Inhaltsverzeichnis

==============================================================================================================================================================

1. Einleitung

Kommunale Mobilitäts- und Umweltdaten dienen aufgrund ihrer hohen kleinräumigen Aussage-kraft als fundamentale Grundlage regionaler, intermodaler Mobilitätskonzepte sowie der Umsetzung der umweltpolitischen Nachhaltigkeitsziele. Momentan gibt es allerdings keine Plattform, die eine vernetzte Bereitstellung sowohl kommunaler als auch länder- und bundesbezogener Mobilitäts- und Umweltdaten ermöglicht. Die betroffenen Daten sind im Zuge des INSPIRE-Umsetzungsprozesses in den Bundesländern je nach gesetzlicher Vorgabe und Betroffenheit von den Kommunen selbst oder von den dafür zuständigen Landesfachverwaltungen standardisiert aufzubereiten. Jedoch müssen Kommunen derzeit große personelle und materielle Aufwände leisten, um ihre umfang-reichen und vielschichtigen Geodaten nach den aktuell gültigen Standards (u. a. INSPIRE) anzubieten. Diese Aufwände können oft nicht erbracht werden, sodass kommunale Daten für potenzielle Nutzer nicht verfügbar oder Daten nur mit erhöhtem Aufwand für die Integration in IT-Systeme zu beschaffen sind. Dadurch wird auch der Digitalisierungsprozess in Deutschland maßgeblich behindert.

Zudem stellt die Mobilität eines der vorrangigen Themen sowohl der Städte als auch der Landkreise dar. Die in der Straßenbaulast der deutschen Landkreise stehenden Kreisstraßen beispielsweise machen ca. 40 % des überörtlichen Straßennetzes aus und leisten damit einen unverzichtbaren Beitrag zur verkehrlichen Erschließung der ländlich geprägten Regionen zur Aufrechterhaltung gleichwertiger Lebens- und Arbeitsbedingungen. Demgegenüber stehen insbesondere die Städte vor der Herausforderung, den drohenden Verkehrskollaps und die daraus resultierenden inner-städtischen Umweltschäden zu reduzieren.

Angesichts dieser Ausgangssituation sind viele Kommunen momentan dabei, multimodale Verkehrskonzepte zu erarbeiten und umzusetzen. Mögliche Teillösungen sind dabei die Bündelung der Verkehrsangebote unter Einsatz vernetzter digitaler Fahrplanauskünfte, innovative intermodale Mobilitätsangebote (Vernetzung verschiedener Verkehrsträger), digitale Bezahlsysteme (z. B. elektronisches Ticket für OWL, Handyticket, mobile Apps und Online - Plattformen), intelligentes Parkraummanagement sowie eine intelligente Verkehrssteuerung mittels Echtzeitdaten der Verkehrsträger dar. Der Deutsche Landkreistag erarbeitet in dem Zusammenhang derzeit eine Handreichung zu „Digitalisierung und Mobilität“.

Die Vielzahl mobilitätsbezogener Infrastrukturdaten bilden dabei die fundamentale Grundlage zur Erarbeitung vernetzter Mobilitätskonzepte. Die erforderlichen Mobilitätsdaten sind allerdings momentan nicht zentral verfügbar, liegen aufgrund der unterschiedlichen Zuständigkeiten an verschiedenen Stellen vor und werden in uneinheitlichen Datenformaten erhoben.

Die zentrale Herausforderung besteht folglich darin, diese Daten Ebenen übergreifend zu vernetzen, harmonisieren und zu nutzen. Im Kern geht es um den weiteren Ausbau der föderalen Geodateninfrastruktur (GDI) im Hinblick auf die Flut von zur Verfügung stehenden Mobilitätsdaten (Kommunal-, Landes, Bundesdaten), in die auch die Daten des BMVI eingebunden werden sollen.

1.1 Bezug zum Förderaufruf „mFund“ des BMVI [FHE]

1.2 Zielstellung [FHE, S4D]

Kernziel des Projekts ist die Erstellung von Werkzeugen zur Aufbereitung, Speicherung, Ver-netzung und Bereitstellung relevanter kommunaler Mobilitäts- und Umweltdaten. Derzeit existiert keine digitale Plattform vernetzter Mobilitäts- und Umweltdaten, in die auch entsprechende Daten des Bundes und der Länder einbezogen werden können. Diese wiederum dienen u.a. als fundamen-tale Grundlage regionaler intermodaler Mobilitätskonzepte sowie der Umsetzung umweltpolitischer Nachhaltigkeitsziele. Mittel- bis langfristig trägt das Projekt dazu bei, die Mobilität im ländlichen Raum zu sichern, eine bessere Planbarkeit der Verkehre und des ÖPNV-Netzes zu erreichen sowie einen wichtigen Beitrag zum Klimaschutz zu leisten.

Weitere Zielsetzung des Projektes ist es die Kommunen bei der Umsetzung von Berichtspflichten und Erfüllung relevanter Anforderungen von Bedarfsträgern subsubstanziell zu unterstützen. In diesem Zusammenhang ist vorgesehen, im Zuge der Projektumsetzung eine umfangreiche Doku-mentation, bestehend aus Leitfäden, Abläufen, (Teil-)Konzepten und Methoden zu erstellen.

Im Hinblick auf die technische Umsetzung geht es um die Weiterentwicklung der Modellansätze für einfache Geodatenbereitstellungen mit Hilfe der envVisio-Methode [6]. Das Projekt greift sowohl aktuelle und zukünftige Herausforderungen der Mikromobilität im urbanen Raum als auch das Thema BIM und die INSPIRE-Umsetzung (Annex-3-Themen) auf.

Im Rahmen des Projektes ist die Erarbeitung einer Konzeption sowie die Bereitstellung und der Testbetrieb einer Plattform für kommunale Geodaten vorgesehen, um diese themenübergreifend verschneiden und weiterverarbeiten zu können.

Mit einem speziellen Kommunikations- und Datenverarbeitungssystem werden die Daten standar-disiert ausgewertet und entsprechenden Nutzergruppen zur Verfügung gestellt. Erst durch die Ver-netzung über eine technische Plattform können effiziente Datenbereitstellungen gelingen und Betriebskosten für die einzelnen Kommunen reduziert werden.

Wesentlich ist auch die Verwertung der Ergebnisse:

• Dokumentation von Leitfäden, Abläufen, Konzepten, Methodik auf verschiedenen Abstraktionsebenen für eine breite Anwendung in den Kommunen (technische Umsetzung des beschriebenen Anwendungsfalles, fachspezifische Umsetzungen aus den Bereichen Klima und Mobilität, allgemeine Vorgehensweisen für die Bereitstellung von Daten und Diensten innerhalb der GDI-DE)
• Standardisierung der Ergebnisse für die Übertragung auf möglichst viele Kommunen.

Es wird für Kommunen eine für sie adäquate, finanzier- und realisierbare Datenbereitstellung organisiert. Die Kommunen werden so befähigt, einerseits die gesetzlich verpflichtenden Daten-bereitstellungen (v. a. INSPIRE) in ihrer ganzen Breite überhaupt umzusetzen und andererseits mit sehr einfachen Mitteln ihre Fachdaten weiterverarbeitbar für die Öffentlichkeit und themen-übergreifende Zusammenarbeiten anzubieten.

Die Lösungen werden den Bereitstellungsaufwand kommunaler Daten deutlich reduzieren und damit die bessere Inwertsetzung öffentlicher Daten befördern. Die Dokumentation des Projekts wird zu diesem Zweck auch die Abläufe und Methoden des Datenmanagements beschreiben.

Basierend auf den konzeptionellen Vorarbeiten, wird eine offen zugreifbare Plattform aufgebaut und betrieben: Die Geodaten werden qualifiziert importiert, nach dem einheitlich strukturierten Ökosystemmodell verwaltet und dann entsprechend geltender Bestimmungen bzw. Standards und für Berichterstattungen bereitgestellt – INSPIRE und BIM eingeschlossen.

D. h. praktisch: Kommunen fokussieren sich auf die Datenimporte. Nach dem Einspielen stehen die Daten unmittelbar für Visualisierungen, Weiterverarbeitungen in einheitlichen Strukturen und auch für INSPIRE oder BIM bereit, ohne noch irgendetwas implementieren zu müssen.

In verschiedenen Anwendungsfällen werden die Chancen und Möglichkeiten dieses themen-übergreifend interoperablen Datenmanagements exemplarisch ausgelotet und präsentiert.

