Gastbeitrag: NASK – Der Starkregen-Kompass für Halle (Saale) oder wenn Erinnerungen zu Vorsorge werden

Heute mal wieder ein Gastbeitrag, diesmal vom Geoinformatiker der MLU Halle Dr. Detlef Thürkow. Danke Detlef!

Abbildung 1: Ausschnitt aus dem NASK-Flyer

Starkregen wird oft erst dann ernst genommen, wenn er gerade passiert. Überflutete Straßen, vollgelaufene Keller, beschädigte Gebäude – für den Moment ist die Gefahr für alle sichtbar. Doch schon wenige Monate später, wenn wieder die Sonne scheint, rückt sie gefühlt in weite Ferne. Erinnerungen verblassen, Risiken werden unterschätzt, notwendige Vorsorge bleibt aus.

Genau hier setzt NASK – Niederschlagsalarm & Starkregen-Kompass Halle (Saale) [1] an: Die Plattform bewahrt Erfahrungen aus Starkregenereignissen und macht sie dauerhaft sichtbar – für Bürgerinnen und Bürger ebenso wie für Verwaltung und Katastrophenschutz.

Abbildung 2: Screenshot mit einem Auszug aus dem Startportal des Niederschlagsalarm& Starkregen-Kompass Halle (Saale) [1]

Von der abstrakten Karte zum realen Erlebnis

Starkregengefahrenkarten gibt es inzwischen vielerorts, und für Fachleute sind sie ein wichtiges Planungsinstrument. Für viele Bürgerinnen und Bürger bleiben die großen blauen Flächen auf einer Karte jedoch abstrakt – sie zeigen mögliche Überflutungsbereiche, vermitteln aber kaum, wie sich ein Starkregenereignis tatsächlich vor Ort auswirkt.

Gerade erst hat das Geoportal.de [2] – als eine der zentralen Komponenten der GDI-DE, betrieben vom Bundesamt für Kartographie und Geodäsie – seine Plattform zur Recherche, zum Download und zur Darstellung von Geodaten und Geodatendiensten grundlegend überarbeitet, mit Version 3.0 und eigener Themenseite auch zu Starkregen. Das zeigt: Auf Bundesebene wird viel investiert, um Geodaten zu diesem Thema besser auffindbar und nutzbar zu machen. Doch so wertvoll diese zentrale Infrastruktur ist – sie bleibt eine Ebene über dem, was Menschen vor der eigenen Haustür erlebt haben.

NASK ergänzt diese Karten deshalb um eine entscheidende Perspektive: die reale Erfahrung aus der Stadt. Über die Plattform können Bürgerinnen und Bürger Starkregenereignisse dokumentieren [3] und Fotos hochladen – von überfluteten Straßen, vollgelaufenen Unterführungen oder Wasserständen an Gebäuden. So entsteht mit Hilfe dieser ersten zentralen Funktion des Portals Schritt für Schritt ein digitales Gedächtnis der Stadt für Starkregenereignisse, das Risiken greifbar macht, wo Karten allein an ihre Grenzen stoßen.

Ein weiteres Herzstück der modular aufgebauten Plattform (Gefahren melden, verstehen, erkennen) ist das zugehörige Kartenportal [4]: Hier laufen nicht nur die Gefahrenmeldungen der Bürgerinnen und Bürger zusammen, sondern auch Meldungen des Katastrophenschutzes – wie der Feuerwehr Halle, künftig sollen weitere Partner hinzukommen. Darüber hinaus sind die amtlichen Informationen von Bund und Ländern über zugehörige Geodienste eingebunden. So entsteht ein gemeinsamer, räumlich verorteter Überblick aus ziviler Beobachtung und professioneller Einsatzerfahrung.

Gleichzeitig bietet die Plattform konkrete Vorsorge-Informationen: welche Schutzmaßnahmen für Gebäude möglich sind, wie sich ein Grundstück gegen Starkregen sichern lässt und wie man sich im Ereignisfall richtig verhält. NASK verbindet damit Risikoinformation und praktische Handlungsmöglichkeiten und stärkt gezielt die Eigenvorsorge der Bevölkerung.

