5.3. đ Ăbung - Metadaten gruppieren & auswerten#
Nachdem wir im vorherigen Abschnitt gelernt haben, wie sich offene DatensĂ€tze mit Hilfe von SPARQL gezielt durchsuchen und filtern lassen, möchten wir Dr. Amir Weber in dieser Phase seiner Untersuchung weiter unterstĂŒtzen.
Um besser einschĂ€tzen zu können, welche Datenquellen fĂŒr seine Analyse relevant sind, genĂŒgt es jedoch nicht, nur einzelne DatensĂ€tze zu finden. Es interessiert ihn auch, welche Institutionen regelmĂ€Ăig entsprechende Daten bereitstellen und in welchen Formaten diese verfĂŒgbar sind. Dies kann Aufschluss darĂŒber geben, wie verlĂ€sslich und zugĂ€nglich bestimmte Datenquellen sind.
In dieser Ăbung werden wir daher SPARQL nutzen, um Metadaten zu gruppieren und quantitativ auszuwerten. Wir analysieren, in welchen Datenformaten diese Informationen angeboten werden, um Dr. Weber bei der technischen EinschĂ€tzung der Weiterverwendbarkeit zu unterstĂŒtzen.
Diese aggregierten Informationen geben ihm wertvolle Hinweise auf die DatenqualitĂ€t, Veröffentlichungsfrequenz und technische Nutzbarkeit â und legen damit die Grundlage fĂŒr fundierte Entscheidungen im weiteren Verlauf seiner Analyse.
5.3.1. Daten gruppieren#
Im ersten Schritt lassen wir uns anzeigen, welche Datenbereitsteller die meisten DatensĂ€tze mit dem Begriff âBaumkatasterâ im Titel veröffentlicht haben. Durch diese Gruppierung erhĂ€lt Dr. Weber einen schnellen Ăberblick darĂŒber, welche Institutionen oder Verwaltungseinheiten in den letzten Jahren besonders aktiv im Bereich der baumbezogenen offenen Daten waren â ein wichtiger Hinweis auf mögliche Hauptquellen fĂŒr seine weitere Recherche.
ErklÀrung des Codes
Zu den bekannten Prefixes kommt nun rdfs dazu, um das RDF Schema, also allgemeine Begriffsdefinitionen einzuschlieĂen.
Der COUNT Befehl in SPARQL wird verwendet, um die Anzahl der Ergebnisse zu zĂ€hlen, die eine bestimmte Bedingung erfĂŒllen. Der AS Befehl folgt dem COUNT und dient dazu, das Ergebnis der ZĂ€hlung einer Variablen zuzuweisen, die dann im Ergebnis verwendet werden kann. DISTINCT gibt an, dass nur eindeutige (âdistinctâ) Werte der Variable ?datasetTitle gezĂ€hlt werden sollen. AS ?uniqueDatasetTitleCount weist das Ergebnis der ZĂ€hlung der Variable ?uniqueDatasetTitleCount zu. Diese Variable kann dann im Ergebnis verwendet werden, um die Anzahl der eindeutigen Titel (?datasetTitle) fĂŒr jede contributorID anzuzeigen.
Die Bedingung (LANG(?datasetTitle) = "" || LANG(?datasetTitle) = "de") wird verwendet, um sicherzustellen, dass nur Titel (?datasetTitle) ausgewĂ€hlt werden, die entweder keine Sprachinformation haben (ââ) oder explizit als Deutsch (âdeâ) gekennzeichnet sind. Dies ist wichtig, da nicht alle Datenbereitsteller Information ĂŒber die Sprache des Datensatzes einschlieĂen. Die Suche nach DatensĂ€tzen mit deutscher Sprachinformation mag ĂŒberflĂŒsig wirken, denn das Wort âBaumkatasterâ ist bereits ein deutsches Wort. Trotzdem wollen wir diese Funktion an dieser Stelle hervorheben, weil wir spĂ€ter davon Gebrauch machen werden.
