Report

Hide text CSV Data Package Print

Active projects and challenges as of 07.07.2025 06:14.

Find your stuff

Verlorene Gegenstände in der Stadt Bern


~ PITCH ~

Analyse und Visualisierung von Daten über verlorene Gegenstände in der Stadt Bern. Das Stadtarchiv Bern hat Daten über verlorene Gegenstände aus dem Zeitraum 2000-2022 von der Stadt Bern erhalten und möchte diese Daten analysiert und aufbereitet haben, um Trends und Zusammenhänge zu erkennen.

Challenge Slides (PDF)

Daten

  • 13 Excel-Tabellen mit Daten über verlorene Gegenstände (Inhalt, Funddatum, Fundort, Finderlohn, Gebühren, Versteigerungen)
  • 68.712 Zeilen in der Tabelle Gegenstand

Ziele

  • Datenanalyse: Erkennen von Trends und Zusammenhängen in den Daten
  • Datenvisualisierung: Darstellung der Daten auf einem Stadtplan, um ein besseres Verständnis zu erhalten
  • Hypothesenbildung: Beantworten von Fragen wie "Wo ist die Gefahr eines Verlusts in der Stadt Bern am grössten?" oder "Welche Gegenstände gehen in der Stadt Bern am meisten verloren?"

Erwartungen

  • Strukturierte Daten (z.B. CSV, JSON) mit Angaben zu Inhalt, Verlustort usw.
  • Analysierte Daten und grafische Darstellung
  • Umgang mit "historischen" Datenbankdaten üben

Weitere Ressourcen

  • Export aus Datenbank Fundbüro 2000-2022 (csv-Datei)
  • Stadtplan Bern
  • Daten Fundbüro SBB
  • Daten Fundbüro Bernmobil
  • Benutzerhandbuch der nicht mehr existierenden Datenbank des Fundbüros
  • Datenbankübersicht mit den Relationen
  • Benutzerhandbuch Stadt Bern
~ README ~

Projekt «Find your Stuff»

Diese Webapplikation wurde im Rahmen des Hackathons «Data Hackdays Bern 2025» erstellt. Ziel der Webapp ist es, Fundgegenstände, die in der Stadt Bern beim Fundbüro abgegeben werden, auszuwerten und zu visualisieren.

Sponsoring

Stadtarchiv Bern, Fabienne Bächler

Technologie

Die Webapp basiert auf React (Typescript) und verwendet Ant Design. Die Karte für die Visualisierung besteht aus OSMap und wird via Leaflet eingebunden.

Das Layer (Stadtquartiere Bern) wurde von der Stadt Bern zur Verfügung gestellt.

Die Transformation der Adressen in Längen & Breitengraden erfolgte durch das Ansprechen der API von map.geo.admin.

Quellen

  • Das Dataset, das in dieser Webapp verwendet wird, wurde vom Stadtarchiv Bern zur Verfügung gestellt. Das in diesem Repo verfügbare Dataset ist stark anonymisiert.
  • Der Quartier-Layer wurde auf Basis des Stadtplan Bernimplementiert.

Team & Aufteilung

Die Challenge wurde unter den Teilnehmern in mehrere Teilbereiche unterteilt.

Auswertung Daten

  • Langenskiöld, Björn - Sensirion
  • Malnati, Ivo - Amt für Informatik & Organisation
  • Rajkumar, Krishanth - Bedag Informatik AG
  • Wenger, Lars - Unico Data AG
  • Wyss, Remo - BLS AG

Datenbank

  • Nalbat, Denys - Privat

AI-Chatbot

  • Lienhard, Angelo - Berner Fachhochschule BFH
  • Pelletier, Max - Berner Fachhochschule BFH
  • Pfister, David - Berner Fachhochschule BFH

Webapp/Visualisierung

  • Nikles Gilles - BKW Energie AG

Dokumentation

Dieses Github-Repo beinhaltet die Grundfunktionalität als auch die (anonymisierten) Datensätze, mit welcher die Webapp arbeitet. Das Repository beinhaltet lediglich die Webapp - weitere Unterlagen (bspw. Präsentation) können auf der offiziellen Homepage der Data Hackdays Bern bezogen werden.

Starten der Webapp

Wenn du die Webapp lokal bei dir testen willst, führe folgende Schritte durch

NodeJS & npm

Stelle sicher, dass NodeJS und npm auf deinem Gerät installiert sind:

node -v npm -v npm install -g npm

Github Clone

Clone das Github-Repo auf deinen Rechner: git clone [URL-ZUM-REPO]

Wechsle auf das Webapp-Verzeichnis

Via Terminal: cd fundburo-dashboard

Abhängigkeiten installieren

npm install

Webapp ausführen

npm run dev

Bern City Accessible

Durch Daten einen Mehrwert für Personen mit Mobilitätsbehinderungen schaffen


~ PITCH ~

Lösungen

Findungsweg

  • Das Team hat sich entschlossen in der ersten Iteration sich auf die Zugänglichkeit für Mobilitäts-eingeschränkte Personen zu konzentrieren. Weitere Behinderungsformen könnten Stoff für weitere Hackathons sein.

  • Wir haben eine Liste erstellt mit möglichen Objekten/Orten/Tätigkeiten, welche aus Sicht einer Rollstuhlfahrenden Person wichtig sind. Wir haben versucht diesen Punkten eine Priorität zuzu-weisen, wobei es sich ausgeprägt um eine individuelle oder subjektive Wahrnehmung handelt. Hier kurz die Liste:

  • Einkaufen 1
  • Arztbesuch 1
  • EV Zugang 1
  • OEV Einsteigen 1
  • Postgänge 1
  • Behördengänge 2
  • Sightseeing 2
  • Schule 1
  • Arbeit 1
  • Bankgänge 1
  • Arbeitsweg 1
  • Arbeitsort 1
  • Wohnsituation 1
  • Toiletten 1
  • Infrastrukturen wie Trottoir oder Zebrastreifen 1

  • Einsicht, dass viele Daten zum Thema Mobilität und Zugänglichkeit bestehen, aber verteilt und in unterschiedlichen Formaten vorliegen.