Technisch auf aktuellem Stand

Pünktlich zum Launch wurde unter der Haube des Systems noch einmal nachgeschärft: Live-Widgets zeigen aktuelles Wetter und Kurzfristprognose für Halle, und aktuelle DWD-Wetterwarnungen laufen jetzt als eigener Layer direkt in die Plattform ein – gespeist aus dem offiziellen DWD-Geodatendienst auf Gemeindeebene, alle 30 Minuten aktualisiert. Wer sich vertiefend zum Thema informieren möchte, findet außerdem zwei neue Lernmodule [5] zur städtischen Überflutung durch Starkregen: einen kompakten Schnellüberblick und eine ausführliche Vertiefung.

Ein Projekt aus Forschung, Verwaltung und studentischer Praxis

Entstanden ist NASK aus einer mehrjährigen Zusammenarbeit zwischen dem Team Klimaschutz der Stadt Halle (Saale) und dem Institut für Geowissenschaften und Geographie der Martin-Luther-Universität Halle-Wittenberg. Ziel der Kooperation: konkrete Herausforderungen der kommunalen Klimaanpassung in Forschung und Lehre einzubringen und gleichzeitig praxisnahe Lösungen für die Stadt zu entwickeln.

Den Großteil der Plattform – von der Aufbereitung komplexer Geodaten bis zur technischen Umsetzung – haben unser Forschungsteam und die Projektpartner in Stadtverwaltung und Katastrophenschutz entwickelt. Im Rahmen eines studentischen Seminars haben Studierende darüber hinaus das Meldeformular [3] entworfen und das kompakte Lernmodul entwickelt und damit zentrale Kompetenzen für ihren späteren Berufsweg erworben – von Fragen der Nutzerfreundlichkeit bis zur verständlichen Vermittlung von Klimarisiken für Verwaltung und Öffentlichkeit. Gefördert wurde das Projekt im Rahmen von SMARTilience, mit Mitteln der Europäischen Union (NextGenerationEU) und des Bundesministeriums für Bildung und Forschung.

NASK zeigt, wie Kommunen, Wissenschaft und Studierende gemeinsam praxisnahe Lösungen für die Klimaanpassung entwickeln können, und ergänzt bestehende Starkregengefahrenkarten um lokales Erfahrungswissen – ein übertragbares, skalierbares Modell für partizipative Starkregenvorsorge.

Werden Sie Teil des Projekts!

Am Donnerstag, 17. September 2026, 16–17 Uhr, stellen wir die Plattform beim Launch-Event live vor – im Institut für Geowissenschaften und Geographie, Haus Geographie, Raum 3.31. Auf dem Programm: die Homepage im Härtetest, gemeinsame Navigation durch die interaktiven Hochwasser- und Starkregenkarten, und der Austausch mit anderen Bürgerinnen und Bürgern über Erfahrungen und Handlungsmöglichkeiten.

Ihre Meldung macht den Unterschied. Machen Sie mit für eine starkregensichere Stadt:
starkregen.geo.uni-halle.de [1]
Ihre Ideen. Ihre Erfahrungen. Unsere Stadt. Gemeinsam sicher.

Abbildung 3: Der komplette NASK-Flyer

Zum Autor:

Dr. Detlef Thürkow ist Geoinformatiker mit Fokus auf digitale Bildung und angewandte Geoinformationstechnologien und Drohnenpilot mit dem Fokus auf UAV-Umweltmonitoring. Er lehrt Geoinformatik & Web-Kartographie und leitet Computerpools und Geoinformationsbereich des Instituts. Seine Schwerpunktee bilden Geoinformatik, Geodateninfrastrukturen, UAV, Klimaanpassung, E-Learning
Dr. Detlef Thürkow, Institut für Geowissenschaften und Geographie, Martin-Luther-Universität Halle-Wittenberg, Fachgebiet Digitale Geographie,
E-Mail: detlef.thuerkow@geo.uni-halle.de

[1] … https://starkregen.geo.uni-halle.de
[2] … https://www.geoportal.de/
[3] … https://survey123.arcgis.com/share/6533f914e7db4430bede197f46848de0?portalUrl=https://mlu.maps.arcgis.com
[4] … https://starkregen.geo.uni-halle.de/pages/karten
[5] … https://starkregen.geo.uni-halle.de/pages/storymap

#geoObserverTools: Neues Plugin „Duplicate Layer Remover“

Am Freitag haben die #geoObserverTools [1] wieder einmal Zuwachs bekommen, das QGIS-Plugin „Duplicate Layer Remover“ [2] steht zum Download für Euch bereit.