1.3 Stand von Forschung und Technik [FHE, S4D]

1.4 Projektorganisation [FHE]

1.4.1 Projektteilnehmer

1.4.2 Aufteilung Arbeitspakete

Die AP 1 und 8 umrahmen die konkreten Entwicklungen. Alles setzt auf den Anwendungsfall in AP7 auf:

• Im AP1 werden die zukünftigen Datenstrukturen mit der envVisio-Methode als UML-Klassendiagramme entworfen und darauf aufsetzend die Funktionalitäten der einzelnen Komponenten konzipiert. Hier steckt ein Kern der wissenschaftlichen Arbeiten.
• AP8 sichert die Qualität und kümmert sich um die Verwertung, Verbreitung auf weitere Kommunen und Standardisierung. Zum Abschluss des Projekts ist ein Hackathon geplant.
• Im AP7 stellen insbesondere die Kommunen ihre Daten und Anforderungen zusammen. Sie zeigen auf, welche Daten wie zu verarbeiten und bereitzustellen sind, und weisen damit den Mehrwert für die Kommunen aus.

Die in der Abb. in der Mitte dargestellten AP setzen die Konzeptionen um und sind ineinander verzahnt (in den folgenden Tabellen sind Schnittmengen und Rückwirkungen zwischen den AP aufgezeigt).

• AP3 umfasst das Aufsetzen und Betreiben der Datenhaltungskomponente.
• Im AP2 werden die Daten bereitgestellt, indem gemeinsam mit den Kommunen ihre Daten auf die Zielstrukturen gemappt und anschließend importiert werden.
• AP4 setzt die Datenmanagement-Tools um: Importgenerator und Modell-Compiler.
• Im AP5 werden die gewünschten standardisierten Dienste und APIs bereitgestellt, und es wird eine Web-Applikation zur Datenrecherche aufgebaut.
• Im AP6 werden die Sichten für INSPIRE und BIM und entsprechend der Anforderungen der Kommunen zum Anwendungsfall. Das Zusammenspiel des Datenmanagements mit der Scopeland-Technologie wird umgesetzt. Von den Kommunen konzipierte Fachanwen-dungen werden prototypisch mit Scopeland bereitgestellt.

Die Ergebnisse der einzelnen Arbeitspakete werden im Kapitel 2 Sachbericht genauer beleuchtet.

1.4.3 Einhaltung Zeitplanung

1.5 Darstellung der wichtigsten Positionen des Zahlenmäßigen Nachweises [Alle]

1.6 Notwendigkeit und Angemessenheit der geleisteten Arbeit [Alle]

2. Sachbericht

2.1 Projektkoordination [FHE, S4D]

2.1.1 Projektkoordination

2.1.2 Fachliche Konzeption

→ TODO: Grobmodell zu den allgemeingültigen Datenstrukturen des envVisio-Ansatzes (S4D)

Anlage: envVisio.eap (Dokumentation aus Enterprise Architect)

2.1.3 DV-technische Konzeption (S4D)

Das Schaubild zeigt die entworfene Systemarchitektur mit ihren Komponenten und deren Verzweigungen.

Links sind identifizierte Quelldaten mit ihren Formaten und fachlichen Inhalten aufgeführt.

Der envVisio Import stellt Funktionen bereit, um diese Quelldaten in die Datenhaltung der Plattform zu überführen. In ETL-Prozessen (extract/transform/load) werden die als relevant identifizierten Informationen aus den Formaten der Rohdaten herausgelöst (extract), in das envVisio Datenmodell überführt (transform) und in die Datenbank geladen (load). Unabhängig von Format und Komplexität der Quelldaten werden immer dieselben Schritte durchlaufen.

Mittig angeordnet ist die zweistufige Datenhaltung der envVisio Plattform, die technisch im Kern auf einer PostgreSQL-Datenbank basiert und durch das envVisio Datenmodell strukturiert und gesteuert wird. Die linke Seite stellt das Realitätsmodell dar, das in einer allgemeingültigen atomaren Datenstruktur die Daten verwaltet. Die rechte Seite zeigt das Anwendungsmodell, das Sichten auf die Daten aufnimmt und diese zu Szenarien zusammenfasst.

Über eine Schnittstelle sind die Fachapplikationen der SCOPELAND-Software zugänglich. Sie können genutzt werden, um die Daten zu visualisieren, Analysen durchzuführen und in mit SCOPELAND kreierten Fachanwendungen zu verarbeiten. Die generischen Datenmodelle von SCOPELAND und envVisio greifen ineinander und ermöglichen einen effizienten und konzeptuell idealen Datenaustausch.

Aus der Datenhaltung heraus ist eine breite Palette an Datenbereitstellungen möglich.

In allen Fällen gewährleistet eine Zugriffskontrolle auf der Basis einer Rollen- und Rechteverwaltung, dass Daten nur dem für sie autorisierten Kreis an Nutzenden zugänglich sind.

Von den definierten Sichten in der zweiten Stufe der Datenhaltung ausgehend, können Standardformate und -dienste realisiert werden, z. B. Download Services à la INSPIRE. Die Daten werden in der Sicht gemäß dem zu erzeugenden Datenmodell strukturiert (z. B. zum INSPIRE-Annexthema road transport network). Dann wird mittels eines Transformationstools ein entsprechendes (XML-)Dokument erzeugt. Diese Dokumente können über einen simplen Atom Feed bereitgestellt werden.

Eine universelle, robuste und leicht zugängliche Bereitstellung ist der envVisio Service unten rechts im Bild, der sich dynamisch an die Datenhaltung anpasst und alle darin verfügbaren Daten anbietet. Er bietet eine standardisierte Schnittstelle für weiterverarbeitende Software. Auch ein manueller Zugriff mittels eines Browsers ist möglich, die Daten können in aggregierter Form heruntergeladen werden. Aufgrund seines großen Funktionsumfanges kann er als eigenständiges (stand alone) Open Data Portal fungieren.

Wenn die Komponenten technisch ausgereift sind, können sie in ein umfassendes Prozessmanagement integriert werden. Dieses erlaubt es, die einzelnen Schritte von Import bis Datenbereitstellung zu synchronisieren und flexibel aufeinander abzustimmen. Auf diese Weise könnten z. B. automatische Updates der Daten so definiert werden, dass sie ohne manuelle Eingriffe im ganzen System übernommen werden.

2.1.4 Systemspezifikation und -architektur (S4D)

envVisio ist ein Data Warehouse, das Daten aus verschiedensten Quellen, Formaten, Fachverfahren und Anwendungen zusammenführt und harmonisiert. Dieses Data Warehouse bildet mit seinen Kompnenten einen Teil der für envVisio-GI spezifizierten Systemarchitektur.

Das zugrundeliegende Datenmodell ist auf Umwelt- und Geodaten zugeschnitten, wobei das gesamte Spektrum unserer Umwelt abgebildet werden kann: Betrachtungsobjekte (z. B. georeferenzierte Daten, Verkehrs-, Ver- und Entsorgungsnetze, (Schutz-) Gebiete, Bebauungspläne, Gebäude), Prozesse in unserer Umwelt (z. B. Emissionen, Immissionen, Störungen, Havarien, Produktion und Konsumtion), Handlungen zur Bewertung, Messung, Steuerung und Regulierung (z. B. Genehmigungen, Messungen, Planungen) und Werte (z. B. Messwertreihen, Rasterkarten, Bewertungsergebnisse). Auf Grundlage dieses umfassenden Modells können heterogene Datenquellen in einem einzigen Datenpool verwaltet werden.

envVisio konkurriert nicht mit Fachapplikationen, sondern stellt die Daten der einzelnen Fachverfahren in einen gemeinsamen Kontext mit gegenseitigen Verweisen. Dadurch entsteht eine neue Qualität themenübergreifend harmonisierter Daten. envVisio kann ergänzend in vorhandene Infrastrukturen eingebunden werden. Im Hintergrund können Daten aus Fachapplikationen importiert oder für diese bereitgestellt werden. envVisio kann als einfach zu bedienende und robuste Schnittstelle für Open Data fungieren.

