Chaos Computer Club - recent events feed

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/

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/

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/

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/

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/

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/

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 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/

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/

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/

Im Rahmen des Reengineerings der Geodateninfrastruktur Thüringen (TMDI, TLBG) werden **Digitale Orthophotos (DOP)** in eine **hochmoderne, containerisierte IT-Landschaft** und in das neue Thüringer Landesrechenzentrum (TLRZ) migriert. Mehrere **Terabyte** an DOP im GeoTIFF-Format werden über den MapServer als OGC-konforme WMS- und WCS-Dienste bereitgestellt – sowohl aus **S3-Buckets** als auch aus klassischen **NFS-Dateisystemen**. Der Vortrag zeigt Architektur, Erfahrungen und Optimierungen. Um den Zugriff auf flächendeckende **Digitale Orthophotos (DOP)** performant und zuverlässig zu gestalten, werden diese in einem Pilotprojekt im Rahmen des Reengineerings der Geodateninfrastruktur Thüringen - zusammen mit dem Thüringer Ministerium für Digitales und Infrastruktur und dem Thüringer Landesamt für Bodenmanagement und Geoinformation - in eine **hochverfügbare Kubernetes-Umgebung** des Thüringer Landesrechenzentrums (TLRZ) überführt. Die DOP liegen landesweit im **GeoTIFF-Format** mit einem Gesamtvolumen von mehreren Terabyte vor. Für die Bereitstellung werden bewährte Open Source-Komponenten wie **MapServer und GDAL** eingesetzt, die **OGC-konforme WMS- und WCS-Dienste** realisieren. Im Zuge der Migration wurden neben klassischen NFS-Dateisystemen auch S3-kompatible Speichersysteme integriert und hinsichtlich Performance und Skalierbarkeit untersucht. Der Vortrag gibt Einblicke in technische Herausforderungen, erprobte Konfigurationen und Optimierungen, insbesondere bei der Konvertierung von **TIFF** zu **GeoTIFF** und **Cloud Optimized GeoTIFF (COG)**. Der Vortrag zeigt, wie durch den Einsatz von Open Source-Technologien und containerisierten Infrastrukturen eine nachhaltige, skalierbare und zukunftssichere Geodatenplattform entstehen kann. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/LPLZJC/

Die MobiData BW® Integrationsplattform ist ein von der Nahverkehrsgesellschaft Baden-Württemberg und Dienstleistern entwickeltes Open-Source-Projekt. Kommunale und kommerzielle Mobilitätsdaten zu u. a. Sharing-Angeboten, Parken, Ladesäulen und Baustellen werden rechtlich und technisch gebündelt und über offene APIs bereitgestellt. MobiData BW® sichert dabei Qualität und Aktualität und erfüllt durch die Veröffentlichung auf der Mobilithek kommunale Datenlieferungspflichten. Die MobiData BW® Integrationsplattform ist ein Open-Source-Projekt für die Bereitstellung offener Mobilitätsdaten. Sie erstellt ein digitales Abbild der Mobilität in Baden-Württemberg und beinhaltet kommunale und kommerzielle Daten zu Fahrplänen, Sharing-Angeboten, Parkmöglichkeiten, E-Ladesäulen, Verkehrsmeldungen sowie Baustellen. Die Integrationsplattform ist ein gemeinsames Entwicklungsprojekt der NVBW und ihrer Dienstleister, die damit eine enge technische Zusammenarbeit von öffentlicher Hand und Privatwirtschaft etablieren. Die öffentliche Hand entwickelt hierbei aktiv mit, sie betreibt die Integrationsplattform auf eigenen Rechnern, und sie baut hierfür intern die erforderlichen DevOps-Kompetenzen auf. Die Zusammenarbeit erfolgt in einem agilen und partnerschaftlichen Umfeld: Anstatt umfangreicher Lastenhefte werden Anforderungen und Architektur fortlaufend gemeinsam weiterentwickelt. So können Auftraggeber und Dienstleister flexibel auf neue technische oder rechtliche Rahmenbedingungen reagieren – ein Vorgehen, das andernorts oft schwer umzusetzen ist. Die Mobilitätsdaten werden vielerorts genutzt, wie etwa in der bwegt-Auskunft im Web und in der App. Einzelne Komponenten der Integrationsplattform – etwa der GBFS-Konverter oder das Parkdaten-Modul – können auch für andere Projekte wiederverwendet werden. Das Team hinter MobiData BW® verantwortet Qualität und Aktualität der gebündelten Mobilitätsdaten und überwacht dazu die Datenquellen wie auch die eigenen Schnittstellen. Zur Veranschaulichung der gebündelten Daten werden themenspezifische Karten entwickelt. Die gebündelten Daten werden zudem auf der Mobilithek veröffentlicht, wodurch automatisch kommunale Datenlieferungspflichten erfüllt sind. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/NE9Y7X/

