Wie RapsRadarSH entstand

Es gibt so Dinge, die macht man jahrelang — und dann hört man auf, ohne es recht zu merken. Bei uns waren das die Rapsfahrten im Frühling: aufs Rad oder ins Cabrio, raus in die Knicks, dieses absurd leuchtende Gelb, der Duft (der, offengestanden, nicht jedermanns Sache ist, aber ich mag ihn). Irgendwann ging das im Alltag unter, und wenn ich dann doch mal spontan losgefahren bin, lag an der Strecke — natürlich — kaum Raps. Falsche Ecke, falscher Zeitpunkt, Pech gehabt. Ich habe ernsthaft gehofft, daß irgendwer mal ein Tool baut, mit dem man sowas planen kann: Wo blüht es gerade, welche Route lohnt sich? Aber: nichts. Nada. Gähnende Leere im Netz. Stellt sich die Frage … warum eigentlich nicht selbst machen?

Die Grundidee war schnell skizziert — zwei öffentlich zugängliche Datenquellen kombinieren, die einzeln jeweils nur die halbe Miete sind. Der Deutsche Wetterdienst unterhält seit 1934 (!) ein Netzwerk ehrenamtlicher phänologischer Beobachter, die u. a. notieren, wann der Raps aufblüht — das Wann also. Die Copernicus-Satelliten der ESA fotografieren alle fünf Tage ganz Europa mit zehn Metern Auflösung — das Wo. Dazu die über 83.000 Feldblock-Polygone Schleswig-Holsteins als Open Data, damit man nur echte Ackerflächen trifft und nicht versehentlich gelbe Baucontainer als „blühend" markiert. Schleswig-Holstein als eines der führenden Rapsanbau-Länder Deutschlands war die naheliegende Wahl — wo, wenn nicht hier?

Bewußt habe ich auf moderne Frameworks verzichtet. Kein Laravel, kein React, kein Build-Step, kein Tooling-Zirkus. Stattdessen: PHP mit striktem Typing, Vanilla JS, MariaDB, Leaflet — schlicht und ergreifend alles, was der Shared-Hosting-Server von Haus aus mitbringt. Datei ändern, deployen, fertig. Für ein Ein-Personen-Projekt ist das m. E. genau die richtige Flughöhe — man will Satellitenbilder auswerten, nicht Dependency-Hölle verwalten.

Das Ganze entstand in einer Woche. Tag eins und zwei: Router, DWD-Daten-Parsing, erste Karte. Tag drei der entscheidende Durchbruch — Copernicus erlaubt serverseitige Auswertung, man schickt den Algorithmus zu den Daten und bekommt ein fertiges Bild zurück, ohne Megabytes an Rohdaten lokal verarbeiten zu müssen. Tag vier: Pixel in Polygone — Clustering, Rauschfilter, Koordinatentransformation, Abgleich gegen Feldblöcke. Tag fünf und sechs: Timeline-Slider, Layer-Toggle, E-Mail-Benachrichtigungen. Tag sieben: Feinschliff. Jeder Commit ein funktionierender Zustand — das war mir wichtig.

Was lernen wir daraus? Satellitendaten sind zugänglicher, als man denkt — man braucht keinen Python-Stack und kein Informatikstudium. Der DWD ist eine Schatztruhe (phänologische Daten seit 1934, frei verfügbar, wer weiß das schon?). Und die Feldblock-Polygone sind der eigentliche Gamechanger — ohne sie wäre das Ganze ein hübsches, aber letztlich unbrauchbares Gelb-Erkennungs-Tool.

RapsRadarSH ist kein Produkt. Es ist ein Experiment — der Beweis, daß man mit offenen Daten, Satellitenbildern und einer Woche konzentrierter Arbeit etwas bauen kann, das tatsächlich zeigt, wo gerade Raps blüht. Ganz ohne Machine Learning, Cloud-Infrastruktur oder ein Team von zehn Leuten. Manchmal reicht es, wenn einer anfängt. :-)