Kern der envVisio Plattform ist die Datenhaltung. Sie ist zweistufig gegliedert (Simplex zur Datenhaltung entsprechend der Doppeltetraederstruktur und Szenario zur Bildung von Anwendersichten). Um sie herum gruppieren sich notwendige Tools: der Import zum Einspielen der Daten, eine Visualisierungskomponente zum Anschauen der eingespielten Daten und ein Service zur Bereitstellung der Daten.

envVisio Import: Über den Loader können Dokumente in einer Reihe von Formaten auf den Server geladen und in die Datenbank eingespielt werden. Aktuell werden (Geo)JSON, CSV, shapefiles und XML/GML unterstützt. Der Loader kann auch API-Features-Dienste (wie z. B. das Open Data Portal Dresden) ansteuern und deren Daten automatisiert abfragen. Über ein Interface werden die Daten in die Doppeltetraederstruktur transformiert/konvertiert und in das Simplex geladen. Hier findet eine erste inhaltliche Auseinandersetzung mit den Daten statt. Da das envVisio Datenmodell mit einfachen, wiederkehrenden Strukturen arbeitet, ist die Zuordnung (oft auch als Mapping bezeichnet) überschaubar und wiederholt sich. Wesentlich ist beim Konvertieren auch die Definition der Verbindungen zwischen den Datensätzen, die über die Identifikation von Fremdschlüsseln umgesetzt wird.

envVisio Simplex: Die Kernkomponente des envVisio zur Datenhaltung in den objektorientierten und graphenbasierten Strukturen des Doppeltetraeders. Sie gewährleistet die Konsistenz des Modells und ermöglicht eine effiziente und langfristige Verwaltung der Daten und Metadaten.

envVisio Szenario: Über ein Interface können Sichten auf die im Simplex verwalteten Daten definiert werden. Die Sichten können fachliche Vorgaben umsetzen (z. B. für INSPIRE, XÖV oder WRRL), die spezifische Perspektive einer* Akteur*In auf die Daten darstellen, oder rein explorativer Natur sein. Die einheitliche Grundstruktur des Datenmodells garantiert einen Zugriff auf die Daten, der leicht zu erlernen ist und auf wenigen Operationen basiert, dabei aber die Daten flexibel verarbeiten kann. Mehrere Sichten können zu einem Szenario gebündelt werden. Szenarien repräsentieren Anwendungsfälle.

envVisio Visualisierung: Die Visualisierungskomponente hilft, einen Überblick über die vorhandenen Daten und ihre Verknüpfungen zu erhalten und Anregungen für die Definition von Sichten bzw. Szenarien zu gewinnen. Weiter bietet sie eine graphische Unterstützung für das Bilden neuer Szenarien. Sie arbeitet anders als herkömmliche Geodatenviewer, denn es ist z. B. keine Layerdefinition und -auswahl mehr vorzunehmen. Alle betroffenen Objektklassen können direkt angezeigt werden. Es ist möglich, zwischen den Objektklassen entlang ihrer Verbindungen zu wechseln (z. B. von einem Gewässer zu den zugeordneten Messstellen, zur Adresse, weiter zur Straßenkante, von dort dann ggf. auf in der Straße gemessene Verkehrsmengen, auf Schutzgebiete …). Die Visualisierung ist möglichst barrierearm gestaltet und setzt insbesondere kein fachspezifisches Wissen voraus. Auf diese Weise kann eine breitere Gruppe von InteressentI*nnen (z. B. den Bürger*Innen, Besucher*Innen der Kommunen, Suchenden von Objekten) zur Nutzung der Daten eingeladen werden

envVisio Service: Über den Service können alle Daten in envVisio selektiert werden und stehen zur Weiterverarbeitung zur Verfügung. Der Dienst implementiert API-Features (Core), den ersten der neuen Dienstestandards des OGC, der in wesentlichen Aspekten auf REST beruht. Es eröffnet Chancen, den geoinformatischen Spezialbereich für ein breiteres Spektrum an Anwendungen und Akteur*Innen zu öffnen. Das ist insbesondere für die Weiterverarbeitung von Umweltdaten interessant, denn es macht die Daten für Amateur*Innen, Ehrenamtliche und professionelle Nutzer*Innen aus anderen Fachrichtungen zugänglich.

2.1.5 Konzeption zur Einführung des Systems und zur Qualitätssicherung 

2.2 Datenimport [S4D]

2.2.1 Datenmapping und Modellanpassungen

→ TODO: Schritte des Datenimports, Darstellung der Feedbackschleifen (S4D)

• Analyse der Rohdaten, Erstellen der Importspezifikationen
• Laden der Rohdaten in die Datenbank
• Konvertierung in das envVisio Datenmodel und damit auch Aufnahme in den zentralen Datenpool
• interne QS, Plausibilitätskontrollen, Kontrolle der inhaltlichen und strukturellen Korrektheit
• im envVisio Service zugänglich

2.2.2 Ausführen der Datenimporte

Datenimport in das envVisio Data Warehouse

Das envVisio Data Warehouse stellt zwei aufeinander abgestimmte Werkzeuge zur Verfügung, um Datensätze einzuspielen. Gemeinsam bilden sie die Komonente envVisio Import (s.o.), der die klassischen ETL-Aufgaben (Extract, Transform, Load) erfüllt.

In der Komponente envVisio Simplex (s.o.) werden die Daten verwaltet und modelliert.

Loader // Extract

Über den Loader können Dokumente in einer Reihe von Formaten auf den Server geladen und in die Datenbank eingespielt werden. Alternativ können datenliefernde Dienste über ihre URL registriert werden.

• Unterstützte Formate: (Geo)JSON, CSV, shapefiles und XML/GML

• Unterstützte Komprimierungen: zip

• Unterstützte Dienststandards: OGC API-Features (Core)

Wenn die Daten auf dem Server sind, können die in ihnen enthaltenen Informationen gezielt ausgewählt werden.

• Für flache Strukturen (wie z.B. Shapefiles, CSV, GeoJSON) kann der Importer vollautomatisch alle Informationen in den Dokumenten erkennen und diese einspielen.

• Ebenso können API-Features-Dienste bequem als Datenquellen registriert werden, die automatisch eingespeist werden.

• Für komplexe Datenformate, insbesondere komplexe hierarchische Grammatiken in XML (z.B. INSPIRE, OKSTRA, …) müssen aufwändigere Importspezifikationen angelegt werden. Ein zweistufiger Import hilft dabei, aus der komplexen Strukturen die relevanten Elemente und ihre Eigenschaften zu identifizieren und zu extrahieren.

• Einmal angelegt, werden alle Importspezifikationen gespeichert und sind in einem Auswahlmenü verfügbar. So können zukünftige Importe desselben Formats mit einem Klick durchgeführt werden.

Die einzelnen Schritte des Load können nachvollzogen und dokumentiert werden.

• Um den Überblick zu bewahren ist an vielen Stellen die Möglichkeit gegeben, Notizen über die Daten anzulegen und sie zu beschreiben.

• Die Daten können zwischen den Schritten betrachtet werden, um zu kontrollieren, ob alles korrekt geschieht

Sowohl das Hochladen als auch das Einlesen der Daten ist auch für sehr große Datensätze (zweistellige Millionen Einträge in CSV oder Doklumente mit 694 MB ) erprobt und möglich

Konverter // Transform + Load

Der Konverter bietet ein Interface, um die Daten in die Doppeltetraederstruktur zu übertragen und in das Simplex zu laden.

→ Da das envVisio Datenmodell mit einfachen, wiederkehrenden Strukturen arbeitet, ist die Zuordnung (oft auch als Mapping bezeichnet) relativ überschaubar und wiederholt sich.

Wesentlich ist beim Konvertieren auch die Definition der Verbindungen zwischen den Datensätzen, die durch die Eingabe von Fremdschlüsseln umgesetzt wird.

[! auch Verbindungen mappbar]

[! alle Attribute mappbar, da keine fixen Zielstrukturen]

→ Da die Zielstrukturen der Zuordnung nicht starr sind, können alle in einer Ausgangsdatei vorhandenen Informationen berücksichtigt werden: Ist bisher kein geeignetes Element in der Zielstruktur vorhanden, kann es leicht definiert und eingefügt werden. Auf diese Weise ist sichergestellt, dass bei der Zuordnung keine Informationen verloren gehen.

Modeller/Doptet // No-Code-Modellierung

Der Modeller erzeugt die Strukturen des envVisio. Er initialisiert die Datenbankstruktur mit allen Metadaten, Tabellen, Constraints und Views und bereitet so die Basis für das Arbeiten mit dem Konverter.

Ebenso kann er die Strukturen des envVisio bzw. deren einzelne Komponenten löschen und neu anlegen.

→ Mithilfe des Modellers kann ein envVisio Data Warheouse auf einem geeigneten Server in wenigen Minuten installiert werden.