Das Problem:
Ab einer bestimmter Größe wird ein QGIS-Projekt mit seinen vielen Themen unübersichtlich und schwer handelbar. Oft schleichen sich Themen/Layer doppelt oder mehrfach ein, der Überblick geht leicht verloren. Die Anfälligkeit dafür vergrößert sich z. B., wenn mehrere Personen in einem Projekt arbeiten, man das Projekt von jemand anderem nutzt oder wenn man über vorgefertigte Layer-Zusammenstellungen Themen lädt, in denen jeweils das gleiche Thema vorkommt, z. B. immer die gleiche Hintergrundkarte.

Die unkomplizierte Lösung:
Das Plugin „Duplicate Layer Remover“ [2] kann das Projekt ganz schnell und unkompliziert aufräumen, es findet und entfernt doppelte oder mehrere Layer sicher aus dem aktuellen QGIS-Projekt. Dabei funktioniert der Algorithmus so, dass er sowohl gleiche Einzel-Layer als auch gleiche Layer in verschiedenen Gruppen sowie auch mehrfach gleiche Gruppen findet und und nach Bestätigung aus dem Projekt entfernt.

Das Plugin wird bei der Installation/Aktivierung in der Toolbar „geoObserverTools“ [1] eingebunden, diese muss aktiviert sein.

Screenshot: Toolbar „geoObserverTools“ [1]

Hinweis:
Die Erstellung des Plugins wurde durch KI unterstützt, die Verantwortung liegt beim Autor. Bitte beachten Sie die Nutzungsbedingungen [4].

[1] … https://geoobserver.de/qgis-plugins/
[2] … https://plugins.qgis.org/plugins/DuplicateLayerRemover/
[3] … https://geoobserver.de/qgis-plugin-duplicate_layer_remover/
[4] … https://geoobserver.de/qgis-plugin-duplicate_layer_remover/#nutzungsbedingungen

HeiGIT: OSM Landuse, Landcover & OSM4EO

Screenshot 1: Die Landuse- und Landcover-Karten (LULC) von HeiGIT auf der interaktiven Plattform osmlanduse.org [2]

Vielleicht kennt Ihr das Problem: Während topografische Inhalte wie beispielsweise Straßen und Gebäude in OpenStreetMap extrem detailliert eingetragen sind, weisen Flächeninformationen (Landnutzung wie Felder der Wälder) oft große Lücken auf. Zudem verschwimmen im OSM-Tagging-System häufig die Grenzen zwischen tatsächlicher Landnutzung (Landuse) und der physischen Bodenbedeckung (Landcover).

OSM4EO (OpenStreetMap for Earth Observation) ist ein wissenschaftliches Projekt und Framework, das von Dr. Michael Schultz und dem Heidelberger Institut für Geoinformationstechnologie HeiGIT [1] bzw. der Universität Heidelberg entwickelt wurde. Das Hauptziel von OSM4EO ist es, die Daten von OpenStreetMap (OSM) mit Satellitenfernerkundungsdaten (wie den Copernicus-Sentinel-Satelliten der ESA) zu fusionieren. Dadurch werden lückenlose, hochauflösende Landuse- und Landcover-Karten (LULC) generiert. Das Projekt nutzt Deep Learning (Deep Residual Convolutional Neural Networks), um die Lücken zu füllen. Dabei dienen bestehende, verifizierte OSM-Flächen als Trainingsdaten für die KI, um Oberflächenstrukturen auf Satellitenbildern zu erkennen. Das Modell prognostiziert anschließend die fehlenden Flächenbedeckungen flächendeckend.