  • Nutzung von Geoinformationssystemen

Informationen werden aus folgenden Datenquellen auf Esri zur Verfügung

  • Geoportal der Stadt Bern
  • Excelliste von Regula

Ideen zu Apps o Route eingeben und als Ergebnis die Hindernisse angezeigt bekommen o Echtzeitinformationen erhalten o Routen, POI’s etc. verifizieren können. Bspw. Wenn temporäre Einschränkungen beste-hen, soll dies auf der APP durch den Nutzenden hinterlegt werden können und den ande-ren Nutzenden 1:1 zur Verfügung stehen o Aufzeichnen und Tracken von Routen

Signalisation o Ähnlich der Signalisation von Radwegen soll eine Signalisation von Hindernisfreien Rou-ten erfolgen. Das könnten bspw. Sightseeing Touren oder festgelegte Korridore sein o Gefahren/Hindernissignale für mobilitätseingeschränkte Personen schaffen und etablie-ren

Bekannte Hindernisse ChatGpt gibt Auskunft zu offenbar bekannten Hindernissen an Orten der Stadt Bern

  1. Bern Hauptbahnhof Der Hauptbahnhof könnte behindertengerechter ausgestattet werden, und es könnten mehr Aufzüge und Rampen für den Zugang zu den Bahnsteigen gebaut werden.

  2. Altstadt Durch die Erhaltung der historischen Struktur der Altstadt und den Ausbau der behindertengerechten Infrastruktur wird es behinderten Menschen erleichtert, diese historische Region zu besuchen.

  3. Zentrum Paul Klee Es können grössere Behindertenparkplätze zur Verfügung gestellt und das Museum behindertenge-rechter gestaltet werden. Darüber hinaus müssen die Ausstellungsräume des Museums möglicherweise vollständig zugänglich gemacht werden.

  4. Rosengarten Mehr Rampen am Eingang des Parks und spezielle Wege für Rollstuhlfahrer.

  5. Bundeshaus Weitere Investitionen könnten getätigt werden, um die Innenräume des Parlamentsgebäudes vollständig zugänglich zu machen und so allen Besuchern einen besseren Zugang zu ermöglichen.

  6. Münsterplattform Das Äussere der Kathedrale und ihrer Umgebung kann so umgestaltet werden, dass es für Menschen mit Behinderungen leicht zugänglich ist. Ausserdem können im Inneren der Kathedrale mehr behinder-tengerechte Einrichtungen für die Besucher geschaffen werden.

7.Einkaufszentrum Emmentalstrasse Einkaufszentren sollten mit mehr behindertengerechten Bereichen ausgestattet werden, und es sollten mehr Parkplätze zur Verfügung stehen. Darüber hinaus sollte auch die Inneneinrichtung der Geschäfte im Zentrum so gestaltet werden, dass sich Menschen mit Behinderungen leicht zurechtfinden können.

8.Gurten Die Verbesserung der Verkehrsmittel und Strassen, um den Zugang zum Gurten für Behinderte zu er-leichtern, wird es Menschen mit Behinderungen ermöglichen, diesen Naturraum leichter zu nutzen.

Offene Fragen

  • Wie kommen wir zu Daten, die noch nirgends sind? Beispielsweise Gebäude welche (noch) nicht erfasst sind?

  • Weshalb gibt es Institutionen welche POI’s erheben und weshalb gibt es Institutionen welche POI’s nicht erheben.

  • Wessen Aufgabe ist es POI’s zu erheben

Redesign Energiedashboard

Das Design des Energiedashboards der AUE ist in die Jahre gekommen. Die vorhandenen Datensätze sollen interessant präsentiert und kombiniert werden, damit diese für die Gemeinden einen Mehrwert bieten. Es können weitere Datensätze generiert und/oder eingebunden werden.


~ PITCH ~
Warum?

Auf der Energie- und Klimadatenplattform (EKDP) visualisiert der Kanton Bern Erfolge auf dem Weg zur Klimaneutralität bis 2050. Energie- und Klimadaten können auf Gemeinde- oder Gebäudeebene nach vielfältigen Kriterien dargestellt werden. Damit steht mit der Plattform ein wichtiges Instrument zur Verfügung, das für die Förderung, das Monitoring sowie Reporting eingesetzt werden kann.

Wer?

Gemeinden im Kanton Bern können sich niederschwellig über energierelevante Daten informieren. Aber auch Politisierenden, Energieberatenden, Ingenieurbüros oder der Bevölkerung soll die EKDP spannende Daten aufzeigen.

Das Management sowie die Weiterentwicklung der Plattform wird durch das Amt für Umwelt und Energie (AUE) des Kantons Bern betreut.

Was?

Wir möchten die Nutzung des Dashboards interaktiver gestalten. Interessant wäre z.B die Möglichkeit, Zeitreihen zu visualisieren oder Usern die Erstellung eigener Analysen zu ermöglichen.

Weitere Erwartungen sind:

  • Mögliches neues Energiedashboard mit den vorhandenen Datensätzen
  • Erste Visualisierungen liegen vor
  • Eventuell verwendete zusätzliche Daten sind OGD
  • Ideen für Kombination der Daten willkommen
  • Lösung soll Ladezeit der EKDP nicht verlängern, um die User-Erfahrung angenehm zu gestalten

Folgende Dashboards haben uns während der Erstellung der Challenge beeindruckt. Vielleicht inspirieren sie auch euch?

Outlook

Das redesignte Energiedashboard könnte auf der EKDP implementiert werden. Zudem könnte es als Grundlage für ein Redesign weiterer Bereiche der Plattform dienen.

Falls zusätzliche Datenquellen verwendet oder neue Analysen erarbeitet werden, könnten diese auf der Plattform Verwendung finden.