→ TODO:

• Korrektur, Re-Importe Plausibilitätskontrolle (S4D)
• Anhang: HowTo-Artikel (S4D)
  

2.3 Datenhaltungskomponente [MOSS]

2.3.1 Detailkonzeption der Datenhaltungskomponente 

2.3.2 Einrichtung und Bereitstellung der Plattform in der Cloud

2.3.3 Skalierung und Optimierung der Werkzeuge zur Abbildung der Datenbankstruktur und zur Über-nahme der Daten

2.3.4 Testanwendung 

2.4 Datenmanagementtools [SCL, S4D]

4.1 Analyse und Konzeption (SCL)

4.2 Realisierung des Importgenerators (SCL)

4.3 Nutzung, Bedienung und Qualitätssicherung (SCL)

4.4 Konzeption und Realisierung einer prototypischen Testanwendung (SCL)

4.5 Compiler zur Übersetzung der UML-Klassendiagramme (S4D)

→ TODO:  Entwicklung des Compilers zur automatischen Generierung der Datenbankstrukturen aus dem UML-Klassendiagramm von envVisio-GI (S4D)

→ TODO: Entwickeln des Compilers zum generischen Steuern der Importprozesse (S4D, Abgleich mit 2.2.2)

→ TODO (s4d)

- Anlegen der Basis-Views in der Datenbank

- prototypische Implementierung von INSPIRE-Views

- prototypische Implementierung eines INSPIRE-DownloadService (Konformitätsklasse „Predefined Atom“) auf Basis der INSPIRE-Views

- prototypische Implementierung des envVisio-Services

• • Umsetzung der UML-Diagramme in der Datenbank

  • Beschreibung der Datenstrukturen via Metadaten

  • Bereitstellung der Metadaten über den envVisio-Service für die Weiterverarbeitung durch SCL

2.5 Services und APIs [MOSS]

2.5.1 Entwicklung von Web Diensten für den Datenabruf

2.5.2 Entwicklung API

2.5.3 Viewer (Datenrecherche und Visualisierung)

2.6 Sichten und Datenverarbeitung [SCL, S4D]

2. 6.1 Analyse und Konzeption der Outputformate und der Exportschnittstellen (SCL)

2.6.2 Realisierung der Exportschnittstellen und Sichten (SCL)

2.6.3 Nutzung und Qualitätssicherung (SCL)

2.6.4 Erstellung einer prototypischen Testanwendung und Analyse der Daten (SCL)

2.6.5 Sichten und Anwendungen für Standards (S4D)

→ TODO (s4d)

• Anlegen der Basis-Views in der Datenbank

• Implementierung und Test von INSPIRE-Views

• Implementierung und Test des envVisio-Services als API Feature Services

• Einbindung des Services in Q-GIS

2.6.6 Sichten und Anwendungen für den Anwendungsfall Klima und Mobilität (S4D)

envVisio Service

envVisio Service ist ein Element des envVisio DataWarhouse. Der Dienst ist die Schnittstelle, über die die in envVisio verwalteten Daten im Web selektiert werden können. Der Dienst kann als Portal für Open Data genutzt werden, stellt die Daten in einfachen, immer wiederkehrenden Strukturen bereit, sodass sie in Fachapplikationen auf recht einfache Weise verarbeitet werden können und zu neuen Wertschöpfungen anregen.

Die folgende Abbildung ist ein Auszug aus der Spezifikation des Dienstes und gibt eine Übersicht über die Struktur der Ressourcen, die der Dienst bereitstellt.

Vertikale Struktur

Die Daten sind hierarchisch in drei Ebenen angeordnet: Szenarios, Collections und Features. Szenarios enthalten Collections, Collections enthalten Features.

Features sind die kleinste Ressource. Alle Feature einer Colllection sind auf der Ebene /items erreichbar. Ein Feature repräsentiert ein einzelnes Objekt, z. B. ein Straßenabschnitt oder ein Baum. Jedem Feature ist ein Identifikator zugeordnet, der die ganze Gültigkeit des Objekts hinweg gleich bleibt. Damit ist jedes Feature individuell adressierbar und abrufbar (z. B. über einen Link).

Features sind einer Collection (Objektklasse) zugeordnet (z. B. der Collection/Objektklasse „Baum“). Ressourcen wie z. B. collections/{collectionId}/items repräsentieren alle Features einer Collection. Eine Reihe von Parametern ist definiert, um die Menge der Features zu filtern. So können z. B. mithilfe des Parameters „bbox“ nur diejenigen Features der Collection „Baum“ abgefragt werden, die innerhalb eines bestimmten geographischen Gebiets liegen. Die Parameter ermöglichen ein breites Spektrum zwischen einer genau definierten Auswahl und dem Abrufen aller Features en bloc.

Als zusätzliche Hierarchieebene über den API Features Standard wurden Szenarios eingeführt. Sie repräsentieren die im envVisio modellierten Szenarien und stellen somit voneinander unabhängige Sichten auf dieselben Daten dar.

Horizontale Struktur

Neben der vertikalen Anordnung ist mittels /links und /neighbours ein horizontaler Zugriff auf die Daten möglich. Sie zeigen die Verbindungen von Collections bzw. Features zu anderen Collections bzw. Features an. Diese Verbindungen bilden ein Netzwerk, in dem Clients nach ihren jeweiligen Interessen navigieren können, auf Featureebene z. B. von einem Baum zu einer Straße zu einer Brücke zu einem Fließgewässer. Auf diese Weise können auch sehr große Datensätze mit sehr vielen Collections auf kleinster Detailebene durchwandert werden.

Innovationen des Ansatzes

Besonders hervorzuheben sind drei Ziele beim Entwurf des Dienstes.

1. Feingranulare Anfragen statt aufwändigem Parsen langer Serverantworten

Oft ist nur ein Ausschnitt der in der Plattform verwalteten Daten für einen Client interessant. Je genauer er diesen Ausschnitt bereits in der Anfrage formulieren kann, desto besser: Es werden weniger nicht benötigte Daten übertragen, was sowohl die Antwortzeit verbessert als auch die Bandbreite der Internetverbindung schont. Vor allem aber erhält der Client eine kompaktere Antwort, in der die relevanten Informationen leicht erreichbar sind.

Durch die Struktur der Ressourcen und die Unterstützung vieler Parameter bietet der Dienst Clients viele Möglichkeiten, um spezifische Interessen möglichst passgenau zu formulieren.

Ziel ist es, das aufwändige Durchsuchen großer und komplexer Dokumente nach wenigen interessanten Informationen durch eine leichtgewichtige Kommunikation auf Interfaceebene zu ersetzen.

2. Dynamische Anpassung an die Datenhaltung

Der Dienst ist eng mit der envVisio Datenhaltung gekoppelt. Er erzeugt seine Ressourcen dynamisch und bildet mit ihnen stets die Aktualität der Daten im Pool und die Struktur des Modells ab: Wird eine neue Sicht definiert, bietet der Dienst ein weiteres Scenario an. Aufgrund dieser Koppelung kann der Dienst beliebige Daten abbilden, solange diese dem envVisio Datenmodell folgen. Die Menge der Daten und die Komplexität ihrer Struktur ist dabei unerheblich.

Ziel ist es, den aktuellen Stand der verwalteten Daten unmittelbar und ohne manuellen Aufwand im Dienst bereitzustellen.

3. Offenheit durch Verwendung weitverbreiteter Technologien

Durch die Umsetzung einer REST-Architektur und die Dokumentation gemäß des Standards der Open API Specification ist die Benutzung des Dienstes ohne geoinformatisches Fachwissen möglich. Das zentrale Austauschformat des Dienstes, JSON, ist in der IT-Welt sehr beliebt, leicht von Maschinen und Menschen zu interpretieren und wird in unzähligen Kontexten eingesetzt.

Ziel ist es, die Daten einem breiteren Spektrum an Anwendungen und Akteur*Innen zugänglich zu machen, z. B. Amateur*Innen, Ehrenamtliche und professionelle Nutzer*Innen aus anderen Fachrichtungen. Der envVisio Service soll als ein selbstständiges, möglichst barrierearmes Portal für Open Data einsetzbar sein.

technische Beschreibung

Eine technische Dokumentation mit interaktiven Beispielanfragen ist unter https://db01.simplex4data.de/envvisioservicedoc/ verfügbar.

Die wichtigsten technischen Eigenschaften im Überblick:

• Der Dienst basiert auf dem Standard API-Features (Core) des OGC (siehe https://wiki.gdi-de.org/display/akgeod/OGC+API) und erweitert diesen.

• Er verwendet JSON als zentrales Austauschformat.

• Er unterstützt viele Parameter, mit deren Hilfe Daten gefiltert werden können, kann aber auch große Massen an Daten auf einmal übermitteln.

• Er bietet Links an, um Verbindungen zwischen Daten darzustellen.

• Er wird von Metadaten/Ontologien gesteuert und passt sich so dynamisch an die Struktur und den Dateninhalten an.

TODO: GeoServer (S4D)

2.7 Anwendungsfälle [BKG, LIP, FHE]

Beteiligte Kommunalpartner waren der Landkreis Lippe, die Stadt Dresden, die Stadt Leipzig und der Vogelsbergkreis. Die Anwendungsfälle wurden von den Partnern so gewählt, dass sie die Verwaltungsrealität möglichst realistisch mit einbeziehen.

