Screenshot 1: OpenGridWorks [1] in Europa (Bildquelle [1])
Einen Überblick über weltweit vorhandene öffentliche Daten aus dem Energiesektor, kreiert von Brian Bartholomew findet Ihr bei OpenGridWorks [1]. Genießt die Datenfülle und die Datenvisualisierung und entdeckt die Energiewelt noch mal mit anderen Augen. Die Daten stammen aus OpenStreetMap, der PeeringDB [2], EpochAI [3] und dem Global Energy Monitor [4].
Screenshot 2: OpenGridWorks [1] USA, Europa und die Atlantikkabel (Bildquelle [1])Screenshot 3: OpenGridWorks [1] in und um Halle (Saale), mit der Identifikation auf der Kraftwerk Schkopau (Bildquelle [1])
Seit Freitag, dem 05.06.2026, ist eine neue Version des QGIS-Plugins „GeoBasis_Loader“ [1] verfügbar: v2.1.1 [2]. Diese Version ist ein Bugfix-Release für v2.1 [3]. Was wurde behoben?
Installationsproblem bei Neuinstallationen: In Einzelfällen konnten nach einer komplett neuen QGIS-Installation die Kataloge nicht gelesen werden (bei rund 1750 Downloads wurde das Problem nur zweimal gemeldet – aber eben zweimal zu viel).
Protokollierungs-Problem: Eine fehlerhafte Logging-Ausgabe bei Netzwerkfehlern wurde korrigiert.
Bitte aktualisiert in Eurem QGIS das Plugin zeitnah auf den neuen GeoBasis_Loader v2.1.1, damit Ihr von den Fixes profitieren könnt. Vielen Dank an die User, die den Fehler gemeldet haben und ein Dankeschön an Anton & Thomas für das schnelle Beheben!
Seit Freitag, dem 29.05.2026, um 12:05 Uhr ist eine neue Version des QGIS-Plugins „GeoBasis_Loader“ [1], aktuell v2.1. Was ist neu? 1. Zuwachs im GBL-Team: Nachdem bislang Anton May die Programmierung verantwortet hat und ich das Projekt als Maintainer sowie als Erfasser der inzwischen 846 Geodienste betreue, freuen wir uns, seit März mit Thomas Wölk einen weiteren Entwickler im GBL-Team begrüßen zu dürfen. Und natürlich 2. Neue Features: Neben umfangreichem Code-Refactoring bringt die neue Version vor allem inhaltlich einige Neuerungen mit sich – konkret wurden folgende Funktionen ergänzt:
1. Werkzeug/Button Neben der Steuerung über das Erweiterungs-Menü gibt es den „GeoBasis_Loader“ jetzt auch mit einem Werkzeug/Button, an dem das gleiche Menü angehängt ist
Screenshot 1: Der neue Button des GBL in der Werkzeugleiste
2. Favoriten Unter Favoriten kann der Nutzer jetzt seine persönlich bevorzugten Themen einstellen und so jederzeit ganz schnell auf diese zugreifen.
Screenshot 2: Die neuen GBL-Favoriten
3. Presets (Zusammenstellungen) Mit den Zusammenstellungen können persönliche Gruppen von Themen gespeichert und verwaltet werden, z. B. Alle Schutzgebietsdaten (NSG, LSG, P30-Biotpe, GLB, FND) oder alle Daten der Flüsse (Bundeswasserstraßen, PegelOnline-Daten), …
Screenshot 3: Die neuen GBL-Presets, der Tooltip zeigt auch gleich die enthaltenen Themen an
Bei Bedarf kann zur jedem Preset auch auch ein räumliches Lesezeichen gespeichert und genutzt werden. Diese Lesezeichen steht dann auch im QGIS-Browser als Benutzerlesezeichen in der Rubrik „GeoBasis_Loader“ zur Verfügung.
