Arctic Data Story
Von Klimadaten und Sentinel-2-Bildern zur interaktiven Story
Veröffentlichte Data Story, die Klimadaten, Satellitenbild-Auswertungen, interaktive Visualisierungen und historische Quellen in einem zugänglichen Erlebnis verbindet.
Konzeption, Design, Entwicklung, Datenpipeline und Text.
Der Case zeigt meine Stärke, komplexe Daten nicht nur darzustellen, sondern den kompletten Weg von Rohdaten, Satellitenbild-Auswertung und Backend-Datenfluss bis zur verständlichen Produkterfahrung zu bauen.
Arktisches Meereis ist ein abstraktes Thema, obwohl die Datenlage reich ist. NASA-, NOAA-/NSIDC- und OWID-Daten, Sentinel-2-Bilder und historische Perspektiven lagen getrennt vor und mussten für Leserinnen und Leser zugänglich werden.
Die Herausforderung lag in der Verbindung aus Datenverarbeitung, visueller Erklärung und Interaktion. Die Story brauchte eine belastbare Pipeline, die Klimadaten und Bildauswertung in vergleichbare Datenpunkte übersetzt, statt nur fertige Charts einzubetten.
Ich habe eine Next.js-Story mit Karten, Charts und scrollgetriebenen Übergängen gebaut, dazu Python-Pipelines für globale Klimadaten und Sentinel-2-Fjordauswertung, FastAPI-Endpunkte, PostgreSQL/JSON-Fallbacks und einen RAG-Chatbot für historische Inuit-Texte.
Was dieser Case zeigt
Daten brauchen Produktform
Gute Visualisierung beginnt nicht beim Chart, sondern beim Datenfluss: Welche Rohdaten werden verlässlich, vergleichbar und für Nutzer verständlich?
Erklärung und Exploration balancieren
Die Story führt linear durch das Thema, lässt aber genug Interaktion, um eigene Vergleiche und Muster zu entdecken.
Technik bleibt Mittel zum Verständnis
Pipelines, APIs, Karten und RAG sind nicht Selbstzweck, sondern machen ein schwer greifbares Thema konkreter.
Der Einstieg verbindet Ort, These und visuelles Material, damit das Thema sofort greifbar wird.
Eine Datenpipeline mit Story-Interface
Die sichtbare Story ist nur die letzte Schicht: öffentliche Klimadatensätze, Sentinel-2-Bilder, ein eigener Auswertungs-CLI und Backend-Datenflüsse speisen dieselben Karten, Charts und Scroll-Szenen.
Klimadaten normalisieren
NASA GISTEMP · NOAA/NSIDC · OWIDZeitreihen werden ingestiert, geglättet, auf Kalender und Anomalien gebracht und als vergleichbare Datensätze modelliert.
Story, API & DatenSentinel-2 klassifizieren
STAC · UNet · NDSI/NDWIDie Uummannaq-Pipeline lädt Kacheln, maskiert Wolken, trennt Eis, Wasser und Land und erzeugt Overlays sowie CSV-Metriken.
Satelliten-PipelineAggregate ausliefern
FastAPI · PostgreSQL · JSON-FallbackGlobale Klimadaten und Fjord-Aggregate werden über Backend-Endpunkte und Fallback-Dateien stabil für die Story bereitgestellt.
Story, API & DatenVerständlich erzählen
Next.js · Maps · Charts · RAGScroll-Szenen, Karten, Charts und Chat verbinden die technischen Datenflüsse mit einer lesbaren Erfahrung für Nicht-Expertinnen und Nicht-Experten.
Öffentliche Daten werden produktfähig
- NASA GISTEMP, NOAA/NSIDC Sea Ice Index und OWID CO2 ingestiert und normalisiert
- Kalender, Ausreißer, Glättung, Anomalien, IQR-Werte und Korrelationen für die UI vorbereitet
- Daten so modelliert, dass Karten, Charts und Scroll-Szenen dieselbe belastbare Grundlage nutzen
Satellitenbilder werden zu Fjorddaten
- Sentinel-2-Auswertungen in Eis-, Wasser-, Wolken- und Landanteile übersetzt
- Uummannaq-Fjord-Aggregate wie saisonale Bänder, Frühjahrsanomalien und mittlere Eisanteile abgeleitet
- Freeze- und Breakup-Daten aus den klassifizierten Zeitreihen für die Story nutzbar gemacht
Datenfluss bis in die Scroll-Szenen
- FastAPI-Routen für globale Klimadaten und Uummannaq-Fjorddaten bereitgestellt
- PostgreSQL als Primärspeicher genutzt und JSON-Fallbacks für robuste Auslieferung ergänzt
- Next.js-Szenen, Karten und Charts direkt aus diesen Datenflüssen gespeist
Ein datenlastiges Thema wurde nutzbar
- Komplexe Klimadaten und Bildauswertungen wurden visuell und interaktiv zugänglich
- Das Projekt demonstriert End-to-end-Arbeit von Datenpipeline bis Interface
- Die Umsetzung verbindet journalistische Klarheit mit produktnaher technischer Ausführung