Heute mal wieder ein Veranstaltungstipp, diesmal quasi in eigener Sache: Zusammen mit der Firma NTI führen wir ein Webinar „Geobasisdaten & Kartenerstellung“[1] durch. Dort zeige ich im ersten Teil das QGIS-Plugin „GeoBasis_Loader“ [2] in Funktion. Außerdem werde ich auch einige neue und geplante Funktionen als Prototyp vorstellen. Im zweiten Teil zeigt ein NTI-Fachkollege, wie im QGIS mit den wunderbaren freien und nun via GeoBasis_Loader einfach geladenen Daten eine Karte erstellt werden kann. Das Webinar ist kostenlos, eine Anmeldung unter [1] ist erforderlich.
Simon Kuestenmacher hat mit seinem X-Beitrag zum Thema Bilder auf Solarfarrmen [1] begonnen und gleich gab es eine Menge weiterer Sichtungen. Findet oder kennt Ihr auch welche, möglicherweise sogar in Eurer Nähe, dann lasst uns teilhaben und verlinkt diese in den Kommentaren. Viel Spaß beim Suchen und Finden!
When you build a big fat solar farm in the Chinese desert, you might as well have some fun with the layout of the panels. This is real! Check it out on GoogleMaps: https://t.co/BCSnssOFYNpic.twitter.com/scPu4AKbVJ
Über die Berechnung des NDVI (Normalized Difference Vegetation Index) habe ich erst neulich in „NDVI: Realisierung mit QGIS, Standard & Grenzen“ [1] geschrieben. Nun hat Ivo Partschefeld alias PyQGIS (@PyQgis) ein neues interessantes Video mit einer wunderbaren Anleitung auf Youtube „Vegetationsindizes aus Orthophoto (DOP) mit QGIS Rasterrechner berechnen“ [2] veröffentlicht. Es zeigt dort z.B. NVDI und SAVI/BBVI, jeder Schritt wird gut erklärt und ist einfach nachzuvollziehen. Einfach mal anschauen, es lohnt sich, Danke Ivo!
Mitunter kann man viel Zeit benötigen, um Daten zu prüfen. Eine häufig verwendete Methode ist dabei, die Objekte mit demselben Attributwert zu ermitteln und deren räumlichem Zusammenhang zu berechnen und zu visualisieren. Das kann dann u. U. wieder viel Zeit sparen. Man erstellt dazu s. g. Clusterflächen. Eine wirklich praktikable Lösung dafür liefert das neue QGIS-Plugin „Cluster Generator“ [1]
Screenshot 1: Mein Test, 34098 Punkte mit „plz“-Attribut geclustert
Ich habe das Plugin mal kurz angetestet, die Bedienung ist einfach und selbsterklärend. Genutzt habe ich dazu unseren Postleitzahlen- (PLZ-) Datenbestand. Der automatisch einmal pro Nacht generierte Datenbestand hat vfür Halle (Saale) momentan 34098 Punkte mit PLZen. Die Clusterfunktion darauf angewendet liefert recht schnell die Clusterflächen mit den PLZ-Bereichen und färbt und beschriftet diese automatisch nach dem ausgewählten Attributfeld, hier also „plz“. Das Formular und die Ergebnisse findet Ihr in Screenshot 1.
Ein wunderbarer, positiver Nebeneffekt. Man findet so auch ganz schnell, quasi nebenbei die fehlerhaften Objekte, bei meinem Test die Punkte mit dem Eintrag „plz=NULL“. Ich habe diese NULL-Flächen mal etwas hervorgehoben. Für die Punkte in diesen Flächen sind die PLZ-Attributwerte also zeitnah zu aktualisieren, von „NULL“ auf die tatsächliche PLZ oder die Punkte an sich sind zu überprüfen.
Screenshot 2: Fehlerhafte Punkte mit „plz=NULL“ in Extra-Clusterinseln
Die Zusammenarbeit von GIS und KI rückt ja folgerichtig immer mehr in unseren Fokus, ich hatte hier schon mehrfach berichtet. Heute ein sehenswertes Demo auf Youtube von birdGIS [1] mit QGIS & Cloude:
Stellt Euch vor, Ihr sitzt vor einem Programm, z. B. QGIS und kommt nicht weiter, versteht eine Funktion oder eine Fehlermeldung nicht oder nicht richtig. Wie schön wäre es doch, genau dann einen Coach an seiner Seite zu wissen? Und, Ihr ahnt es, so was gibt es: CLICKY [1]. Einfacher geht es nicht: Installieren, starten, Hotkeys (<option> und <command>) verwenden, per Mikro Eure Frage stellen, Clicky den Screenshot machen lassen und Euch auf die sogar deutschsprachigen KI-Antworten freuen. Einzige Einschränkung momentan: Es läuft nur auf Mac 😉 Ein Video [4] von Spatial Thoughts [3] zeigt Euch, wie es geht. Dort heisst es:
„Es gibt ein neues KI-Tool, das neu definieren soll, wie Menschen Software lernen und mit ihnen interagieren. Sehen Sie sich das neue Video des ‚Clicky‘ KI-Lehrers in Aktion an, der bei der Fehlerkorrektur hilft und Anleitung bei der Nutzung #QGIS bietet“ [3]
Ich habe CLICKY mal kurz mit QGIS angetestet [5], es klappt wunderbar, sogar auf deutsch (Bitte etwas Geduld bei der ersten Antwort, ca. 18 Sekunden und bitte vernachlässigt mal das Echo, ich schicke später noch mal ein Update)
Hier der Original-Tweet [2] von Farza, dem Erfinder von Clicky:
I built this thing called Clicky.
It's an AI teacher that lives as a buddy next to your cursor.
