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!
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:
On Friday, the United Nations General Assembly adopted an African proposal for a new world map, which shows countries’ true size relative to one another.
NEWS 🚨: The UN has voted 164 to 1 to adopt a new world map that shows countries at their true relative sizes, with the United States the only country voting against it
The United Nations General Assembly voted Friday to adopt a new world map that makes the African continent bigger while shrinking North America and Europe, drawing ire from Washington.https://t.co/3tc21TRRQKpic.twitter.com/FfiTcA7lDW
Animation: Die Welt in verschiedenen Projektionen, Halle (Saale) ist markiert 😉 (Bildquelle [1])
Die Erde ist annähernd eine Kugel oder besser ein Ellipsoid, in jedem Fall aber ein dreidimensionaler Körper. Diesen nun möglichst exakt in eine Fläche zu projizieren, ist eine Aufgabe, der sich schon viele Spezialisten gewidmet haben. So entstanden die verschiedensten Projektionen. Um sich das Ganze besser vorstellen zu können, gibt es viele Illustrationen, Animationen, Applikationen, … Manchmal hilft aber, ganz Vintage und im besten Sinne, die Arbeit mit dem Bastelbogen. Also mit echter Papier-Haptik, selbst ausgeschnitten und zusammengeklebt, da werden die Zusammenhänge klarer. Folding Globes [1] von MapScaping hilft Euch dabei.
„Druck es aus. Schneide es aus. Falte die Welt mit deinen eigenen Händen – und markiere deine Plätze darauf.“ [1]
Also, erstellt Eure eigenen Globen und begreift sie dann besser. Genießt die vielfältigen Varianten der Map Styles, wechselt zwischen Sheet und Globe und schaut Euch die vielen Animationen an. Es lohnt sich!
Screenshot: Unter Google nach „Gladys West gps“ gesucht und unter Bildern gefunden (Bildquelle [2])
Wir nutzen das GPS täglich, vor allem im Smartphone und auf unserem Navi im Auto. Aber wusstet Ihr eigentlich, wem wir das zu verdanken haben? Wer war die führende Wissenschaftlerin bei der Entwicklung des von uns allen quasi ununterbrochen genutzten GPS? Die amerikanische Mathematikerin Gladys Mae West [1]. Eine Würdigung ihrer herausragenden Leistungen findet Ihr bei Katharina Federl im TAZ-Beitrag „Als eine Frau die Form der Erde errechnete“ [2].
🔴 | Cada vez que utilizas el GPS estás usando el código matemático de la Dra. Gladys West, la mujer que mapeó el planeta.
Fue una brillante matemática estadounidense cuyo trabajo en el modelado preciso de la forma de la Tierra sentó las bases fundamentales para el desarrollo… pic.twitter.com/LEQ735RSCR
‚Jede Projektion ist ein Kompromiss, bei dem die Verzerrung einer Eigenschaft gegen die Genauigkeit einer anderen eingetauscht wird. Die entscheidende Frage lautet daher nicht „Welche Projektion ist die beste?“, sondern vielmehr „Welche Verzerrung ist für meinen konkreten Zweck akzeptabel?“‘ [1]
Egal, ob Flächen- oder Winkeltreue oder aber Abstände und Richtungspeilungen, es bleibt eine Annäherung. Dominic Royé erläutert in seinem Beitrag „Map projections: a practical guide to common mistakes and how to fix them“ [1], wie man sich der am besten geeigneten Kartenprojektion für einen bestimmten Zweck annähert und betrachtet häufige Fehler, die es zu vermeiden gilt.
