Cloud-Plattform von Google für geospatiale Analyse mit über 70 Petabyte Satellitendaten (Sentinel-1/2, Landsat, MODIS, ERA5-Klima). Ermöglicht NDVI-Zeitreihen, Vegetationsmonitoring und Klimarisiko-Modellierung für beliebig große Flächen ohne lokale Serverinfrastruktur. Goldstandard in der wissenschaftlichen Fernerkundung, zunehmend auch kommerziell relevant.
Kosten: Kostenlos für Forschung, Bildung und gemeinnützige Nutzung. Kommerziell: Earth Engine on Google Cloud ab ca. 200 USD/Monat Plattformgebühr zzgl. Compute-Units (ca. 0,04 USD/EECU-Stunde). Für Pilotprojekte gibt es ein kommerzielles Trial-Programm.
Stärken
- Über 70 Petabyte vorkuratierte Satellitendaten direkt in der Plattform — keine eigene Dateninfrastruktur nötig
- Sentinel-2 alle 5 Tage, Landsat-Archiv ab 1972, ERA5-Klimareanalyse ab 1940
- JavaScript- und Python-API für Zeitreihenanalysen, Vegetationsindizes (NDVI, EVI, NBR) und Klassifikation
- Random-Forest, SVM und andere ML-Algorithmen laufen direkt auf Satellitendaten in der Cloud
- Kostenlos für Forschung und Bildung — Standardwerkzeug in der wissenschaftlichen Fernerkundung
Einschränkungen
- Kommerzielle Nutzung über Google Cloud ab 200 USD/Monat Plattformgebühr — für kleine Betriebe signifikant
- Alle Daten werden auf US-Servern verarbeitet — DSGVO-Problematik für personenbezogene Flächendaten
- Steilere Lernkurve: JavaScript-Code-Editor und Python-API erfordern Entwicklerkenntnisse
- Kein deutschsprachiger Support, Dokumentation ausschließlich auf Englisch
- 10 m Sentinel-2-Auflösung reicht für Parzellenebene (>1 ha), nicht für Einzelbaumebene
- Datenlatenzen bei Sentinel-2: 2–5 Tage bis neue Aufnahmen verfügbar
Passt gut zu
So steigst du ein
Schritt 1: Registriere dich unter earthengine.google.com — für Forschungs- oder Bildungsprojekte ist der Zugang kostenlos und wird nach kurzer Prüfung (2–5 Werktage) freigeschaltet. Für kommerzielle Nutzung musst du Earth Engine über Google Cloud aktivieren.
Schritt 2: Öffne den Code-Editor unter code.earthengine.google.com. Lade eine Sentinel-2-Zeitreihe für dein Forstgebiet (Polygon einzeichnen), berechne den NDVI für jeden Zeitschritt und visualisiere die saisonale Kurve. Das zeigt dir innerhalb von 30 Minuten, welche Parzellen im Trockensommer 2022 vs. 2021 abgefallen sind.
Schritt 3: Für automatisiertes Klimarisiko-Scoring wechselst du zur Python-API (pip install earthengine-api). Das Scoring-Modell lässt sich als Python-Skript aufbauen: Eingabe sind deine Parzellenpolygone als GeoJSON, Ausgabe ein Score-DataFrame mit NDVI-Anomalie, Temperatur-Extremwert-Index und Windexpositionsklasse.
Ein konkretes Beispiel
Ein Forstbetrieb mit 2.800 Hektar in Brandenburg beauftragt einen GIS-Dienstleister, ein jährliches Klimarisiko-Scoring über Google Earth Engine aufzubauen. Per Python-API werden für alle 340 Bestandsparzellen automatisch NDVI-Zeitreihen der letzten 5 Jahre, ERA5-Trockenheitsindizes und topografische Windexpositionswerte abgerufen und zu einem Gesamtscore kombiniert. Die Ergebnisse fließen als Ampelkarte in QGIS und als CSV in die Versicherungsgespräche. Einrichtungskosten: ca. 18.000 EUR (GIS-Dienstleister), laufende GEE-Plattformkosten: ca. 250–400 USD/Monat für das Abrufvolumen. Jährliche Aktualisierung: 4.000 EUR.
Diesen Inhalt teilen:
Empfohlen in 1 Use Cases
Redaktionell bewertet · Preise und Funktionen können sich ändern.
Stimmt etwas nicht?
Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.
Nicht sicher, ob Google Earth Engine zu euch passt?
Wir helfen bei der Tool-Auswahl und begleiten die Einführung in euren Arbeitsalltag — unverbindlich und kostenlos im Erstgespräch.
Weitere Tools
Copernicus Data Space Ecosystem
Europäische Weltraumorganisation (ESA) / EU
Offizieller offener Zugang zu den ESA-Copernicus-Satellitendaten — Sentinel-1 (Radar), Sentinel-2 (10–60 m optisch), Sentinel-3 (Ozean/Land), Sentinel-5P (Atmosphäre) u. a. Kostenloser Basiszugang über EO Browser und APIs. Seit 2025 mit Global Embedding Dataset für ML-Analysen und openEO als OGC-Standard. Ideal für Forst-, Agrar-, Umwelt- und Klimaanwendungen in der EU.
Mehr erfahrenOroraTech
OroraTech GmbH
Münchner Startup (gegründet 2018, Wachstumsfonds Bayern) mit eigener Nanosatelliten-Konstellation und thermaler Infrarot-Erkennung für weltweites Waldbrandmonitoring. Die Forest Intelligence Platform liefert frühzeitige Hotspot-Alerts auf Basis thermaler Satellitendaten — ergänzt durch Google-KI und Copernicus-Daten. Besonders relevant für Forstbetriebe in Hochrisikoregionen, Kommunen und Katastrophenschutzbehörden.
Mehr erfahren