Die QGIS-Meldung vom Freitag, den 10.04.2026 [1] hatte bei einigen Mac-Usern für etwas Konfusion gesorgt, weil statt der angekündigten v4.0.1 „nur“ die v4.0.0 online war. Hier nun die beruhigende Auflösung: QGIS v4.0.1 ist auch für Mac verfügbar, seit gestern, am 13.04.2026, ca. 14:13 Uhr. Meine Anfrage bzgl. des nicht ganz transparenten, neutralen Dateinamens und ein Teil der Erklärung und Diskussion findet Ihr in der QGIS-Developer-Mailingliste [2] und auf GitHub [3], [4]. Die Screens zeigen die Installation auf meinem Mac. Danke allen Mitwirkenden und den kritischen Lesern 🙂
Screenshot 1: Homebrew jetzt mit 4.0.1Screenshot 2: Auch im Download-Bereich von qgis.org – QGIS v 4.0.1Screenshot 3: Jetzt live auf meinem Mac QGIS v 4.0.1Screenshot 4: Im GitHub [4] zu verfolgen, hier wurde das Namensproblem der MAC-Downloadpakete gelöst, Danke Jürgen E. Fischer
Am Freitag, den 20.03.2026 gab GDAL-Maintainer Even Rouault per Mail [1] bekannt, dass eine neue Version der universellen GDAL-Bibliothek [2] zur Verfügung steht, aktuell ist nun GDAL v3.12.3, ein Bug Fix Release. GDAL steht für Geospatial Data Abstraction Library und ist vor allem als Kommandozeilen-Tool, aber auch als wesentlicher Bestandteil von QGIS bekannt. Alle Neuerungen findet Ihr auf GitHub [3].
Screenshot 1: Mein QGIS-Projekt „Einwohner pro Ladesäule“, alle Daten inkl. dem QGIS-Projekt findet Ihr unter [5]. (Bildquelle Verkehrszeichen: [6])
Ehrlich, das hat mich schon immer mal interessiert: Man trifft auf Karten mit Ladesäulen in Deutschland und dort sieht man deutliche Hotspots. Aber, sorgt diese Standortdichte tatsächlich zu einer besseren Versorgung oder wird die scheinbar bessere Ausstattung ggf. durch deutlich mehr potenzielle Nutzende wieder relativiert? Also was liegt näher, als im GIS die Ladesäulen- mit Einwohnerdaten zu kombinieren? Ich habe es getan (natürlich mit QGIS 😉 hier mein Vorgehen und die Ergebnisse:
Laden der 10 km Zensus2022-Datensatz mit Einwohnerdaten als Punktraster [1]
Laden der Ladesäulen-Daten aus dem WFS [2], abspeichern als Shape o. ä.
Rechteckbildung um die Punkte mit 10 km x 10 km („Rechtecke, Ovale, Rauten“)
Einwohnerdaten als Punkte auf Rechtecke übertragen („Attribute nach Position verknüpfen“)
Anzahl der Ladesäulen pro Rechtecken ermitteln („Punkte in Polygon zählen“)
Versorgung berechnen: (Einwohner / Ladesäulen), also letztlich Beantwortung der Frage: „Wieviel Einwohner werden von einer Ladesäule versorgt?“
Übrigens, der rechnerisch am besten versorgte Standort in Deutschland [4] befindet sich nordwestlich von Ulm, weil dort sehr wenige Einwohner auf eine vergleichsweise große Anzahl von Ladesäulen trifft.
Ich hatte tatsächlich irgendwie Zweifel, 259 Ladesäulen am Bahnhof Merklingen auf so kleiner Fläche? Eine Überprüfung mit der Online Ladesäulenkarte der Bundesnetzagentur [7] zeigt aber gleiche Ergebnisse an, vgl. Screenshots 4 und 5. Ich frage mal bei der Bundesnetzagentur nach. Update 11.03.2026, 10:13 Uhr: Hier die Auflösung (Danke Torsten!) Es ist tatsächlich so, Google Maps zeigt die Bilder eines sehr großen P+R-Parkplatzes mit den 259 Ladesäulen direkt an der Bahnstation [8], [9], vgl. Screenshot 6. Es handelt sich offensichtlich um den größten Ladepark der Welt [10]!
