Google Earth Engine

Kurzfazit

Google Earth Engine ist der Goldstandard für planetare Fernerkundung, eine Cloud-Plattform, die über 80 Petabyte vorkuratierter Satellitendaten (Landsat ab 1972, Sentinel, MODIS, ERA5-Klima) mit Rechenleistung direkt am Datenbestand verbindet. Du analysierst NDVI-Zeitreihen, modellierst Klimarisiken oder klassifizierst Landnutzung über Gebiete von Hektar- bis Kontinentalgröße, ohne ein einziges Bild herunterzuladen oder selbst zu speichern. Der Haken: GEE ist eine Entwicklerplattform, kein Klick-Werkzeug, du brauchst JavaScript- oder Python-Kenntnisse, und die kommerzielle Nutzung beginnt erst bei spürbaren 500 USD/Monat. Für Forschung und gemeinnützige Arbeit ist es kostenlos und konkurrenzlos; für Unternehmen lohnt es sich nur mit GIS-Kompetenz im Haus oder über einen Dienstleister.

Für wen ist Google Earth Engine?

Forschung und Hochschulen: Hier ist GEE seit Jahren der De-facto-Standard. Wer in der Fernerkundung, Klimaforschung, Ökologie oder Geografie arbeitet, bekommt kostenlosen Zugang zu einem Datenbestand, den keine Einzelinstitution selbst vorhalten könnte. Tausende publizierte Studien laufen auf GEE, das macht Methoden reproduzierbar und Einarbeitung über Lehrmaterial leicht.

Forst- und Agrarbetriebe (über Dienstleister): Klimarisiko-Scoring, Trockenstress-Früherkennung, Borkenkäfer- und Waldbrandrisiko, Sturmschadenspotenzial, all das lässt sich auf GEE großflächig und über Jahre rückwirkend modellieren. Betriebe selbst programmieren das selten, aber ein GIS-Dienstleister baut darauf wiederkehrende Auswertungen, die als Karten in QGIS und CSV in Versicherungsgespräche fließen.

Umwelt-, Klima- und NGO-Projekte: Entwaldung, Gewässergüte, Flächenversiegelung, CO₂-bezogene Landnutzungsänderung, GEE ist für Monitoring-Projekte gebaut, die große Räume über lange Zeiträume beobachten. Non-Profits nutzen es kostenlos, was es für mittelgroße Umweltorganisationen ohne Datenbudget besonders attraktiv macht.

Behörden und Kommunen (mit Vorsicht): Für Landnutzungsplanung, Hochwasser- oder Hitzeinsel-Analysen technisch sehr stark. Allerdings ist die kostenlose Behörden-Nutzung an enge Bedingungen geknüpft (keine operativen Daueranwendungen), und das Cloud-Hosting wirft DSGVO-Fragen auf, siehe unten.

Weniger geeignet für: Anwender ohne Programmierkenntnisse, die ein fertiges Karten-Tool erwarten (dann mit Plugins). Wer garantiertes EU-Hosting für personenbezogene Daten braucht (dann ). Und alle, die Einzelbaum- oder Zentimeter-Auflösung benötigen, dafür sind Drohnen- oder Luftbildbefliegung das richtige Werkzeug, nicht Satellitendaten mit 10 m Pixel.

Preise im Detail

Plan	Plattformgebühr	Enthaltene Credits	Für wen
Nicht-kommerziell	0 USD	Großzügige Nutzung	Forschung, Bildung, Non-Profits, Journalismus, Privatpersonen
Limited	nur Nutzungsgebühren	keine Credits, keine SLA	Self-Service, sporadische, unkritische kommerzielle Workloads
Basic	500 USD/Monat	100 Batch- + 33 Online-EECU-Std., 100 GB	Kleine Teams, kleine kommerzielle Workloads
Professional	2.000 USD/Monat	500 Batch- + 166 Online-EECU-Std., 1 TB, SLA, VPC Service Controls	Mittlere Teams, planbare große Workloads
Premium	auf Anfrage	individuell anpassbar	Große Teams, geschäftskritische Workloads

Zusätzlich fallen Nutzungsgebühren an, sobald die enthaltenen Credits aufgebraucht sind: Compute kostet 0,40 USD je EECU-Stunde (gestaffelt günstiger ab 10.000 Std. auf 0,28 USD, ab 500.000 Std. auf 0,16 USD), Speicher rund 0,026 USD pro GB und Monat.

