Datensatz - CKAN

Suche
SPARQL

nach Themen

[{"children": [], "color": "", "highlighted": false, "icon": "", "id": "d86c2d79-fc7f-4630-aaa3-c03fe85d706c", "name": "bevoelkerung-und-gesellschaft", "package_count": 14, "title": "Bev\u00f6lkerung und Gesellschaft"}, {"children": [], "highlighted": false, "id": "d519623b-2eef-4040-9446-eabbb4e94e33", "name": "bildung-kultur-und-sport", "title": "Bildung, Kultur und Sport"}, {"children": [], "highlighted": false, "id": "7183cc01-5501-42eb-86b1-58e038dcca1c", "name": "energie", "title": "Energie"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "04c8c2d0-8dde-4a38-9358-8f4073518e35", "name": "gesundheit", "package_count": 4, "title": "Gesundheit"}, {"children": [], "highlighted": false, "id": "baa3040a-e279-4c04-a44b-769fbb092594", "name": "internationale-themen", "title": "Internationale Themen"}, {"children": [], "highlighted": false, "id": "ff4559ac-3e8e-4026-81b2-a29fc1fbab33", "name": "justiz-rechtssystem-und-oeffentliche-sicherheit", "title": "Justiz, Rechtssystem und \u00f6ffentliche Sicherheit"}, {"children": [], "highlighted": false, "id": "060be369-8730-46dd-be5e-594defc78a32", "name": "landwirtschaft-fischerei-forstwirtschaft-und-nahrungsmittel", "title": "Landwirtschaft, Fischerei, Forstwirtschaft und Nahrungsmittel"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "143a31a9-ea82-493f-87bb-54d8f27b9c41", "name": "regierung-und-oeffentlicher-sektor", "package_count": 2, "title": "Regierung und \u00f6ffentlicher Sektor"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "d2cfe577-ba69-4444-95f9-031a71364349", "name": "regionen-und-staedte", "package_count": 4, "title": "Regionen und St\u00e4dte"}, {"children": [], "highlighted": false, "id": "f1d9bc1d-0e06-4198-9677-8a83fbef2dc9", "name": "sonstiges", "title": "Sonstiges"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "77647da7-bab7-4bd1-9c04-79c5881fc93c", "name": "umwelt", "package_count": 43, "title": "Umwelt"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "4997517c-daeb-4c7a-a619-134a36613c5c", "name": "verkehr", "package_count": 1, "title": "Verkehr"}, {"children": [], "highlighted": false, "id": "36615736-f06b-4571-ad9e-653c7a9abd91", "name": "vorlaeufige-daten", "title": "Vorl\u00e4ufige Daten"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "bb8f19f8-c368-432f-8d99-f265d340dc9c", "name": "wirtschaft-und-finanzen", "package_count": 4, "title": "Wirtschaft und Finanzen"}, {"children": [], "color": "", "highlighted": false, "icon": "", "id": "d7476b72-1672-4cf9-b482-3d183e218b69", "name": "wissenschaft-und-technologie", "package_count": 7, "title": "Wissenschaft und Technologie"}]

