Das universelle Datenbank-Tool DBeaver ist seit 2. März 2020 in der neuen Hauptversion 7.0 verfügbar. Laut der Webseite dbeaver.io [1] beinhaltet die neue v7.0 folgende Änderungen seit der vorhergehenden v6.0 (übersetzt mit Google Translate):

“DBeaver 7.0 ist unsere neue Hauptversion. Änderungen seit 6.0:

• Aufgabenverwaltung: Datenübertragung, Backup-Restore, SQL-Ausführung
• Hauptverbesserungen der Benutzeroberfläche von Datenbetrachter und Dateneditor:
  • GIS / georäumlicher Viewer
  • JSON-Viewer
  • Logische Spalten, Primär- und Fremdschlüssel
  • Referenzfeld
  • Erweiterte Zeilenfärbung
• Hauptverbesserungen im SQL Editor:
  • Smart-Commit-Modus
  • Verbesserter SQL-Parser und Vorschläge zur automatischen Vervollständigung
• Git-Integration
• Unterstützung für SSH-Agenten und Jump-Server
• Und viele andere großartige Dinge

Außerdem:

• Wir haben die Anzahl der unterstützten Treiber auf 81 erhöht
• Wir haben fast 2000 Ausgaben auf GitHub geschlossen.

Danke für Ihre Unterstützung! Änderungen seit 6.3.5:

• SQL-Skript-Ausführungsaufgabe:
  • Unterstützung für mehrere Skripte wurde hinzugefügt
  • Unterstützung für mehrere Verbindungen wurde hinzugefügt
  • Der Konfigurationsassistent wurde komplett neu gestaltet
• SQL-Editor:
  • Vorschläge zur automatischen Vervollständigung wurden eingefärbt
  • Automatische Vervollständigung für mögliche Werte in Tabellenspalten
  • Synonyme werden jetzt als Tabellen aufgelöst
• Datenbetrachter:
  • Die automatische Vervollständigung des Filterfelds wurde behoben
  • Die Aktualisierung des Value Viewer-Bedienfelds wurde behoben
  • Boolesche Spaltentransformation wurde hinzugefügt (numerische Spalten als Kontrollkästchen anzeigen)
• Import aus CSV: Spaltenzuordnungen wurden behoben
• Das unerwartete Schließen von Popup-Panels wurde behoben
• Die Invalidierung toter SSH-Tunnel wurde behoben
• PostgreSQL:
  • Der Typ cast für Updates und Filter wird jetzt verwendet
  • Die Bearbeitung der Zeitstempelskala wurde behoben
• SQL Server:
  • Upgrade der Treiberversion (auf 8.2)
  • Der Datenimport für IDENTITY-Spalten wurde behoben
• MySQL: Berechtigungseditor unterstützt Schemamasken
• Orakel:
  • PL / SQL-Parser wurde behoben
  • Der Kommentareditor für Ansichten und Funktionen wurde behoben
  • TIMESTAMP WITH TIMEZONE-Unterstützung wurde verbessert
• HANA:
  • Die Unterstützung für GIS-Datentypen (Geometrie) wurde verbessert (von @stefanuhrig).
  • Der Tabellenspaltenabfall wurde behoben
• OmniSci: Treiberversion wurde aktualisiert.
• Linux: UI-Freezes wurden behoben
• Einige kleinere Verbesserungen der Benutzeroberfläche (Symbole, englische Lokalisierung, ERD-Farben, Verknüpfungen)
• Viele kleinere Fehlerbehebungen”

[1] … https://dbeaver.io/
[2] … https://geoobserver.de/?s=dbeaver&submit=Suchen

In Zeiten vom #CoronaVirus werden wir gegenüber den Daten immer aufmerksamer, sensibler, kritischer, fragender. Wo kommen die Daten her, wer erfasst sie wie, welche Qualität, Klassifizierung, Modellbedingung, Zählweise, … bilden die Grundlage. Welchen konkreten  Stand haben die Daten? Wer sind die Quellen der Daten? Veröffentlichende Stellen sind gehalten, den Nutzer darüber zu informieren und die Daten nach  o. g. Kriterien möglichst transparent und vergleichbar(!) zu beschreiben.
Warum schreibe ich das? Auf Twitter gab es die letzte nach diesbzgl. eine kleine, interessante Diskussion [1]. Ich hab auch mal verglichen. Wenn man die Daten aus [2] und [3] gegenüber stellt: 12327 vs. 14707 Infizierte in Deutschland, die Differenz sind erheblich: 2389 (ca. 16%)! Möglicherweise gibt es ja einfache Erklärungen, ich bin offen, gern auch in den Kommentaren. Hier die Grafik dazu . . .

Update 19.03.2020, 10:15: mittlerweile sind die unterschiedlichen Zahlen auch in den Medien thematisiert, siehe z. B. [4] und [5]

Screenshots Stand 19.03.2020, 7:35 Uhr (Quelle [2], [3])

[1] … https://twitter.com/micha06de/status/1240394322283040775?s=20
[2] … https://twitter.com/risklayer/status/1240498064667926528?s=20
[3] … https://t.co/UpXKEdUfFI?amp=1
[4] … https://www.zdf.de/nachrichten/digitales/corona-virus-fallzahlen-unterschiede-rki-johns-hopkins-who-100.html
[5] … https://www.merkur.de/welt/coronavirus-covid-19-robert-koch-institut-rki-hopkins-fallzahlen-deutschland-corona-faelle-infektionen-sars-cov-19-zr-13602916.html

Das Asbestfasern ein langfristiges Risiko für die menschliche Gesundheit darstellen, ist den meisten bekannt. Im Beitrag “A QGIS Tool for Automatically Identifying Asbestos Roofing” [1], [2] wird ein QGIS-Tool beschrieben, mit welchem Asbestdächer automatisch identifiziert werden können. Grundlage bilden mit dem WorldView-3-Sensor [3] aufgenommene Luftbilder. 