Screenshot 3b: Die räumlichen Lesezeichen für GBL-Presets
4. Kontextmenü für alle Themen zum Handling der Favoriten, Presets, Ein- und Ausblenden, Aktivieren und Deaktivieren
Screenshot 4: Das neue GBL-Kontextmenü – rechte Maustaste auf jedem Thema
Das Geo-Wochenende ist gerettet 😉 Ich hatte über das Thema, wie aus LIDAR-Daten wunderschöne Karten, fast schon Kunst werden, bereits zweimal berichtet, vgl. [1] und [2]. Faszinierend sind diese Karten für mich immer noch. Nun bin ich auf ein Youtube-Tutorial [3] gestoßen, was die Erstellung von REM-Karten mit Lidar-Daten in R beschreibt, hochinteressant, quasi DataViz par excellence! Übrigens, den vollständigen Code gibt’s auf GitHub [5], die LIDAR-Daten bei der USGS [6].
Am 7. Mai 2026 fand das Webinar „Geobasisdaten & Kartenerstellung“ [1] der Firma NTI zusammen mit dem #geoObserver statt. Seit einigen Tagen ist die Webinar-Aufzeichnung auf Youtube [2] online. Wer also nicht mit den mehr als 180 Teilnehmern live dabei sein konnte, kann sich ggf. noch einmal via diesem Mitschnitt informieren.
Neben der aktuellen Version v2.0.0 des GeoBasis_Loaders [3] stellte ich auch erstmalig neue und geplante Funktionen für v2.1 und 2.2 als Prototyp vor. Im zweiten Teil zeigte NTI-Fachkollege Jakob Wilhelm, wie im QGIS mit den wunderbaren freien und nun auch via GeoBasis_Loader einfach geladenen Daten eine Karte erstellt werden kann.
Video: QGIS- & GeoBasis_Loader-Webinar – Der Mitschnitt
Heute wieder mal ein Gastbeitrag, diesmal von meinem Fachkollegen Clemens Schenke-Hildebrandt, Geograph, GIS-Consultant und passionierter Rennradfahrer. Danke Clemens!
Wenn eine Karte mehr als eine Karte ist
Beim Fahrradverein Veloclub Asphaltrauschen e.V. (VCA) tragen die Vereinsmitglieder ein Trikot, auf dem Linien und Höhen zu erkennen sind, die eine abstrakte Landschaft auf einer Karte zu bilden scheinen. Dabei handelt es sich aber nicht um einen Stadtplan von Halle (Saale), sondern einen Joyplot der Saalestadt. Wer Halle kennt, erkennt darin nicht sofort jede Straße, aber etwas anderes Markantes: die Saaleaue, die Hochflächen, die Kanten der Stadt – das Gefühl eines Ortes.
Abbildung 1: Joyplot von Halle (Saale) auf schwarzem Hintergrund. Weiße, horizontal versetzte Höhenprofil-Linien bilden die Topografie der Stadt ab
Für mich ist dieses Trikot deshalb ein guter Einstieg in die Geschichte von Geodaten beim VCA.
Die Grafik, der Joyplot, war nicht als klassischer Vereinsaufdruck gedacht. Sie war der Versuch, Halle aus Daten heraus sichtbar zu machen und daraus ein Motiv zu entwickeln, das zum Verein passt und die tiefe Verbundenheit zur Saalestadt widerspiegelt. Die Fahrrad-Community bewegt sich ständig durch die Stadt und das Umland. Warum sollte ihre visuelle Sprache dann nicht aus genau diesem Raum entstehen?
Die ausführlichere Geschichte zum Trikotmotiv steht auf asphaltrauschen.cc: „Unknown Places“ – das Veloclub Asphaltrauschen Trikot. Die Höheninformationen für den Joyplot stammen aus dem Digitalen Geländemodell DGM11 Sachsen-Anhalt.
Angefangen hat diese Verbindung aber einfacher.
Im ersten Corona-Jahr fehlte der lokalen Fahrrad-Community das, was sonst fast selbstverständlich war: gemeinsame Ausfahrten, Training, Treffen, Events und kleine Wettkämpfe. Aus dieser Lücke entstand mit dem Spring Break ein Event mit einer einfachen Idee: Strava-Segmente2 wurden zu kleinen Etappen und jede Woche kam eine neue Herausforderung dazu. Die Ergebnisse wurden manuell zusammengetragen.
Aus heutiger Sicht war das technisch noch ziemlich bodenständig. Keine Datenbank, keine API-Automatisierung, keine große Webanwendung. Ich kopierte Ranglisten aus Strava, pflegte Ergebnisse in Excel und baute eine einfache Übersichtskarte. Aber genau dort begann etwas, das später wichtig wurde: Bewegungsdaten waren nicht nur private Trainingsaufzeichnungen, sie wurden zu Material für ein gemeinsames Spiel.