Ressourcen

Datenquellen
Weitere Infos

Hintergrundinformationen zum Zweck der EKDP sind auf der Themenseite des Kantons verfügbar.

~ README ~

Redesign Energiedashboard - Hackdays BE 2025

Warning All used data is from OGD. Sources and documentation will follow soon...

Please note: All of the code that will be released into the first release hackdays.2025.be has been written by the team of hacking volunteers. They worked on the project during the Data Hackdays BE 2025, using open government data (OGD) and their private computers. I did not write any of the code in that release, but merely removed a few lines that included personal information to protect their privacy. As stated on the hackdays website, the code has already been published under the CC-BY 4.0 Licence. I created this repo so team members can easily get the code.

The same is true for the data used in the dashboard. All of it has already been published as OGD and been documented on opendata.swiss, along with the respective licences. While I provided the team with directions where they could find these OGD, it was left to them to transform it into a useful format. Since Github does not allow file uploads larger than 25 MB, I will kick out some columns that are not needed from the data and then upload it onto this repo, along with thourough documentation of the sources and transformation steps.

For a live demo of the result, check out streamlit cloud. Perhaps, I might also add or alter code in the future. The initial contribution by the hackers, however, will still be available under the tag hackdays.2025.be.

Furthermore, the team developed a second dashboard, using Microsoft PowerBI. Bear with me; I will go through the respective source code, too, and then upload it or integrate it into the streamlit code.

Stay tuned...

References

For transparency, each source the team used is listed below. The date of access is 17.05.2025.

KTBE, BFH, WSL, swisstopo, BAFU

Windwurf

Storm Damage Detection in Swiss Forests


~ PITCH ~

XMGRSM7U.jpg

🌲 WINDWURF – Storm Damage Detection in Swiss Forests

WINDWURF is an interactive tool to rapidly assess storm damage in Swiss forests using openly available Sentinel-2 satellite imagery provided via the swisstopo swissEO S2-SR Product. Developed during Data Hackdays Bern 2025, this project helps the Amt für Wald und Naturgefahren (AWN) get timely insight into storm-related forest disturbances over 180,000 hectares of woodland — an area too vast for field inspection alone.

🪵 Why WINDWURF?

With storms intensifying over the last 50 years, detecting forest damage efficiently is critical for mitigation, logging decisions, and ecological monitoring. WINDWURF empowers authorities with a scalable, transparent, and reproducible approach to disaster response

Challenge

Wetteraufzeichnungen zeigen, dass die Anzahl und Heftigkeit von Stürmen in den letzten 50 Jahren zugenommen haben. Ungefähr alle 10 Jahre ist mit einem bis zwei starken Stürmen zu rechnen, die teilweise gravierende Schäden am Wald verursachen. Fernerkundungsdaten – z. B. Bilder der Erdoberfläche, die durch Satelliten gewonnen wurden – können ein effizientes Hilfsmittel sein, um rasch eine Übersicht über die Schadflächen zu erhalten.

Nach einem Sturmereignis ist das Amt für Wald und Naturgefahren (AWN) darauf angewiesen, möglichst rasch einen Überblick über die räumliche Verteilung und das Ausmass der entstandenen Schäden zu gewinnen. Bei einer Waldfläche von rund 180’000 ha (~ ⅓ Kantonsfläche resp. 3 x Fläche des Genfersees) ist es unmöglich, diese Information zeitnah vor Ort im Feld zu erheben.

Ein Werkzeug (Code), welches die online verfügbaren Sentinel-Daten anbindet und für einen gewünschten Zeitraum und räumlichen Ausschnitt die potenziellen Schad- resp. Windwurfflächen ausgibt. Vorzugsweise – aber nicht zwingend – werden Python oder R dafür verwendet (keine proprietäre Software).

References

👥 Team & Acknowledgments

Developed at Data Hackdays Bern with support from:

  • Swisstopo – Harmonized Sentinel-2 data - Tschoun,davidoesch

  • Amt für Wald und Naturgefahren (AWN) – Challenge owner nnjae, Dani Steinberger

  • Swiss Federal Office for the Environment (BAFU) -expert guidance Rdataflow, Yannick Barton

  • Eidg. Forschungsanstalt WSL and swisstopo – expert guidance and SAR Wrestling Marius Rüetschi

  • BFH Institut Public Sector Transformation - FullStack! holdan-8

~ README ~

🌲 WINDWURF – Storm Damage Detection in Swiss Forests

WINDWURF is an interactive tool to rapidly assess storm damage in Swiss forests using openly available Sentinel-2 satellite imagery provided via the swisstopo swissEO S2-SR Product. Developed during Data Hackdays Bern 2025, this project helps the Amt für Wald und Naturgefahren (AWN) get timely insight into storm-related forest disturbances over 180,000 hectares of woodland — an area too vast for field inspection alone.

-> Visit the WebApp : WINDWURF

🪵 Why WINDWURF?

With storms intensifying over the last 50 years, detecting forest damage efficiently is critical for mitigation, logging decisions, and ecological monitoring. WINDWURF empowers authorities with a scalable, transparent, and reproducible approach to disaster response.

🚀 What It Does

After a storm event, WINDWURF allows users to

  • Select a date of a storm event

  • Automatically get potential forest damage by compare satellite imagery before and after the event

  • Highlight forest areas with significant vegetation loss (potential storm damage)

The result: a fast, data-driven overview of potentially affected forest regions.