Cloud-optimized GeoTIFF, COPC, FlatGeoBuf, PMTiles, GeoParquet... - Moderne "Cloud"-Formate haben in den letzten Jahren Einzug in die GIS-Welt gehalten. Für manche bereits ein alter Hut, aber nicht jede*r hat sich schon einmal rangetraut. In dieser Demosession zeigen wir in praktischen Beispielen wie der Umgang mit cloud-optimierten Datensätzen in QGIS gelingt und was ihre Vorteile sind. Während bei klassischen GIS-Ansätzen die Daten entweder vollständig lokal als Dateien vorliegen oder per Datenbank oder Webservice eingebunden werden, ermöglichen Cloud-Formate gezielt und performant nur die Daten abzurufen, die man für eine Aufgabe benötigt. Diese lassen sich mit herkömmlichen Webservern bereitstellen, ganz ohne dass spezielle GIS-Server nötig sind. Vor allem bei großen Datensätzen können cloudoptimierte Formate Prozesse vereinfachen und beschleunigen. Dies demonstrieren wir in einer Demosession mit praktischen Beispielen. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/LA7YBN/

Dieser Beitrag stellt zwei Anwendungen zur visuellen Exploration von Klima- und Forschungsdaten vor. Sie werden mit dem Open-Source Mapping-Framework Open Pioneer Trails realisiert. Die DIRECTED-"Data Fabric" visualisiert Klimaszenarien, während der "OneStop4All" eine Plattform zur Suche nach geobezogenen Forschungsressourcen bietet. Im Fokus stehen der Entwicklungsprozess, die Funktionalität der Anwendungen, die interne Struktur sowie die Integration spezieller Features zur Datenexploration. Wie sieht der Klimawandel wirklich für die Menschen aus? Warum haben wir angesichts all der verheerenden Naturkatastrophen, die jedes Jahr auftreten, keine besseren Lösungen gefunden, um den Menschen und Gemeinden, die damit konfrontiert sind, zu helfen? Wie können wir uns an das sich ständig verändernde Klima anpassen? Was bedeutet dies auf lokaler Ebene? Der Klimawandel wirft viele wichtige Fragen auf. Antworten darauf sind kompliziert und es ist schwer, sie verständlich darzustellen. Daten - insbesondere Geodaten - spielen hier eine zentrale Rolle. Sie können ein entscheidender Teil im Diskurs werden und dabei helfen, Entscheidung zu kommunizieren und deren Effekte zu erklären. Im Forschungsprojekt DIRECTED werden Tools entwickelt, die bei diesem Vorgang unterstützen sollen. In sogenannten Real World Labs werden Klimadaten sowie Simulationen und Modelle gesammelt, aufbereitet und anschließend visualisiert. So können verschiedene Szenarien, die direkte Folgen des Klimawandels sind, dargestellt und exploriert werden. Beispiele hierfür sind: * Anstieg des Meeresspiegels und Identifikation entsprechender Gegenmaßnahmen in Küstenregionen * Darstellung der Wahrscheinlichkeit von fluvialen Überschwemmungsereignissen in Flussregionen * Entwicklung von Dürreperioden sowie deren räumliche und zeitliche Ausdehnung Die verschiedenen Anwendungsfälle werden auf der Plattform “Data Fabric” (https://directed.dev.52north.org) gebündelt und den Nutzenden zur Verfügung gestellt. Auch in der Forschungs-Community ist es essenziell, gezielt und effizient relevante Daten für Forschungsvorhaben oder Publikationen zu identifizieren. Im Rahmen des DFG-bezuschussten Projekts NFDI4Earth (https://www.nfdi4earth.de) wurde eine web-basierte Infrastruktur zur Suche von Forschungsdaten der Erdsystemwissenschaften konzipiert. Ein Teil dieser Infrastruktur ist der sogenannte OneStop4All (https://onestop4all.nfdi4earth.de), eine Frontend-Webanwendung für die Suche nach verschiedenen geobezogenen Forschungsressourcen (z. B. Daten, Dienste, Software, Dokumente usw.). Im Hintergrund kommt ein Triple Store zur Haltung der Metadaten zum Einsatz. Neben der Suchoberfläche mit mehreren Filteroptionen zur Eingrenzung der Suchergebnisse bietet die Plattform auch einen Assistenten, der die Nutzenden anhand einer Reihe von Fragen durch die Suche nach einem geeigneten Repositorium führt. Gegenwärtig wird die Anwendung um eine KI-gestützte Suche erweitert. In diesem Beitrag stellen wir den Entwicklungsprozess für die beiden oben beschriebenen Anwendungskontexte vor. Wir beschreiben die grundlegende Funktionalität der Webanwendungen, welche auf Basis von Open Pioneer Trails entwickelt werden, und darauf aufbauend die notwendige Entwicklungsarbeit, um von den Daten zu einer modernen Präsentation zu gelangen. Insbesondere beleuchten wir die interne Struktur und das Zusammenspiel der verschiedenen Komponenten (z.B. Services, Dependency Injection und UI-Widgets). Anhand der verschiedenen Funktionen der Anwendungen werden die Konzepte der Trails-Base-Packages sowie der OpenLayers-Integration dargestellt. Unter anderem stellen wir spezielle Features zur visuellen Exploration von Zeitreihen bzw. alternativen Simulationsmodellen (z.B. mit Hilfe von Layer-Slidern) und die Anbindung an entsprechende Datenquellen vor. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/P9MFBJ/

Einsatz von KI im GIS-Bereich: Der Vortrag gibt einen Überblick über aktuelle Entwicklungen: Was sind LLMs, Copiloten, Agenten, RAG-Systeme und MCPs? Anhand praxisnaher Beispiele aus dem Geodatenumfeld werden Chancen und Risiken moderner KI-Anwendungen beleuchtet. Bei den Stadtwerken München beschäftigen wir uns intensiv mit den aktuellen Entwicklungen rund um Künstliche Intelligenz im GIS-Bereich. Die Innovationsdynamik ist enorm – neue Konzepte, Tools und Frameworks entstehen in rasantem Tempo, was es herausfordernd macht, den Überblick zu behalten. In diesem Vortrag geben wir einen praxisnahen Einblick in zentrale KI-Technologien wie Large Language Models (LLMs), deren Potenzial aber auch deren Herausforderungen im Kontext von Datenschutz und sensiblen Geodaten. Wir zeigen, wie RAG-Systeme (Retrieval-Augmented Generation) genutzt werden können, um vertrauliche Dokumente sicher und kontextbezogen zu verarbeiten. Außerdem beleuchten wir die Rolle von integrierten LLMs – sogenannten Copiloten – die mit spezialisiertem Wissen direkt in GIS-Workflows eingebunden werden können. Ein weiterer Fokus liegt auf KI-Agenten: Was sind sie, wie funktionieren sie, und welches Potenzial bieten sie für automatisierte Prozesse in der Geodatenverarbeitung? Abschließend werfen wir einen Blick auf Open-Source-Alternativen und diskutieren, wie diese in kommunalen oder unternehmensinternen Kontexten sinnvoll eingesetzt werden können. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/PBXRTX/

