräte für unterwegs sind jetzt Handy und Tablet. Dafür gibt es inzwischen eine Vielzahl von Apps, die weit über das einfache Aufzeichnen eines GPS-Tracks hinausgehen. Viele vereinfachen auch den Einstieg in die Datenerfassung. Der Vortrag stellt vor allem die meist genutzten Apps **StreetComplete**, **Every Door**, **Go Map!!**, **Vespucci**, **OSMTracker** und **OpenStop** vor, weitere werden kurz genannt. Welches Konzept steht hinter welcher App? Welche App hat welche Stärken und ist wofür besonders geeignet? Wieviel Vorwissen ist erforderlich? Können oder müssen die Daten anschließend nachbearbeitet werden? Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/ZLRDXR/

Mar 26, 202620 min

Fortgeschrittene Web-Map Techniken rund um OpenLayers (fossgis2026)

Mar 26, 202622 min

Wir holen die Couchmapper vom Sofa. Apps für die Datenerfassung im Gelände. (fossgis2026)

Mar 26, 202620 min

TrailScan: QGIS-Plugin zur Kartierung forstlicher Rückegassen in Laserscanning Daten (fossgis2026)

Mar 26, 202625 min

TrailScan: QGIS-Plugin zur Kartierung forstlicher Rückegassen in Laserscanning Daten (fossgis2026)

Im Waldbodenschutz spielen Rückegassen eine wichtige Rolle, da sie die Befahrung mit schweren Maschinen auf festgelegte Bereiche reduzieren sollen. Mit dem neuen **QGIS-Plugin TrailScan** können diese Flächen im Wald automatisiert kartiert werden. Für die Anwendung werden **frei verfügbare Airborne Laserscanning Daten** verwendet. Das Plugin nutzt **PDAL** zur Prozessierung der 3D-Punktwolken. Mithilfe eines **CNN-Modells** werden dann Raster-Karten mit den Rückegassen ausgegeben. #### Über TrailScan TrailScan ist ein QGIS-Plugin, das im Rahmen des gleichnamigen Forschungsprojekts vom Forest Monitoring Lab der HAWK Göttingen entwickelt wurde. Gefördert wurde das Projekt durch die pfälzische Sattelmühle Stiftung. [Projektwebsite](https://www.hawk.de/de/forschung/forschungsprojekte/trailscan) #### Autor:innen Tanja Kempen, Maximilian Freudenberg, Mathias Gröbe, Paul Magdon #### Hintergrund: Waldböden unter Druck Zur Waldbewirtschaftung werden häufig Erntemaschinen eingesetzt, die auf sogenannten Rückegassen fahren. Durch ihr hohes Gewicht verdichten diese Maschinen den Boden und können ihn dauerhaft schädigen. Um bestehende Rückegassen dauerhaft nutzen zu können, und somit die Schädigung des Waldbodens zu minimieren, ist es nötig, die Rückegassen zu kartieren. Gängige Praxis ist das Markieren von Gassenrandbäumen mit Sprühfarbe. So können die Rückegassen auch dann noch gefunden werden, wenn sie von junger Vegetation überwachsen und für das menschliche Auge unsichtbar werden. Zunehmend zeigt sich aber, dass diese Form der Markierung nicht dauerhaft ist. Wo in Folge des Klimawandels ganze Wälder durch Dürre und Borkenkäfer absterben oder von Stürmen und Waldbränden quasi über Nacht vernichtet werden, gehen auch die Markierungen der Rückegassen verloren. Sollen diese später erneut genutzt werden, sind sie häufig unter dichter Bodenvegetation verborgen und nicht mehr auffindbar. Eine digitale Erfassung der Rückegassen im forstlichen Geoinformationssystem könnte eine dauerhafte Verortung gewährleisten. Die manuelle Vermessung der Rückegassen z. B. mit GNSS-Geräten, ist jedoch sehr zeitaufwändig. #### Laserscan-Daten für viele Bundesländer frei verfügbar Mit Hilfe der Fernerkundung können Informationen über Waldbestände großflächig und effizient erhoben werden. Airborne Laserscanning (ALS) ist eine besonders geeignete Methode, da sie - im Gegensatz zu photogrammetrischen Verfahren - in der Lage ist, die Bestände zu durchdringen. ALS-Daten werden in vielen Bundesländern Deutschlands regelmäßig erhoben und sind häufig als offene Daten über die Geoportale der Länder erhältlich. #### Automatisierte Kartierung in QGIS Ausgehend von der ALS-Punktwolke werden auf Basis von PDAL und Python Skripten sowohl Lücken des Kronendaches, die Dichte der Vegetation sowie die Bodenoberfläche und ihr Mikrorelief ausgewertet. Mit im Feld erhobenen Trainingsdaten aus verschiedenen Waldgebieten Deutschlands wurde ein CNN-Modell trainiert, Rückegassen zu erkennen. Dieses kommt im TrailScan-Plugin für QGIS zum Einsatz. Das Ergebnis ist eine digitale, georeferenzierte Karte der erkannten Rückegassen im Rasterformat. Die Karte zeigt anhand eines Farbverlaufs die Wahrscheinlichkeiten, mit der das trainierte TrailScan-Modell eine Rückegasse erkannt hat. Erste Auswertungen haben ergeben, dass weniger hell dargestellte Linien alte Fahrspuren sein können, die schon länger nicht mehr genutzt wurden. Jedoch können in Einzelfällen auch Gräben, Wanderwege oder alte Hohlwege vom Algorithmus fälschlicherweise als Rückegasse erkannt werden. Tests in der Praxis haben gezeigt, dass auch im Gelände schwer auffindbare Rückegassen anhand der Karte identifiziert werden können. Auch bei der Erschließungsplanung kann die Karte genutzt werden. Sind in einem Bestand bereits alte Fahrspuren vorhanden, können sie ggf. in die neu anzulegende Feinerschließung integriert werden. So kann die Befahrung des Waldbodens weiter reduziert werden. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/QZQKDW/