Screenshot 2: Die Landuse- und Landcover-Karten (LULC) von HeiGIT ins QGIS über den Geobasis_Loader eingefügt [4]

Wo findet man die Daten und wie kann darauf zugegriffen werden?

  1. WebGIS-Plattform: Die Ergebnisse und prognostizierten Schichten (z. B. der Layer osmlanduse:osm4eo) sind direkt auf der interaktiven Plattform osmlanduse.org [2] einsehbar
  2. GIS-Integration: Über WMS-Dienste (Web Map Services) von HeiGIT [3] lässt sich drei verschieden Layer auch direkt in GIS-Software wie QGIS einbinden.
  3. Daten-Download: Die fertigen LULC-Datensätze (z. B. für die gesamte Europäische Union als GeoTIFF) stehen Forschern und Entwicklern frei über das Repositorium HeiData zur Verfügung.
  4. Quellcode & Modelle: Der Python-Quellcode für die Deep-Learning-Methodik sowie vortrainierte Modelle für verschiedene EU-Länder sind auf GitHub (schultzheidelberg) [5] gehostet.

Übrigens:
Seit gestern sind diese Layer auch im QGIS über der Geobasis_Loader [4], Katalog 3 (Welt) verfügbar.

(Hinweis: Die Erstellung dieses Beitrages wurde durch KI unterstützt, die Verantwortung liegt beim Autor)

[1] … https://heigit.org/
[2] … https://osmlanduse.org/
[3] … https://maps.heigit.org/osmlanduse/service
[4] … https://geobasisloader.de
[5] … https://github.com/schultzheidelberg/OpenStreetMap-land-use-for-Europe-2020

Albert Einstein & GPS?

Bildquelle [2]

Was eigentlich hat Einstein mit GPS zu tun? Das werden sich viele von Euch fragen, oder? Mir jedenfalls ging es so, als ich die Überschrift zum BKG-Betrag „Dein GPS funktioniert dank Einstein“ auf LinkedIn sah. Die Aufklärung kam prompt beim Lesen des Beitrags, ich spoilere mal: Relativitätstheorie (war ja klar 😉), hoher Geschwindigkeiten und schneller vergehende Zeit. Mehr wird nicht verraten, lest selbst, es lohnt sich. Danke BKG!

[1] … https://www.linkedin.com/posts/bkg-bund_gps-relativitaeutstheorie-geodaeusie-activity-7493587839570407424-VbiC
[2] … https://de.wikipedia.org/wiki/Albert_Einstein#/media/Datei:Albert_Einstein_ 1921_by_F_Schmutzer.jpg

Updated: GeoBasis_Loader v2.2, eine kleine Revolution ;-)

Bereits 513 Downloads in den ersten 24h! 🙂

Mit Stolz kann ich verkünden, seit gestern ist die neue Version vom QGIS-Plugin GeoBasis_Loader (GBL) [1] verfügbar, jetzt in der Version 2.2 [2]. Die wesentlichste Neuerung ist ganz sicher, dass der GeoBasis_Loader nun mit einem eigenen Bedienfeld (Panel) ausgestattet ist, für mich tatsächlich (m)eine kleine Revolution 😉 Dadurch können wir den Nutzern eine deutlich einfacheren und schnelleren Zugriff zu den derzeit 877 verfügbaren Themen ermöglichen. Die „alte“ und gewohnte Bedienung über das Menü bleibt erhalten. Weitere Neuerungen betreffen die Erweiterung der Presets (Themen/Layer-Zusammenstellungen) mit räumlichen Lesezeichen und die Einführung der erweiterten internen Suchfunktion.

Ein großes Dankeschön an meine beiden GBL-Mitstreiter Anton May und Thomas Wölk, wirklich cooler Job! Und falls Ihr das Projekt gut findet und nutzt, könnt Ihr es gern mit einer Spende [3] unterstützen.