Code
Output
ErklÀrung des Ergebnisses
Jeweils 8 DatensÀtze stammen aus Nordrhein-Westfalen und Rheinland-Pfalz, 6 aus Bayern und 4 aus Brandenburg.
AuffÀllig ist, dass ganz verschiedene Institutionen und Verwaltungsebenen offene Daten bereitstellen. Hinter http://dcat-ap.de/def/contributors/mobilithek verbirgt sich die Mobilithek des Bundesverkehrsministeriums und neben BundeslÀndern finden sich auch kommunale Datenbereitsteller.
5.3.2. Dateiformate#
Im Anschluss interessiert sich Dr. Weber dafĂŒr, in welchen Formaten die Baumkataster-Daten vorliegen, da dies direkte Auswirkungen auf deren Weiterverwendbarkeit hat. WĂ€hrend offene Formate wie CSV, GeoJSON oder XML eine einfache Analyse ermöglichen, können proprietĂ€re oder unstrukturierte Formate die Weiterverarbeitung erschweren.
Daher erweitern wir unsere SPARQL-Abfrage, um fĂŒr jeden Datenbereitsteller zu ermitteln, wie viele unterschiedliche Datenformate er im Zusammenhang mit Baumkataster-Daten anbietet. Diese Auswertung hilft Dr. Weber dabei einzuschĂ€tzen, bei welchen Anbietern er mit einem breiten und technisch zugĂ€nglichen Angebot rechnen kann â ein entscheidender Aspekt fĂŒr seine geplante Analyse des Baumbestands.
ErklÀrung des Codes
Statt der Titel, zÀhlen wir nun mit dem Befehl SELECT ?contributorID (COUNT(DISTINCT ?format) AS ?formatCount) die verschiedenen Formate, die mit den DatensÀtzen verbunden sind.
Mit dem WHERE-Befehl suchen wir nach DatensÀtzen (dcat:Dataset), die die folgenden Eigenschaften haben:
dct:title: einen Titel.dcatde:contributorID: eine ID des Datenbereitstellers.dct:modified: ein Datum der letzten Ănderung. sowie mitOPTIONALnach dem Katalog des Datensatzes, wenn er vorhanden ist.
Dazu filtern wir mit FILTER, dass der Titel entweder keine Sprachangabe haben kann oder in Deutsch vorliegen muss, das Wort âbaumkatasterâ enthĂ€lt (unabhĂ€ngig von GroĂ- oder Kleinschreibung) und innerhalb des Zeitraums von 2015 bis 2025 veröffentlicht wurden.
?datasetURI dcat:distribution ?distribution. und ?distribution dct:format ?format. geben zudem an, dass der Datensatz eine Distribution und diese ein bestimmtes Format haben muss.
Mit GROUP BY ?contributorID werden die Ergebnisse nach dem Datenbereitsteller sortiert.
Code
Output
ErklÀrung des Ergebnisses
wir erhalten eine einfache Liste mit zwei Spalten: den Datenbereitstellern und der Summe von Formaten der eingestellten DatensĂ€tze. Das bedeutet, dass NRW mit seinen eingestellten Dateien auf 29 verschiedene Dateiformate kommt und Bayern auf 21. Das heiĂt allerdings nicht, dass alle DatensĂ€tze in jeweils jedem Format vorhanden sind. Ablesbar ist aus dieser Zusammenstellung lediglich ein gewisses MaĂ an FlexibilitĂ€t.
5.3.3. Eingrenzung der Abfrage#
Nachdem Dr. Weber nun einen Ăberblick darĂŒber erhalten hat, welche Datenbereitsteller aktiv sind und in welchen Formaten die Daten zur VerfĂŒgung stehen, möchte er sich fĂŒr einen konkreten Datensatz entscheiden, um seine Analyse zu starten. Dabei ist es ihm wichtig, den regionalen Bezug zum Raum Berlin-Brandenburg zu wahren, da seine bisherigen Untersuchungen vor allem auf diese Region fokussiert waren.