Im Rahmen dieses Projekts wird eine offene, webbasierte Geodatenplattform vorgestellt, die als Schnittstelle dient, um von Radfahrenden mit der offenen Technologie senseBox:bike – einem modularen Sensorsystem zur Erfassung von Umwelt- und Mobilitätsdaten – gesammelte Daten bereitzustellen. Durch Open-Source-Technologie und Citizen-Science-Ansatz fördert sie partizipative Datenerhebung, interaktive Visualisierung und datenbasierte Entscheidungsprozesse. Radfahren spielt eine zentrale Rolle für nachhaltige urbane Mobilität. Dennoch fehlt es Stadtverwaltungen häufig an verlässlichen, repräsentativen und frei zugänglichen Daten vom Radverkehr, um Planungsprozesse datenbasiert zu gestalten. Der Beitrag präsentiert ein offenes, webbasiertes Geodatenframework, das von Bürger:innen erzeugte Sensordaten der senseBox:bike mit kommunalen Geodaten integriert, um datenbasierte Entscheidungsprozesse in der Mobilitätsplanung zu unterstützen. Die Plattform kombiniert aktuelle, lokal erhobene Umwelt- und Mobilitätsdaten - wie Luftqualität, Beschleunigung,Oberflächenbeschaffenheit der Straße oder mittels KI erkannte gefährliche Überholmanöver - mit bestehenden raumbezogenen Datensätzen zu Infrastruktur und Flächennutzung. Das System basiert vollständig auf Open-Source-Technologien und nutzt unter anderem eine PostGIS Datenbank, Martin für Vector Tiles, pygeoAPI als OGC-konforme Schnittstelle, sowie ein webbasiertes Frontend auf Basis von kepler. gl zur interaktiven, raum-zeitlichen Datenvisualisierung. Durch die Anbindung an das offene Datenrepository der openSenseMap wird die Integration von Echtzeit- und historischen Sensordaten aus Citizen-Science-Kampagnen ermöglicht. Zusätzliche Module erlauben die Einbindung externer Datensätze (z. B. CSV, GeoJSON, WMS, …) durch die Nutzer:innen selbst, wodurch die Analyse erweitert und die Interoperabilität innerhalb kommunaler GIS-Umgebungen verbessert wird. Das Projekt folgt einem nutzerzentrierten Designansatz, der auf Interviews mit Stadtplaner:innen und Mobilitätsexpert:innen in Münster (Deutschland) und São Paulo (Brasilien) basiert. In beiden Städten wurden UX-Workshops durchgeführt, um Benutzerfreundlichkeit, Relevanz und die Anpassung an verschiedene städtische Kontexte zu evaluieren. Dabei testeten Akteur:innen aus Verwaltung und Zivilgesellschaft die Plattform praktisch und gaben Feedback zu Funktionalität, Visualisierung und Datennutzung. Durch die Kombination von partizipativer Datenerhebung, Citizen-Science-Ansätzen und einer offenen Geodateninfrastruktur trägt das Framework zur Stärkung der digitalen Souveränität und Inklusion in der Stadtplanung bei. Es schlägt eine Brücke zwischen bürgergenerierten Daten, offenen Technologien und öffentlicher Verwaltung und zeigt auf, wie offene, gemeinschaftsbasierte Datenplattformen zur Demokratisierung von Wissen und zu transparenteren Entscheidungsprozessen im Bereich urbaner Mobilität beitragen können. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/LKCCYV/

Ein praxisnaher Einblick in die Erstellung von 3D Tiles für einen digitalen Zwilling mit Open Source Tools – von der Datenaufbereitung verschiedener Geodatenformate bis zu Herausforderungen bei Konvertierung und Visualisierung. Die Standardisierung von 3D Tiles als Austauschformat eröffnet zahlreiche Möglichkeiten für die webbasierte Visualisierung räumlicher Daten. Im Rahmen eines aktuellen Projekts beschäftigen wir uns mit Open Source Tools zur Konvertierung unterschiedlicher Datenquellen nach 3D Tiles. Im Vortrag geben wir einen Überblick über verfügbare Open Source Werkzeuge und Bibliotheken zur Verarbeitung von: - 3D-Modellen (GLB/OBJ), inklusive Herausforderungen wie Skalierung und Georeferenzierung- - Punktwolken (LAS/LAZ) - CityGML-Datensätzen, am Beispiel der deutschlandweit verfügbaren LoD2-Gebäude Wir berichten über die Entwicklung eines digitalen Zwillings und diskutieren über die Zuverlässigkeit sowie Herausforderungen einer vollständig Open Source-basierten Lösung. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/GUQWRF/

