Vorbemerkung: Ich habe schon abgestimmt 😉 Via Mastodon [1] und Mail [2] wurde am Montag (02.11.2026) zum Community-Voting [3] für die FOSSGIS 2027-Konferenz [4] aufgerufen. Ihr könnt und solltet abstimmen, welche der 282 Einreichungen* ins Konferenzprogramm aufgenommen werden. Das Community-Voting ist bis zum 10.11.2026 offen, also nicht verpassen! Nun seid Ihr gefragt, also bringt Euch ein! Nur drei Schritte sind nötig:
Egal, wo Ihr auf der Erde seid, überall zeigt Euch Hilldar [1], welche Erhebungen, also Berge, Städte, Burgen und Aussichtsplattformen sowie Leucht- und Sendetürme Ihr sehen könnt. Das Gelände basiert auf dem Höhenmodell von Mapterhorn [2], die Namen der Gipfel, Orte und Sehenswürdigkeiten liefern die Mitwirkenden bei OpenStreetMap. Weitere Hilldar-Details findet Ihr bei Über Hilldar [3].
So oder ähnlich könnte es demnächst an vielen Orten in Deutschland aussehen, jedenfalls bei der Nutzung entsprechender Geodaten und Geoanwendungen (Bild KI-generiert)
Ja, ich konnte es vorgestern kaum glauben, aber es ist wohl passiert. Wie wir schon bei Google Street Map erleben mussten, erleben wir es jetzt bei den 3D-Luftbildansichten von Google. Ein Familienvater meint, es wäre nicht zumutbar, dass sein Grundstück von oben weltweit sichtbar ist, klagt gegen Google und gewinnt. Die 3. Zivilkammer des Landgerichts Frankfurt am Main hat entschieden, vgl. Az.: 2-03 O 388/25 [1]. Ich kann nur unverständlich den Kopf schütteln* und hoffen, dass es nicht dabei bleibt, immerhin ist das Urteil noch nicht rechtskräftig. Google kündigte schon Rechtsmittel an. Detaillierte Informationen zu diesem Rechtsstreit findet Ihr in [2], [3] und [4].
Nun ja, manche werden sich vielleicht auch die Hände reiben und argumentieren, Google dürfe eben auch nicht alles. Ja, das ist richtig. ABER: was könnte ein solches Urteil für uns alle bedeuten, wenn wir es weiter denken? Was wird aus anderen Luftbildern, z. B. die der Landesvermessungsämter und deren Weiterverarbeitung, was aus anderen offenen Daten, wie beispielsweise OSM (auch hier wurden ja schon von Waldbesitzern Wegeinformationen angemahnt), was wird aus den Digitalen Zwillingen, wie weit wird das gehen? Ich bin erst einmal einigermaßen fassungslos. Aber ich bleibe dran …
Die FOSSGIS-Konferenz ist im D-A-CH-Raum die führende Konferenz für Freie und Open Source Software für Geoinformationssysteme sowie für die Themen Open Data und OpenStreetMap. Gestern wurde für die vom 09.–13. März 2027 im audiMAX Heidelberg[1] stattfindende FOSSGIS 2027 [2] der „Call for Participation“ [3], [4] eröffnet*. Gern gebe ich hier die Aufforderung weiter. Bitte beachten: Am 01. November 2026 23:59 Uhr [5] ist Einreichungsschluss. Übrigens, ich habe schon eine Idee 😉.
Erinnerungstermin für den Einreichungsschluss 01. November 2026 23:59 Uhr.
Im QGIS-Plugin „GeoBasis_Loader“ [1] sind seit der letzten Meldung 26 neue Themen hinzu gekommen, z. B. Digitale Verwaltungsgrenzen für Thüringen und Mecklenburg-Vorpommern, Chronologen für Schleswig-Holstein und Landcover/Landuse-Daten. Damit sind jetzt 901 Themen verfügbar, die aktuellen Änderungen findet Ihr wie immer unter Meldungen & Störungen [2] und Status [3].
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 GeoinformationstechnologieHeiGIT [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?
WebGIS-Plattform: Die Ergebnisse und prognostizierten Schichten (z. B. der Layer osmlanduse:osm4eo) sind direkt auf der interaktiven Plattform osmlanduse.org [2] einsehbar
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.
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)
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].
Screenshot 2: Auswahl an Themen für „Gefahren und Katastrophen“ (Bildquelle [1])Screenshot 3: Auswahl an Themen für „Wissenschaftsdisziplinen“ (Bildquelle [1])
alle VectorTile-Themen wurden wieder mit Symbologie aktiviert und laufen mit den zugewiesenen Style-Dateien
SN: 2x BRW 2026 hinzugefügt
Damit stehen mit Stand heute 877 Themen im GeoBasis_Loader zur Verfügung. Den aktuellen Stand findet Ihr übrigens immer live im Status [2] und bei der Meldungen [3]. Danke allen Zuarbeitenden 🙂
Animation 1: Mitschnitt der Lighthousemap [1] um Rostock
Was Schönes zum Wochenende oder im Urlaub: Falls Ihre gerade irgendwo an einer Küste seid, schaut nach Leuchttürmen (auch Leuchtfeuer oder Befeuerung) und dann gleich auch mal in die Karte der Leuchttürme, die Lighthousemap [1] vom Geo Team der Universität in Groningen. Ganz sicher findet Ihr auch „Euern“ Leuchtturm.
Die Daten stammen via Overpass-API mit der Anfrage nach allen Elementen mit einem „seamark:light:sequence“- oder „seamark:light:1:sequence“-Attribut. Diese werden dekodiert und mithilfe von Leaflet als farbige Kreise auf der Karte angezeigt. Außerdem wird versucht, die Attribute „seamark:light:range“ und „seamark:light:colour“ zu berücksichtigen. Den Code findet Ihr auf GitHub [2]. Falls Ihr „Euern“ Leuchtturm nicht findet, ergänzt ihn einfach im OpenStreetMap und schon ist er auch auf dieser Karte zu finden 🙂
Animation 2: Mitschnitt der Lighthousemap [1] um ganz Europa
Im QGIS-Plugin „GeoBasis_Loader“ [1] sind seit der letzten Meldung einige neue Themen hinzu gekommen, z. B. die Hochwasserdaten für Sachsen, Feldblockdaten für Brandenburg und Sachsen-Anhalt und Themen des DWD. Damit sind jetzt 856 Themen verfügbar, die aktuellen Änderungen findet Ihr wie immer unter Meldungen & Störungen [2] und Status [3].