It can see your screen, talk to you, and even point at stuff, kinda like having a real teacher next to you.
Die QGIS-Meldung vom Freitag, den 10.04.2026 [1] hatte bei einigen Mac-Usern für etwas Konfusion gesorgt, weil statt der angekündigten v4.0.1 „nur“ die v4.0.0 online war. Hier nun die beruhigende Auflösung: QGIS v4.0.1 ist auch für Mac verfügbar, seit gestern, am 13.04.2026, ca. 14:13 Uhr. Meine Anfrage bzgl. des nicht ganz transparenten, neutralen Dateinamens und ein Teil der Erklärung und Diskussion findet Ihr in der QGIS-Developer-Mailingliste [2] und auf GitHub [3], [4]. Die Screens zeigen die Installation auf meinem Mac. Danke allen Mitwirkenden und den kritischen Lesern 🙂
Screenshot 1: Homebrew jetzt mit 4.0.1Screenshot 2: Auch im Download-Bereich von qgis.org – QGIS v 4.0.1Screenshot 3: Jetzt live auf meinem Mac QGIS v 4.0.1Screenshot 4: Im GitHub [4] zu verfolgen, hier wurde das Namensproblem der MAC-Downloadpakete gelöst, Danke Jürgen E. Fischer
Screenshot: Halle (Saale) mit Strado analysiert (Bildquelle [2])
In der gestrigen Wochennotiz 820 [1] habe ich Interessantes zur Auswertung von OpenStreetMap-Daten mit einem neuen Tool Strado [2] im Blog von L_J_R [3] gelesen. Dort heißt es:
Funktionsweise
Strado analysiert 22 Kategorien von POIs aus OSM – Restaurants, Gesundheitseinrichtungen, Haltestellen, Parks, Schulen, Nachtleben, Lebensmittelgeschäfte und mehr – und berechnet anhand eines H3-Hexagonrasters (Auflösung 9, Kantenlänge ca. 174 m) Lebensqualitätswerte auf Straßenebene.
Die Idee ist einfach: Wenn du in eine neue Stadt ziehst, solltest du Stadtteile danach vergleichen können, was tatsächlich zu Fuß erreichbar ist. Keine Meinungen, keine gesponserten Einträge – nur Daten. [3] Übersetzt mit DeepL.com (kostenlose Version)
Und das ist wichtig: „Keine Meinungen, keine gesponserten Einträge – nur Daten.“ – das findet man Netzt tatsächlich nicht so oft, damit wird die Auskunft deutlich neutraler, allerdings ist sie eben auch vom Erfassungsgrad anhängig. In OSM-gesättigten Gegenden [4] sollte dann also eine wirklich gute, neutrale Bewertung als Ergebnis heraus kommen.
Mögen sich die Stadt-, Landschafts- und Sozialplaner ein Fachurteil bilden und uns hier teilhaben lassen, gern in den Kommentaren. Wie gut bildet ein solches Modell mit dem Schwarmwissen die Sozialfaktoren ab, was ist gut, was weniger? Ich bin gespannt.
Update 13.04.2026, 7:20 Uhr: Am Wochenende gab es einige Anfragen und tatsächlich, für Mac findet man derzeit „nur“ die 4.0.0. auch Homebrew weißt diese jetzt gerade auch aus, soeben getestet. Ich frage nach und bleibe dran. Und, um es dem Mac-Usern mal mit den Downloadpaketen durchsichtiger zu machen, habe ich in der DEV-Liste eine Anfrage [4] gestellt. Und auch im GitHub [5] kann das Problem verfolgt werden.
Update 2 13.04.2026, 14:13 Uhr: Seit ein paar Minuten ist QGIS v4.0.1 auf für Mac verfügbar, hier die Homebrew-Info
Screenshot 2: Homebrew jetzt mit 4.0.1Screenshot 3: Jetzt live auf meinem Mac QGIS v 4.0.1
Über die niederländischen, nach Baujahren klassifizierten Häuser hatte ich bereits 2013 im Beitrag „9.866.539 Gebäude, historisch gesehen …“ [1] berichtet. Nun, nach 12,5 Jahren gibt es ein Update von Bert Spaan „All 11.333.878 buildings in the Netherlands“. Zum Einen mit mehr Daten, nämlich 1.467.339 weiteren Gebäuden und zum Anderen mit mehr Funktionalität in der interaktiven Karte. Zu den technischen Hintergründen ist in [3] Folgendes zu erfahren:
Screenshot 1: Hier das wohl älteste Haus von Amsterdam [4] (Bildquelle [2])
„Die neue Karte nutzt eine Kombination aus Raster- und Vektorkacheln, um sicherzustellen, dass alle Gebäude stets sichtbar sind. Mit reinen Vektorkacheln ist dies nicht möglich: Eine einzelne Vektorkachel würde bei geringer Vergrößerung mehrere zehn Megabyte groß sein. Rasterkacheln bei geringer Vergrößerung und Vektorkacheln bei hoher Vergrößerung lösen dieses Problem!“ [3]
Übrigens, nach „Begijnhof in Amsterdam“ [4] ist Amsterdams ältestes noch erhaltenes Haus das „Het Houten Huis“ (Nr. 34) im Begijnhof aus der Zeit um 1420. Ich hab’s gefunden, lt. Karte 1455, vgl. Screenshoot 1. Aber ich habe auch ein noch Älteres gefunden, vgl. Screenshot 2, möglicherweise ein Datenfehler? Ich frage nach.
In jedem Fall wieder eine großartige Daten in einer wunderschönen Karte, eine meiner Lieblingskarten bzgl. DataViz und SUPERSCHNELL. Danke Bert!
Screenshot 2: Ein noch älteres Gebäude oder ein Datenfehler? (Bildquelle [2])