→ TODO: Zu jedem Kommunalpartner

• Anhang mit Auflistung der importierten Datenquellen und bereitgestellter Sichten (Reporting S4D)
• Anhang mit Graph-Präsentation (S4D)

2.7.1 Kreis Lippe

Das Projekt envVisio-GI ist Bestandteil des Zukunftskonzeptes 2025 (ZK2025) des Kreises Lippe im Leitziel Digitalisierung. Es gehört zur Maßnahme Ausbau der Geodienste für den Kreis Lippe. Langfristig sollte das envVisio-GI an vielen Stellen der Verwaltung durch die Integration Nutzen bringen. In dem Förderprojekt des mFund sind die Schwerpunkte zunächst in den Bereichen Klima und Mobilität gesetzt. Das mFund envVisio-GI Projekt soll in der Verwaltung implementiert und integriert werden. Ein  in der Verwaltung nutzbares envVisio-GI Projekt soll in die im Kreis Lippe bestehenden Projekte oder Anwendungsfälle und deren Verwaltungsprozessen eingebunden werden. 

Mobilität und Umwelt, zu der auch der Bereich Klima dieses Förderprojektes gehört, sind ebenfalls Leitziele im ZK 2025 des Kreises Lippe. In jedem dieser Leitziele sind Maßnahmen und Projekte zugeordnet, die im Rahmen der digitalen Transformation der Kreisverwaltung umgesetzt werden sollen. Der Anwendungsfall aus dem Projekt envVisioGI für den Kreis Lippe soll an konkreten, unten näher beschriebenen Maßnahmen/Projekten der im Rahmen des Zukunftskonzepts erstellten Digitalstrategie des Kreises Lippe erfolgen. Diese sollen in das envVisio-GI eingebunden werden.

Mobilität

Im Postfossilen Zeitalter bilden die Bereiche Klima und Mobilität die Anwendungsschwerpunkte. Im Bereich Mobilität gibt es beim Kreis Lippe die Maßnahme Postfossile Mobilität.

Im Rahmen der REGIONALE 2022 geht der Kreis Lippe mit seiner Kommunalen Verkehrsgesellschaft (KVG) einen wichtigen Weg in Richtung Mobilität der Zukunft. Mit dem multimodalen Verkehrskonzept wird der Verkehr im ländlichen Raum zukunftsfähig und effektiv aufgestellt. Gleichzeitig geht der Kreis Lippe auch als Vorbild für andere Kommunen voran und zeigt, wie der ÖPNV bürgernah gestaltet werden kann. Das Projekt Schnellbusachsen für das Kreisgebiet Lippe ist aus dem Förderprojekt Multimodales Verkehrskonzept für Lippe entstanden.

Die Fahrzeiten von regionalen Buslinien werden beschleunigt und auf den jeweiligen Anschluss zu anderen Ortsbussen angepasst. Der flexible Einstieg an zusätzlichen Bedarfshaltestellen wird auf Anfrage ermöglicht. Außerdem entstehen Mobilstationen, die den Umstieg zwischen Bus und Bahn, dem Rad sowie dem Auto fördern. Sie bieten sichere Abstellflächen für Fahrräder sowie Ladestellen für E-Fahrzeuge. Zusätzlich werden Car-Sharing-Fahrzeuge und Leihräder bereit gestellt. Darüber hinaus soll eine einheitliche Informations-, Buchung- und Bezahlplattform entstehen, die den Nutzern online zur Verfügung stehen soll. Es geht hier um die ständige Optimierung der Verbindungsachsen im Kreisgebiet die aufgrund starker Nachfrage und hiermit einhergehender hoher Frequenz den Kern des öffentlichen Personennahverkehrs (ÖPNV) des Kreises Lippe bilden. Dies soll durch das envVisio-GI unterstützt und wesentlich vereinfacht werden. Alternative postfossile Antriebsformen sind für die Zukunft geplant. Zur Umsetzung dieses Schritts bedarf es weiterer Partner. Neben den Verkehrsverbünden und ihren Organisationen gibt es auch Beteiligte im Genehmigungsverfahren, Energieversorger, Kommunale Einrichtungen usw.. Auch diese sind für den Anwendungsfall im EnvVisio-GI Projekt potentielle Nutzer von bereitzustellende Informationen. Dies können die bestehenden und zu schaffenden E-Ladestellen, Breitbandinfrastruktur, Verkehrssteuerung, Bewegungsdaten, Verfügbarkeit, Statusanzeigen der Infrastruktur und ähnliches sein.

Klima

Den Übergang zum Bereich Klima bereitet im Leitziel Umwelt des ZK2025 die Maßnahme Masterplan 100% Klimaschutz. Hierin soll Klimaschutz auch auf regionaler Ebene realisiert werden. Der Kreis Lippe setzt in seinem integrierten Klimaschutzkonzept „Lippe_Re-Klimatisiert“ (LiReK) auf verschiedene Maßnahmenbündel, um jährlich 3.900 Tonnen CO2 einzusparen. Gefördert wird dies durch den Europäischen Fond für regionale Entwicklung der EU und durch EFRE NRW des Ministeriums für Wirtschaft, Innovation, Digitalisierung und Energie (MWIDE-NRW).

Eine Umsetzung bildet das Projekt „Ankommen im Klimahafen“. Analysen des Masterplanteams „100% Klimaschutz“ haben ergeben, dass der Verkehrssektor knapp ein Viertel der Treibhausgasemissionen in Lippe verursacht. Da gerade im ländlichen Raum viele Wegstrecken mit dem privaten PKW zurücklegt werden, braucht es Anreize für ein alternatives Mobilitätsverhalten. Dafür bringt der Kreis ein ganzheitliches postfossiles Mobilitätskonzept auf den Weg. Der Fokus liegt darauf, den Umstieg auf öffentliche Verkehrsmittel, das Fahrrad oder E-Mobile bequemer und bedarfsgerechter zu gestalten: Hierfür entstehen etwa in Detmold und am Dienstleistungszentrum in Blomberg moderne Abstellanlagen für Fahrräder und Ladestationen für E-Bikes. Daneben profitieren Pendler künftig von sechs Mobilitätspunkten in und um Detmold sowie in Lügde, Lage und Horn-Bad Meinberg.

Ziel des Projekts ist es den Pendlern außerhalb des Nahbereiches die Nutzung von klimafreundlichen, multimodalen Verkehren zu ermöglichen und hierüber eine Minderung des Treibhausgas-Ausstoßes zu erreichen. Das Angebot richtet sich konkret an Berufspendler, aber auch Individualreisende sind die Zielgruppe die angesprochen werden soll. Im Grunde soll das Angebot allen in dem „Hafen“ ankommenden und abgehenden Kunden zur Verfügung stehen.
In Lippe verfügen 93% der Haushalte ständig über mindestens einen Pkw und 47 % sogar über zwei oder mehr Pkw. Der Pkw stellt bei Strecken > 4 km das bevorzugte Verkehrsmittel dar. Die vielfältigen Untersuchungen, Modul-Split-Analysen, Befragungen und Erfahrungen der Kommunalen Verkehrsgesellschaft Lippe aus den letzten Jahren zeigen immer wieder auf, dass bei Pendlern oder anderen Verkehren eine Substitution des IV, also des privaten PKWs, durch den klimaschonenderen ÖPNV und SPNV (Schienen Personen Nahverkehr)vielfach an den Schnittstellen der Übergänge zwischen verschiedenen Verkehrsarten scheitert. Zu weite Wege, Wartezeiten, Wettereinflüsse, Sicherheitsbedenken oder Unbequemlichkeiten führen zu einem zu stark empfundenen Bruch in der zurückzulegenden Wegestrecke. In urbanen Räumen erfüllen z.B. U- oder S-Bahn-Stationen diese Funktion und die Bedarfe der Verkehrsteilnehmer. In ländlichen Räumen hingegen fehlt es vielfach an einfachsten Infrastrukturen, so dass auch die vorhandenen die Möglichkeiten kaum oder zumindest nicht im ausreichenden Maß genutzt werden. Hier setzt diese Maßnahme an, um einen bedeutenden Anteil der potenziellen zu realen Nutzern eines klimaschonenderen Verkehrsmittels werden zu lassen.
Die Verbesserung der Möglichkeit einer kombinierten Nutzung von verschiedenen Verkehrsmitteln erfordert zusätzlich zu den Infrastrukturen des ÖPNV/SPNV weitere Investitionen in genau solche speziellen Infrastrukturen, welche den bequemen und sicheren Umstieg auf andere Verkehrsmittel ermöglichen (Mobilstationen).

