Wie wir bei Plan4Better mit QGIS für Datenanalyse und Visualisierung arbeiten

Bei Plan4Better sind wir spezialisiert auf Verkehrsinfrastruktur, Stadtplanung und Umweltplanung. Unsere Arbeit dreht sich um Geodaten, räumliche Analysen und digitale Planungstools – wir helfen Städten und Regierungen dabei, lebenswerte Räume zu gestalten. Im Zentrum unseres Workflows steht QGIS, die Open-Source-GIS-Plattform, die wir mit unserem eigenen Open-Source-Tool GOAT integrieren. Gemeinsam ermöglichen sie es uns, komplexe räumliche Daten effizient zu verarbeiten, zu analysieren und zu visualisieren. Heute erzählen unser GIS-Analyst Gokul Gopan und ich, Camila Narbaitz, Kartografin im Team, die Geschichte, wie wir QGIS bei P4B implementieren.

𝗪𝗮𝗿𝘂𝗺 𝗤𝗚𝗜𝗦?

Unser Team hat sich für QGIS entschieden, um mehrere zentrale Herausforderungen in unserem Planungsworkflow zu lösen: Wir mussten als Team effektiv an Karten zusammenarbeiten, viele verschiedene Datensätze aus unterschiedlichen Quellen verwalten und integrieren, und sich wiederholende Aufgaben automatisieren, um Zeit zu sparen und Konsistenz über alle Projekte hinweg sicherzustellen. Am wichtigsten war jedoch, dass wir ein Tool brauchten, das sich nahtlos mit unserem Open-Source-Planungstool GOAT integrieren lässt, um ein kohärentes Ökosystem für datengesteuerte Planung zu schaffen.

QGIS ist ein mächtiges Open-Source-Tool, das perfekt zu dieser Mission passt. Im Gegensatz zu proprietärer Software wie ArcGIS ermöglicht es uns, Workflows ohne Lizenzkosten anzupassen. Diese Flexibilität ist entscheidend für unsere Projekte, bei denen wir oft Tools an spezifische Planungsherausforderungen anpassen müssen.

‍

Was QGIS für uns besonders auszeichnet, ist die community-getriebene Entwicklung. Wir nutzen bestehende Plugins und erstellen eigene, um sich wiederholende Aufgaben wie das Anwenden von Style-Templates und Kartendesign zu automatisieren – das adressiert direkt unsere Anforderungen an Effizienz und Projektkonsistenz.

Wie bereits erwähnt, integriert sich QGIS nahtlos mit unserem Open-Source-Tool GOAT und schafft so das kohärente Planungsökosystem, nach dem wir gesucht haben. Diese Kombination ermöglicht es uns, unsere räumlichen Analysen zu verbessern und unseren Kunden ein Tool zu bieten, um datengesteuerte Entscheidungen zu treffen.

Unser optimierter QGIS-Workflow

Unser typischer Prozess umfasst vier Hauptschritte:

1. Datensammlung & Kuratierung

Wir beginnen mit der sorgfältigen Kuratierung der notwendigen Datensätze. Dazu gehört das Sammeln der erforderlichen demografischen Datensätze, GTFS-Nahverkehrsfeeds, offene öffentliche Datenquellen (wie OpenStreetMap-Auszüge) aus unserem bereits erstellten Katalog und die Integration proprietärer Datensätze, die unsere Kunden bereitstellen. Dieser erste Schritt ist entscheidend für die Schaffung einer einheitlichen und umfassenden räumlichen Datengrundlage für jedes Projekt.

2. Datenintegration & -verwaltung in PostGIS

Alle gesammelten räumlichen Daten werden dann systematisch integriert und in einer zentralen, speziell konfigurierten PostgreSQL/PostGIS-Datenbank gespeichert. Mit PostGIS-Funktionen führen wir wesentliche räumliche Operationen durch – wie das Abfragen, Analysieren und Manipulieren geografischer Daten – direkt in der Datenbank. Dieser Ansatz ermöglicht es uns, komplexe Datensätze effizient zu verwalten und zu verarbeiten, wobei hohe Performance und Datenintegrität gewährleistet werden, bevor wir überhaupt QGIS öffnen.

