Laut Informationen von Jürgen E. Fischer [1] stehen seit vorgestern, dem 06.05.2026 die Pakete für Linux, Windows und Mac die QGIS-Releases 3.44.10 “Solothurn” (LTR) und 4.0.2 „Norrköping“ auf https://qgis.org. [2] zum Download [3] bereit.
Ich habe es vorgestern auf den Mac installiert, alles lief problemlos 🙂
[1] … https://norden.social/@jef/116528533968512579
[2] … https://qgis.org
[3] … https://qgis.org/download/
Letzte Erinnerung! Heute, 10:00 Uhr findet das Webinar „Geobasisdaten & Kartenerstellung“ [1] der Firma NTI zusammen mit dem #geoObserver statt. 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 auch via GeoBasis_Loader einfach geladenen Daten eine Karte erstellt werden kann. Das Webinar ist kostenlos, eine Anmeldung ist auch heute noch unter [1] ist möglich.
Also heute: 7. Mai 2026, 10:00 Uhr – 11:00 Uhr
In meinem Teil dürft Ihr Euch konkret auf folgende Informationen zum GeoBasis_Loader in der aktuellen Version freuen:
[1] … https://www.nti-group.com/de/events/webinare/geobasisdaten-kartenerstellung/
[2] … https://geobasisloader.de
Einmal in einem QGIS-Projekt eingebettete Themen inkl. der Projektinfomation weiterzugeben ist eine häufig vorkommende, quasi wiederkehrende Aufgabe, vermutlich kennt sie jeder QGIS-Nutzer. Lösungen gab es da schon etliche, nun ist ein neues Plugin aufgetaucht, welches mir recht gut gefällt, der „GeoPackage Exporter“ [1] von Karl Stephan Steinbach. Einfach zu bedienen und alles, also die Daten und deren Präsentation in einem GeoPackage vereint, quasi das Rundum-Sorglos-Paket zur Datenweitergabe 😉 Danke Karl!
Die Liste der Funktionen ist auf GitHub [2] nachzulesen, ich zitiere hier mal:
.gpkg.gpkgStraßen, Straßen_2, …)Ich habe das Plugin für Euch getestet, alles klappt prima. Beim ersten Test gab es noch ein Problem in QGIS 4, ich habe es via GitHub [3] gemeldet und nach dem Wochenende war es gefixt. Als Testdaten nutzte ich übrigens drei Datensätze aus dem Open Data Portal der Stadt Halle (Saale) [4].
[1] … https://plugins.qgis.org/plugins/GeoPackage_Export/
[2] … https://github.com/KSSteinbach/GeoPackage-Export
[3] … https://github.com/KSSteinbach/GeoPackage-Export/issues/1
[4] … https://webapp.halle.de/opendata.hal/
Seit der letzten GBL-Meldung [1] sind weitere 55 neue Themen in den Katalogen des QGIS-Plugins „GeoBasis_Loader“ (GBL) [2] hinzu gekommen. Dabei handelt es sich um:
Aktualisiert wurden gleichzeitig:
Damit stehen mit Stand heute 835 Themen im GeoBasis_Loader zur Verfügung. Den aktuellen Stand findet Ihr übrigens immer live im Status [3] und bei der Meldungen [4]..
Danke allen Zuarbeitenden 🙂
[1] … https://geoobserver.de/2026/03/04/geobasis_loader-gbl-update-fuer-die-bkg-pois/
[2] … https://geobasisloader.de
[3] … https://geoobserver.de/qgis-plugin-geobasis-loader/#jsonstatus
[4] … https://geoobserver.de/gbl-aktuelle-meldungen-stoerungen/
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.
Save The Date: 7. Mai 2026, 10:00 Uhr – 11:00 Uhr
[1] … https://www.nti-group.com/de/events/webinare/geobasisdaten-kartenerstellung/
[2] … https://geobasisloader.de
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!
[1] … https://geoobserver.de/2026/03/16/ndvi-realisierung-mit-qgis-standard-grenzen/
[2] … https://www.youtube.com/watch?v=DN25va7ORhQ
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]
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.
[1] … https://plugins.qgis.org/plugins/cluster_generator/
[2] … https://www.linkedin.com/posts/senolbaskaya_qgis-gis-plugin-activity-7447516085979136000-CzPq
„1 prompt, 28 agent steps, 15 minutes = 1 map“ [1]
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:
[1] … https://www.clicky.so/
[2] … https://x.com/FarzaTV/status/2041314633978659092
[3] … https://www.linkedin.com/posts/spatial-thoughts_using-the-open-source-ai-teacher-clicky-activity-7448328499872083968-j04v
[4] … https://youtu.be/9w3wzv6AZZo?si=qCQc9hHLkFFh6IJx
[5] … https://www.youtube.com/watch?v=UrErkTNGZRI
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.
[1] … https://weeklyosm.eu/de/archives/18506
[2] … https://strado.info/map?lat=51.4196&lon=12.1595&zoom=10
[3] … https://www.openstreetmap.org/user/L_J_R/diary/408463
[4] … https://geoobserver.de/2025/06/11/ohsome-aktualitaet-qualitaet-von-osm-daten-ein-dashboard/