Aktuelle Situation (pre envVisio-GI)

Mobilitäts- und Umweltdaten mit kleinräumiger Aussagekraft dienen den Kommunen auch als fundamentale Grundlage regionaler intermodaler Mobilitätskonzepte sowie der Umsetzung von umweltpolitischen Nachhaltigkeitszielen. Sie sind zudem im Zuge des INSPIRE-Umsetzungsprozesses in den Bundesländern je nach gesetzlicher Vorgabe und kommunaler Betroffenheit von den Kommunen selbst oder von den dafür zuständigen Landesfachverwaltungen standardisiert aufzubereiten. Derzeit gibt es keine Plattform, die eine vernetzte Bereitstellung sowohl kommunaler als auch länder- und bundesbezogener Mobilitäts- und Umweltdaten ermöglicht.

Im Bereich der Mobilität  nutzt unsere Kommunale Verkehrsgesellschaft (KVG) als Datenbestand die Sollfahrplandaten und Haltestellen aus einer gemeinsam mit anderen Verkehrsverbünden betriebenen Quelle. Für die Kontrolle und gegebenenfalls Optimierung des Verkehrsablaufs werden weitere Daten benötigt. Das sind Einwohnerdaten der Kommunen und Pendlerstromdaten des Statistischem Landesamtes NRW. Bei der Beschaffung gibt es organisatorische wie technische Herausforderungen:

• Kommunale Einwohnerdaten beschaffen - Hoheit bei den Kommunen
• Einwohnerdaten anonymisieren - bearbeitung durch Statistikstelle gem. Bundesstatistikgesetz (BStatG )
• anonymisierte Daten verorten - Geodatenbereich
• Daten des Stat. Landesamtes beschaffen
• Statistischem Landesamtsdaten verorten - Geodatenbereich
• Alle Daten zusammenführen - Datenkompatibiltät
• Daten auswerten - Zeitverzug

Hieraus resultieren:

• ein hoher Verwaltungsaufwand
• Ressourcenbindung
• Zeitaufwand
• langer Prozesszeitraum

Im Bereich Klima haben wir den Fall, dass hier bewusst ein Projekt gewählt wurde, welches im Aufbau ist. Aus diesem Grund gibt es hier keinen genutzten Datenbestand zu beschreiben. Für das Projekt Ankommen im Klimahafen wurden die einzelnen Standorte zunächst an vorbestimmten Orten aufgebaut und in Betrieb genommen. Bis zum jetzigen Umsetzungsstand wurden keine konkreten Daten in Anspruch genommen. In den Vorgesprächen wurde aber klar, dass Daten für den Betrieb oder die Erweiterung von Standorten benötigt würden.

Situation (post envVisio-GI)

Zielsetzung:

Der Kreis Lippe sieht  in einem ersten Schritt ein Kernziel des EnvVisio-GI Projekts in der Entwicklung innovativer Nutzungs- und Vernetzungsmöglichkeiten von Mobilitäts- und Umweltdaten. EnvVisio-GI ist für den Kreis Lippe eine Unterstützungskomponente. Die Stärke dieser Lösung in der kommunalen Anwendung liegt darin, vorhandene Ressourcen zu bündeln und damit Möglichkeiten interner und externer Nutzung zu vereinfachen und transparent zu machen. Die durch das envVisio-GI-Modell ermöglichte Homogenisierung von diversen Datenquellen und -formaten soll die Datenbereitstellung innerhalb der Kreisverwaltung erleichtern, beschleunigen und im Umfang der Datenmenge vergrößern.

Die vielen externen und teilweise frei zugänglichen Datenquellen, die sich auf den Kreis Lippe beziehen, sollen durch envVisio-GI zu einem Datenpool zusammengefasst werden, aus dem die zunächst beiden Bereiche Klima und Mobilität für die o.g. Projekte aus dem ZK 2025 einen Mehrwert generieren. Darüber hinaus soll dieser Datenpool bei Bedarf für alle anderen Organisationseinheiten des Kreises Lippe zur Verfügung stehen, um neue Anwendungsmöglichkeiten zu entdecken oder bestehende Herausforderungen zu lösen, sodass die Nachhaltigkeit und ggfs. Weiterentwicklung der Projektergebnisse sichergestellt werden.

Für die jeweiligen Bereiche Klima und Mobilität wurde der vorhandene Datenbestand analysiert und anhand der festgelegten Ziele und Mehrwerte ein Datenbedarf ermittelt.

Im Detail soll im Bereich Klima die Infrastruktur der "Klimahäfen" laufend optimiert und erweitert werden. Hierzu muss ermittelt werden, wo sich die sinnvollen Standorte für weitere Klimahäfen befinden. Um die Standorte festzulegen benötigt man Daten zu:

• E-Ladestellen
• individuelle Mobilitätsdaten
• Haltestellen-, Linien-, Fahrplandaten
• Einwohnerdaten
• Pendlerströme
• Umweltdaten (Luftverschmutzung).

Mit diesen Daten, die aus diversen Quellen in verschiedenen Formaten bezogen werden müssen, soll mithilfe von envVisio-GI ein einheitlicher Datenpool nutzbar gemacht werden. Diese Daten sollen auswertbar und visualisierbar sein.

Im Bereich Mobilität soll im Rahmen der laufenden Planungs- und Optimierungsprozesse des Nahverkehrangebotes weitere Daten zum bestehenden Datenbestand hinzugefügt werden, die erweiterte Auswertungen ermöglichen und neue Optimierungspotenziale herauskristallisieren sollen. Hierzu werden die folgenden neuen Datenquellen benötigt:

• individuelle Mobilitätsdaten
• Einwohnerdaten
• Pendlerströme

Auch hier sollen die neuen Datenquellen mit dem vorhandenen Datenbestand zusammengeführt werden, um so ggfs. bessere Nahverkehrsangebote zu ermitteln, z.B. durch neue Wegführung, neue Haltestellen, Anpassung des Fahrplanes bzw. der Taktung usw.

Darüber hinaus gibt es Synergieeffekte zwischen den beiden Bereichen Klima und Mobilität, die zum einen daraus resultieren, dass auf Basis des identischen Datenpools verschiedenste Auswertungen und Visialisierungen mit wenig Auswand möglich sind und zum anderen die Optimierung des Nahverkehrangebotes Auswirkungen auf die Infrastruktur der Klimahäfen hat und umgekehrt.

Weitere Synergieeffekte ergeben sich dadurch, dass andere Projekte aus dem Umweltbereich, aber auch aus den anderen Bereichen bzw. Organisationseinheiten des Kreises Lippe mithilfe des durch envVison-GI ermöglichten Datenpools Auswertungs- und Visualisierungsmöglichkeiten bekommen, um die jeweiligen Aufgaben- und Fragestellungen sowie Herausforderungen mit relativ wenig Arbeits- und Zeitaufwand zu meistern.

Weitere Projekte des ZK2025 aus den Bereichen Klima zeigen ebenfalls Potential die in der envVisio-GI Vorhabensbeschreibung beschriebenen Integrativen Ansätze zu erfüllen.
HyLand – Regionenförderung des NIP ist als BMVI gefördertes Projekt ebenfalls gut geeignet als Anwendungsfall zu dienen. Der Kreis Lippe, der Kreis Minden-Lübbecke und die kreisfreie Stadt Bielefeld haben bereits heute das Potenzial für die Wasserstoffmobilität. Man verfogt das Ziel die Wasserstofferzeugung und -anwendung in Ostwestfalen-Lippe (OWL) zu etablieren und will die Region auch deutschlandweit als Modellregion ausbauen. Dieses Projekt ist erst in der Anfangsphase und kann daher aufgrund des Zeitplans unseres mFund Projekts zunächst noch nicht eingebunden werden.
Wie die Schnellbusachsen steht auch die Schaffung eines Energieinformationsangebot im ZK2025 des Kreises Lippe. Es verfolgt den Aufbau einer zentralen Energieinformationsplattform für den Kreis Lippe zur Nutzbarmachung von Energiedaten. Dieses Energieportal soll Energiethemen und -daten (Texte, Karten, Grafiken, Statistiken etc.) an einer zentralen Stelle vernetzen. Zudem sollen dort die energiepolitischen Ziele und Fortschritte im Rahmen der Energiestrategie des Kreises Lippe dokumentiert werden. Ein weiteres Ziel ist die nutzer- und themenspezifische Aufbereitung von energiepolitischen Entwicklungen und Herausforderungen. Dieses Projekt ist noch in der Startphase und daher auch derzeit nicht für die Nutzung in unserem Projekt geeignet.

Mit der Nutzung und Präsentation der Daten werden sich zahlreiche neue Ansätze ergeben. Nennen wir es das IKEA-Prinzip - "Entdecke die Möglichkeiten".

