Bienenatlas — vom Hof in Mehrum zur Plattform für 121 Gemeinden

Meine Nichte Meicken hat einen Hof in Mehrum, einem Ortsteil von Hohenhameln im Landkreis Peine. Sie wollte wissen, wie es konkret bei ihr vor Ort um die Bienen steht — nicht aus dritter Hand, nicht aus dem Garten-Magazin, sondern aus wissenschaftlich verifizierbaren Daten. Daraus wurde innerhalb von zehn Tagen bienenatlas.de: ein Echtzeit-Dashboard für die Wildbienen-Lage in 121 deutschen Gemeinden, mit vier Datenquellen, 235 Bildern, und einem rigorosen UWG-§5-Disziplin-Versprechen — keine erfundenen Zahlen, keine Marketing-Adjektive.

V1: ein Dashboard für einen Hof

Die erste Iteration war pragmatisch klein: ein einziges Astro-Dashboard, das via GBIF-API für die Mehrum-Bbox Apidae-Beobachtungen zog (Familie Apidae, taxonKey 4334), Top-Arten zählte, die letzten 30 Tage mit dem Vorjahres-Fenster verglich, und die Funde als Cards rendete. Keine Datenbank, kein State, kein Build-Schritt für Daten — alles SSR bei jedem Request, mit fünf Minuten Edge-Cache auf Netlify. Sechs Tage von der ersten Skizze zur Live-Version, Sprint MEICKEN-MVP-001 bis MVP-012.

Meicken sah das auf dem Handy beim Familien-Frühstück und fragte, was eine “Bbox” sei. Das war der Moment, in dem klar wurde: das funktioniert für sie als Hof-Werkzeug, aber als Plattform-Idee skaliert es nicht. Niemand außerhalb von Mehrum würde bei ?gemeinde=hohenhameln landen. Es war ein Hof-Tool, kein Bienen-Atlas.

Der Pivot zu 121 Gemeinden

Der Umbau begann mit einer einfachen Frage: wenn jede deutsche Gemeinde ihre eigene URL hätte, was wäre der Aufwand? Die Antwort ist die Architektur, die heute steht:

• / — nationaler Landing mit aggregierten Daten über alle Gemeinden
• /<bundesland>/ — 16 Bundesland-Hubs (/niedersachsen/, /bayern/, …) mit regionalen Daten und Liste aller Gemeinden des Landes
• /<bundesland>/<gemeinde>/ — 121 individuelle Gemeinde-Dashboards, identisch zur V1 aber mit lokalen Daten

Die Datei src/data/regions.ts enthält für jede Gemeinde einen ags-Slug, den name, den land-Code und eine bbox. Astro 6 erlaubt SSR-Dynamic-Routes ohne getStaticPaths() — die Datei src/pages/[bundesland]/[gemeinde]/index.astro löst beim Request den Slug-Paar zu einer Region auf, holt die GBIF-Daten für die bbox, rendert die Seite, cached fünf Minuten am Edge. Wenn ein User /bayern/halle/ aufruft (Halle liegt in Sachsen-Anhalt, nicht Bayern), 301-canonicalisiere ich auf /sachsen-anhalt/halle/ statt 404 zu liefern.

Vier Datenquellen, pro Gemeinde aggregiert

Das größte Risiko bei 134 Seiten mit gleichem Layout ist Googles Helpful Content Update — near-duplicate-Inhalte werden demotiert. Die Lösung ist nicht weniger Seiten, sondern mehr genuiner Inhalt pro Seite. Vier Datenquellen geben jeder Gemeinde-Seite einzigartige Inhalte:

1. GBIF (Global Biodiversity Information Facility)

Wissenschaftlicher Aggregator für Funddaten. REST-API ohne Auth, gefiltert auf Familie Apidae + Deutschland + Gemeinde-Bbox. Pro Seite: Gesamt-Datensätze, häufigste Apidae-Arten (Facet-API), Jahresverlauf 3-Jahre, 30-Tage-Fenster vs. Vorjahr, Einzelfund-Cards mit Foto-Lizenz-Filter (nur CC0 / CC BY / CC BY-SA wird kommerziell-sicher gerendert).

