Oops, das ging ja schnell, das ist Rekord! Gestern wurde die FOSSGIS 2026 in Göttingen [1] eröffnet und am gleichen Tag waren Dank des CCC schon die Mitschnitte von Tag 1 [2] online. Ich glaube, schneller habe ich das noch nicht erlebt. Für alle, die bei der FOSSGIS 2026 nicht live dabei sein können, besteht damit wieder einmal die Riesenchance, sich die Beiträge jetzt sofort und im Nachgang anzuschauen. Danke allen Mitwirkenden, großartig!
Meine Leseempfehlung zum Thema: Wirkt der „Dark Mode“ in der Kartographie anders herum oder wie werden die Farben im immer mehr genutzten Dunkelmodus wahrgenommen? Während im Hellmodus dunklere Farben mit einer größeren Wertigkeit assoziiert werden, stellt sich die folgende Frage: Ist das im Dunkelmodus genau so oder, wie vielleicht zu erwarten, genau umgekehrt? Prof. Dr. Jochen Schiewe, Präsident der DGfK [1] hat es in einer mit 214 Personen durchgeführten Online-Studie untersucht. In seinem KN-Beitrag „Dark‑is‑More Bias Also in Dark Mode? Perception of Colours in Choropleth Maps in Dark Mode“ [2], als PDF downloadbar unter [3], sind die Ergebnisse veröffentlicht, also, wie die Farben im Hell- und Dunkelmodus auf die Probanden wirken. Ich spoilere mal nicht, lest selbst 😉 es lohnt sich. Nur eins dazu:
„Die Studienergebnisse erlauben auch generelle Gestaltungsempfehlungen für künftige Dunkelmodus-Farbschemata für Karten.“ [2]
Über Shadowmap hatte ich hier bereits 2023 [1] berichtet. Nun wurde die interaktive Anwendung ShadowMap [2] mit IMHO perfekter Datenvisualisierung aktualisiert. Auf den ersten Blick fällt die neue GUI mit Kompass und (deutlichem) Sonnenstrahl sowie Sommer- und Wintersonnenwendekreis auf, aber auch die geänderte Gebäudevisualisierung und jetzt mit neu: die Einbeziehung der Bäume. Den Sonnenstand im Paulusviertel, heute, den 06.03.0262, 9:05 Uhr seht Ihr unter [3], die Zugspitze am gleichen Tag, 12:00 Uhr unter [4]. Euch ein sonniges Wochenende!
„Globale Interaktive 3D Sonnenlicht-Simulation Shadowmap hilft dir, Sonnenlicht, Verschattung und Solarpotenzial zu visualisieren und zu analysieren. Unser digitaler 3D-Zwilling liefert Solar Intelligence auf Knopfdruck – in Echtzeit, überall auf der Erde.“ [2]
Mit dem osm-mapper-globe [1] hat Martijn van Exel ein Visualisierungs-Tool entwickelt, mit dem Ihr Euch alle OpenStreetMap-Bearbeitungen in Echtzeit auf einem interaktiven Globus darstellen lassen könnt. Coole Datenvisualisierung, Danke Martin! Der Code dazu ist auf Codeberg [2] einzusehen und unter der ISC-Lizenz [3] verfügbar. Gefunden in der Wochennotiz 812 auf weeklyOSM [5],
Was Schönes zum Wochenende? Die IMHO wohl schönste Datenvisualisierung (DataViz) zum Thema „Sonnenauf- und untergänge“ habe ich via LinkedIn [1] bei Benjamin Niedermann [2] in seine Anwendung „Sunrise and Sunset“ [3] gefunden. Einfach starten, beim Start seid Ihr auch gleich beim aktuellen, Datum und die Karte auf Euern gewünschten Standort bewegen. Dann auf Wunsch am äußeren (Monats-)Rad drehen, Sonnenauf- und untergangszeiten sowie die Sonnenhöhe ablesen.
Screenshot: Sonnenauf- und untergang am 9. Januar 2026 in Halle (Saale) (Bildquelle [3])
„Eine orange Kurve veranschaulicht den Sonnenaufgang und -untergang an diesem Ort und ermöglicht so eine intuitive Erkundung der Tageslichtmuster und jahreszeitlichen Veränderungen.“ [3]
Auch in diesem Jahr ruft Topi Tjukanov (@tjukanov) zur #30DayMapChallenge auf. Jeden einzelnen Tag im November ein neues Karten-Thema, Start ist der 01.11.2025. Ich gebe den Aufruf hier gern weiter und los Leute, mitmachen. Erweitert Euern und unseren „Map-Horizont“!