2.7.2 Vogelsbergkreis

Der Vogelsbergkreis verfolgt ähnliche Ziele. Geprüft wird die Konvertierung der bereits für INSPIRE vorbereiteten und teil-vektoriell aufbereiteten Plandaten des Vogelsbergkreises (Umringe als Shape, Pläne als georef. Rasterplan) ins XPlanGML-Format, um mit diesem Standard eine zukünftige Weiterverarbeitung dieser Geodaten im Bauantrags- und Baugenehmigungsverfahren und weiteren OZG-Prozessen zu ermöglichen. Zusätzliches Vorhaben ist die Aufbereitung weitere kommunaler Geodaten des Vogelsbergkreises (Schulstandorte, Schuleinzugsgebiete, Naturdenkmale, Schutzgebiete) für die Bereitstellung entsprechend der INSPIRE-Spezifikationen und ggf. zur Weiterverarbeitung in digitalen Fachverfahren.

2.7.3 Leipzig

Für die Stadt Leipzig wurde ein Szenario gewählt, bei dem die vorhandenen Prozesse beim Erzeugen von Lärmkarten nach § 47c Bundes-Immissionsschutzgesetz optimiert werden sollen. Datengrundlage für diesen Prozess bilden u.a. Gebäudedaten mit Höhe und Gebäudetyp, Adresskoordinaten, Einwohnerdaten, ein Straßenkanten-Knotenmodell sowie Straßendaten (u.a. Straßenzustand, Kapazität, Geschwindigkeit, Verkehrszeichen, Straßentyp, Kfz-Anteil).

Der Prozess zur Erzeugung von Lärmkarten wird zurzeit durch die manuelle Beschaffung und Aufbereitung der Geodaten erschwert. Neben der Datenbeschaffung aus verschieden Quellen erschweren insbesondere zeitaufwändig und kostenintensiv Arbeitsprozesse wie Aktualisierungen, Digitalisierungen, Verknüpfungen, Verschneidungen und Berechnungen die Umsetzung.

Ziel ist die Entwicklung eines (teil)automatisierten Prozesses, der sowohl eine effizientere Datenaufbereitung, Fortführung und Aktualisierung der Daten unterstützt, als auch die Bereitstellung der veredelten Daten in einer effizienteren Datenstruktur für die Nachnutzung der Daten für weitergehende Analysen und Anwendungen. Eine Optimierung hätte nicht nur Vorteile für die Stadt Leipzig, sondern für alle, die selbständig Lärmkarten erstellen.

2.7.4 Dresden

In Dresden wurde geprüft, ob sich der Aufwand einer zusätzlichen envVisio-Datenhaltung im Gegensatz zur klassischen Bereitstellung von Daten via OGC-konformen Diensten oder der FME-gestützten Datenabgabe lohnt. Betrachtet wurde die Bereitstellung in verschiedenen Formaten oder Modellen (z.B. INSPIRE). Außerdem wurde eruiert, ob sich durch die Verbindung der Daten Mehrwerte generieren lassen, die bisher nicht oder nur mit großem Aufwand möglich waren. Grundlage der Prüfung bildet das OpenData Portal Dresden.

2.8 Qualitätssicherung [BKG, LIP, FHE]

Im Zuge der Entwicklung der o.g. Szenarien wurden Anforderungsmatrizen erstellt, welche die grundlegenden Bedürfnisse der Kommunen in dem Projekt beschreiben.

Ausschnitt der Anforderungsmatrix im Vogelsbergkreis: Zu sehen sind verschiedene Bereiche in denen die Kommunen ihre Anforderungen eintragen und gewichten konnten. Die Auswertung soll eine bessere Beurteilung ermöglichen, inwieweit der Einsatz der envVisio-Methode die Projektziele befördern konnte.

Grundlage aller Szenarien ist eine Vielzahl an Geodaten aus unterschiedlichsten Quellen. Neben eigenen kommunalen Geodaten und Daten aus OpenData Portalen werden auch Daten aus externen Quellen wie Erhebungen des Zensus zur Bevölkerungsdichte genutzt. Außerdem werden Geobasisdaten des BKG-Dienstleistungszentrum, wie die Verwaltungsgebiete oder kommunale Teilgebiete genutzt.

Schwierigkeiten gab es teilweise hinsichtlich der Nutzbarkeit der Geodaten für die gewählten Szenarien. So sind die Daten des Zensus z.B. von 2011 und somit für die aktuellen Anwendungsfälle zu alt. Dazu kommen die verschiedensten Formate von einfachen CSV-Formaten über GTFS Formate (Fahrplansolldaten) bis hin zu formatlosen PDF-Daten, welche erst re-digitalisiert werden müssen (Pendlerströme).

Die Begutachtung der Eingangsdaten spielt bei der Qualitätssicherung eine große Rolle. So werden Daten, welche zum Import bereitgestellt werden vorher überprüft. Dabei liegt das Augenmerk auf klassischen Qualitätsmerkmalen wie der Aktualität, Genauigkeit (zeitlich, räumlich), dem Format, Standardkonformität und wie auf die Daten zugegriffen werden kann. Dienste wie WFS oder WMS werden mithilfe der GDI-DE Testsuite überprüft. Zusätzlich werden die Anforderungen der Kommunalpartner, also ob Daten für den Anwendungsfall geeignet sind, berücksichtigt. Zur Qualitätssicherung gehört daneben noch die Überprüfung der Dokumentation. Allgemein beinhaltet dies das Gegenüberstellen von Zielen und Anforderungen mit den Ergebnissen aber auch die Beschreibung der Abläufe bei fachspezifischen Umsetzungen, ob Änderungen der Semantik und Strukturen (Importprozesse) stattfinden, die Beschreibung der Transformationsprozesse von originären Daten in ein standardkonformes Datenmodell und deren Abgabe über standardisierte Schnittstellen.

Der envVisio Service soll dieses Datenkonglomerat bündeln und über eine zentrale Anlaufstelle verfügbar machen. Es gibt mehrere Wege, um auf den zentralisierten Datenpool zuzugreifen. Zum einen, einen Webzugriff, über den die verschiedenen Datensammlungen angesteuert werden können, in denen sich die harmonisierten Geodaten nun befinden. Hier können die Daten als JSON, GeoJSON oder Shapefile heruntergeladen werden. Außerdem bietet der Service an, über eine OGC-API Features Schnittstelle den Zugriff direkt über QGIS zu wählen.

Einbindung des envVisio Service mit Hilfe der OGC API Schnittstelle in QGIS. Aufgeklappt sind die Informationen, die der Dienst zu bieten hat. Beispielhaft eingebunden sind Gebäudeflächen, Straßenknoten und Verkehrsflächen der Stadt Leipzig.

(LIP) Zu den Anforderung an das envVisio-GI aus kommunaler Sicht stand die Nutzung im Vordergrund.

Aus dieser Perspektive differenzieren wir die zu erreichenden Ziele in den vier Stufen Projekt, Datenimport, Datenaufbereitung und Datenbereitstellung. Dies wird bei der Realisierung des Projekts sich auch auf Prozesse von envVisio-GI auswirken und fließt in die Qualitätskontrolle ein. Die in der nachfolgenden Tabelle dargestellten Anforderungen sind farblich abgegrenzt. Die Farbintensität gibt jeweils die Höhe der Priorität an.
Zur Anzeige klicken Sie bitte auf das Bild:

2.8.1 Funktionale Systemanalyse

2.8.2 Inhaltliche Datenanalyse in den Anwendungsfällen

(S4D)

• Unterstützung der QS durch Bereitstellung von Daten, Services und Zugang zur Datenbank

• Organisation und Durchführung des Hackathons am 22.-24.10. in Dresden

• Bereitstellung von Daten der SV Dresden via envVisio-Services für den Hackathon

• Bereitstellung und Aufbereitung von Kundendaten in der Cloud für den Hackathon

• Ausarbeitung der Verwertungskonzeption

3. Öffentlichkeitsarbeit

3.1 Präsentationen in Fachkongressen [S4D, FHE]

Großmann, J. envVisio Service – ein universeller Dienst für Umweltdaten
- Tagung Umweltinformationssysteme 2021 der Gesellschaft für Informatik, Mai 2021
- Geostammtisch Sachsen, Juli 2021

Großmann, J.;  Koch, W.;  Rudolf, H. envVisio - Universelle Bereitstellung von Umweltdaten
- Tagung EnviroInfo Berlin, September 2021

Großmann, J.;  Koch, W.; Poßner, P. envVisio: ein neuer Ansatz zur interoperablen und universellen Datenbereitstellung
- FOSSGIS-Konferenz, März 2022

Großmann, J.;  Koch, W.;  Rudolf, H. Modernstes Datenmanagement mit Methoden der 2020er Jahre
- Tagung Umweltinformationssysteme 2022 der Gesellschaft für Informatik, Mai 2022
- GI_Salzburg, Juli 2022