2. DWD Phänologie (Deutscher Wetterdienst Climate Data Center)

Langjährige Blühbeginn-Mittel für 7 bienenrelevante Pflanzen (Salweide, Schlehe, Löwenzahn, Apfel, Holunder, Sommerlinde, Heidekraut). Die Datei scripts/build-phaenologie-context.mjs liest die annual_reporters/historical/-CSVs von opendata.dwd.de (cp1252-kodiert, semicolon-separated, eor-Endmarker), berechnet die Haversine-Distanz zur nächsten Station, und schreibt src/data/phaenologie-context.json. Ergebnis: 121/121 Gemeinden mit Nearest-Station-Median 2,0 km, 769 (Station × Art) Durchschnitte. Hohenhameln bekommt die DWD-Station Soßmar (0,6 km Luftlinie) mit 14-30 Jahren Daten pro Pflanze.

3. OpenStreetMap Overpass — Naturschutzgebiete

Pro Gemeinde-Bbox eine Query auf boundary=protected_area + leisure=nature_reserve + boundary=national_park. Klassifiziert nach protect_class zu NP/NSG/FFH/LSG, dedupliziert, max. 5 pro Gemeinde. 119 von 121 Gemeinden haben mindestens ein Schutzgebiet aus OSM, gesamt 559 Areas (29 NP, 507 NSG, 7 LSG, 16 sonstige). Inklusive Wikipedia- und offizielle Website-Links wenn OSM die Tags hat.

4. NABU naturgucker + Wikipedia (per-Gemeinde-Kontext)

Wikipedia-Infobox-Scrape pro Gemeinde: Postleitzahl, Landkreis, Einwohner-Stand, Höhe ü. NN, Fläche. Verifiziert über de.wikipedia.org direkt mit Quellen-Link. Plus: NABU-Landesverband-Webseite pro Bundesland (zero-trust verifiziert, 14 NABU + Bayern→LBV + Saarland→nabu-saar.de), Naturschutzbehörde-URL (13 Ministerien direkt, BE+SL Bot-Block → WebFetch-Querverifikation), Insektenschutz-Aktionsplan-Status (10 vorhanden, 6 keiner-bekannt — ehrlich gekennzeichnet).

235 Bilder mit Nano Banana

Google’s Gemini 2.5 Flash Image (intern “Nano Banana”) generiert 1024×1024-PNGs für ca. 0,039 USD pro Bild (Standard-Tier). Über fünf Image-Generation-Sprints sind 235 Illustrationen entstanden, geclusterte mit konsistenter Aquarell-Ästhetik:

Set	Anzahl	Kosten
National hero + OG card	2	$0,08
Bundesland heroes (16)	16	$0,62
Gemeinde heroes (121)	121	$4,72
DIY heroes (5) + Schritt-für-Schritt (16)	21	$0,82
/about + /404 + 3 Social variants	5	$0,20
Naturschutzgebiet-Flagships (16) + Apidae-Gattung-Moodboards (10)	26	$1,02
Per-Bundesland 1:1-Accents (16)	16	$0,62
5 Explanatory-Scenes + 3 panoramic Dividers	8	$0,32
8 Logo-Concepts	8	$0,31
Total	223	$8,71

Plus 12 favicon/PWA-Icons via sharp (programmatisch aus favicon.svg) — kostenlos. Gesamter Image-Generation-Etat: weniger als 9 Euro gegen das €260-Free-Trial-Credit von Google Cloud (das beim Aktivieren der Billing-API mitkommt).

