Von Sensor bis Karte: Erste Schritte mit QGIS und SensorThings API (fossgis2026)

Der Vortrag zeigt, wie Sensordaten über die OGC SensorThings API mit QGIS erschlossen und visualisiert werden. Von den Grundlagen des Standards über das gezielte Erkunden und Filtern der Sensordaten bis zur kartografischen Darstellung aktueller und statistischer Messwerte wird eine praxisnahe Vorgehensweise mit vielen Beispielen vorgestellt. Schlüsselwörter: SensorThings API, QGIS, Frost-Server, IoT, OGC-Standard 1 Überblick Das Internet of Things (IoT) erzeugt unaufhörlich Daten: Pegelstände, Verkehrszählungen, Wetterwerte, Umweltmessungen und vieles mehr. Damit diese heterogenen Sensordaten nicht in proprietären Silos verschwinden, braucht es offene Standards – und genau hier setzt die SensorThings API (STA) an. Die SensorThings API ist ein vom OGC standardisiertes Datenmodell und Schnittstelle, die Sensordaten einheitlich beschreibt und zugänglich macht. Eine der bekanntesten und weit verbreiteten Open-Source-Referenzimplementierungen dieses Standards ist der FROST-Server (FRaunhofer Opensource SensorThings). Auch auf der Client-Seite wird Offenheit großgeschrieben: QGIS bietet eine native Schnittstelle, mit der sich jeder SensorThings-API-konforme Server direkt anbinden lässt – ohne Plugins und ohne proprietäre Erweiterungen. Dieser Vortrag zeigt anhand eines strukturierten Workflows, wie sich Sensordaten mit QGIS von der SensorThings API bis zur Karte erschließen lassen. Die Vorgehensweise lässt sich mit dem Akronym STEFiS merken STEFiS *SensorThings API *T heorie *E rkunden *Fi ltern *S tylen 2 Theorie – ein ungewöhnliches Modell mit großen Vorteilen Die theoretische Konstruktion der SensorThings API wirkt auf den ersten Blick ungewohnt. Im praktischen Einsatz zeigt sich jedoch schnell ihr großer Mehrwert: * Jeder STA-Server sieht gleich aus: Unabhängig vom Anbieter oder Thema ist die Struktur identisch – der Inhalt hingegen bleibt eine „Wundertüte“. * Stabile Attribute und Datentypen: Attributnamen und Wertetypen sind standardisiert und konsistent. Das vereinfacht Auswertungen, Automatisierung und Wiederverwendung erheblich. * Die Einbindung erfolgt immer über die Datenquellenverwaltung von QGIS * Ein klarer Weg vom Sensor zum Messwert: Der klassische Zugriff folgt immer derselben Kette: Location → Thing → Datastream → Observation (in der deutschen QGIS-Version 3.44: Ort (Punkt) → Thing → Datenstrom → Beobachtung) 3 Erkunden – vom Sensorpool zur relevanten Teilmenge Im nächsten Schritt geht es darum, sich im Datenangebot eines STA-Servers zurecht zu finden. Typische Fragestellungen sind z.B.: „Welche Sensoren sind vorhanden?“ und „Welche davon sind für meine Fragestellung relevant?“ Die Identifikation der gewünschten Teilmenge erfolgt meist über Attribute von Location oder Thing – etwa alle Verkehrszählstellen oder alle Pegelmessungen. Anschließend werden die Datenströme betrachtet: Eine Wetterstation besitzt beispielsweise getrennte Datenströme für Temperatur, Luftfeuchtigkeit und Luftdruck. Der letzte Schritt der Erkundung ist die Definition der benötigten Sensorwerte. Die einfachste – und häufigste – Anfrage lautet dabei: „Gib mir den aktuellsten Messwert.“ 4 Filtern – gezielt laden statt alles holen Das Ergebnis der Erkundung wird anschließend konkret über Filterdefinitionen in der Datenquellenverwaltung von QGIS umgesetzt Der Default-Wert einer Datenquellen-Definition sieht so aus: • type=PointZ • entity='Location' • expandTo='Thing:limit=100; • Datastream:limit=10; • Observation:orderby=phenomenonTime,desc:limit=100 • featureLimit='10000' • url='https://geoportal.kreis-herford.de/iot/v1.1' Jeder der 4 Teile Location – Thing – Datastream – Observation kann mit verschiedenen Methoden gefiltert werden. Im Vortrag werden diese Methoden mit Beispiel-Filtern gezeigt. 5 Stylen – von Rohdaten zur aussagekräftigen Karte Nach dem Filtern liegen die gewünschten Sensordaten in QGIS vor. Dabei gilt: Jeder Messwert erzeugt einen Punkt. Bei zehn Messwerten entstehen also zehn identische Geometrien – jeweils mit rund 30 Attributen. Nun beginnt – je nach Anspruch - die hier typische kartografische Feinarbeit für Darstellung und Beschriftung: • Redundante Punkte werden visuell reduziert • Zeitstempel werden von UTC in Ortszeit umgerechnet • Über mehrere Messwerte hinweg werden statistische Kennwerte berechnet Auch hier werden im Vortrag die wichtigsten Ausdrücke gezeigt. 6 Vortrag verpasst ? Alles rund um das Thema wird ab dem 01.04.26 über den OpenData-Bereich des Kreis Viersen bereitgestellt: https://opendata-kreis-viersen.de/QGIS/STA/ Kontakt zum Autor: Michael Stein Kreis Viersen - Amt für Kataster und Geoinformation - Rathausmarkt 3 41747 Viersen 02162-39-1141 [email protected] Licensed to the public under https://creativecommons.org/licenses/by/4.0/ about this event: https://pretalx.com/fossgis2026/talk/VXTQPF/