Der Beitrag zeigt, wie Community-Geodaten aus OpenStreetMap, Wikidata und weiteren Wikibase-Instanzen automatisiert extrahiert, semantisch harmonisiert und in das Federated Knowledge Graph Ecosystem integriert werden können. Durch Python-basierte RDF-Transformationen, GeoSPARQL-Modellierung und QGIS-Reintegration entsteht eine offene, FAIR-kompatible Pipeline für Cultural-Heritage- und Geoscience-Daten. ## Von OpenStreetMap zu semantisch vernetzten Wissensgraphen: Integration von Community-Geodaten in das Federated Knowledge Graph Ecosystem ### Extended Abstract Community-basierte Geodatenplattformen wie OpenStreetMap (OSM), Wikidata (Schmidt, Thiery, und Trognitz 2022) und weitere Wikibase-Instanzen stellen eine der wertvollsten frei verfügbaren Quellen raumbezogener Informationen dar. In der wissenschaftlichen Nutzung, insbesondere im Bereich des Cultural Heritage und der Geowissenschaften, besteht jedoch weiterhin die Herausforderung, diese heterogenen Daten strukturiert, semantisch konsistent und maschinenlesbar in Forschungsinfrastrukturen zu integrieren. Der Beitrag zeigt, wie Community-Geodaten automatisiert extrahiert, transformiert und in das Federated Knowledge Graph Ecosystem (Fischer u. a. 2025; Rossenova u. a. 2025; Thiery u. a. 2025) wie die Knowledge Graph Infrastructure (KGI4NFDI) und den Terminology Service (TS4NFDI) eingebunden werden können. Die Datenextraktion erfolgt über Overpass Turbo (für OSM-Daten) sowie über SPARQL-Endpoints der Wikibase-Systeme (z. B. Wikidata, fuzzy-sl Wikibase, FactGrid). Anschließend werden die Datensätze mithilfe von Python-Skripten und der Bibliothek rdflib in RDF transformiert und innerhalb von Jupyter Notebooks dokumentiert, um eine reproduzierbare, FAIR4RS-konforme Prozesskette sicherzustellen. Die resultierenden RDF-Graphen werden gemäß CIDOC CRM und GeoSPARQL 1.1 modelliert und über die Material Cultural Heritage Crosswalk Ontology (MaCHeCO) mit dem NFDI4Objects Knowledge Graph interoperabel gemacht. Ergänzend erzeugt das SPARQLing Unicorn Toolkit (Homburg und Thiery 2024b; 2024a) eine HTML-Dokumentation der RDF-Ergebnisse, während das zugehörige SPARQLing Unicorn QGIS-Plugin die Re-Integration der Linked Data in QGIS ermöglicht. Anhand konkreter Use Cases wird das Vorgehen illustriert: (1) Cultural Heritage Irish Sites – etwa der Ogham Stone Coumeenole North (Q126503090; node:5145413640), cgl. Thiery und Thiery (2023), via https://overpass-turbo.eu/s/2eM0 oder St. Lachtain’s Well (Q121840779; way:935503837), via https://overpass-turbo.eu/s/2eM2 – werden aus OSM und Wikidata abgerufen, semantisch harmonisiert und mit dem NFDI4Objects-Graph verknüpft. (2) Geoscience Sites – beispielsweise die Franchthi Cave (node:1221172611; Q1441331) oder Crvena Stiljena Cave (node:10879170567; Q121418883), vgl. Thiery und Schenk (2023), sowie die Bohrkerne AU3, AU4 und DE3 (Schenk u. a. 2024) – werden als (duale) geologische und archäologische Entitäten modelliert. (3) Zur Rekonstruktion georegionaler Kontexte (z. B. der Eifel-Region) werden Fluss- und Grenzrelationen wie der Rhein (123924), die Mosel (390416) oder der Parc naturel des Hautes-Fagnes – Eifel (10601027) integriert, um „fuzzy boundaries“ semantisch zu repräsentieren. Der Beitrag zeigt, wie durch die Nutzung offener Standards, freier Software (Python, QGIS) und offener Schnittstellen (Overpass, SPARQL) eine durchgängige Pipeline von Community-Daten zu semantisch vernetzten, FAIRen Forschungsdaten entsteht. Damit wird eine Brücke zwischen der FOSSGIS-Community und den NFDI-Forschungsinfrastrukturen geschlagen – ein Beitrag zur nachhaltigen Nutzung, Verknüpfung und Langzeitverfügbarkeit offener Geodaten in Wissenschaft und Kulturerbe. ### Referenzen Fischer, Kristina, Anja Gerber, Thomas Koprucki, Andreas Noback, Marco Reidelbach, Torsten Schrade, und Florian Thiery. 2025. „Windows on Data: Federating Research Data with FAIR Digital Objects and Linked Open Data“. In Proceedings of the Conference on Research Data Infrastructure 2025, herausgegeben von York Sure-Vetter und Paul Groth, 7(5), 𝒬3, 7(5), 𝒬3. Aachen: Squirrel Papers. https://doi.org/10.5281/zenodo.16736221. Homburg, Timo, und Florian Thiery. 2024a. „SPARQL Unicorn Ontology Documentation“. Squirrel Papers 6 (2): #2. https://doi.org/10.5281/zenodo.10780476. ———. 2024b. „sparqlunicorn/sparqlunicornGoesGIS-ontdoc: Version 0.17“. Squirrel Papers 6 (2): #2. https://doi.org/10.5281/zenodo.8190763. Rossenova, Lozana, Fidan Limani, Carsten Fortmann-Grote, Angelika Kaplan, Florian Thiery, Atif Latif, Renat Shigapov, u. a. 2025. „How are NFDI consortia using Knowledge Graphs? An overview of common functions and challenges by the Working Group “Knowledge Graphs”“. In Proceedings of the Conference on Research Data Infrastructure 2025, herausgegeben von York Sure-Vetter und Groth Paul, 7(5), 𝒬5, 7(5), 𝒬5. Aachen: Squirrel Papers. https://doi.org/10.5281/zenodo.16736077. Schenk, Fiona, Ulrich Hambach, Sarah Britzius, Daniel Veres, und Frank Sirocko. 2024. „A C