Mar 26, 202625 min

Geodaten-Management mit PostGIS (fossgis2026)

Wie lassen sich Geodaten mit PostGIS effizient speichern und nutzen? In diesem Vortrag zeige ich verschiedene Möglichkeiten, räumliche Daten performant zu speichern und zu visualisieren. Anhand laufender Projekte und anhand von Beispielen werden gängige Datenmodelle vorgestellt und ihre jeweiligen Vor- und Nachteile präsentiert. In der Welt der Geographischen Informationssysteme (GIS) wird die PostgreSQL-Datenbank in Kombination mit PostGIS häufig zur Speicherung räumlicher Daten verwendet. Die PostGIS-Erweiterung, die in den letzten 23 Jahren von einer großen wachsenden Gemeinschaft gepflegt und erweitert wurde, macht PostgreSQL zu einer räumlichen Datenbank. Im Wesentlichen ermöglicht PostGIS räumliche Daten in PostgreSQL zu speichern und zu nutzen. Dieser Vortrag beschäftigt sich mit dem zentralen Teil, für den PostGIS verwendet wird: die Geodaten. Wir werden unterschiedliche Möglichkeiten aufzeigen, um räumliche Daten in einer performanten Art und Weise mit PostGIS zu speichern. Eine wichtige Rolle spielt hierbei sowohl die effiziente Organisation über das Datenmodell, als auch die Verfügbarkeit für Datenexporte und Datenabfragen von häufig verwendeten GIS-Clients (z.B. QGIS oder MapServer). Anhand eines großen laufenden Projektes des Schweizer Bundesamtes für Landestopografie (Swisstopo) werden wir verschiedene gängige Datenmodelle illustrieren und deren Vor- und Nachteile diskutieren. Einige dieser Beispiele bestehen aus sehr komplexen Datensätzen mit einer großen Anzahl an geographischen Objekten. Die Art, wie die Daten gespeichert werden, ist insbesondere für eine performante Visualisierung entscheidend, was an dem Beispiel der nationalen Geodateninfrastruktur map.geo.admin.ch gezeigt wird. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/W87ECN/