„Die vollständig überarbeitete und erweiterte 2. Auflage von „KI in Geodäsie und Geoinformatik“ bietet einen fundierten Überblick über aktuelle Verfahren, Konzepte und Anwendungsfelder der künstlichen Intelligenz im Kontext von Geodäsie und Geoinformatik. Ein interdisziplinäres Autorenteam aus 70 Expertinnen und Experten stellt bewährte und neu entwickelte Methoden vor und zeigt, wie KI die Erfassung, Verarbeitung und Analyse von Geodaten nachhaltig verändert.“ und „Dieses Werk bietet eine wissenschaftlich präzise und praxisnahe Gesamtdarstellung der aktuellen Entwicklungen der Geospatial AI und richtet sich gleichermaßen an Entscheider, Fachleute, Forschende und Studierende in Geodäsie, Geoinformatik, Geomarketing, Geowissenschaften und verwandten Disziplinen.“ [4]
Ich jedenfalls bin gespannt und kann es gar nicht erwarten, selbst ein Exemplar des Gemeinschaftswerkes von 70 ExpertInnen in den Händen zu halten. Bis dahin.
Screenshot 1: Konfluenzpunkte in Deutschland (Bildquelle [3])
Die meisten kennen sicherlich Geocaching. Aber mit den GPS im Handy oder als Gerät lassen sich auch andere Dinge finden, z. B. ein Konfluenzpunkt, der „Schnittpunkt eines ganzzahligen Längengrades mit einem ganzzahligen Breitengrad auf der Erdoberfläche.“ [1]. Und es gibt sogar ähnlich dem Geocaching ein weltweites Projekt dazu, das „Degree Confluence Project“ [2]. Ziel im Projekt ist es, diese Orte zu besuchen und zu fotografieren und dann die Fotos online zu veröffentlichen. Übrigens: Im Umkreis von 79 km um eines jeden Standorts gibt es einen Konfluenzpunkt. Nach Abzug der Konfluenzpunkte in den Ozeanen und einige in der Nähe der Pole, es gibt immerhin 9.635 zu entdecken. Zu den Konfluenzpunkten in Deutschland [3] und Sachsen-Anhalt [4].
Screenshot 2: Die drei Konfluenzpunkte in Sachsen-Anhalt (Bildquelle [4])
Alle QGIS-Nutzer können mit dem GeoBasis_Loader [5] im engeren europäischen Raum über das Thema „DE: Gradnetz“ im Katalog 1 die Konfluenzpunkte einfach und schnell visualisieren.
Auch in den einschlägigen Online-Kartenwerken findet man die Konfluenzpunkte ganz schnell, ich habe hier imGoogle Maps nach „52,12“ gesucht und glatt wird die exakte Position angezeigt.
ALKIS Berlin: Ein Darstellungslayer vs. 5 Sachdatenlayer in einem WMS, warum?
Also eigentlich dachte ich, ich kenne mich mit OGC-konformen Geodiensten ganz gut aus. Nun bin ich aber in Berlin (IMHO ein echter Open Data Vorreiter!) auf einen im März 2026 aktualisierten ALKIS-WMS [1] gestoßen, den ich in dieser Form noch nicht erlebt habe und eigentlich so auch nicht verstehe. Warum betreibt man einen WMS anders als vom Standard vorgesehen?
Ein WMS zeichnet sich lt. Wikipedia durch folgenden Eigenschaften aus:
„Im Sinne eines verteilten Geoinformationssystems (GIS) besitzt ein WMS nur die Fähigkeit zur Auskunft der notwendigen Metainformation, zur Visualisierung dieser Geodaten und für eine allgemeine Abfrage der zugrundeliegenden Sachdaten.“ [2]
Bekanntermaßen liefert mir ein WMS eine Karte mit GetMap (ein georeferenziertes Bild als PNG, GIF, JPG, TIFF, …) und gleichzeitig auf Anfrage die Sachdaten eines Objektes über einen abgefragten Punkt (Koordinate) in diesem Dienst mit GetFeatureInfo. Des Weiteren können noch die Legende mit GetLegendGraphic und die Eigenschaften mit GetCapabilities abgefragt werden.
