infranode

Deutsch | [English](./README.en.md) # InfraNode [](https://github.com/street1983nk/infranode/stargazers) [](./LICENSE) [](https://glama.ai/mcp/servers/street1983nk/infranode) [](https://registry.modelcontextprotocol.io) [](https://smithery.ai/server/infranode/infranode) **Die Open-Data-REST-API für Deutschland: eine HTTP-API ohne API-Key für Open Data zur öffentlichen Infrastruktur, auch als MCP-Server verfügbar.** Deutsche Städte veröffentlichen viel Open Data, aber jede Quelle hat ihr eigenes Format, eigene Felder und eigene Eigenheiten, und für mehrere braucht es eine Registrierung im jeweiligen Portal. InfraNode normalisiert rund 20 Kategorien, Wetter (DWD), Luftqualität (UBA), ÖPNV (inklusive Echtzeit-Abfahrten), Verkehr, Strompreis (SMARD), Bodenrichtwerte (BORIS), Parken, Ladeinfrastruktur, Pegelstände, Demografie, Energie und mehr, für **84+ deutsche Städte** hinter **einer** Schnittstelle. **Kein API-Key, kein Konto.** Jede Antwort nutzt denselben kanonischen `{ data, meta }`-Umschlag mit Lizenz und Attribution je Datensatz. Dieselben Daten stehen KI-Agenten auch als MCP-Server zur Verfügung (12 schlanke Read-only-Tools über 78 Datenarten). Der Einstieg ist `get_city_overview`, ein einziger Aufruf: Er liefert einen Katalog aller Datenarten, die es für eine Stadt gibt, dazu einen Live-Auszug der wichtigsten Werte. So sehen Agenten die volle Breite und nicht nur das Wetter. InfraNode wächst laufend, neue Datenarten und Städte kommen regelmäßig dazu. Zu den Quellen gehören der Deutsche Wetterdienst (DWD), das Umweltbundesamt (UBA), Mobilithek/DELFI, der VBB (Verkehrsverbund Berlin-Brandenburg, CC-BY 4.0), GovData, OpenStreetMap, die Bundesnetzagentur, das KBA und weitere. ## Im Einsatz [](https://infranode.dev) *Ein einziger `get_city_overview("koeln")`-Aufruf: aktuelles Wetter, amtliche Luftqualität, DWD-Warnungen, Live-Zugabfahrten mit Verspätungen, Baustellen und der vollständige Datenkatalog der Stadt, aus einem Endpoint ohne API-Key. Jede Stadt lässt sich live ausprobieren auf [infranode.dev](https://infranode.dev).* ## So funktioniert es Ein gemeinsamer HTTP-Client fragt die Upstream-Quellen ab, jede Antwort wird auf das kanonische Schema abgebildet, mit ihrer Attribution durch das Lizenz-Gate geführt und in Redis zwischengespeichert (mit Stale-on-Error-Fallback), danach über eine REST-API und einen MCP-Server ausgeliefert. Fällt eine Quelle aus, schlägt sich das in `source_status` nieder. Der Aufruf selbst scheitert nie daran. ```mermaid flowchart LR subgraph SRC["25+ deutsche Open-Data-Quellen"] direction TB S1["DWD, UBA<br/>Wetter, Luft"] S2["Mobilithek, DELFI, DB<br/>ÖPNV, Echtzeit"] S3["SMARD, BNetzA, MaStR<br/>Energie"] S4["BORIS, GovData, OSM,<br/>KBA, ..."] end subgraph CORE["InfraNode-Kern"] direction TB N["Normalisieren<br/>ein kanonisches Schema"] --> L["Lizenz-Gate<br/>Attribution je Datensatz"] --> C["Redis-Cache<br/>Stale-on-Error-Fallback"] end SRC --> CORE CORE --> API["REST-API<br/>infranode.dev/api/v1<br/>84 Städte, ohne API-Key"] CORE --> MCP["MCP-Server<br/>mcp.infranode.dev<br/>12 Read-only-Tools"] API --> APPS["Apps &amp; Dashboards"] MCP --> AGENTS["KI-Agenten<br/>Claude, ChatGPT"] ``` > Wenn InfraNode dir eine Datenintegration erspart: Ein Stern hilft anderen Entwicklern, das Projekt zu finden. ## Schnellstart Basis-URL `https://infranode.dev/api/v1`. Kein Key, kein Konto, einfach aufrufen: ```bash curl https://infranode.dev/api/v1/cities/koeln/weather ``` ```jsonc { "data": { "city_slug": "koeln", "observed_at": "2026-06-18T13:00:00Z", "source": "dwd", "attribution": { "text": "Datenbasis: Deutscher Wetterdienst", "modified": true }, "payload": { "kind": "weather", "temperature_c": 30.4, "humidity": 43.0, "station_id": "02667" } }, "meta": { "source_status": "ok", "cache_status": "hit", "correlation_id": "..." } } ``` Jede Antwort folgt demselben `{ data, meta }`-Umschlag: Jeder Datensatz trägt seine `attribution` (Lizenz und Quelle), und `meta.source_status` sagt, ob die Upstream-Quelle Daten geliefert hat. Eine tote Quelle degradiert damit sauber, statt den Aufruf scheitern zu lassen. Über alle Datenarten hinweg sind Feldnamen snake_case und englisch, und dasselbe Konzept heißt immer gleich: `post_code`, `street`, `house_number`, `place`, `name`, `start`, `end`, `distance_km`, `power_kw`, `lat`, `lon`. `post_code` ist immer ein fünfstelliger String (führende Nullen bleiben erhalten), Zeitstempel sind ISO 8601 mit Zeitzone, und ein Wert, den die Quelle nicht liefert, ist `null`, nie ein leerer String. Manche Antworten führen daneben noch ältere Doppelnamen mit identischen Werten (`plz`, `zip`, `strasse`, `hausnummer`, `ort`, `city`, `bezeichnung`, `beginn`, `ende`, `art`, `dist_km`, `leistung_kw`, `einheit_typ`, dazu die camelCase-Rohfelder der Autobahn-Verkehrsmeldungen). Diese Namen sind veraltet, nimm die kanonischen. > Tipp: Ruf zuerst `/api/v1/cities` auf, um die kanonischen Stadt-Slugs zu > finden (etwa `koeln`, `berlin`, `hamburg`), und danach einen stadtbezogenen > Endpoint. > > Der `{slug}` wird tolerant aufgelöst, die exakte ASCII-Form brauchst du also > selten: der deutsche Name mit oder ohne Umlaute, jede Groß- und > Kleinschreibung, gängige englische Exonyme und Kurzformen führen alle auf den > kanonischen Slug (`München`/`münchen`/`munich`/`munchen` → `muenchen`, > `cologne` → `koeln`, `frankfurt` → `frankfurt-am-main`). Ein unbekannter Name > liefert `404` mit dem Hinweis `Meintest du ...?`, der den nächstliegenden Slug > nennt. [](https://god.gw.postman.com/run-collection/55901679-26601800-bf9d-4ddd-8413-5f273f18be4d) Die vollständige interaktive Referenz und die Abdeckung je Stadt stehen auf [infranode.dev](https://infranode.dev). Die [InfraNode API im Postman API Network](https://www.postman.com/alster83-7133231/infranode/overview) spiegelt jeden Endpoint mit echten Beispielantworten, sodass sich die [InfraNode API Postman Collection](https://www.postman.com/alster83-7133231/infranode/collection/pft781f/infranode-api) ohne API-Key direkt im Browser ausprobieren lässt. <!