‍

3. Analyse & automatisierte Verarbeitung in QGIS

Mit unseren in PostGIS vorbereiteten Daten verbinden wir uns direkt in QGIS damit, um erweiterte räumliche Analysen durchzuführen. Um sich wiederholende Aufgaben zu automatisieren und methodische Konsistenz sicherzustellen, nutzen und entwickeln wir benutzerdefinierte PyQGIS-Skripte und Plugins. Diese Automatisierung spart wertvolle Zeit und reduziert das Potenzial für manuelle Fehler während komplexer analytischer Prozesse.

‍

4. Map Creation, Styling & Verification

Schließlich wird QGIS zu unserer Leinwand für die Gestaltung klarer, informativer Karten, die unsere Erkenntnisse effektiv kommunizieren. Wir erkannten, dass die Aufrechterhaltung einer konsistenten visuellen Identität über alle Projekte hinweg eine Herausforderung war, besonders bei der Teamarbeit. Unsere Lösung war der Aufbau von zwei benutzerdefinierten Plugins, die diese finale Phase automatisieren und standardisieren.

Das erste, ein Style-Anwendungs-Plugin, ermöglicht es Benutzern, eine vordefinierte visuelle Vorlage auf jeden Layer mit nur drei Klicks anzuwenden – Layer auswählen, Style wählen und anwenden. Das stellt sicher, dass jedes Projekt mühelos unseren Designstandards entspricht.

Das zweite, ein Layout-Template-Plugin, ermöglicht es uns, ganze Kartenkompositionen mit einem einzigen Klick zu generieren. Die Auswahl einer Vorlage (z.B. "Einzugsgebietsanalyse") fügt sofort ein Drucklayout zu QGIS hinzu, komplett mit vordefinierten Kartenausschnitten, einer standardisierten Legende, einem automatisierten Maßstabsbalken und Titelblöcken.

‍

Durch die Automatisierung dieser zuvor manuellen Aufgaben haben wir unsere finale Kartenproduktion erheblich beschleunigt, Fehler reduziert und mehr Zeit für die eigentlichen Planungserkenntnisse freigesetzt, wobei sichergestellt wird, dass jede Karte, die wir liefern, sowohl schön als auch konsistent on-brand ist.

‍

Herausforderungen und Lösungen

Obwohl QGIS mächtig ist, stehen wir vor – und begegnen immer noch – wichtigen Herausforderungen. Einige haben wir gelöst, an anderen arbeiten wir noch:

1. Komplexe räumliche Analysen bei großen Datensätzen können Verzögerungen verursachen. Selbst mit PostGIS können komplexe Analysen langsam sein. Unser Fix? Jeder importierte Datensatz bekommt automatisch Primärschlüssel für die Bearbeitung in QGIS und räumliche Indizes von Anfang an – keine manuelle Indexierung später nötig, und QGIS kann große Datensätze viel glatter von Beginn an abfragen.

2. Perfekte kartografische Konsistenz? Fast geschafft. Unsere Plugins helfen, aber Projekte brauchen manchmal Anpassungen. Wir verwenden Kartenthemen, die automatisch zu Layouts passen, Ausdrücke, die Titel dynamisch aktualisieren, Maßstabsbalken, die sich an den Ausschnitt anpassen, aber trotzdem fangen menschliche Augen, was die Automatisierung übersieht.

3. QGIS und GOAT verstehen sich nicht immer. Datenübergaben zwischen Tools sind nicht immer nahtlos. Wir arbeiten aktiv an der Verbesserung dieser Integration.

4. QGIS ist nicht cloud-nativ. Desktop-Zusammenarbeit klingt knifflig, oder? PostgreSQL rettet uns – Team-Bearbeitungen werden zentral gespeichert und erscheinen sofort für alle, wodurch eine gemeinsame Quelle der Wahrheit entsteht.

5. Die Lernkurve ist steil. QGIS und PostGIS sind nicht anfängerfreundlich, was das Onboarding für neue Mitarbeiter oder Kunden verlangsamen kann. Um dies zu überwinden, haben wir strukturierte interne Dokumentationen und klare Workflows. Zusätzlich bauen wir ein dediziertes Plan4Better-QGIS-Profil – komplett mit allen Plugins, Datenbankkonfigurationen und Styles vorinstalliert. Ein neues Teammitglied kann einfach dieses Profil in ihr QGIS-Setup kopieren und sofort mit der Arbeit beginnen, ohne die Mühe, alles manuell zu konfigurieren. Und um das Onboarding noch schneller zu machen, verbinden wir unsere Ressourcen mit einem LLM, das Fragen direkt aus unserer Dokumentation beantwortet – gibt Neulingen sofortige, praktische Unterstützung.