🛰️ How It Works

WINDWURF is powered by Google Earth Engine (GEE) and utilizes Sentinel-2 imagery provided by swissEO S2-SR processed with a pixel-wise dNBR (delta Normalized Burn Ratio) analysis. Core Analysis Steps:

NBR Calculation:

    NBR = (B8A - B11) / (B8A + B11)

    Computed for pre- and post-storm periods

dNBR Calculation:

    dNBR = NBR_post - NBR_pre

    Significant vegetation loss → low dNBR values (≤ -0.15)

Filtering & Masking:

    [Swiss-harmonized Sentinel-2 data](https://www.swisstopo.admin.ch/de/satellitenbilder-swisseo-s2-sr)

    Forest-only mask (Swiss BAFU ecosystem data)[https://www.wsl.ch/de/projekte/lebensraumkarte-schweiz-1/]

    Custom 10m cloud (CloudScorePlus) and terrain (swissSURFACE3D) and shadow masks

    Snow masking using NDSI

Outputs:

 Median NBR before and after the event

 dNBR layer showing vegetation change

 Disturbance mask (dNBR ≤ -0.15) highlighting severe impact zones

Tech Stack

 Google Earth Engine (data analysis & visualization)

 Sentinel-2 imagery (via [swissEO S2-SR](https://www.swisstopo.admin.ch/de/satellitenbilder-swisseo-s2-sr))

 Forest & snow masking (Swiss federal data)

 React frontend (using Lovable)

App Usage

Visit the App and follow these steps:

Wählen Sie das Datum des Sturmereignisses .

Die Karte wird automatisch aktualisiert. Gelbe Flächen zeigen potentielle Sturmschäden.

Zoomen und verschieben Sie die Karte für eine genauere Ansicht.

📊 Legend

Color Meaning 🟡 Potential forest damage (dNBR ≤ -0.15)

📅 Notes

60-day comparison window post-storm

Compared to same window from previous year

Only forests are analyzed

Disturbance areas appear in yellow on delta map

Works best in Summer, not good during wintertime

📁 File Structure (Important Components)

gee_nbr_app.js — GEE script with NBR logic, cloud/snow masking

Next Steps & Future Development

The WINDWURF project has established a solid foundation for storm damage detection in Swiss forests, but several enhancements could further increase its value for forest management:

Quantitative Analysis Features

  • Area Measurement Tool: Implement functionality to calculate the total affected area in hectares for selected regions
  • Economic Impact Assessment: Develop an algorithm to estimate financial damage (CHF) based on:
    • Average timber value per hectare
    • Severity of damage (using# dNBR thresholds)
    • Forest type classification

Quantitative Analysis Features

Historical Analysis

  • Storm Event Database: Create a pulldown menu of historical storm events in Switzerland
  • Temporal Comparison: Enable comparison between current and past storm impacts on the same forest areas
  • Long-term Trend Analysis: Visualize changing patterns of storm vulnerability across decades

Quantitative Analysis Features

Enhanced Visualization

  • Damage Severity Classification: Implement a multi-level classification system beyond binary damage detection
  • 3D Visualization: Integrate with swissSURFACE3D for topographic analysis of damage patterns
  • Time-lapse Feature: Show forest recovery progress over time after storm events

Quantitative Analysis Features

Data Integration

  • Field Validation Module: Allow foresters to upload ground-truth data to improve algorithm accuracy
  • Integration with Weather Data: Correlate damage patterns with wind speed and direction data
  • Automated Reporting: Generate PDF reports with statistics for affected forest management units

The implementation of these features would transform WINDWURF from a detection tool into a comprehensive forest storm damage management system, supporting the entire workflow from initial assessment to recovery planning.

👥 Team & Acknowledgments

Developed at Data Hackdays Bern with support from:

  • Swisstopo – Harmonized Sentinel-2 data - Tschoun,davidoesch

  • Amt für Wald und Naturgefahren (AWN) – Challenge owner nnjae, Dani Steinberger

  • Swiss Federal Office for the Environment (BAFU) -expert guidance Rdataflow, Yannick Barton

  • Eidg. Forschungsanstalt WSL and swisstopo – expert guidance and SAR Wrestling Marius Rüetschi

  • BFH Institut Public Sector Transformation - FullStack! holdan-8

Bern in Minecraft

Voxel Map basierend auf Geodaten der Stadt Bern


~ PITCH ~

Es soll eine Map von Bern für Minecraft in Java Edition erstellt werden. Diese Map soll basierend auf Geodaten der Stadt Bern erzeugt und dadurch zu einem digitalen Zwilling werden.

Challenge Presentation (PDF)

https://vimeo.com/1088887575

Ausblick

Während der Challenge kamen viele Ideen auf, wie die gemachten Erfahrungen und die Freude am Spiel und am gemeinsamen Erleben auch mit der Bevölkerung geteilt werden kann.

Es wurde der Vorschlag gemacht, die Berner 3D-Welt zunächst auf dem Server eines Berner Vereins zugänglich zu machen. Daraus soll Erfahrung und nicht zuletzt auch Vertrauen entstehen, um allenfalls in einem nächsten Schritt auch Synergien zwischen der Bevölkerung und der Stadtberner Verwaltung entstehen zu lassen. Durch innovative immersive Begegnungs- und Erlebniswelten kann die Stadt die Partizpation von Menschen in unterschiedlichen Lebenssituationen, die Demokratie und somit die Lebensqualität ihrer Bevölkerung steigern. Damit werden Voraussetzungen für eine zukunftsfähige Stadt Bern geschaffen.

Als Beispiele für mögliche Anwendungen seien die Folgenden genannt:

  • Simulationen und Serious Games
  • Rollenspiele zu Beziehungen z. B. in Politik oder Wirtschaft
  • Bauevents, Architektur-Walks
  • Spielerische und inklusive Lernumgebung
  • Treffpunkt, Event-Kalender

Um solche und ähnliche Anwendungen möglich zu machen, sollte sinnvollerweise mit einem Pilotprojekt gestartet werden. Eine geeignete Organisation kann für das Hosting, die Anwendungen, die Moderation und die Bekanntmachung durch geeignete Partner unterstützt werden.

Prozess

Die Challenge-Teilnehmer setzen sich mit den Informationen auseinander und entwickeln bis zum Mittag eine Vorgehensweise. Die Challenge-Teilnehmer haben beschlossen bis auf Weiteres gesamthaft als grosse Gruppe weiterzuarbeiten. Bisher konnten vor allem mit WorldPainter und QGIS erste vielversprechende Ansätze gefunden werden.