Der nächste größere Schritt war ein Alleycat.
Das klassische Alleycat kommt aus der Fahrradkurierkultur: Checkpoints, Orientierung, Tempo, eigene Routenwahl – vergleichbar mit einer Schnitzeljagd. Für unseren Kontext wurde daraus ein kontaktloses 24-Stunden-Rennen, bei dem Städte, Orte und markante Punkte zu Checkpoints wurden. OpenStreetMap lieferte die Grundlage. Um diese Checkpoints wurden unterschiedliche Radien definiert und wer mit seinem GPX-Track durch diese Bereiche fuhr, sammelte Punkte.
Animation 1: Die Animation zeigt Halle (Saale) auf einer hellen Basemap und entwickelt schrittweise die Checkpoint-Zonen und Checkpoints des Alleycat
Das war für mich der erste Augenblick, in dem GIS beim VCA nicht mehr nur eine begleitende Karte war, sondern wesentlicher Teil der Spielmechanik wurde.
Die Auswertung lief damals noch in QGIS: Checkpoints puffern, GPX-Tracks schneiden, Treffer prüfen, Punkte zusammenrechnen. Ein gutes Bild dafür ist ein Screenshot aus dem QGIS Model Builder: GPX-Dateien und Checkpoints laufen dort als einzelne Verarbeitungsschritte zusammen. Für mich fühlte sich das damals wie Magie an, weil nicht mehr jeder Schritt einzeln nacheinander angeklickt werden musste, sondern der Ablauf als Modell sichtbar und wiederholbar wurde.
Abbildung 2: QGIS Model Builder im dunklen Theme mit dem Modell „Auswertung_SBA“. Zu sehen sind die Eingaben „GPX“ und „Checkpoints“ sowie Verarbeitungsschritte wie „Nach Position selektieren“, „Gewählte Objekte exportieren“ und „Attribute nach Position verknüpfen (Zusammenfassung)“. Das Modell zeigt, wie GPX-Tracks und Checkpoints zu exportierten Treffern und einer Summenwertung verarbeitet werden
Nichts davon war als großes Produkt gebaut. Aber es zeigte, wie stark sich Radfahren, offene Geodaten und einfache räumliche Regeln verbinden lassen. Der Joyplot von Halle kam später aus einer anderen Richtung. Nicht mehr: Wer fährt wo entlang? Sondern: Wie kann eine Stadt als Datenbild aussehen?
Ein Joyplot besteht aus vielen versetzten Profilen und für Halle bedeutete das: Höhendaten abtasten, Linien erzeugen, die Topografie abstrahieren. So wurden die Saaleaue, die nördlichen Felskanten, die Dölauer Heide und die Hochflächen der Stadt nicht als exakte Karte gezeigt, sondern als Rhythmus.
Animation 2: Entstehungsprozess des Joyplots von Halle (Saale). Die Animation beginnt mit der Stadtgrenze und einer Markierung in Halle und entwickelt schrittweise die abstrahierten Höhenlinien, aus denen der Joyplot entsteht.
Als daraus die Idee für ein Trikotmotiv entstand, veränderte sich die Rolle der Geodaten noch einmal: Sie waren nicht mehr nur Werkzeug für Auswertung oder Orientierung, sie wurden Teil einer Vereinsidentität.
Diese Entwicklung finde ich bis heute spannend. Geodaten wirken durch Koordinaten, Layer, Projektionen, Attribute und Formate oft technisch. Im Alltag eines Fahrradvereins zählt aber etwas Anderes: In der Nutzung muss eine Karte nicht nur korrekt, sie muss anschlussfähig sein. Sie muss einen Anlass tragen können, eine Ausfahrt erklären, eine Erinnerung festhalten oder ein Gefühl für einen Ort transportieren.
Beim VCA ist daraus nach und nach ein kleiner Werkzeugkasten entstanden. Mal geht es um Strava-Segmente und Rankings, dann um Checkpoints und GPX-Tracks oder um Höhendaten, OSM-Daten oder reduzierte Routengrafiken. Später kamen Python, eigene Skripte und automatisierte Workflows dazu. Aber der Ausgangspunkt war nicht Technik um der Technik willen. Der Ausgangspunkt war immer eine konkrete Frage aus der Community:
Wie halten wir Verbindung, wenn wir nicht gemeinsam fahren können?