nach Schlagwörtern

[{"active": true, "count": 126, "display_name": "Hessen", "id": "46b12b61-4b7c-4eb2-a9ab-e4479f26d628", "name": "Hessen", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Baden-W\u00fcrttemberg", "id": "90894524-9212-447c-a243-6be0d6acb03d", "name": "Baden-W\u00fcrttemberg", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Bayern", "id": "d6c6e502-469c-47e6-a9cf-447821f367e8", "name": "Bayern", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Berlin", "id": "f35f535c-f224-4e7f-8216-295accff85db", "name": "Berlin", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Brandenburg", "id": "98e87169-b4eb-49bd-a8a9-a05ffcf373ef", "name": "Brandenburg", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Bremen", "id": "3b273fdd-66ff-4636-b9c5-4d065e40d60e", "name": "Bremen", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Bundesl\u00e4nder", "id": "1aabf5d7-5f55-4686-a871-852d5dfa417b", "name": "Bundesl\u00e4nder", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Hamburg", "id": "0006685b-de0a-46e6-9382-0776f2fb8a68", "name": "Hamburg", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Mecklenburg-Vorpommern", "id": "26cfd93c-f5f6-4784-aecc-5427966e9850", "name": "Mecklenburg-Vorpommern", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Niedersachsen", "id": "f9723841-57b5-44dd-a3a4-1b703b3d5411", "name": "Niedersachsen", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Nordrhein-Westfalen", "id": "d1d769b7-4828-4c5d-9397-b1dba6925c11", "name": "Nordrhein-Westfalen", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Rheinland-Pfalz", "id": "7375acde-86d0-49d6-8b5c-855df798878f", "name": "Rheinland-Pfalz", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Saarland", "id": "ac45999f-fe24-4500-8e6e-a8d4ef3da7ed", "name": "Saarland", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Sachsen", "id": "a9211394-d198-4828-8718-91cb33ee9cc3", "name": "Sachsen", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Sachsen-Anhalt", "id": "3752f193-05ad-4255-b8b9-fb07615ee456", "name": "Sachsen-Anhalt", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Schleswig-Holstein", "id": "c32762b1-0f07-4aa3-82b1-db8f40191d6f", "name": "Schleswig-Holstein", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 58, "display_name": "Th\u00fcringen", "id": "9a0ed073-1e40-42f8-b268-2d32083b34f6", "name": "Th\u00fcringen", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 56, "display_name": "Jahr", "id": "5bb1518e-369c-463d-8054-5cb3d91d08a7", "name": "Jahr", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 46, "display_name": "inspireidentifiziert", "id": "19e0a0ea-c3ec-43bf-abb7-48de03dc2026", "name": "inspireidentifiziert", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 42, "display_name": "HLNUG", "id": "e872b70f-5c66-4e40-b5d0-e29cb0044b71", "name": "HLNUG", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 33, "display_name": "Deutschland", "id": "84178396-b035-49f3-9f78-bb01262337c1", "name": "Deutschland", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 33, "display_name": "Stadtstaaten", "id": "25418869-793d-4c5d-ab1c-f8ed467fcf6f", "name": "Stadtstaaten", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 33, "display_name": "Summe der L\u00e4nder", "id": "6e0324b0-14ec-4c3b-9a99-b9bcffd8f261", "name": "Summe der L\u00e4nder", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 32, "display_name": "Regional", "id": "10002204-bae2-49b3-9415-384b1b1c450b", "name": "Regional", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 31, "display_name": "Boden", "id": "2afffbf4-9fba-426f-adfd-f70420815857", "name": "Boden", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 25, "display_name": "Bodenfl\u00e4chendaten", "id": "ab3692c6-3e0f-4225-8947-222e6a5153e1", "name": "Bodenfl\u00e4chendaten", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 20, "display_name": "opendata", "id": "872dded5-5a40-45fc-9f59-92f68f708160", "name": "opendata", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 19, "display_name": "AdVMIS", "id": "91ec8410-d8d2-4ed8-9c8b-1c4dc090b617", "name": "AdVMIS", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 19, "display_name": "GOVE", "id": "16185905-e441-44f7-9e6b-d788aba4ad22", "name": "GOVE", "vocabulary_id": null, "vocabulary_name": null}, {"active": false, "count": 15, "display_name": "BFD50", "id": "9326caf9-a7f5-4b96-a1d4-ebcd3c9f0dc0", "name": "BFD50", "vocabulary_id": null, "vocabulary_name": null}]

nach Regionen

nach Zeiten

Verteilung nach Schlagwörtern auf einen Blick

Das Diagramm zeigt, wie sich die aktuell gefundenen Datensätze auf verschiedene Schlagwörter verteilen: je größer ein Kreis, umso mehr Datensätze liegen dort vor. Um den Überblick zu behalten, ist die Anzeige auf die ersten 30 Schlagwörter mit den meisten Verknüpfungen begrenzt.

Mit einem Klick auf ein Schlagwort fügen sie dieses dem Datensatz-Filter hinzu.

Schlagwörter, die von anderen Metadatenportalen importiert worden sind, können nach bestimmten Regeln verarbeitet worden sein. Auf diese Weise reduziert sich die Menge der Schlagwörter auf ein praktikables Maß und die Wahrscheinlichkeit steigt, dass Datensätze mit ähnlichen Inhalten über gemeiname Schlagwörter aufeinander verweisen können. Weitere Erläuterungen dazu finden Sie im Hilfetext zu den Schlagwörtern am einzelnen Datensatz.