Mar 25, 202629 min

Open Source und Geo in 2026 (fossgis2026)

State of Open Source GIS in 2026. Open Source ist aus Geospatial nicht mehr wegzudenken. In vielen Bereichen sind Open Source Lösungen inzwischen der Quasi-Standard (PostGIS, GeoServer, QGIS). Aber was ist von den alten Ideen wirklich geblieben, was gibt es Neues, welchen Einfluss wird KI auf Open Source haben und wie geht es weiter? Zuerst gab es Software. Dann kamen proprietäre Lizenzen. Deswegen musste jemand Freie Software neu erfinden, nur um sie fast an Open Source zu verlieren, das dann langfristig aber doch wieder frei wurde. Dann hat Open Source die großen Tech-Giganten ermöglicht, die es jetzt wieder auffressen. War das wirklich nicht abzusehen? Und wie sieht es heute im Geo und GIS Bereich aus? Was passiert mit Open Source GIS in Zeiten agiler Software-Entwicklung, Cloud-Architekturen und KI? Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/VJAJHH/

Mar 25, 202621 min

ParkingSpacePotential - Platz machen für die Verkehrswende (fossgis2026)

Sichere Infrastruktur für Fuß- und Radverkehr, mehr Straßengrün oder Sitzmöglichkeiten: All das braucht Platz im öffentlichen Straßenraum. Dieser wird häufig ganz selbstverständlich von Kfz zugeparkt. Gleichzeitig lässt sich beobachten, wie Parkhäuser leer stehen. Das QGIS-Plugin ParkingSpacePotential zeigt auf, welche Parkplätze aus dem öffentlichen Straßenraum in ein Parkhaus verlagert werden könnten. Der Raum auf den Straßen wird knapp. Unsere Städte platzen förmlich vor Autos, gleichzeitig benötigen Maßnahmen für Klimaschutz und Klimaanpassung, für den Ausbau der Fuß- und Radverkehrsinfrastruktur aber auch für eine sozialgerechte Gestaltung mehr Platz. Gemeindeverwaltungen und Kommunalpolitiker*innen ringen unter großen öffentlichen Druck um Lösungen für die Unterbringung von Parkplätzen und vernachlässigen dabei oft eine wertvolle Ressource: Parkhäuser. Diese sind selten voll ausgelastet, ganz im Gegenteil. Warum verlagert man also nicht einfach die Parkplätze aus dem Straßenraum in vorhandene Parkhäuser? Ein Problem ist, dass Kommunen oftmals nicht über ausreichende Informationen über ihren lokalen Parkraumbestand verfügen und Reduktions- und Verlagerungspotentiale schlecht abschätzen können. Mithilfe des 2025 veröffentlichten QGIS-Plugins ParkingSpacePotential lässt sich ermitteln, welche Parkplätze sich innerhalb einer bestimmten Laufdistanz zu einem Parkhaus befinden und ob dieses über ausreichende freie Kapazitäten verfügt, um diese Parkplätze abzubilden. Dabei können u.A. auch qualitative Merkmale von Parkplätzen, wie etwa Behinderten- oder Anwohnendenparkplätze gesondert berücksichtigt werden. In dem Beitrag wird die Funktionsweise des Plugins vorgestellt und anhand von Praxisbeispielen aufgezeigt, wie es kommunale Planungsentscheidungen unterstützen sowie die öffentliche und politische Akzeptanz von Maßnahmen zur Umverteilung des Straßenraums erhöhen kann. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/9BSAWM/

Mar 25, 202627 min

ParkingSpacePotential - Platz machen für die Verkehrswende (fossgis2026)

Mar 25, 202627 min

Geodaten-Management mit PostGIS (fossgis2026)

Mar 25, 202629 min