Screenshot 1: Neu sind jetzt zwei Buttons für den GeoBasis_Loader, links die gewohnte Menü-Struktur, rechts das Bedienfeld (Panel)
Screenshot 2: Der Zugang zum GBL-Bedienfeld (Panel)
Screenshot 3: Die schon seit v2.1 bekannten Presets, jetzt auch mit einer Funktion zur Speicherung und zum Abruf räumlicher Lesezeichen
Screenshot 4: Im vierten Reiter der schon bekannte Einstellungsdialog für die Auswahl des Servers
Animation: Ein Preset laden und gleich noch das gespeicherte räumliche Lesezeichen für dieses Preset aktivieren
Screenshot 5: Die erweiterte Suchfunktion auch über die Kataloggrenzen hinweg, hier die Suche nach „dop20“ – schwarze Treffer im aktuellen Katalog, graue Treffer in der andern Katalogen

[1] … https://geobasisloader.de
[2] … https://plugins.qgis.org/plugins/GeoBasis_Loader/version/2.2.0/
[3] … https://geoobserver.de/support_geobasis_loader/

NASA Worldview: 1000 globale hochauflösende Satellitenbilder

Screenshot 1: Der Startbildschirm von NASA Worldview [1] (Bildquelle [1])

Wunderbar, die Nasa bietet unter NASA Worldview [1] über 1000 globale hochauflösende Satellitenbilder an, aktuelle und vorhergehende, alles weltweit und kostenfrei. Die Daten kommen aus den unterschiedlichsten fachlichen Bereichen, z. B. Luftqualität, Stürme, Trockenheit, Überschwemmungen und Biomasse, Oberflächentemperatur und Wälder. Einfach mal stöbern, es lohnt sich! Den Code für NASA Worldview findet Ihr auf GitHub [2].

Hier der Original-Tweet [3]:

[1] … https://worldview.earthdata.nasa.gov/
[2] … https://github.com/nasa-gibs/worldview
[3] … https://x.com/tom_doerr/status/20916158353168782

Equal-Earth oder wenn Vernunft siegt

Vermutlich haben es die meisten schon auf ihren Kanälen erfahren, die UN hat mit 164 zu 1 Stimmen für eine neue Weltkarte gestimmt [1], welche die Länder in ihren wahren relativen Größen darstellt. Nur die USA stimmten dagegen, warum wohl? Ich war schon lange der Meinung, dass die Mercator-Projektion [2] unser Bild von der Welt zu sehr verzerrt, jetzt hat die Vernunft mit der Equal-Earth-Projektion [3] gesiegt, Danke! Um den Sachverhalt zu illustrieren, sei immer noch The True Size empfohlen [4], [5], [6]. Hier einige weitere Infos zum UN-Beschluss:

[1] … https://x.com/UN_News_Centre/status/2095906311279919569
[2] … https://de.wikipedia.org/wiki/Mercator-Projektion
[3] … https://de.wikipedia.org/wiki/Equal-Earth-Projektion
[4] … https://geoobserver.de/2016/03/03/proj-wie-gross-ist-groenland/
[5] … https://geoobserver.de/2022/07/28/thetruesize-zeigt-russlands-wahre-geografische-grose/
[6] … https://www.thetruesize.com/
[7] … https://x.com/latestinspace/status/2096055975555809577
[8] … https://x.com/scottbolshevik/status/2096184161971122299
[9] … https://x.com/AFP/status/2096020484357836866
[10] … https://x.com/theepicmap/status/2096616257101722111

„Magic Wand“: Der Zauberstab für QGIS

In Grafikprogrammen findet man ihn überall, den Zauberstab, ein Werkzeug, dass mit einem Klick Bereiche (ungefähr) gleicher Farbe markiert. Nun gibt es ein solches Werkzeug auch in QGIS, mit dem Plugin „Magic Wand“ [1] von Kanahiro. In wirklich wenigen Sekunden könnt Ihr Polygone mit recht guter Genauigkeit erzeugen. Aus meiner Sicht war es nie einfacher, im GIS Massendaten zu erfassen. Ein umfangreiches Tutorial findet Ihr in „Magic Wand: crea polígonos automáticamente en QGIS a partir del canvas“ [2] von Aurelio Morales [3] und auf GitHub [4]. Ich habe das Plugin natürlich gleich mal ausprobiert, mein Testgebiet war der Geiseltalsee [5]. Es hat ausgezeichnet funktioniert, die Erfassungszeit der drei Polygone lag bei ca. 15 Sekunden. „Magic Wand“ [1] bekommt von mir eine absolute Empfehlung, 5 von 5 Sterne!