In Berlin macht man es nun aber plötzlich anders. Hier werden die Inhalte zur Visualisierung für die Flurstücke, Gebäude, Bauwerke, … in einem Layer gemischt und die Sachdaten getrennt in weiteren fünf Layern, immerhin alles in einem Dienst vorgehalten, einer für die gemischte Karte (GetMap) und die fünf für die Sachdaten (GetFeatureInfo). Aber warum? Das heißt ja für den Nutzer in seinem GI-System immer mindestens zwei Layer laden, einen mit der Karte ohne Sachdaten, um die Geodaten überhaupt zu sehen und den zweiten, eben mit leerer Karte, nur, um die Sachdaten via Identifikation abfragen zu können. Das bringt
die Nutzer durcheinander,
erhört den Aufwand,
senkt die Transparenz,
konterkariert IMHO die WMS-Philosophie und
ist doch eigentlich total unnötig, oder?
Ich hätte je einen Layer für Flurstücke, einen für Gebäude, Bauwerk, Nutzung, etc. erwartet, jeweils mit Karte und Sachdaten, so wie üblich und in allen anderen Bundesländern auch realisiert, üblicherweise getrennt nach Flurstücken, Gebäuden und tatsächlicher Nutzung. Für GIS-Insider ist das vielleicht gewöhnungsbedürftig, aber machbar, für „normale“ Endkunden ohne spezielle GIS-Kenntnisse im WebGIS wie OpenLayers, Leaflet oder MapLibre eine Zumutung.
Hier die Problematik für das Thema „Flurstücke“ mal bebildert:
Screenshot 1: Die zwei verschiedenen Layer für die gemischte „Darstellung“ und die Flurstücks-„Sachdaten“ im QGISScreenshot 2: Nur der Layer für „Darstellung“ leider ohne IdentifikationsmöglichkeitScreenshot 3: Nur der Flurstücks-Layer für „Sachdaten“ leider ohne KarteScreenshot 4: Nur der Flurstücks-Layer für „Sachdaten“ identifizierbar aber leider ohne KarteScreenshot 5: Beide Layer für gemischte „Darstellung“ und Flurstücks „Sachdaten“ und nur bei richtiger Aktivierung (blau) auch mit Identifikationsergebnis
Ich habe mich mit einigen Fachkollegen dazu ausgetauscht, keiner hatte eine Idee oder plausible Erklärung. Und was macht man heute, man befragt die KI, meinen Chat dazu findet Ihr in [3]. Aber auch dort bin ich nicht wirklich fündig geworden. Der noch plausibelste Grund für verschiedene Toleranzen sollte bei Flurstücken, Gebäuden, … eher keine Rolle spielen, diese Objekte trifft man per Mausklick im Allgemeinen immer sicher.
Vielleicht können uns die Berliner Kollegen mal auf die Sprünge helfen, warum sie das so (ungewöhnlich) gelöst haben, gern in den Kommentaren. Ich jedenfalls bin gespannt und lerne gern dazu!
Übrigens, über den für mich unverständlichen, weil unterschiedlichen Umgang mit inhaltlich gleichen Themen in den einzelnen Bundesländern habe ich in meinem Vortrag „Open Data in D: Perfekte Idee, halbherzige Umsetzung? Ein Erfahrungsbericht.“ auf der FOSSGIS 2025 in München [4], [5] das erste Mal berichtet, dann immer mal wieder.
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
Über Fluch und Segen der Mercartor-Projektion [1] habe ich hier [2] schon oft berichtet. In den GIS-Schulungen erlebe ich immer wieder, dass sich die Teilnehmer das Ganze aber doch recht schwer vorstellen können. Deshalb habe ich mal nach guten Visualisierungen zur Mercartor-Problematik gesucht, einige seien hier vorgestellt.
Übrigens , wer sich selbst mal ein Bild machen will, dem sei TheTrueSize.com [3] empfohlen, hier habe ich mal Russland untersucht:
Die runde Erde auf eine Fläche projezieren, wie geht das und warum wird so unterschiedlich verzerrt? [4]
Grönland in verschiedenen Projektion, Mercartor verfälscht am meisten [8]
I haven't heared from Greenland for a while – so here is a smart map showing Greenland in various map projections – by @Kate Berg and @Sarah Bell from @pokateo_