Screenshot: Ergebnis-Ausschnitt des klassifiziertes Bild (Quelle: [1])

[1] … https://www.mdpi.com/2220-9964/8/3/131/htm
[2] … https://www.mdpi.com/2220-9964/8/3/131
[3] … https://de.wikipedia.org/wiki/WorldView-3

Für alle, die nicht an der FOSSGIS 2020 teilnehmen können, hier der Tipp von Jeff McKenna @mapserving [1]: Einfach live mit dabei sein, via Streaming [2] mit dem aktuellen FOSSGIS 2020-Programm [3]…

Screenshot: FOSSGIS 2020-Hompage (Quelle: [4])

[1] … https://twitter.com/mapserving/status/1237749233232601091?s=20
[2] … https://streaming.media.ccc.de/fossgis20/
[3] … https://www.fossgis-konferenz.de/2020/programm/
[4] … https://www.fossgis-konferenz.de/2020/

Man glaubt es kaum, aber es klappt, so schnell kann OpenData funktionieren. Am 03.03.2020 erinnerte Steve Bennett auf Twitter [1] an seine weltweite offene Baum-Datenbank OpenTrees.org, ein Datenbestand ausschließlich aus OpenData-Daten gespeist. In Deutschland gab es bis dahin nur einen Bestand, die Bäume von Hamburg. Das hat uns angestachelt, andere Bäume sollten auch da rein, denn offene Bäume gab es mehr als “nur” in Hamburg! Es folgte der Selbstversuch …

Also am 04.03.2020 via GitHub [7] die halleschen OpenData-Bäume bei Steve angemeldet (ein Verfahren, dass mich erst verwundert hat, aber ziemlich gut funktioniert) und siehe da, ca. 24 Stunden später waren die halleschen OpenData-Bäume [2]/[3] bei OpenTrees.org online. Und das ist schon mal was, schließlich muss aus jeweils unterschiedlich strukturierten Daten in verschiedenen Sprachen und Qualitäten ein homogener Datenbestand abgeleitet werden. Hut ab Steve und Danke!

Halle war mit seinen offenen Baumdaten 2. Stadt in Deutschland. Fast gleichzeitig kamen auch Berlin, Köln, Bonn, Frankfurt und Leipzig. Magdeburg will folgen.

Momentan sind mehr als 10 Millionen Bäume aus 113 Quellen in 16 Ländern online.
Also Leute, es funktioniert, gut, super. So muss OpenData! Nach der ersten Baum-OpenData-Nachnutzung durch die Uni-Kollegen [4] hier nun schon die Zweite und diese sicher mit größerer Reichweite! Ich freu mich!

Stand 05.03.2020: die deutschen offen Bäume, neu die rot gekennzeichneten (Quelle [5])

Die halleschen OpenData-Bäume nach botanischen Namen (Quelle [5])

Die halleschen OpenData-Bäume mit Identifikation und automatischem Verweis zur Gattung und Art auf Wikipedia, hier die Tilia cordata/Stadtlinde (Quelle [5])

Bäume in Adelaide, Australien – irgendwie zu viele Punkte? (Quelle [6])

[1] … https://twitter.com/stevage1/status/1234668059098406914?s=20
[2] … https://geoobserver.de/2019/04/08/open-data-baumkataster-einfach-ins-web-gestellt/
[3] … https://www.halle.de/de/Verwaltung/Online-Angebote/Offene-Verwaltungsdaten/Mit-Kartenbezug/index.aspx?ID=f2087a53-2c10-f7c5-4dba-9ad5112a90cb
[4] … https://geoobserver.de/2020/02/25/open-data-klimaanpassung-stadtbaeume-in-halle-saale/
[5] … http://opentrees.org/
[6] … http://opentrees.org/#pos=17.74/-34.968452/138.631063
[7] … https://github.com/stevage/opentrees/issues

Eine interessante Anwendung inkl. interaktiver Karte zur Berechnung von Lebenshaltungskosten in Deutschland findet ihr auf lebenshaltungskosten.info. Berücksichtigt werden Einkommen Steuern, Miete und sowie Kosten für Transport, Lebensmittel sowie Freizeit.

Screenshot: lebenshaltungskosten.info in Aktion (Quelle [1])

[1] … https://lebenshaltungskosten.info/de
[2] … http://googlemapsmania.blogspot.com/2020/03/the-cost-of-living-in-german-cities.html

Auf DB-Engines kann man verfolgen, wie sich so die Popularität einzelner Datenbank-Systeme über die Zeit entwickelt. Derzeit sind 354 DB-Systeme gelistet. Interessant: von Februar zu März 2020 hat die freie PostgreSQL-Datenbank den größten Zuwachs. Übrigens die Datenbank, die wir seit 2001 in KomGIS+ bzw. dessen Vorgänger erfolgreich einsetzen 🙂

Screenshot: Die Datenbank-Top10 (Quelle [1])

[1] … https://db-engines.com/en/ranking
[2] … https://www.postgresql.org/
[3] … https://itc-halle.de/loesungen/geoinformationssysteme/KomGIS
[4] … https://twitter.com/DBEngines/status/1234130268275036162?s=20