An der Gestaltung der Kreise lässt sich die Art der Verarbeitung ablesen:

Beispiel	Bedeutung
	Gewöhnliche Schlagworte ohne weitere Verarbeitung haben einheitlich diese Farbe.
	Mit beliebigen anderen Farben werden Oberbegriffe (Deskriptoren) für eine Menge anderer Schlagwörter (Synonyme) voneinander unterschieden. Diese Synonyme zu einem Oberbegriff werden ausgeblendet, um die Treffermenge übersichtlich zu halten.
	Wenn aber ein Synonym ausdrücklich ausgewählt wurde als Filter (z.B. durch Anklicken im Datensatz), dann wird es in derselben Farbe angezeigt wie sein Oberbegriff, jedoch mit einer helleren Tönung von diesem unterschieden. Dasselbe gilt für alle Schlagwörter, die prinzipiell ausgeblendet werden, nur gibt es dann keinen zugehörigen Oberbegriff.
	Schlagwörter, nach denen aktuell gefiltert wird, werden so gekennzeichnet.

Räumliche Verteilung auf einen Blick

Die Karte zeigt, wie sich die aktuell gefundenen Datensätze über Hessen verteilen: je dunkler ein Gebiet, umso mehr Datensätze liegen dort vor. Dabei überlagern sich Landkreise (rot) mit Städten und Gemeinden (blau).

Datensätze, die ganze Regierungsbezirke oder ganz Hessen umfassen (auch dann, wenn sich die darin enthaltenen Daten selbst bis auf Gemeindeebene aufgliedern), werden hier weggelassen, weil ihre Anzahl keine regionalen Unterschiede ausmachen.

Mit einem Klick auf eine Region fügen sie diese dem Datensatz-Filter hinzu. Zugleich wird damit die darunterliegende Ebene aufgedeckt, d.h. ein Klick auf einen Landkreis zeigt seine Gemeinden.

Tipps und Tricks

Kreisfreie Städte werden wie Städte und Gemeinden behandelt. Sie erscheinen in blau, auf der Ebene der Landkreise (rot) sind ihre Flächen leer.
Mehrere Filter sind UND-verknüpft. Wenn Sie etwa Darmstadt und Kassel als Filter hinzufügen, dann suchen Sie nach Datensätzen, die Daten sowohl über Darmstadt als auch über Kassel enthalten (also nicht nach solchen, die entweder nur Darmstadt oder nur Kassel enthalten).
Die Filter von Landkreisen und Gemeinden wirken getrennt. Wenn Sie also nach einem Landkreis filtern, sind nicht automatisch die Datensätze aller kreisangehörigen Gemeinden gleich mit enthalten.
Wenn sie nur nach einer Gemeinde filtern wollen, dann klicken sie zunächst auf ihren Landkreis - und haben ihn dadurch sogleich als Filter hinzugefügt. Klicken Sie dann erst auf die Gemeinde und aktivieren Sie sie somit ebenfalls als Filter; danach entfernen Sie wieder den Landkreis in der Reihe der aktiven Filter durch Klick auf das x.
Diese Karte dient nur der schnellen Orientierung. Wenn Sie Datensätze gezielt über Regionen und Verwaltungsebenen suchen, dann wechseln Sie zum Dashboard "Regionen". Dort können Sie auch alle Ebenen einzeln ein- und ausblenden und sehen eine Legende über die zahlenmäßige Verteilung.
Region ist nicht identisch mit Herausgeber. Daten über eine Gemeinde können, müssen aber nicht von dieser Gebietskörperschaft stammen, sondern ebenso gut von einer ganz anderen Behörde.
Die Anzahl der Datensätze sagt noch nichts aus über die Menge an Daten, die darin enthalten ist. So kann z.B. ein WMS-Dienst aus lediglich einem Layer bestehen oder aber zahlreiche Layer enthalten zu ganz unterschiedlichen Aspekten.

Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Haushaltstyp (8) - Jahr -regionale Tiefe:...

Armutsgefährdungsquote nach Haushaltstyp (8) - Jahr -regionale Tiefe: Bundesländer (2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Personentyp (2) undBildungsstand (3) - Jahr -...

Armutsgefährdungsquote nach Personentyp (2) undBildungsstand (3) - Jahr - regionale Tiefe: Bundesländer(2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Erwerbsstatus - Jahr - regionaleTiefe:...

Armutsgefährdungsquote nach Erwerbsstatus - Jahr - regionaleTiefe: Bundesländer (2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Staatsangehörigkeit undMigrationshintergrund -...

Armutsgefährdungsquote nach Staatsangehörigkeit undMigrationshintergrund - Jahr - regionale Tiefe:Bundesländer (2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Landesmedian) -...