Screenshot 4: Die 259 Ladesäulen am Bahnhof Merklingen im identifizieren WFS [2]Screenshot 5: Die 259 Ladesäulen am Bahnhof Merklingen überprüft mit der Online Ladesäulenkarte der Bundesnetzagentur (Bildquelle [7])Screenshot 6: Die 259 Ladesäulen am Bahnhof Merklingen in Google Maps [8], [9] (Bildquelle [9])
Gestern, am Dienstag, den 10.02.2025 gab GDAL-Maintainer Even Rouault per Mail [1] bekannt, dass eine neue Version der universellen GDAL-Bibliothek [2] zur Verfügung steht, aktuell ist nun GDAL v3.12.2, ein Bug Fix Release. GDAL steht für Geospatial Data Abstraction Library und ist vor allem als Kommandozeilen-Tool, aber auch als wesentlicher Bestandteil von QGIS bekannt. Die Neuerungen findet Ihr auf GitHub [3].
(Nachträglich) Herzlichen Glückwunsch zum Geburtstag, OSGeo! Lass Dich feiern und feiere selbst die erfolgreichen 20 Jahre freier und Open-Source-Software für Geospatial. Danke allen Mitwirkenden, großartige Arbeit, Cool Stuff!
Gestern, am Donnerstag, den 18.12.2025 gab GDAL-Maintainer Even Rouault per Mail [1] bekannt, dass eine neue Version der universellen GDAL-Bibliothek [2] zur Verfügung steht, aktuell ist nun GDAL v3.12.1, ein Bug Fix Release. GDAL steht für Geospatial Data Abstraction Library und ist vor allem als Kommandozeilen-Tool, aber auch als wesentlicher Bestandteil von QGIS bekannt. Die Neuerungen findet Ihr auf GitHub [3].
Wir setzen den MapServer bereits seit 2001 im KomGIS+ Vorgänger/Prototypen GIS+ und HALgis erfolgreich ein und sind ihm zusammen im KomGIS+ [6], HALgis [7] und dem halleschen Open Data Portal [8] bis heute treu geblieben. Danke alle Mitwirkenden, Großartig!
Georeferenzierung ist mit QGIS an sich kein Problem, aber es kann mitunter zeit- und nervenraubend sein. Was liegt also näher, als im Zeitalter der Künstlichen Intelligenz genau diese auch die Georeferenzierungs-Arbeit machen zu lassen. Die beiden Tweets [1], [2] zeigen eindrucksvoll die Möglichkeiten und die IMHO beeindruckende Präzision. Alles realisiert mit dem QGIS-Plugin „Bunting Labs AI Vectorizer“ [3].
The AI Georeferencer in QGIS is now publicly available
1. Aerial imagery georeferences to satellite near the QGIS map canvas 2. The full georeferencer reads coordinates, buildings, streets, PLSS, cities, and other features humans use
PS: Ich habe es noch nicht selbst getestet, es steht aber auf meiner ToDo-Liste. Wenn schon jemand Erfahrungen mit dem Plugin gemacht hat, lasst uns bitte in den Kommentaren daran teilhaben. Danke!
Via Mastodon [1] und Mail [2] wurde am Freitag (07.11.2025) zum Community-Voting [3] für die FOSSGIS 2026-Konferenz [4] aufgerufen. Ihr könnt und solltet abstimmen, welche der vielen eingereichten Beiträge* ins Konferenzprogramm aufgenommen werden. Das Community-Voting ist bis zum 17.11.2025 offen, also nicht verpassen! Nun seid Ihr gefragt, also bringt Euch ein! Nur drei Schritte sind nötig:
Über die Kompaktheit (Compactness) von Polygonen hatte ich hier [1] schon 2021 berichtet. Nun stellt ein neues QGIS-Plugin „Measures of Compactness“ [2] sechs verschiedene Arten der Berechnung der Kompaktheit zur Verfügung, mittels der Berechnung nach:
Polsby-Popper
Skew
Reock
Box Reock
Schwartzberg
Length-Width
Die Benutzung ist denkbar einfach, man nutze den Feldrechner, suche nach den neuen Funktionen für Kompaktheit (z. B. „compact“), wähle die gewünschte Methode aus und lasse sich für die neue Spalte die Kompaktheit berechnen. Ich hab’s exemplarisch nach „Polsby-Popper“ getestet, klappt :-), vgl. Screenshot. Eine Einführung zum Thema findet Ihr in „Geometry and Compactness“ [4]
![Screenshot: Mein Test nach „Polsby-Popper“ mit den Polygonen der Baublöcke der Kleinräumigen Gliederung der Stadt Halle (Saale) [5] in die neue Spalte „pp“](https://geoobserver.de/wp-content/uploads/2025/10/QGIS_Plugin_Compactnes_Screenshot_02.png "Screenshot: Mein Test nach „Polsby-Popper“ mit den Polygonen der Baublöcke der Kleinräumigen Gliederung der Stadt Halle (Saale) [5] in die neue Spalte „pp“")