L3NK1XRD.png

Screenshot QGIS LIDAR-Punktwolke

Ein Challenge-Teilnehmer präsentiert den momentanen Stand der Ergebnisse. Momentan steht das Team vor der Herausforderung, dass nach anfänglichen Erfolgen mit WorldPainter und QGIS, das Höhenmodell nicht wirklich abgebildet wird und nur eine flache Welt mit wenigen Details generiert wird.

2025-05-17_09.40.13.png

Screenshot Location Bärengraben

SXQCVVP8.png

Screenshot Minecraft Live Map

Es stellt sich die Frage, ob die fehlenden Informationen manuell hinzugefügt werden sollen, oder ob weiter Research betrieben soll, um eine Lösung zu finden, die sämtliche notwendigen Informationen für eine automatisierte Erstellung liefern kann.

Erste zarte Hoffnungen werden in Blender und der Programmierung mit Python gesetzt, weswegen weiter Research betrieben wird. Bei der nächsten Pause wird das Team darüber entscheiden, welcher Weg weiterverfolgt wird.

In der Pause wurde entschieden, dass weiterhin verschiedene Ansätze verfolgt werden. Es bestehen weiterhin vielversprechende Hoffnungen, zusätzlich mit Blender, die notwendigen Automatisierungsprozesse inklusive der bisher fehlenden Informationen hinzubekommen. Zudem konnte das Python-Plugin im Minecraft-Editor Amulet weiterentwickelt werden. Als Datenbasis hierfür wurde die LIDAR-Punktwolke verwendet. Am Beispiel des Bundeshauses konnte schön gezeigt werden, wie gut das gewählte Vorgehen funktioniert. Einzig die Farbinformationen konnten bisher noch nicht mitgegeben werden. Daran wird nun aber gearbeitet. Der grösste Teil des Teams arbeitet weiter an der WorldPainter und QGIS-Version. Ziel ist momentan, dass die Arbeiten zum Schluss miteinander gemergt werden und insbesondere die anspruchsvolleren Aspekte wie beispielsweise die prominenten Gebäude zuvor separat generiert werden.

Das Team hat entschieden, dass zur gemeinsamen Weiterentwicklung der Map von Bern in Minecraft hierfür ein Server eingerichtet werden soll. Ein ensprechendes Builder Tool (Plugin) soll das schnellere Erstellen von Blöcken ermöglichen.

Zwischenzeitlich konnten auch die Farbinformation mittels Python-Plugin im Minecraft-Editor Amulet weitergegeben werden. Das Bundeshaus sieht bereits sehr prächtig aus.

9RYU7K28.png

Das Team macht sich Gedanken darüber, wie die Arbeiten zusammengefügt werden können. Dies wird sicherlich eine grosse Aufgabe für den zweiten Tag der Data Hackdays sein. Es konnte zwischenzeitlich eine Lösung für die Bereitstellung eines Servers zur gemeinsamen Weiterentwicklung der Map für Minecraft in Bern gefunden werden. Das gesamte Team ist voller Zuversicht.

Der zweite Data Hackday beginnt und der Server ist aufgesetzt und bereit für die Minecraft Map.

Die Map läuft nun auf dem Server. Das ganze Team hat Freude am schönen Ergebnis!

B29WQ4II.png JW9EFK8F.png ZANWA98S.png

Fotos der Map auf dem Sever mit Complementary Shaders

Abschlusspräsentation

Die Arbeiten konnten beendet werden und ein erster MVP ist verfügbar. Eine Präsentation zeigt das Vorgehen sowie Ergebniss der Gruppe.

Challenge

Warum ist das wichtig?

Die Berner Minecraft Map weckt das Interesse insbesondere junger Menschen an Stadt-modellen, Raumplanung und Geomatik. Zudem fördert Minecraft das räumliche Vorstellungsvermögen.

Wer hat etwas davon?

  • Alle mit Interesse an Konstruktionsspielen
  • Alle, die 3D-Welten kostenlos und mit Open Source Anwendungen spielen möchten

Hilfsmittel

  • Anleitung der Fachhochschule Nordwestschweiz FHNW zur Erstellung einer Map mit der proprietären Anwendung FME zur Inspiration bzw. Adaption mit Geodaten der Stadt Bern und in Anwendung einer Open Source Anwendung
  • Arnis «Generate Cities from Real Life in Minecraft»
  • Generator auf Institut national de l’information géographique https://minecraft.ign.fr/

(weitere Links unten)

Erwartungen

Ziel ist, dass am Ende der Data Hackdays eine Map in Minecraft erstellt ist, die der Öffentlichkeit zum Herunterladen zur Verfügung gestellt werden kann.

Outlook

Zu einem späteren Zeitpunkt könnte nicht nur die Minecraft Map Bern zum Herunterladen zur Verfügung stehen, sondern auch ein Minecraft Server Bern betrieben werden.

Dieser Server könnte als Treffpunkt für die Bevölkerung und allenfalls auch für virtuelle Veranstaltungen genutzt werden.

Beispiel: Arnis

Minecraft Preview

Mit Hilfe von Geodaten aus OpenStreetMap, Arnis ist eine Werkzeug für die Erstellung "komplexer und realitätsgetreuer Minecraft-Welten, die die Geografie und Architektur der realen Welt widerspiegeln". Arnis ist so konzipiert, dass er grossvolumige Daten verarbeiten und reiche, immersive Umgebungen generieren kann, die echte Städte, Wahrzeichen und natürliche Gegebenheiten in die Minecraft-Welt integrieren. (Weiter lesen ... - in English auf GitHub)

Ressourcen

Geoportal Stadt Bern

Tools

GeoKettle

Blender

QGIS

Minecraft-relevant

Open Source Voxel Alternative

~ README ~

Welcome to Berner Altstadt in Minecraft!

About the Server

The Berner Altstadt in the Minecraft Univers. Enjoy it!