6. Mehrere Layer aus einer Tabelle? Gelöst. Anstatt endlose Datenbanktabellen zu erstellen, verwenden wir QGIS-Filter und -Ausdrücke. Eine PostGIS-Tabelle wird zu mehreren QGIS-Layern. Leichter, sauberer, flexibler.
7. ‍

7. Datenkonsistenz ist ein ständiger Kampf. Koordinatensysteme passen nicht zusammen. Attributfelder stimmen nicht überein. Wir haben Validierungsprüfungen entwickelt, aber manchmal fangen menschliche Augen immer noch, was die Automatisierung übersieht.

8. Das Öffnen schwerer Projekte dauert ewig. Wir arbeiten an Automatisierung, um Kartenlayouts direkt zu PNG-Dateien von der Kommandozeile aus zu drucken. Keine Notwendigkeit, die vollständige QGIS-GUI zu laden. Außerdem untersuchen wir, wie automatisierte Routinen in Python erstellt werden können, um Layer-Importe in das spezifische Projektschema zu handhaben.

9. Das Schreiben von Berichten frisst Zeit. Unsere Lösung? LLMs. Kartenersteller fügen wichtige Erkenntnisse direkt zum Layout hinzu, und unser Plugin exportiert sowohl die Karte als auch diese Metadaten. Das LLM extrahiert sie dann, um automatisch Berichtsabschnitte zu generieren.

10. Versteckte Datenbankverbindungen verlangsamen alles. Wir überwachen Verbindungen via pg_stat_activity, identifizieren Teammitglieder per IP und beenden inaktive Sitzungen. Gleiche Netzwerkumgebung = weniger redundante Verbindungen.

11. Diverse Datensätze über Datenbanken hinweg = Import-Kopfschmerzen. Wir verwenden GDAL-Skripte, um nur benötigte Untersuchungsgebiete zu migrieren (nicht ganze Datensätze), mit automatischer Validierung von Schlüsseln und Indizes. Daten kommen sauber und analysebereit in EPSG:4326 an, mit validierten Primärschlüsseln und räumlichen Indizes.

𝗔𝗻𝘄𝗲𝗻𝗱𝘂𝗻𝗴𝘀𝗯𝗲𝗿𝗲𝗶𝗰𝗵𝗲 𝗯𝗲𝗶 𝗣𝗹𝗮𝗻𝟰𝗕𝗲𝘁𝘁𝗲𝗿

Unsere Projekte reichen von Nahverkehrsplanung und aktiver Mobilität bis hin zur Energiesystemanalyse. Wir haben an der Berechnung der Nahverkehrsqualität in Schleswig-Holstein gearbeitet, der Erstellung eines Energiequartierskonzepts für Altrip und dem Konzept für aktive Mobilität für Allach-Untermenzing (München), unter anderen Projekten.

‍

Wie ist Ihr GIS-Datenanalyse-Workflow mit QGIS?

Wir hoffen, das war ein interessanter Blick hinter die Kulissen und gab Ihnen ein klares Bild davon, wie Plan4Better (P4B, für seine Freunde ;) ) QGIS mit unseren proprietären Tools kombiniert, um einen nahtlosen Datenanalyse- und Visualisierungs-Workflow zu schaffen. Die Schönheit dieses Workflows liegt in seiner Flexibilität. Während QGIS die grundlegenden Kartierungsfähigkeiten bereitstellt, ermöglichen es unsere benutzerdefinierten Plugins und die PostGIS-Integration, komplexe Planungsherausforderungen mit Präzision anzugehen.

Lassen Sie uns wissen, ob wir dabei helfen können, Ihren Datenanalyse- und Visualisierungs-Workflow zu optimieren – wir würden gerne von Ihren Projekten hören und erfahren, wie wir sie unterstützen könnten.

Falls Sie neugierig sind, wie wir diese und andere Techniken angewendet haben, schauen Sie sich unsere Referenzen an oder folgen Sie unseren LinkedIn-Posts. Und wenn Sie Fragen dazu haben, wie wir zusammenarbeiten könnten, zögern Sie nicht, uns zu kontaktieren.

‍

‍