-- Die Endpunktzahl stammt aus docs/openapi.yaml (eine operationId je Operation). Sie muss synchron bleiben: docs-site/scripts/check-endpoint-count.mjs prüft das. --> ## Daten (84 Städte, 124 Endpunkte) Jede Kategorie unten ist ein REST-Endpoint unter `/api/v1/cities/{slug}/<key>`. Über MCP kommen dieselben Daten durch 12 schlanke Tools: ein paar benannte (`get_city_overview`, `weather`, `air_quality`, `pois`, `compare`, die Live-Tafeln) und ein generisches `get_city_resource(slug, resource=<key>)` für jede weitere Datenart (sein `resource`-Enum listet alle 81 Keys). | Gruppe | Datenarten (Endpoint-Keys) | |--------|----------------------------| | **Entdecken** | `list_cities`, `sources`, `compare` (eine Datenart über viele Städte), `overview` (Katalog plus Live-Auszug in einem Aufruf) | | **Wetter & Umwelt** | `weather`, `weather-warnings`, `civil-protection-warnings` (BBK NINA), `air-uba` (amtlich), `air` (live), `pollen-uv`, `water-level`, `flood`, `fire-danger`, `bathing-water` | | **Mobilität** | `transit`, Live-Abfahrten je Haltestelle (Tool `transit_departures`), `stations` (Katalog), Bahnhofstafeln nach EVA (Tools `station_board_departures`/`station_board_arrivals`, inklusive Nahverkehr und Störungen), `station-departures`, `station-arrivals`, `traffic`, `road-events`, `webcams`, `charging`, `parking` (Live-Belegung), `parking-onstreet`, `park-and-ride`, `mobility-points`, `bike-parking`, `sharing`, `fuel-prices`, `bike-counts` | | **Stadt & Menschen** | `base`, `geo`, `demographics`, `indicators`, `sustainability` (SDG-Indikatoren je Kommune als Zeitreihe 2006-2023, Wegweiser Kommune / Bertelsmann Stiftung, CC0), `unemployment`, `tourism`, `construction`, `accidents`, `crime-stats`, `health`, `icu-live`, `holidays`, `election`, `events`, `council-papers` (kommunale Ratsinformationen über OParl: Vorlagen, Anträge und Beschlüsse je Stadt), `pois`, Spielplätze, Märkte, Toiletten und weitere OSM-Typen | | **Wirtschaft & Immobilien** | `land-values`, `tax-rates` (Hebesätze für Gewerbe- und Grundsteuer je Kommune), `business-registrations` (Gründungsdynamik je Kreis), `insolvencies` (Insolvenzverfahren je Kreis: Unternehmen und übrige Schuldner, jährlich), `public-tenders` (öffentliche Vergabe: laufende Ausschreibungen und vergebene Aufträge je Stadt) | | **Energie & Fahrzeuge** | `power-load`, `power-price`, `energy`, `solar`, `solar-roofs`, `district-heating`, `vehicle-registrations` | ## Verhalten im Betrieb - **Ohne Key, nur lesend.** Keine Zugangsdaten, keine Schreibzugriffe, keine Nutzerkonten. - **Kanonischer Umschlag.** `{ data, meta }` mit Status und Attribution je Quelle. - **Sanfte Degradation.** Eine ausgefallene Quelle liefert `source_status`, keinen Fehler. - **Sicher entworfen.** SSRF- und Injection-Gates prüfen jede Anfrage, Eingaben laufen gegen feste Allowlists. Das Sicherheitsmodell steht in [SECURITY.md](./SECURITY.md). ### Paginierung & Kanal-Voreinstellungen Listen von Datenarten (`charging`, `energy`, `events`, `transit`, die OSM-Feature-Endpoints) haben bei gleicher URL eine **kanalabhängige Voreinstellung**: - **Direktes REST** liefert die **vollständige** Liste in einem Aufruf (`limit=null`, `returned == total`, `truncated=false`). - **GPT Actions** (OpenAI-Header) und **MCP** sind an eine voreingestellte Seitengröße **gebunden**, damit Antworten für Agenten klein bleiben. - **`limit=all`** (oder `?all=1`) erzwingt auf jedem Kanal die volle Liste, `limit` und `offset` blättern explizit. - **`meta.pagination`** (`total/returned/limit/offset/truncated`) steht auf jedem Kanal, der ausgelieferte Ausschnitt ist also immer nachvollziehbar. Bei `traffic` ist die rohe Polyline optional: `include=geometry` (oder `?full=1`) ergänzen, die Standardantwort bleibt schlank. ### Stabilität, Changelog & Roadmap Du baust produktiv auf InfraNode auf? Dann bleib bei Änderungen vorne: - **[Changelog](https://infranode.dev/changelog/)** listet jede sichtbare Änderung (neue Datenarten, neue Städte, geändertes Verhalten, Fehlerbehebungen, Deprecations), die neueste zuerst. Per [RSS](https://infranode.dev/changelog/feed.xml) abonnierbar. - **[Roadmap](https://infranode.dev/roadmap/)** zeigt das Geplante und die Stabilitätszusage: Die API wächst additiv, der Umschlag bleibt stabil, und Änderungen an bestehenden Antworten werden vorher angekündigt (in der Regel 30+ Tage). - **[Statusseite](https://status.infranode.dev)** und die GitHub-Releases decken Verfügbarkeit und versionierte Änderungen ab. ## Als MCP-Server nutzen Dieselbe API steht als Remote-MCP-Server bereit, KI-Agenten können also alle 78 Datenarten als Tools aufrufen. Mit Claude Code genügt eine Zeile: ```bash claude mcp add --transport http infranode https://mcp.infranode.dev/mcp ``` Jeden anderen MCP-Client richtest du auf denselben Remote-Endpoint (Streamable HTTP): ```jsonc { "mcpServers": { "infranode": { "url": "https://mcp.infranode.dev/mcp" } } } ``` - **Cursor / Windsurf:** den Block oben in `~/.cursor/mcp.json` eintragen (oder in die MCP-Einstellungen der App). - **VS Code:** `code --add-mcp '{"name":"infranode","url":"https://mcp.infranode.dev/mcp"}'` - **Claude Desktop:** denselben `mcpServers`-Block in die `claude_desktop_config.json` eintragen. - **ChatGPT:** einen Connector mit der URL `https://mcp.infranode.dev/mcp` anlegen. Alle Tools tragen die Annotationen `readOnlyHint: true` / `destructiveHint: false` / `idempotentHint: true`, MCP-Clients können sie also gefahrlos automatisch freigeben. Die MCP-Schicht bringt außerdem fertige **Prompts** (`city_briefing`, `compare_air_quality`, `commute_check`) und **Ressourcen** (`infranode://cities`, `infranode://sources`) mit. Die vollständige Installationsanleitung, das komplette Tool-Manifest mit Beispielausgaben, das Berechtigungsmodell und ein Beispiel-Transkript stehen in [docs/mcp-install.md](./docs/mcp-install.md). Das Registry-Manifest ist [server.json](./server.json). ## In ChatGPT nutzen (Custom-GPT-Action) **Fertiges GPT:** [InfraNode: German City Data - Weather & Transit](https://chatgpt.com/g/g-6a48bf065e648191b062bc86256c1897-infranode-german-city-data-weather-transit) steht im GPT Store (Research & Analysis) und funktioniert sofort. Für eine eigene Variante liefert InfraNode eine kuratierte OpenAPI-Spec für GPT-Actions: 23 der nützlichsten Operationen (ChatGPT erlaubt höchstens 30 pro Action), ohne Key, alle GET. 1. Im [GPT-Editor](https://chatgpt.com/gpts/editor) **Configure → Actions → Create new action → Import from URL** öffnen und `https://infranode.dev/actions/openapi.json` einfügen. 