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.
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.
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
Screenshot: Erfolgreich, mein erster ST_Letters – Test.
Also gleich mal die Auflösung: Ich kannte es noch nicht. Umso dankbarer bin ich für den Tipp von Astrid Emde bei der FOSSGIS 2026, den ich hier gern weiter gebe. Dort hat sie in ihrem Lightning Talk „PostGIS ST_Letters – Worte sagen manchmal mehr“ [1], [3], also in nur 5 min vorgestellt, wie man mal ganz auf die Schnelle Geodaten erzeugt, nämlich einfach mit einem Text (zzgl. der PostGIS-Funktion ;-). Es ist quasi eine Funktion Text2Multipolygon. Wer also mal wieder ganz schnell ein paar Testdaten braucht, ST_Letters könnte das richtige Werkzeug sein. Danke Astrid!
Ich hab’s mal angetestet, hier das SQL-Statement, mein Ergebnis siehe Screenshot.
Screenshot 1: Die Mittelachsen-Funktion mit den LSA-ALKIS-Gebäuden
Kennt Ihr SFCGAL? Ich kannte es bisher nicht, mein Fehler? 😉 Also, was macht man heute? Man befragt eine KI, ich ChatGPT und diese lieferte sinngemäß Folgendes:
„SFCGAL ist eine spezialisierte Geometrie-Bibliothek, die vor allem im GIS- und 3D-Kontext eingesetzt wird. SFCGAL erweitert klassische 2D-Geometriebibliotheken um echte 3D-Funktionalität und robuste geometrische Operationen.“ und „SFCGAL ist eine High-End-Geometrie-Engine für 3D und komplexe Fälle, die vor allem dann relevant wird, wenn klassische GIS-Tools an ihre Grenzen kommen.“ sowie „SFCGAL ist kein Ersatz für GEOS, sondern eine Ergänzung.“
Durch einen LinkedIn-Beitrag von Salvatore Fiandaca (Danke Toto!) bin ich auf SFCGAL aufmerksam geworden, seine Message: Die Funktionen dieser Bibliothek gibt es jetzt also auch als (derzeit experimentelles) QGIS-Plugin „QSFCGAL“ [3]. Dort heißt es:
„Dieses Plugin integriert SFCGAL-Funktionen in die QGIS-Verarbeitungswerkzeugkiste und Ausdrücke für fortgeschrittene räumliche Analysen. Die SFCGAL-Bibliothek wird mithilfe des pysfcgal-Wrappers in einem QGIS-Plugin implementiert.“ [3]
Ich habe die Bibliothek mal angetestet, mein besonderes Augenmerk betraf die Mittelachsen-Funktion. Diese Problematik hatte ich bereits mehrfach bei meiner Flussbreiten-Berechnung [4] thematisiert. Ich habe mit den ALKIS-Gebäuden in Sachsen-Anhalt [5] und den Gewässern der Stadt Halle (Saale) [6] getestet. Auf den ersten Blick sehen die Ergebnisse trotz völlig unterschiedlichen Geometrien (hier Häuser und Flussläufe) gut aus. Mal sehen, wie sie sich weiter verarbeiten lassen. Ich bin noch am testen …
Screenshot 2: Die Mittelachsen-Funktion mit den LSA-ALKIS-Gebäuden und hinterlegte DOP20Screenshot 3: Die Mittelachsen-Funktion mit den Gewässern der Stadt Halle (Sasle) und hinterlegte DOP20
Einzige von mir festgestellte Einschränkung: Unter MacOS habe ich das Plugin nicht zu Laufen bekommen, hier fehlt eine Windows-DLL 😉 Der Sachverhalt ist von mir gemeldet [7] und wird sicher korrigiert.
Ich starte in diese Woche mit einen GROSSEN DANKSCHÖN! Danke an die FOSSGIS 2026, vor allem die Organisatoren, die Mitwirkenden, die Helfer, die Leute vom CCC, die Sponsoren und die Teilnehmer. Wieder eine großartige Veranstaltung im Umfeld offener (Geo)-Software und offener Daten! Wieder ganz großes Geo-Kino, Danke!
Gleich zwei (FOSSGIS-) News (schon vom Freitag) und beide haben mit dem GeoBasis_Loader (GBL) zu tun. Zum einen durfte ich auf der FOSSGIS 2026 in Göttingen [1] über den GeoBasis_Loader [3] berichten. Leider war die Zeit sehr knapp, ein Lightning Talk geht eben nur 5 Minuten. Trotzdem, es hat Spaß gemacht, meinen Vortrag findet Ihr als CCC-Videomitschnitt [4] und Folien [5].
Na, wo bin ich? Guppenfoto FOSSGIS 2026 in Göttingen (Bildquelle [2])
Die zweite Meldung: der GeoBasis_Loader erreichte genau während der FOSSGIS am Freitag, 14:06 Uhr den 44.444 Download, na das freut eine doch 😉
Screenshot: Der 44444. GeoBasis_Loader-Download, am Freitag, den 27.03.2026, 14:06 Uhr