Großmann, J., Maack, U. Interoperabilität - neue Ansätze für die Bereitstellung von Umweltdaten
- BDVI Kongress „Der Beitrag der Geodäten zum Klimaschutz“, Heidelberg, Juni 2022

Zenner, C.; Rudolf, H. Unsere Daten neu denken - an Beispielen der Stadt Leipzig
- Kommunales GIS-Forum Ulm, November 2022
- Münchner GI-Runde, März 2023

Großmann, J.;  Koch, W.;  Rudolf, H. Universelle Bereitstellung von Umweltdaten
- Tagung Digitale Welten Dresden, Januar 2023

3.2 Wissenschaftliche Veröffentlichungen [FHE]

Rudolf, H. Umweltdaten-Intelligenz

In: Freitag, U., Fuchs-Kittowski, F., Abecker, A., Hosenfeld, F. (Hrsg.) Umweltinformationssysteme – Wie verändert die Digitalisierung unsere Gesellschaft? Springer Vieweg, Wiesbaden 2020

Großmann, J. Entwurf und Implementierung eines Dienstes zur generischen Abbildung des envVisio-Datenmodells

Masterarbeit, Technische Universität Chemnitz 2020

Großmann, J. envVisio Service – ein universeller Dienst für Umweltdaten In: Fuchs-Kittowski, F., Abecker, A., Hosenfeld, F. (Hrsg.) Umweltinformationssysteme – Wie trägt die Digitalisierung zur Nachhaltigkeit bei? Springer Vieweg, Wiesbaden 2022

3.3 Hackathon [BKG, S4D]

Am Ende der Projektlaufzeit soll das Konzept envVisio mittels eines Hackathons noch einmal auf die Probe gestellt werden. Hier wird die Bedienung durch mit der Materie nicht vertraute Studenten getestet sowie neue Mehrwerte herausgearbeitet. Dies soll über das Bearbeiten von Challenges ablaufen, welche vom Kreis Lippe und dem Vogelsbergkreis in den Hackathon eingebracht werden. Der Kreis Lippe hat die Herausforderung des Etablierens von oben beschriebenen „Klimahäfen“ gewählt, während der Vogelsbergkreis eine Aufgabe zur Flächennutzungsanalyse formuliert hat. Mit dieser sollen neue Potentialflächen für Windenergieanlagen ermittelt werden.

3.3.1 Open Data Camp - Stadionhack Urban Mobility (S4D)

Vom 22.-24.10.2021 findet im Dynamo-Stadion in Dresden das "Open Data Camp - Stadionhack Urban Mobility" statt. Die Stadt Dresden und die Fangemeinschaft Dynamo Dresden organisieren unter Beteiligung des GDI-Sachsen e.V., der TU Dresden, SLUB, DVB, Geo-SN und weiterer Mitgestalter den Hackathon.

Im Kern wollen einige Programmierer live in Teams in 48h innovative digitale Lösungen zur städtischen Mobilität kreieren und ausprobieren. Simplex4Data stellt in Absprache mit der Stadt Dresden eine Auswahl an Daten zur Verfügung. Die Ergebnisse und kreative Lösungen werden auf der Tagung "Digitale Welten" im Januar präsentiert. Genauere Informationen zum Hackathon unter: https://www.fangemeinschaft-dynamo.de/opendatacamp/

Organisation

Organisiert wird das Open Data Camp vom Bereich Smart City des Amtes für Wirtschaftsförderung der Landeshauptstadt Dresden, der Fangemeinschaft Dynamo und der Stadion Dresden Projektgesellschaft. Die Veranstaltung wird im Rahmen des EU-Projektes MAtchUP organisiert.

Weitere Beteiligte

Dresdner Verkehrsbertriebe

Open Data Portal Dresden

Verschiedene Institutionen des Freistaates stellen Daten und Services zur Verfügung u.a. die freien Geodaten des Staatsbetriebes Geobasisinformation und Vermessung Sachsen (GeoSN) sowie des Landesamtes für Umwelt, Landwirtschaft und Geologie (LfULG).

Dresdner Verkehrsbetriebe

Verkehrsverbund Oberelbe

Sächsische Landes- und Universitätsbibliothek (SLUB)

Die Simplex4Data GmbH beteiligt sich am Hackathon, indem sie Daten über eine eigens für den Hackathon erstellte Instanz des envVisio Service bereitstellt.

Daten

• Daten des mFund-Projektpartners Dresden aus dessen OpenDataPortal (zu den Themen Mobilität, Barierefreiheit, POI, Straßennetze...)
• Offene Geodaten zu ÖPNV

Applikationen

• envVisio Service

Ziele: Zum ersten Mal wird der envVisio Service einem breiteren Publikum öffentlich zugänglich gemacht.

Der Hackathon bietet eine hervorragende Möglichkeit, Feedback von einer größeren Menge Programmierer*Innen zu erhalten, die zudem aus unterschiedlichen Bereichen kommen (Studierende, Professionelle, Forschende ...)

Aus technischer Sicht kann getestet werden, wie der Dienst auf eine größeren Anzahl unkoordinierter Anfragen reagiert

Da hier Menschen zum ersten Mal auf den Dienst treffen, lässt sich eine Menge über die usability und das intuitive Verständnis des Dienstes lernen

→ TODO: Fazit Hackathon (S4D)

3.3.2 Hack4GDI

→ TODO Artikel zu Hackathon einpflegen

https://www.hs-mainz.de/news/hackathon-hack4gdi-de-geodaten/?back=1&cHash=435504c161a476e28729345dace589e2

3.4 Interaktionen mit dem mFund Netzwerk

3.5 Weitere geplante Veröffentlichungen der Projektergenisse [S4D, FHE]

Rudolf, H. Unsere Daten neu denken In: Christoph Harzer (Hrsg.) GIS-Report 2022/23 Harzer Verlag, Karlsruhe (Veröffentlichung 10.2022 geplant)

4. Verwertung von Projektergebnissen

4.1 Wissenschaftliche Verwertung [ FHE ]

4.2 Datenbezogene Verwertung [ LIP, BKG ]

4.3 Wirtschaftliche Verwertung [ S4D, SCL, MOSS ]

5. Zusammenfassung

5.1 Erreichte Projektziele

TODO beantworten (S4D)

1) S4D stellt sich folgende Ziele:

• die neuartigen envVisio-Ansätze in Zusammenarbeit mit HRD auf kommunale Daten auszuweiten und ein (!) allgemeingültiges und themenübergreifendes UML-Klassen­diagramm für kommunale Daten zu entwerfen

• einen Automatismus über einen UML-Compiler zur Übersetzung der envVisio-UML-Diagramme in Steuerungsmodule der Datenmanagement-Tools prototypisch umzusetzen, um die Plattform konfigurierbar durch Modellerweiterungen (z. B. für andere kommunale Anwendungsfälle) zu generieren

• die neuartigen envVisio-Ansätze praxiswirksam für kommunale Daten anzuwenden und das an den Beispielen des Anwendungsfalls Klima und Mobilität zu testen

• einen einfachen Importalgorithmus zu entwerfen, der die Kommunen befähigt, auf neuartige einfache Art und Weise ihre Daten in die Plattform einzuspielen

• den Datenimports an Beispieldaten des Anwendungsfalls Klima und Mobilität zu testen

• die neuartige Methode der Datenbereitstellung über Sichten gemeinsam mit HRD für kommunale Daten und Berichterstattungen praxiswirksam zu spezifizieren

• die Datenbereitstellungen via Sichten an Anwendungsbeispielen der Kommunen proto­typisch zu testen.

2) S4D hat seine Ziele erreicht, wenn:

• alle im Projekt in der Plattform zu verarbeitenden kommunalen Daten mit einem UML-Klassendiagramm beschrieben sind

• wenn ein Compiler zur Übersetzung des UML-Klassendiagramms in Steuerungsmodule der Datenmanagement-Tools prototypisch umgesetzt ist

• ein einfacher Importmechanismus für die kommunalen Daten in die Plattform prototypisch implementiert ist

• wenn alle vorgesehenen kommunalen Daten des Anwendungsfalls Klima und Mobilität in die Plattform eingespielt sind

• Sichten für die Datenbereitstellungen zum Anwendungsfalls Klima und Mobilität implementiert sind

• Weiterbetrieb der Plattform nach der Projektlaufzeit umsetzbar und evaluiert ist.

5.2 Nicht erreichte Ziele und Ausblick

6. Anlage

6.1 Erfolgskontrollbericht

Der Erfolgsbericht wird gem dem Zuwendungsbescheid nicht veröffentlicht und dem Fördermittelgeber über ProfiOnline zur Verfügung gestellt.

Weitere Anlagen

• BIRT-Ausgaben der einzelnen Quellen

• envVisio Modell-Export aus Enterprise Architekt

• Videoaufzeichnungen Graph