Wir stellen ein Open-Source-Kooperationsmodell vor, in dem eine Stadtverwaltung aktiv an der Weiterentwicklung und Pflege ihrer Software beteiligt ist. Durch Git-Submodule, GitHub Actions und eine webbasierte IDE kann die Verwaltung eigenständig Hilfeseiten und Konfigurationen anpassen und Releases auslösen. Das Modell zeigt, wie öffentliche Auftraggeber digitale Souveränität gewinnen und Open Source nachhaltig in ihre Arbeitsprozesse integrieren können. In diesem Vortrag zeigen wir ein praxisbewährtes Modell gemeinsamer Open-Source-Entwicklung zwischen einer Stadtverwaltung und einem Entwicklungsteam. Ziel war es, die Verwaltung in die Lage zu versetzen, ihre Softwarekomponenten, etwa Hilfeseiten, Konfigurationen und kleinere Module, eigenständig zu pflegen und zu veröffentlichen. Technisch wurde dies durch Git-Submodule und automatisierte Workflows mit GitHub Actions realisiert. Eine webbasierte IDE ermöglicht den Mitarbeitenden der Verwaltung, Änderungen ohne lokale Installation vorzunehmen. Durch dieses Setup können öffentliche Auftraggeber Releases selbst initiieren und ihre Anpassungen versionssicher in die Open-Source-Codebasis integrieren. Der Vortrag behandelt: • Entstehung und Hintergründe des Kooperationsmodells • Technische Umsetzung mit Git-Submodules, GitHub Actions und webbasierter IDE • Erfahrungen im täglichen Betrieb und Lessons Learned • Perspektiven für nachhaltige und souveräne Open-Source-Entwicklung im öffentlichen Sektor Das Beispiel zeigt, wie Verwaltungen Schritt für Schritt von Anwenderinnen und Anwendern zu Mitentwicklerinnen und Mitentwicklern werden. Ein wichtiger Beitrag zur digitalen Souveränität und zur Stärkung der Open-Source-Kultur in kommunalen Projekten. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/ZQAGZ8/

