Workflows in Geo Engine: Von der UI zum Python-Notebook und zurück
09.03, 11:00–11:20 (Europe/Berlin), Bühne 3

Geo Engine ist eine cloud-ready Geoanalyseplattform, die einen niederschwelligen Zugang zu Geodaten, deren Verarbeitung, Schnittstellen und Visualisierung bietet. Nutzer können sowohl in einem Browser-basierten User Interface als auch mit Jupyter Notebooks in Python auf die Engine zugreifen. In diesem Vortrag zeigen wir den nahtlosen Übergang vom UI zu Python-Notebooks und auch den Schritt zurück. So lassen sich die Vorteile des explorativen UIs mit der Flexibilität von Python verknüpfen.


Die Geo Engine ist eine cloud-ready Geoanalyseplattform, die aus einer Processing-Engine, einer Web-UI und einer Python-Bibliothek besteht. Sie bündelt die Integration und die effiziente Verarbeitung raum-zeitlicher Daten. Ein wichtiges Element dabei ist die homogenisierte “Datacube”-artige Sicht auf heterogene Daten, welche Forschungsgruppen und Unternehmen einen einfachen Zugriff und niederschwellige Analysen ermöglicht. Gleichzeitig ist sie ein Framework für die Erstellung und den Betrieb von Geodatenportalen.

2021 haben wir die Grundlagen des Systems auf der FOSSGIS vorgestellt (https://pretalx.com/fossgis2021/talk/UKLUGE/). Für 2022 stellen wir unsere Python-Bibliothek für Jupyter Notebooks sowie Neuerungen in unserem User Interface vor. So kann man zwischen einem visuell-explorativen Zugriff über das User Interface und einem flexiblen, programmatischen Zugriff via Python wählen. Darüber hinaus ist man nicht auf ein Werkzeug beschränkt, sondern kann im UI erstellte Workflows und Workflowergebnisse nahtlos nach Python übernehmen und dort weiterarbeiten. Der Rückweg von Python in das UI ist ebenfalls möglich. Dies erlaubt es jedem Werkzeug dort die Stärken auszuspielen, wo es am besten passt.

In diesem Vortrag zeigen wir einen Anwendungsfall auf, den wir mit der Geo Engine bearbeiten. Hierfür starten wir im UI und suchen passende Daten. Anschließend wechseln wir in ein Python-Notebook und bringen dort eigene Daten aus DataFrames ein. Zur Ansicht der Ergebnisse wechseln wir wieder in das UI zurück. Im Anschluss geben wir weitere Ausblicke auf zukünftige Arbeiten an der Geo Engine.

Siehe auch: Vortragsfolien (1,8 MB)

Christian Beilschmidt ist Informatiker und forschte während seiner Promotionszeit an der Philipps-Universität Marburg im Bereich Geo-Datenprozessierung und Machine Learning-Verfahren für die Aggregation raum-zeitlicher Daten. Er war zudem innerhalb von Projekten zu Biodiversitäts- und Umweltmonitoring maßgeblich an der Entwicklung einer web-basiertes Plattform zur raum-zeitlichen Verarbeitung, explorativen Analyse und Visualisierung von Big Spatial Data beteiligt. Derzeit arbeitet er im EXIST-Forschungstransfer-Projekt Geo Engine an einem Start-up, das diese Plattform zu einem cloud-ready Dienst weiterentwickelt, der die Integration und die effiziente Verarbeitung raum-zeitlicher Daten bündelt und neueste Visualisierungs- und Analysemethoden, wie Deep-Learning, intuitiv erschließt.

Diese(r) Vortragende hält außerdem:

Johannes Drönner hat Geographie und Informatik an der Philipps-Universität Marburg studiert und zum Thema Geo-Datenprozessierung und Deep-Learning auf Satellitendaten in Informatik promoviert. Er war zudem innerhalb von Projekten zu Biodiversitäts- und Umweltmonitoring maßgeblich an der Entwicklung einer web-basiertes Plattform zur raum-zeitlichen Verarbeitung, explorativen Analyse und Visualisierung von Big Spatial Data beteiligt. Derzeit arbeitet er im EXIST-Forschungstransfer-Projekt Geo Engine an einem Start-up, das diese Plattform zu einem cloud-ready Dienst weiterentwickelt, der die Integration und die effiziente Verarbeitung raum-zeitlicher Daten bündelt und neueste Visualisierungs- und Analysemethoden, wie Deep-Learning, intuitiv erschließt.

Diese(r) Vortragende hält außerdem: