InfraNode

Deutsch | English

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

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.

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.

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:

curl https://infranode.dev/api/v1/cities/koeln/weather

{
  "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.

Die vollständige interaktive Referenz und die Abdeckung je Stadt stehen auf infranode.dev. Die InfraNode API im Postman API Network spiegelt jeden Endpoint mit echten Beispielantworten, sodass sich die InfraNode API Postman Collection ohne API-Key direkt im Browser ausprobieren lässt.

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.

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 listet jede sichtbare Änderung (neue Datenarten, neue Städte, geändertes Verhalten, Fehlerbehebungen, Deprecations), die neueste zuerst. Per RSS abonnierbar.
• 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 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:

claude mcp add --transport http infranode https://mcp.infranode.dev/mcp

Jeden anderen MCP-Client richtest du auf denselben Remote-Endpoint (Streamable HTTP):

{
  "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. Das Registry-Manifest ist server.json.

In ChatGPT nutzen (Custom-GPT-Action)

Fertiges GPT: 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 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/. 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 Bundes- und Regierungsdaten (Autobahn, DWD, NINA, SMARD, Bundestag). Bundesweit, ohne Tiefe je Stadt.
• db-mcp-server / db-timetable-mcp nur Fahrpläne der Deutschen Bahn.
• 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.

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:

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):

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).
• 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. 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.