Wie machen wir aus einer Route ein Spiel?
Wie macht man eine Stadt zur Vereinsidentität, zu einem Trikotmotiv?
Wie zeigen wir, was unsere Ausfahrten unterscheidet?
Genau an dieser Stelle treffen sich für mich Radkultur und GIS.
Geodaten sind beim Veloclub Asphaltrauschen keine neutrale Hintergrundkarte. Sie sind ein Mittel, um Bewegung, Ort, Gemeinschaft und Gestaltung zusammenzubringen.
Aus diesem Werkzeugkasten sind später vier sehr unterschiedliche Kartenlinien entstanden: Social Ride, FLINTA*-Ride, Schotterbande und Temporunde. Jede dieser Runden hat ihren eigenen Charakter, und jede Karte versucht, diesen Charakter sichtbar zu machen. Aber das ist eigentlich schon die nächste Geschichte.
Abbildung 3: Foto vom VCA-Flohmarkt: Mehrere großformatige VCA-Grafiken hängen an einer hellen Holzwand. Im Mittelpunkt ist eine grün-beige Kartengrafik mit weißen Routenlinien zu sehen; links und rechts hängen weitere farbige Kartenmotive. Foto: Friederike Schöppe
Zum Autor: Clemens Schenke-Hildebrandt ist Geograph, GIS-Consultant und Product Owner mit Schwerpunkt auf Geodaten, WebGIS, Kartenanwendungen und produktnaher Softwareentwicklung. Beim VCA verbindet er Radkultur, Community-Projekte und Geodatenarbeit, unter anderem in Karten, Visualisierungen und GPS-basierten Challenges. Kontakt: https://linktr.ee/clemensschenke
DGM1 steht für Digitales Geländemodell mit einer Rasterweite von 1 m. Für Sachsen-Anhalt stellt das Landesamt für Vermessung und Geoinformation Sachsen-Anhalt das DGM1 kostenfrei bereit: https://www.lvermgeo.sachsen-anhalt.de/de/gdp-dgm1.html. ↩︎
Ein Strava-Segment ist ein festgelegter Abschnitt auf einer Straße, einem Weg oder einer Strecke, für den Strava automatisch Zeiten aus aufgezeichneten Aktivitäten vergleicht. Wer eine Fahrt oder einen Lauf hochlädt und durch dieses Segment kommt, erscheint mit der eigenen Zeit in einer Rangliste. Für den Spring Break konnten solche Segmente deshalb wie digitale Etappen genutzt werden: Die Strecke war klar definiert, die Zeitmessung kam aus den GPS-Aufzeichnungen, und die Ergebnisse mussten anschließend nur noch ausgewertet werden. ↩︎
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:
Vorführung ausgewählter typischer Funktionen
Zweck und Anspruch
Historie und Team
Kataloge und Datenhaltung
Nutzungsbedingungen
Status, Meldungen, FAQs und Videos auf der Webseite geobasisloader.de [2]
Newsletter, Sponsoring und Möglichkeiten zur Mitwirkung
Ausblick und quasi „Weltpremiere“ 😉 Vorschau auf den Prototypen für v2.2
Installation
Screenshot: Vorschau auf den Prototypen für v2.2 mit Panel für Kataloge, Favoriten, Presets und Einstellungen
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:
„Drei Speichermodi – Einzeldatei: alle ausgewählten Layer in eine einzige .gpkg – Multi-Datei: jeder Layer in eine eigene .gpkg – Automatische Auflösung von Namensdubletten (Straßen, Straßen_2, …)
Warnung vor dem Überschreiben bestehender Dateien oder Tabellen
Optionales Ersetzen der Quell-Layer im Projekt durch die neuen GeoPackage-Layer (Stil, Name und Position im Layer-Baum bleiben erhalten)
Fortschrittsanzeige mit Abbrechen-Knopf bei längeren Exporten
Unterstützt Memory-Layer und (optional) alle weiteren Vektor-Layer, inklusive WFS- und OGC-API-Features-Layer mit pro-Layer wählbarer Export-Strategie (Bildschirmausschnitt / Nur Auswahl / Vollständig)“
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].
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!