How to Join the Server

  1. Get the Game/Platform:
    Make sure you have Java 1.21.4 Edition.

  2. Connect to the Server:

  3. Server Add-ons:

    • AuthMe
      • /register password password
      • /login password
    • LuckPerms
      • default - no permissions
      • builder - building
      • admin - op
    • Vault
    • EssentialsX
    • EssentialsXChat
    • EssenteialsXAntiBuild
    • EssentialsXProtect
    • EssentialsXSpawn
    • worldedit

  4. Rules & Guidelines:
    Make sure to follow the server rules to ensure a fun experience for everyone. Check out the in-game rules.

Managing Your Experience

  • Need Help?: Contact Tim Bütler via Github :)
  • Updates/Announcements: Stay updated on new features, events, or maintenance schedules.

Enjoy your time on the server!

Link Our Teachers

Aufbereitung biographischer und akademischer Daten von Dozierenden an der Universität Bern (1834-1984) als Linked-Open-Data (LoD)


~ PITCH ~

Aufbereitung biographischer und akademischer Daten von Dozierenden an der Universität Bern (1834-1984) als Linked-Open-Data (LoD). Eine Challenge des Universitätsarchivs Bern.

Für das 150-jährige Jubiläum der Universität wurde ein gut strukturiertes Verzeichnis der Dozierenden an der Universität Bern und deren Vorgänger-Institutionen (Hohe Schule, Akademie) erstellt:

Dieses Verzeichnis wurden einst eingescannt, texterkannt und in einer Accessdatenbank vorstrukturiert. Allerdings reicht der Strukturierungsgrad für die Verwendung der Daten als LoD nicht aus. Es braucht nun einen weiteren Strukturierungsschritt damit die Daten vernetzt werden können

Warum ist das wichtig?

In einem grossen Arbeitsaufwand wurde ein umfassender Datenpool (1528-1984) zur Hochschul- und Wissenschaftsgeschichte des Standpunktes Bern erhoben. Dieser liegt derzeit etwas brach. Mittels einer Vernetzung der Daten mit bestehenden LoD-Angeboten (Wikidata, Metagrid, Geovistory) können bspw. internationale Wissenschaftsnetzwerke nachgezeichnet werden.

Wer hat etwas davon?

Primär Personen, welche sich für Hochschul- und Wissenschaftsgeschichte interessieren. Aber auch die Universität selbst: Im Hinblick auf das 200-jährige Jubiläum der Universität Bern im Jahr 2034 sollten informative Daten für eine zeigemässe Nutzung rechtzeitig aufbereitet werden.

Ressourcen

Daten

Anbei findet Ihr die Daten zu der Challenge: AXA7FHEN.csv

Die Daten basieren auf dem Verzeichnis "Die Dozenten der bernischen Hochschule", welches als Anhang der Publikation "Hochschulgeschichte Berns 1528-1984" herausgegeben wurde. Eine digitalisierte Form (inkl. einer Legende der Nummerierungen) ist auf DigiBern zugänglich: Dozenten der Universität Bern 1528–1984 | DigiBern

Reminder: Um Interpretationsverzerrungen von Excel zu vermeiden das CSV über "Daten importieren" in EXCEL öffnen.

Hilfsmittel

Erwartungen

Was sollte am Ende der Hackdays vorliegen?

  • Datenmodell für die Strukturierung der Daten
  • Strukturierte Daten, die als LoD genutzt werden können (CSV-Datei)
  • Evtl. Mapping für Reconciliation in Wikidata
  • Evtl. Idee zur Ergänzung der Daten via Metagrid

Optional:

  • Ideen zur Vermittlung (etwa Visualisierung Mobilität von Dozierenden, Netzwerkvisualisierung von Lehrenden und Studierenden)
  • Ideen für Erweiterung des Verzeichnisses ab 1984 (Eruierung Dozendierende an Uni Bern, Anreicherung von Daten via LoD)

Outlook

Wie könnte es nach den Hackdays weitergehen?

  • Ergänzung der Daten für den Zeitraum von 1984 – 2024
  • Verwendung der aufbereiteten Daten für Vermittlungsprojekt im Hinblick auf Jubiläum 2034
  • Anreicherung existierender Datenbanken oder Integration in Projekt «Academic Education & Careers – Geovistory»

Auf dem Prüfstand

Grossrätinnen und Grossräte auf dem Prüfstand


~ PITCH ~

Die folgenden Fragen haben Grossrätinnen und Grossräte aus allen Fraktionen anlässlich von zwei Challenge-Workshops erarbeitet:

  • Wofür setzt sich eine Grossrätin / ein Grossrat «am meisten» ein?
  • Welche Verbindung gehen die Grossrätinnen und Grossräte untereinander ein (Themen, Mitunterzeichnung von Vorstössen, Abstimmungsverhalten etc.)
  • Wie wird die Fraktionsdisziplin eingehalten?
  • Wie beeinflusst der Wohnort (Stadt/Agglomeration/Land) das Abstimmungsverhalten?
  • Wie entwickelt sich das Abstimmungsverhalten über die Zeit?
  • (weitere)

Warum?

Die Mitglieder des Grossrates und die Öffentlichkeit erhalten ein besseres / genaueres Bild über das Verhalten der ParlamentarierInnen

Ressourcen und Hilfsmittel

https://hack.data-hackdays-be.ch/project/65

  • Offene Daten und Dokumente Grossrat Kanton Bern (seit 2014)
  • Medienberichte
  • (weitere)

Lösungsansätze

Konkrete Vorschläge, wie das Verhalten der einzelnen Mitglieder des Grossrates sowie gewisser Gruppen (Fraktionen, Kommissionen) dargestellt und beurteilt werden kann (z.B. Fakten-Checker).

Es soll auf Basis des Abstimmungsverhaltens ein Mass für die Nähe zwischen zwei Grossratsmitgliedern entwickelt werden. Mit Hilfe dieses Masses können dann Fragen beantwortet werden wie: Wer steht wem inhaltlich nahe? Wer ist «in der falschen Partei»?