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Landesmedian) - Jahr - regionale Tiefe: Bundesländer(2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Bundesmedian) -...

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Bundesmedian) - Jahr - regionale Tiefe: Bundesländer(2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Geschlecht in Deutschland - Jahr- regionale...

Armutsgefährdungsquote nach Geschlecht in Deutschland - Jahr- regionale Tiefe: Bundesländer (2005-2019)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Haushaltstyp (8) - Jahr -regionale Tiefe:...

Armutsgefährdungsquote nach Haushaltstyp (8) - Jahr -regionale Tiefe: Bundesländer (ab 2020)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Personentyp (2) undBildungsstand (3) - Jahr -...

Armutsgefährdungsquote nach Personentyp (2) undBildungsstand (3) - Jahr - regionale Tiefe: Bundesländer (ab2020)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Erwerbsstatus (5) - Jahr -regionaleTiefe:...

Armutsgefährdungsquote nach Erwerbsstatus (5) - Jahr -regionaleTiefe: Bundesländer (ab 2020)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Staatsangehörigkeit undMigrationshintergrund -...

Armutsgefährdungsquote nach Staatsangehörigkeit undMigrationshintergrund - Jahr - regionale Tiefe:Bundesländer (ab 2020)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Landesmedian) -...

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Landesmedian) - Jahr - regionale Tiefe: Bundesländer (ab2020)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Bundesmedian) -...

Armutsgefährdungsquote nach Geschlecht und Altersgruppen (5)(Bundesmedian) - Jahr - regionale Tiefe: Bundesländer (ab2020)
- CSV
Datensatz · Regionalstatistik

Armutsgefährdungsquote nach Geschlecht in Deutschland - Jahr- regionale...

Armutsgefährdungsquote nach Geschlecht in Deutschland - Jahr- regionale Tiefe: Bundesländer (ab 2020)
- CSV
Datensatz · Regionalstatistik

Erwerbstätige in der Gesundheitswirtschaft, je 1000Einwohner/-innen sowie...

Erwerbstätige in der Gesundheitswirtschaft, je 1000Einwohner/-innen sowie Länderanteil an den Erwerbstätigender Gesundheitwirtschaft in Deutschland - Jahr - regionaleTiefe:...
- CSV
Datensatz · Regionalstatistik

Bruttowertschöpfung in der Gesundheitswirtschaft, jeEinwohner/-in sowie...

Bruttowertschöpfung in der Gesundheitswirtschaft, jeEinwohner/-in sowie Länderanteil an der Bruttowertschöpfungder Gesundheitswirtschaft in Deutschland - Jahr - regionaleTiefe:...
- CSV
Datensatz · Regionalstatistik

Bruttowertschöpfung (in jew. Preisen) und Erwerbstätige inder...

Bruttowertschöpfung (in jew. Preisen) und Erwerbstätige inder Gesundheitswirtschaft - Jahr - regionale Tiefe:Bundesländer
- CSV
Datensatz · Regionalstatistik

Gesundheitspersonalrechnung der Länder: Vollzeitäquivalente(VZÄ) im...

Gesundheitspersonalrechnung der Länder: Vollzeitäquivalente(VZÄ) im Gesundheitswesen am 31.12., je 100 Beschäftigtenach Art der Einrichtung (14) - Jahr - regionale...
- CSV
Datensatz · Regionalstatistik

Gesundheitspersonalrechnung der Länder: Gesundheitspersonalam 31.12. je 1000...

Gesundheitspersonalrechnung der Länder: Gesundheitspersonalam 31.12. je 1000 Einwohner/-innen, Anteil an der jeweiligenEinrichtungsart, Geschlecht sowie nach Art der...
- CSV
Datensatz · Regionalstatistik

Gesundheitspersonalrechnung der Länder: Gesundheitspersonalam 31.12. je 1000...

Gesundheitspersonalrechnung der Länder: Gesundheitspersonalam 31.12. je 1000 Einwohner/-innen, Länderanteil amGesundheitspersonal in Deutschland sowie nach Art derEinrichtung...
- CSV

Sie können dieses Register auch über die API (siehe API-Dokumentation) abrufen.

126 Datensätze gefunden

Diagramme für Kategorien

nach Themen

nach Schlagwörtern

nach Regionen

nach Zeiten

Suchergebnis

Hilfe

API-Code-Beispiele