Er entscheidet sich daher, gezielt nach DatensĂ€tzen zu suchen, die von der Plattform âOpen Data Brandenburgâ bereitgestellt werden und das Stichwort âBaumkatasterâ im Titel fĂŒhren. Durch diese gezielte EinschrĂ€nkung kann Dr. Weber sicherstellen, dass die Daten sowohl thematisch relevant als auch geographisch passend sind â und damit eine geeignete Grundlage fĂŒr die weitere Analyse des Baumbestands in der Region darstellen.
Um direkt auf die Daten zugreifen zu können, erweitern wir die Abfrage um die Zugriffs-URL (accessURL). Diese verweist auf die konkrete Stelle, an der der Datensatz heruntergeladen oder weiterverarbeitet werden kann â ein praktischer Schritt, der es Dr. Weber ermöglicht, ohne Umwege mit der Analyse zu beginnen.
Code
Output
Dr. Weber entscheidet sich schlieĂlich, den Datensatz âBaumkataster Frankfurt (Oder) - (WFS-BAUMKATASTER)â genauer unter die Lupe zu nehmen, da er fĂŒr seine Analyse relevante Informationen zu den Baumstandorten in der Region liefern könnte. Dieser Datensatz scheint zunĂ€chst vielversprechend, da er auf den ersten Blick sowohl geografische als auch baumspezifische Daten zu liefern scheint.
Leider stellt Dr. Weber bei der ĂberprĂŒfung fest, dass sich der betreffende Datensatz nicht direkt herunterladen lĂ€sst oder die bereitgestellte URL nicht wie erwartet funktioniert.
Das zeigt: Auch wenn Metadaten vielversprechende Informationen liefern, ist es in der Praxis oft notwendig, die tatsĂ€chliche VerfĂŒgbarkeit und ZugĂ€nglichkeit der Daten manuell zu prĂŒfen. Dr. Weber wird seine Suche daher fortsetzen mĂŒssen â eventuell mit einer breiteren geografischen Eingrenzung oder indem er nach anderen relevanten Begriffen sucht.
Da sich der ausgewĂ€hlte Datensatz nicht wie gewĂŒnscht herunterladen lĂ€sst, entscheidet sich Dr. Weber dazu, seine Suche thematisch zu erweitern. Ihm ist bewusst, dass nicht alle relevanten Informationen unter dem Begriff âBaumkatasterâ veröffentlicht werden. Ein verwandter Begriff, der insbesondere in stĂ€dtischen Kontexten hĂ€ufig auftaucht, ist âBaumpflanzungenâ â ein Thema, das ebenfalls RĂŒckschlĂŒsse auf den aktuellen Baumbestand sowie stadtplanerische MaĂnahmen erlaubt.
Dr. Weber formuliert daher eine neue SPARQL-Abfrage, die zusĂ€tzlich nach DatensĂ€tzen sucht, in deren Titel der Begriff âBaumpflanzungenâ vorkommt. So erhofft er sich, weitere geeignete DatensĂ€tze zu identifizieren, die ihm bei der Analyse des Baumwachstums und der Nachpflanzungen im Raum Berlin-Brandenburg nĂŒtzliche Hinweise liefern können.
Code
Output
Beim weiteren Durchstöbern der DatensĂ€tze â unterstĂŒtzt durch den Einsatz von OFFSET zur Paginierung der Ergebnisse â stöĂt Dr. Weber auf einen Datensatz mit dem Titel âStraĂenbaumpflanzungen in Steglitz-Zehlendorfâ, der ihm sofort ins Auge fĂ€llt. Besonders positiv: Der Datensatz steht im CSV-Format zur VerfĂŒgung, was eine einfache Weiterverarbeitung ermöglicht.