Alternativ kann man diese Fragen mittels KI beantworten, indem die Ratsmitglieder via KI in Gruppen einteilt, ohne der KI zu sagen, wer in welcher Fraktion oder Partei ist.

Eine weitere Variante ist, dass man nicht das Abstimmungsverhalten zugrunde legt, sondern das Mass der Nähe dadurch definiert, wie oft zwei Personen gemeinsam Vorstösse einreichen.

Erwartungen

Was sollte am Ende der Hackdays vorliegen? → Erarbeitung Methode zur Datenkombination für entsprechenden Erkenntnisgewinn sowie Prototyp der Datenvisualisierung

Wie könnte es nach den Hackdays weitergehen? → Realisierung Prototyp(en)

Ergebnisse

Wessen Wahlverhalten stimmt wie stark mit den Angaben in SmartVote überein?

Projekt Seite Repo

Mögliche Erweiterungen: Mapping auf die SmartVote Spider, Zeigen welche Abstimmungen besonders atypisch sind.

Resourcen

SmartVote Daten OGD des Grossen Rates

Spider-Grafiken

Adrian Spahr.png 6YWERPW9.png BZGHIQJZ.png Katja Riem.png

~ README ~

Ettikettenschwindel im Grossen Rat?

German Version (English version below)

Installation

  1. Installiere Pipenv
  2. Führe pipenv shell aus
  3. Führe pipenv install aus

Verwendung

Führe die Jupyter-Notebooks in folgender Reihenfolge aus:

  1. smartvote_data_extraction.ipynb
  2. votes_cleanup.ipynb
  3. neural_net_1.ipynb
  4. data_merger.ipynb
  5. neural_net_2.ipynb
  6. visualizer.ipynb

Do Bern Parliament Members Keep Their Promises?

English Version

Installation

  1. Install Pipenv
  2. Run pipenv shell
  3. Run pipenv install

Usage

Run the Jupyter notebooks in the following order:

  1. smartvote_data_extraction.ipynb
  2. votes_cleanup.ipynb
  3. neural_net_1.ipynb
  4. data_merger.ipynb
  5. neural_net_2.ipynb
  6. visualizer.ipynb

Permafrost

Aufbereitung und Auswertung von Daten über Permafrost im Berner Oberland.


~ PITCH ~

Das Amt für Wald und Naturgefahren beobachtet die Temperaturentwicklungen des Permafrosts im Berner Oberland mit Hilfe von unterschiedlichen Messgeräte. So liegen die Informationen in sehr unterschiedlichen Datei-Formaten vor. Diese Daten liegen aktuell hauptsächlich brach. Dabei handelt es sich um einzigartige Datensätze, wie das höchste Bohrloch von Europa (auf rund 4000 Meter über Meer, knapp unter dem Gipfel der Jungfrau). Ziel ist es diese Daten aufzubereiten und auszuwerten.

Challenge (PDF)

Warum

  • Die Klimaveränderung führt zu einer Erwärmung des Hochgebirges und kann dazu führen, dass Permafrost schmilzt und Bergflanken instabil werden.
  • Um Gefahren vorherzusagen, muss die Verteilung und Qualität des Permafrosts verstanden werden.

Ressourcen

  • Messdaten und Metadaten
  • Modellierte Karten zur Verteilung des Permafrosts

Hoffnungen

  • Aufbereitung der Daten der Vergangenheit und Zugänglichmachung (OGD)
  • Einheitliche Speicherung zukünftiger Daten
  • Berechnung wichtiger Kennzahlen pro Standort
  • Vergleich verschiedener Kennzahlen über die Standorte
  • Räumliches Auftreten/Modellierung des Permafrosts

Outlook

  • Automatisierte, langlebige Datenaufbereitung, kompatibel mit der IT-Landschaft des Kantons Bern und externen Partnern
  • Finanziell tragbare Lösung

Stromausfall

Stromausfall - Information der Notrufzentralen


~ PITCH ~

Meldungen über einen Stromausfall werden zur Zeit meist via Bürger gemeldet. Die Notrufzentralen erhalten nur von Energie Wasser Bern (EWB) eine automatische Meldung via E-Mail über Netzausfälle. Mobilfunkantennen verfügen nur für eine beschränkte Zeit (ca. 45-60 Min) über Notstrom. Bürger können im Notfall je nach Meldezeit des Ausfalls nicht mehr informiert werden, da das Mobilfunknetz bereits ausgefallen ist.

Ziel:

  • Erstellung einer aktuellen Lagekarte des Kantons Bern mit den Stromausfällen sämtlicher Stromversorger
  • Bei einer Störung mit Folgen für die Bevölkerung soll umgehend (1-2 Minuten) eine Meldung via E-Mail an die Notrufzentralen erfolgen
  • Bereitstellen einer Schnittstelle (SOAP, …) für die Datenanlieferung der Netzbetreiber

Challenge Slides (PDF)

Bildquelle: BKW Outage, Kartendaten: (C) 2025 Google

~ README ~

Power-Outage

Stromausfall - Information der Notrufzentralen

Meldungen über einen Stromausfall werden zur Zeit meist via Bürger gemeldet. Die Notrufzentralen erhalten nur von Energie Wasser Bern (EWB) eine automatische Meldung via E-Mail über Netzausfälle. Mobilfunkantennen verfügen nur für eine beschränkte Zeit (ca. 45-60 Min) über Notstrom. Bürger können im Notfall je nach Meldezeit des Ausfalls nicht mehr informiert werden, da das Mobilfunknetz bereits ausgefallen ist.

Ziel

  • Erstellung einer aktuellen Lagekarte des Kantons Bern mit den Stromausfällen sämtlicher Stromversorger.
  • Bei einer Störung mit Folgen für die Bevölkerung soll umgehend (1-2 Minuten) eine Meldung via E-Mail an die Notrufzentralen erfolgen.
  • Bereitstellen einer REST Schnittstelle für die Datenanlieferung der Netzbetreiber.