Wie funktionieren Profile und Projekte in QGIS und welche Möglichkeiten bietet QGIS hier mit Python den Funktionsumfang zu erweitern und anzupassen? Zum Beispiel können in Profilen Plugins oder eigene Ausdrucksfunktionen liegen, in Projekten Makros und in Stilen Aktionen enthalten sein. Wir wollen das Potential dieser Schnittstellen betrachten und werfen dabei auch einen kritischen Blick auf sicherheitsrelevante Aspekte. In diesem Vortrag schauen wir uns an, wie man Profile und Projekte in QGIS einsetzen und mit Python individualisieren kann. Wir werfen einen Blick auf Plugins, Makros, Aktionen, Ausdrucksfunktionen etc. und zeigen wo sich diese in Stilen, Projekten und Profilen wiederfinden. Wie und wo wird der Python Code abgespeichert? Wann lädt QGIS was und (wie) lässt sich das kontrollieren? Welche Empfehlungen gibt es für einen sicheren Umgang mit den Schnittstellen? Welche aktuellen Entwicklungen gibt es dazu im QGIS-Projekt? Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/9NSPTE/

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/

Der Vortrag stellt die Entwicklung eines interaktiven Grafana-Dashboards vor, um die raum-zeitlichen Erfassungsaktivitäten von Gebäudemerkmalen (wie Nutzung, Alter oder Baumaterial) des Citizen Science Projektes „Colouring Dresden“ erlebbar zu machen. So soll die Sichtbarkeit für das Projekt erhöht werden, und auch Motivation für neue Erfassungen gegeben werden. Der Vortrag geht auf die Erfahrungen aus dem Projekt ein und stellt die verwendeten technischen Komponenten und deren Entwicklung vor. Das Projekt „Colouring Dresden“ (https://colouring.dresden.ioer.info/ ) bietet seit 2023 die Möglichkeit, gemeinschaftlich Merkmale zu Gebäuden (wie Alter, Nutzung oder Baumaterial) in einer Plattform zu erfassen und als offene Daten bereitzustellen. Durch diesen „Citizen Science“ Ansatz können Lücken im Dresdner Gebäudedatenbestand geschlossen und Analysen u.a. in der Forschung und Planung unterstützt werden. Es ist Teil des internationalen Forschungsnetzwerkes „Colouring Cities Research Programme (CCRP)“ und wird in Dresden vom Leibniz-Institut für ökologische Raumentwicklung (IÖR) betrieben. Zur Visualisierung der raum-zeitlichen Erfassungsaktivitäten wurde das zu Projektbeginn entwickelte Grafana-Dashboard neu konzipiert und um zahlreiche Informationen erweitert. Die abrufbaren Diagramme, Tabellen und Karten sind in die Themen „Live-Ticker“, „Füllstand“ und „zeitlicher Verlauf“ gegliedert. Das Dashboard greift über eine Rest-API auf die Echtzeit-Änderungen in der Datenbank zu und ist öffentlich nutzbar. Die Implementierung erfolgte unter Nutzung von Open Source Produkten. Das Dashboard hilft dem Projekt bei der Werbung für zukünftige Mapping-Kampagnen und kann auch die Mitwirkenden motivieren, ihre getätigten Edits visuell im Dashboard nachzuvollziehen. Der Vortrag thematisiert den Prozess von der Erhebung der Anforderungen bis hin zur Entwicklung, Testung und Dokumentation der erforderlichen technischen Komponenten. Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/S8DXN7/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/

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/