Ein Blick in die Beschreibung macht jedoch deutlich, dass es sich dabei nicht um das vollstĂ€ndige Baumkataster handelt, sondern um eine Teilmenge, die lediglich bereits erfolgte Neupflanzungen auflistet. Es wird erklĂ€rt, dass Pflanzungen erst nach ihrer DurchfĂŒhrung in das eigentliche Baumkataster ĂŒbernommen werden. Die enthaltenen EintrĂ€ge stammen aus verschiedenen Quellen â etwa Spendenaktionen oder bezirklichen Projekten â und umfassen zudem Angaben zur Pflege der BĂ€ume.
Dr. Weber erkennt den Wert dieser Information, stellt aber auch fest, dass sie fĂŒr eine umfassende Analyse des aktuellen Baumbestands nicht ausreicht. Der Datensatz bietet zwar Einblicke in die Entwicklung und Nachpflanzung, jedoch nicht in die vollstĂ€ndige aktuelle Baumverteilung im Bezirk oder gar in Berlin insgesamt. Damit bleibt der umfassende Zugriff auf ein vollstĂ€ndiges Kataster weiterhin ausstĂ€ndig, und Dr. Weber wird seine Suche weiter ausbauen mĂŒssen, um eine geeignete Datengrundlage zu finden.
Da sich viele der bisher gefundenen DatensĂ€tze entweder als unvollstĂ€ndig oder schwer zugĂ€nglich erwiesen haben, blickt Dr. Weber nun in Richtung Nordrhein-Westfalen (NRW). Bereits bei der vorherigen Auswertung zur DatenverfĂŒgbarkeit war ihm aufgefallen, dass NRW eine besonders hohe Anzahl an relevanten DatensĂ€tzen bereitstellt â und das in verschiedenen Formaten und mit stabiler Zugriffbarkeit.
Die gute technische Performance und die Vielzahl veröffentlichter Inhalte lassen darauf schlieĂen, dass das Land NRW ein fortschrittliches Open-Data-Angebot betreibt, das möglicherweise besser fĂŒr eine umfassende Analyse geeignet ist. Aus diesem Grund richtet Dr. Weber nun gezielt seine Suche auf DatensĂ€tze, die durch Open Data NRW bereitgestellt werden und thematisch zu seiner Untersuchung rund um Baumkataster und Baumpflanzungen passen.
Code
Output
Fund eines geeigneten Datensatzes
Nach intensiver Recherche entscheidet sich Dr. Weber schlieĂlich fĂŒr den Datensatz âBaumkataster Köln 2017â. Dieser bietet eine umfassende Beschreibung des stĂ€dtischen Baumbestands und enthĂ€lt nicht nur geografische Informationen, sondern auch detaillierte Angaben zur Baumart, zum Alter, zur Kronenbreite, zur Stammdicke sowie zur Wuchshöhe der BĂ€ume.
Besonders positiv fĂ€llt Dr. Weber die gute ZugĂ€nglichkeit des Datensatzes auf - die enthaltenen Informationen sind klar strukturiert, verstĂ€ndlich dokumentiert und stehen in einem gĂ€ngigen Format zur VerfĂŒgung. Dadurch lĂ€sst sich der Datensatz problemlos in bestehende Analyseumgebungen integrieren â ein wichtiger Vorteil fĂŒr die praktische Weiterverarbeitung. Auch wenn der Datensatz noch nicht den vollstĂ€ndigen Baumbestand der Stadt Köln abbildet, bietet er bereits jetzt eine solide Datenbasis fĂŒr eine fundierte Analyse.
Damit verfĂŒgt Dr. Weber ĂŒber eine valide Grundlage, um erste Auswertungen zur Baumverteilung und -struktur in einer GroĂstadt vorzunehmen und mögliche Modellregionen fĂŒr seine Untersuchung zu identifizieren.