Drei Lessons aus dem Nano-Banana-Workflow:

1. Typografie ist unzuverlässig. Bei den 8 Logo-Concepts hat das Modell durchgängig “Bieneatlas” statt “Bienenatlas” gerendert — der zweite n ist verschwunden. Image-Modelle können Text fast nicht. Logos müssen vektoriell mit echter Typo finalisiert werden.
2. Konsistenz braucht einen Style-String. Ein wiederverwendbarer Prompt-Suffix garantiert konsistente Optik über alle Generationen: Painted in soft watercolor with a vintage natural-history-book aesthetic, warm honey-amber and forest-green palette. Soft golden-hour light. Hand-illustrated, not photoreal. No text, no labels, no people. Jede Generation referenziert diesen Block.
3. Rate-Limits + Free-Tier-Wechsel sind ein Stolperstein. Gemini-2.5-Flash-Image hat keinen kostenlosen Tier mehr — bei Account-Aktivierung muss Billing scharf gestellt werden. Bei Free-Trial-Credit fließt das Guthaben automatisch. Mein Generator-Script (scripts/nano-banana-gen.mjs) hat 429-Retry + Backoff eingebaut, das retryDelay-Feld aus dem Gemini-Error-Body parsed.

Sedcards mit voller Datentiefe

Jede Apidae-Art bekommt einen Steckbrief unter /art/<gbif-speciesKey>/. Diese Seite ist die datendichteste der Plattform — Ziel ist ein wissenschaftliches Referenz-Werkzeug mit visueller Klarheit gleichzeitig. Das Layout ist zweispaltig (Hauptspalte + Sticky-Sidebar) mit fünf Sidebar-Karten:

1. Verwandte Arten — selber Gattungs-Lookup über GBIF Search-API
2. Live-Phänologie heute — vergleicht heutigen Day-of-Year gegen den langjährigen Blühbeginn-Mittel der lokalen DWD-Station. Pulsiert sanft wenn “aktiv jetzt”, prefers-reduced-motion-safe
3. Verwechselbar mit — kuratierte Verwechslungspartner aus Westrich (2018), 9 Arten Hand-verifiziert, keine Fabrikationen
4. Wo dokumentiert — Top-5-Bundesländer aus GBIF stateProvince-Facet, verlinkt zur entsprechenden Gemeinde
5. Wissenschaftliche Quellen — 8 WebFetch-verifizierte externe URLs. Das Bundesamt für Naturschutz hat null Bienen-Steckbriefe in der Artenportraits-Datenbank — ehrlich weggelassen statt fabriziert. Westrich.de lieferte ECONNREFUSED beim Probe — als gedrucktes Buch zitiert, nicht als URL. wildbiene.com und Wildbienen-Kataster Stuttgart wurden als Universal-Links bestätigt.

Plus drei neue Hauptspalten-Sektionen pro Sedcard: vollständige taxonomische Klassifikation (<dl>), Originalbeschreibung mit Autor + Jahr (nur wenn GBIF die hat — sonst weglassen), Habitat- und Phänologie-Quer-Schnitt.

SEO + AEO-Architektur

Ein systematisches SEO-Audit der Plattform ergab 24 Findings (2 Blocker, 8 Hoch, 9 Medium, 5 Low) — 14 davon inline behoben:

• robots.txt ursprünglich blockierte GPTBot, ChatGPT-User, anthropic-ai, ClaudeBot, PerplexityBot, Google-Extended — alle für AEO geblockt. Nach expliziter Ratifizierung umgekehrt auf User-agent: * Allow: /. Begründung dokumentiert im Header: Inhalte sind aus offenen Datenquellen (CC-BY GBIF, ODbL OSM, DWD-Open), nichts IP-schutzbedürftig, AEO-Citations in ChatGPT/Claude/Perplexity sind 2026 der wichtigste Traffic-Hebel.
• llms.txt neu angelegt nach llmstxt.org-Spec — gibt AI-Crawlern eine kuratierte Übersicht des Sites mit UWG-§5-Quellen-Disziplin-Aussage
• HowTo-Schema auf den 4 DIY-Anleitungen (Insektenhotel, Nisthilfen, Wildblumen-Streifen, Glyphosat-Ersatz) mit Schritt-Listen, Materialien, Werkzeugen, Dauer-Angaben — qualifiziert für Google AI Overview Snippets
• Place-Schema auf jeder Gemeinde-Seite mit @id und containedInPlace-Pointer auf den Bundesland-Hub — Site-interner Entity-Graph
• Cross-Gemeinde-Sibling-Block auf jeder der 121 Gemeinde-Seiten verlinkt zu allen Schwester-Städten im selben Bundesland — schließt die größte interne Verlinkungs-Lücke
• Sitemap-Prioritäten je Routen-Typ via serialize-Callback: 1.0 Landing, 0.9 Hubs, 0.8 Gemeinden, 0.7 DIY, 0.3 legal

Parallel dazu kamen 62 neue interne <a href>-Links über 8 Dateien hinzu. Die kritische Lücke war /art/<speciesKey>/ mit null internen Links — geschlossen auf neun. Jede Seite hat jetzt zwischen 8 und 14 interne Links plus eine “Beobachtungen in deiner Gegend”-CTA-Box, die auf die Pilot-Gemeinde oder die Bundesland-Karte führt.

Domain-Setup

Zwei kuratierte Domains: bienenatlas.de als kanonischer Hauptdomain plus wildbienenkarte.de als SEO-Alias mit 301-Redirect auf den primären Host. Mail bleibt vom Web getrennt — eigene MX-Konfiguration, unabhängig von der Web-Auslieferung.

Der DNS-Zonen-Cleanup war chirurgisch: nur den Apex auf den Web-Host umstellen, AAAA-Records entfernen wo nicht gebraucht, www als CNAME setzen, SOA-Serial bumpen — sonst alles unverändert. Mail-Records (MX, SRV, DKIM, SPF) bleiben intakt. SSL-Zertifikate provisionierten sich innerhalb von Minuten für alle vier Hostnames (Apex und www pro Domain).

Vier Host-Redirects sorgen dafür, dass alle Alias-Hostnames auf die kanonische Apex-Domain landen — kein Duplicate-Content-Risiko. Die Path-Splat-Substitution sorgt dafür, dass /niedersachsen/hohenhameln/ auf jedem Alias als 301 auf bienenatlas.de/niedersachsen/hohenhameln/ landet.

Google Search Console: sc-domain:bienenatlas.de als Domain-Property registriert via DNS-TXT-Verifikation, Sitemap eingereicht (146 URLs, 0 Errors, 0 Warnings).

Was als nächstes kommt

Drei Sprints stehen offen:

1. Echte Indexierung beobachten. Google hat das Sitemap-Index akzeptiert und 146 URLs zur Crawl-Queue gestellt. Wann wieviele indexiert werden, ist nicht vorhersagbar — typisch 1-4 Wochen bei einer neuen Domain. Reindex-Submissions kommen für die Top-20 Gemeinden in Phase 2.
2. Mehr Gemeinden. Aktuell 121 — Deutschland hat etwa 11.000 Gemeinden. Die Bbox-Definitionen sind manuell kuratiert; ein Skript könnte OSM-Nominatim-Anfragen automatisieren, um die Liste auf 500 oder 1.000 Gemeinden zu erweitern. Trade-off: jede neue Gemeinde braucht ein generiertes Hero-Bild (Nano-Banana), Wikipedia-Enrichment-Run, OSM-Naturschutz-Query — pro 100 neuer Gemeinden circa $4 Image-Kosten plus 30 Minuten Pipeline-Lauf.
3. Logo-Finalisierung. Acht Concepts sind generiert; die finale Wordmark wird vektoriell mit Inter oder Söhne als CSS-Layer über dem gewählten Mark gesetzt. Das ist ein Figma-Sprint, kein Code-Sprint.

Stack

Repository (privat, Wender Media Brand Property License): arnoldwender/wm-brand-bienenatlas. Live: bienenatlas.de.

Was hier funktioniert, ist nicht die Technologie — die Komponenten sind alle Standard. Was funktioniert, ist die redaktionelle Disziplin: keine Aussage ohne zitierte Quelle, jede URL händisch verifiziert, jede Schätzung als solche gekennzeichnet, jeder Aktionsplan-Status ehrlich zwischen vorhanden und keiner-bekannt differenziert. Das ist das, was Meicken am Anfang wollte — und das ist das, was am Ende auch 121 anderen Gemeinden helfen kann.