[1] … https://plugins.qgis.org/plugins/MagicWand-master/
[2] … https://mappinggis.com/2026/08/magic-wand-crea-poligonos-automaticamente-en-qgis-a-partir-del-canvas/
[3] … https://mappinggis.com/author/aurelio/
[4] … https://github.com/Kanahiro/MagicWand
[5] … https://www.google.de/maps/@51.3097188,11.8753629,13z

„Heiße Luft“: Die Folgen neuer Rechenzentren.

„In ganz Deutschland sollen neue Rechenzentren entstehen, dabei bleiben das Ausmaß und die Folgen dieses ungebremsten Ausbaus bisher im Dunkeln – Wir schaffen Transparenz.“ [1]

Das Aktionsbündnis „Heiße Luft“ [1] hat sich zur Aufgabe gemacht hat, mit kritischem Blick die Folgen des massiven Aufbaus neuer Rechenzentren zu betrachten. Neben Daten wie beispielsweise Eigentümer, Investor und Betreiber sowie Standort, Status und Art des Rechenzentrums liegt der Fokus auf den technisch relevanten, unser Klima beeinflussenden Faktoren wie Gesamtfläche des Gebäudes (m²), Anschlussleistung (kW) und prognostiziertem Stromverbrauch (kWh). Vertiefende Informationen könnt Ihr dem Heise-Artikel „Interaktive Karte zeigt viele geplante Rechenzentren in Deutschland“ [2] entnehmen.

Screenshot (Bildquelle [1])

[1] … https://heisseluft.org/
[2] … https://www.heise.de/news/Interaktive-Karte-zeigt-viele-geplante-Rechenzentren-in-Deutschland-11433244.html

Stadtklimadashboard: Zentrale Kennwerte zur Klimaanpassung

Screenshot: Halle (Saale) im Stadtklimadashboard [6] (Bildquelle [2], [6])

Hitze, Dürre und Starkregen werden weltweit aber auch in Deutschland zu einem immer größeren werdenden Problem. Die Ursachen sind weitestgehend bekannt, die eigentlich klaren und dringend nötigen Lösungen leider immer noch in Frage gestellt *Kopfschüttel*. Nun wurde via LinkedIn auf ein neues Stadtklimadashboard [2] hingewiesen, welches gemeinsam vom mit dem Leibniz Institute of Ecological Urban and Regional Development (IOER) [3], LUP – Luftbild Umwelt Planung GmbH [4] und der University of Kassel [5], im Auftrag des BMWSB und des BBSR entwickelt wurde. Dort heißt es:

Das Stadtklimadashboard bündelt die zentralen Kennwerte zur Klimaanpassung für jede deutsche Stadt ab 10.000 Einwohnern an einem Ort, online und frei zugänglich.
Zwei zentrale Indikatoren darin: 
die Erreichbarkeit kühlender Grünflächen zu Fuß im Umkreis von 500 Metern der Anteil unversiegelter oder gering versiegelter Flächen im Stadtgebiet … und einige mehr.
[1]

Ich habe mir mal die Daten für meine Heimatstadt Halle (Saale) [6] angeschaut, die Ergebnisse sehen bei den Wasser/Versickerungsfähigen Oberflächen nicht so gut aus, Rang 46 von 67, Bodenversiegelung 74,6 %, Bodenversiegelung 183 m²/EW und Versickerungsfähige Fläche 62 m²/EW. Wesentlich besser schneidet Halle beim Grün/Erreichbarkeit kühlender Grünflächen ab, Rang 12 von 67, Grünvolumen 497 m³/EW und Grünversorgung 25,0 m²/EW.

[1] … https://www.linkedin.com/feed/update/urn:li:activity:7498728985393172481
[2] … https://stadtklimadashboard.de
[3] … https://www.linkedin.com/company/leibniz-ioer/
[4] … https://www.linkedin.com/company/lup-gmbh/
[5] … https://www.linkedin.com/school/uni-kassel/
[6] … https://stadtklimadashboard.de/?loc=51.47259,11.975,11.31z