2. Die Authentifizierung auf **None** stehen lassen, als Datenschutzerklärung `https://infranode.dev/datenschutz/` eintragen. 3. In den Instructions des GPT festhalten: mit `getCityOverview(slug)` starten, Stadtnamen über `getCities` auflösen und `data.attribution` zitieren (die Datenlizenzen verlangen die Namensnennung). Details und empfohlene Instructions: [infranode.dev/chatgpt/](https://infranode.dev/chatgpt/). Die Spec wird von `scripts/build_actions_spec.py` aus `docs/openapi.yaml` erzeugt. ## Alternativen und wie InfraNode dazu steht Andere MCP-Server decken Teile des deutschen oder europäischen Datenraums ab. Für Open Data auf Stadtebene ist InfraNode am breitesten, und die Projekte unten ergänzen einander oft: - **[germany-mcp-server](https://github.com/AiAgentKarl/germany-mcp-server)** Bundes- und Regierungsdaten (Autobahn, DWD, NINA, SMARD, Bundestag). Bundesweit, ohne Tiefe je Stadt. - **[db-mcp-server](https://github.com/PaulvonBerg/db-mcp-server)** / db-timetable-mcp nur Fahrpläne der Deutschen Bahn. - **[mcp-server-public-transport](https://github.com/mirodn/mcp-server-public-transport)** ÖPNV in Europa, in Deutschland deckt es Berlin/Brandenburg (VBB) ab. - **Server für einzelne Städte** (etwa München, Berlin) decken je eine Stadt ab. InfraNode deckt **84 deutsche Städte und 82 Datenarten** hinter einem gehosteten Endpoint ohne API-Key ab: Umwelt, Mobilität, Energie, Wirtschaft und Stadtleben. Der vollständige Vergleich Seite an Seite steht auf [infranode.dev/mcp-vergleich](https://infranode.dev/mcp-vergleich/). ## Selbst hosten (optional) Nötig ist das nicht, der gehostete Endpoint oben ist der schnellste Weg. Der Code liegt aber offen. Den API-Stack lokal mit Docker (Compose v2) starten: ```bash cp .env.example .env # example config, contains NO real secrets docker compose -f deploy/docker-compose.yml up curl http://localhost/api/v1/health # -> {"status":"ok","version":"1.0.0","redis":true} ``` Den MCP-Server selbst lokal über stdio betreiben (gegen die öffentliche API): ```bash uv sync --group mcp INFRANODE_MCP_API_BASE=https://infranode.dev/api/v1 uv run python -m infranode.mcp.server ``` Für alle Einstellungen gilt das Env-Präfix `INFRANODE_` (siehe `.env.example`), jede Datenquelle hat ihren eigenen `INFRANODE_ENABLE_*`-Schalter. Echte Secrets landen nie im Repo, versioniert ist nur `.env.example`, und die CI fährt einen gitleaks-Scan. ## Lizenz: Code und Daten sind getrennt - **Code:** Apache-2.0 (siehe [LICENSE](./LICENSE)). - **Daten:** Die offenen Daten, die InfraNode ausliefert, behalten die Lizenzen ihrer Upstream-Quellen (etwa ODbL für OpenStreetMap, DL-DE-BY für GovData, Namensnennung für DWD). Diese Datenlizenzen und die Attribution werden separat in `DATA-LICENSES.md` geführt. Die Apache-2.0-Lizenz gilt nur für den Quellcode der API, nicht für die durchgereichten Daten. ## Mitmachen Beiträge sind willkommen. Setup, Gate-Befehle und die Secret-Regel stehen in [CONTRIBUTING.md](./CONTRIBUTING.md). Für eine neue Datenquelle ist die deklarative Quellen-Registry in `src/infranode/registry/source_specs.py` der Startpunkt (ein `SourceSpec`-Eintrag je Upstream), die vollständige Checkliste steht in CONTRIBUTING.md.