The #30DayMapChallenge 2025 begins soon, the categories are out! Completing all 30 maps is not the objective, just create a few. Here is a selection from the ones I made last year! pic.twitter.com/LBhYWOgtNe
All diejenigen, die aus den Geodaten neben der klassischen Visualisierung, Abfrage und einfachen Analyse viel mehr Erkenntnisse ziehen und sich den Daten eher wissenschaftlich annähern wollen, sei ein Blick auf GeoDa [1] empfohlen. Dort heiß es:
„GeoDa ist ein kostenloses Open-Source-Softwaretool, das als Einführung in die räumliche Datenwissenschaft dient. Es ist darauf ausgelegt, neue Erkenntnisse aus der Datenanalyse zu erleichtern, indem räumliche Muster erkundet und modelliert werden. …
Das Programm bietet eine benutzerfreundliche und grafische Oberfläche für Methoden der explorativen räumlichen Datenanalyse (ESDA), wie räumliche Autokorrelationsstatistiken für aggregierte Daten (mehrere tausend Datensätze) und grundlegende räumliche Regressionsanalyse für Punkt- und Polygondaten (Zehntausende von Datensätzen).“ [1]
Die verfügbaren Methoden findet Ihr im interaktiven GeoDa Cheat Sheet [3], eine umfangreiche Dokumentation [4] steht online zur Verfügung.
Bereits 2003 im Team um Dr. Luc Anselin an der Universität Chicago entstanden wird GeoDa bis heute weiter entwickelt, die neuste Release 1.22.0.20 stammt vom31.07.2025.
GeoDa ist unter WIndows, MacOS und Linux (Ubuntu) verfügbar [5].
DataViz oder so schön können Geodaten sein! Zum Wochenende mal wieder eine wunderschöne Karte, die ich vor ein paar Wochen bei Python Maps auf X (ehem.Twitter) [1] gefunden habe. Das Rezept ist so simpel wie genial, einfach mal die Daten von Schiffs- und Flugrouten suchen, übereinander legen und geeignet symbolisieren. Fertig ist eine beeindruckende, faszinierend schöne Karte, eigentlich schon Kunst! Zur Nachfrage nach den Daten antwortet Python Maps „The shipping lanes dataset spans several years, 2008-2013 I think. Flight paths are http://openflights.org„ [2]
I have combined two datasets for fun. Here are the world's shipping lanes (red) and the worlds flight paths (white) on the same map. pic.twitter.com/kPZFVmJS0A
Diesen Satz kennt wohl jeder: „Ein Bild sagt mehr als tausend Worte“, klingt fast abgedroschen und doch ist er 1000%ig wahr. Und warum das eigentlich so ist, könnt Ihr wunderbar im Artikel „Deshalb liebt unser Gehirn Bilder“ [1] von Dana Rulf [2] auf speakture [3] nachlesen. Kurzweilig, interessant und lehrreich und damit wird auch klar, warum DataViz, also die Visualisierung der Daten, in Diagrammen, Karten und Skizzen etc. so vernünftig wie zwingend ist. Hier kurz gespoilert:
das menschliche Gehirn verarbeitet Bilder 60.000-mal schneller als Text
90 Prozent der an das Gehirn übermittelten Informationen sind visuell
lt. MIT-Studie erkennt unser Gehirn ein Bild in 13 ms!
Das Problem kennt vermutlich jeder Karten-Redakteur, der mal Wander- oder Radwegkarten erstellen wollte oder vielleicht auch Straßen- oder Leitungskarten. Es gibt immer wieder Abschnitte, an denen Linien ein Stück gemeinsam laufen, sich aber in der Plangrafik nicht einfach überdecken dürfen. Wie man dieses Problem grafisch klug mit QGIS lösen kann, zeigt uns Spyridon Staridas [1] auf X (ehem. Twitter) in „Managing overlapping features in a linear network layer …“ [2], [3]. Dort heißt es:
„Die Verwaltung überlappender Features in einer linearen Netzwerkebene erfordert eine geeignete Kombination aus Strichstärke und Linienversatz, insbesondere in Bereichen, in denen zwei, drei, vier oder mehr Features nebeneinander dargestellt werden müssen. Hier nutze ich #QGIS -Ausdrücke, um diesen Effekt zu erzielen.“ [2]
Managing overlapping features in a linear network layer requires an appropriate combination of stroke width and line offset, particularly in areas where two, three, four, or more features must be displayed side by side. Here, I leverage #QGIS expressions to achieve this effect. pic.twitter.com/7nucyf6cQW
Sure. Here is the one where I control the line's width using a custom variable named stroke_width, stored in the project's properties, and another where I control the line's offset using the same variable pic.twitter.com/DiwKJVhyyF