Weitere Details: Hack Data Hackdays BE Projekt

Beispiel React Client

Anleitung für Deployment Local mit Docker

Docker Compose

  1. Installiere und starte Docker Desktop.
  2. Klone das Projekt.
  3. Navigiere im Root-Verzeichnis des Projekts und führe den folgenden Befehl aus:
    docker compose up
  4. Swagger sollte nun unter folgender URL erreichbar sein:
    http://localhost:8080/swagger-ui/index.html

Docker mit Kubernetes

  1. Installiere und starte Docker Desktop.
  2. Aktiviere Kubernetes in den Docker Desktop Einstellungen.
  3. Installiere kubectl.
  4. Führe folgenden Befehl aus, um den Docker Desktop Kontext zu setzen:
    kubectl config use-context docker-desktop
  5. Im Projektverzeichnis führe den folgenden Befehl aus:
    kubectl apply -f src/main/resources/k8s/deployment.yaml
  6. Finde den Port heraus, indem du diesen Befehl ausführst:
    kubectl get service | grep 80
  7. Swagger sollte nun unter folgender URL erreichbar sein:
    http://localhost:/swagger-ui/index.html

#Hackdays2025 #Bern #PolitRadar​

Wie tickt der Grosse Rat?


~ PITCH ~

Die Challenge

Der Grosse Rat

  • 160 Grossrätinnen und Grossräte
  • Der ganze Kanton ist vertreten (Sprache: FR und DE)
  • 4 Sessionen pro Jahr
  • 100 Geschäfte werden pro Session beraten.

Welche Themen bewegen den Grossen Rat?

  • Was bleibt hängen – was verschwindet, gibt es Trends?
  • Welche Regionen bringen was ein?
  • Wer redet wann, wie lang, wie oft?
  • Welche Vorstösse werden angenommen– welche nicht, und warum?

Warum ist das spannend?

  • Politik sichtbar machen 🧐
  • Regionale Unterschiede erkennen
  • Coole Tools für Polit-Nerds & News 🤓📰
  • Machine Learning trifft Demokratie 🧬⚖️

🛠️ Was bauen wir, was brauchen wir?

  • Themen-Tracker mit Heatmap 🔥
  • Dashboards & Visualisierungen 📊
  • NLP-Tools für Reden & Vorstösse 🗣️🤖​
  • Erfolgsbarometer für Vorstösse 📈

Was erreicht wurde

Aufgrund des Mangels and Teilnehmenden bei den Vorschlägen des Grossen Rates vereinigten wir die Teams und verfolgten zwei Projekte.

Teilprojekte:

Etikettenschwindel im Grossen Rat

Wessen Wahlverhalten stimmt wie stark mit den Angaben in SmartVote überein?

Projekt Seite Repo

Mögliche Erweiterungen: Mapping auf die SmartVote Spider, Zeigen welche Abstimmungen besonders atypisch sind.

Resourcen

Histogram von Keywords und Semantic Search

Bisher nur Semantic Search von Motionen. Keyword Histogram der Reden nur bis 2022.

Repo

Mögliche Erweiterungen: Mehr (historische) Daten hinzufügen, Semantic Search für alle Daten. Support für komplexere Queries. Verfügungstellen der denormalisierten Daten für NLP (z.b. Emotion Detection).

Ressourcen und Hilfsmittel

~ README ~

Ettikettenschwindel im Grossen Rat?

German Version (English version below)

Installation

  1. Installiere Pipenv
  2. Führe pipenv shell aus
  3. Führe pipenv install aus

Verwendung

Führe die Jupyter-Notebooks in folgender Reihenfolge aus:

  1. smartvote_data_extraction.ipynb
  2. votes_cleanup.ipynb
  3. neural_net_1.ipynb
  4. data_merger.ipynb
  5. neural_net_2.ipynb
  6. visualizer.ipynb

Do Bern Parliament Members Keep Their Promises?

English Version

Installation

  1. Install Pipenv
  2. Run pipenv shell
  3. Run pipenv install

Usage

Run the Jupyter notebooks in the following order:

  1. smartvote_data_extraction.ipynb
  2. votes_cleanup.ipynb
  3. neural_net_1.ipynb
  4. data_merger.ipynb
  5. neural_net_2.ipynb
  6. visualizer.ipynb

Aktuelle Baustellen-Informationen

Baustellen gibt es überall - aber keine öffentlich zugängliche Übersicht mit tagesaktuellen Informationen. Unsere Vision: Wir wünschen uns für den Kanton Bern eine ansprechende, interaktive Übersicht auf der die aktuellen (Vortag, Echtzeit) und geplanten Baustellen ersichtlich sind.


~ PITCH ~

Entwicklung einer interaktiven Übersicht über aktuelle und geplante Baustellen im Kanton Bern. Es gibt keine öffentlich zugängliche Übersicht über Baustellen, obwohl viele Interessensgruppen (Verkehrsteilnehmende, Rettungsdienste, Transportunternehmen, Anwohner etc.) an aktuellen Informationen interessiert sind.

Challenge Slides (PDF)

Erwartungen

  • Entwicklung eines Prototyps (Proof of Concept) für die Übersicht über Strassenbaustellen im Kanton Bern
  • Mögliche Initialisierung eines Projekts im Bereich der Baustelleninformationen nach den Hackdays

Datenquellen

  • Baustellenplanung aus Strasseninformationssystem LOGO
  • Baustellen-Publikationen Amtsblatt Kanton Bern
  • Truckinfo, Verkehrsmeldungen VIASUISSE, Navigationssystem-Daten, Google Maps, Satellitenbilder
  • Link: https://data.be.ch/s/PZJwkoKM4W24jDj (Zugangscode erteilt am Hackday)

Resultat

Impressionen der entstandenen Baustellen Informationen Anwendung.

Karte

IXSBA1DY.png

Übersicht über alle Baustellen

39SJ58I0.png

Detail Ansicht einer Baustelle

ORXS2HFA.png

Return Challenges Stages Categories