Einordnung: Für Forschung und Gemeinnützigkeit ist GEE schlicht kostenlos, das ist der Grund, warum es zum Standard wurde. Kommerziell wird es schnell ernst: Der Limited-Plan klingt günstig (nur Nutzungsgebühren), bietet aber keine garantierte Kapazität, keine SLA und keine Credits, für produktive Geschäftsprozesse ungeeignet. Wer GEE kommerziell verlässlich einsetzen will, landet faktisch bei Basic für 500 USD/Monat als Einstieg. Für einen einzelnen Forstbetrieb ist das viel, für einen GIS-Dienstleister, der mehrere Kunden bedient, ist es gut investiert. Die EECU-Abrechnung ist dabei schwer zu kalkulieren: Identische Anfragen können unterschiedlich viel Rechenleistung kosten (Caching, Datenmenge, Algorithmus-Änderungen), Budget-Prognosen brauchen Erfahrung.

Stärken im Detail

Der Datenbestand ist der eigentliche Schatz. Über 80 Petabyte vorprozessierter, georeferenzierter Satellitendaten liegen abrufbereit in der Plattform: das komplette Landsat-Archiv ab 1972, Sentinel-1 (Radar) und Sentinel-2 (10–60 m optisch, alle ~5 Tage), MODIS, die ERA5-Klimareanalyse ab 1940, digitale Geländemodelle und Hunderte weiterer Datensätze. Keine einzelne Organisation könnte diesen Bestand selbst vorhalten, und du sparst dir Download, Speicherung und Vorverarbeitung komplett.

Rechenleistung am Datenbestand statt lokaler Server. Der entscheidende Architektur-Vorteil: Du schickst Code zu den Daten, nicht umgekehrt. Eine NDVI-Zeitreihe über ein ganzes Bundesland und zehn Jahre läuft in der Google-Cloud parallelisiert ab, auf dem eigenen Rechner wäre das undenkbar. Damit skalieren Analysen von einem einzelnen Feld bis zum Kontinent ohne eigene Infrastruktur.

JavaScript-Code-Editor und Python-API. Der browserbasierte Code-Editor erlaubt schnelles Prototyping mit Live-Kartenvisualisierung, ideal zum Lernen und für einmalige Auswertungen. Die Python-API (earthengine-api) integriert GEE in produktive Daten-Pipelines, etwa für automatisiertes, wiederkehrendes Scoring, das Ergebnisse als GeoJSON, CSV oder in QGIS ausgibt.

Maschinelles Lernen direkt auf Satellitendaten. Random Forest, Support Vector Machines, Clustering und Klassifikatoren laufen direkt in der Cloud auf den Rasterdaten, für Landnutzungsklassifikation, Vegetationszustands-Modelle oder Anomalie-Erkennung. Für anspruchsvollere ML-Workflows lässt sich GEE mit Vertex AI und koppeln.

Reproduzierbarkeit und Community. Weil ein Großteil der wissenschaftlichen Fernerkundung auf GEE läuft, existiert ein riesiger Fundus an publizierten Methoden, geteilten Skripten und Lehrmaterial. Eine Analyse, die jemand 2019 publiziert hat, lässt sich oft direkt nachbauen, das senkt die Einarbeitungshürde für jeden, der schon programmieren kann.

Schwächen ehrlich betrachtet

Es ist eine Entwicklerplattform, kein Produkt. GEE liefert Rohmaterial und Rechenleistung, aber keine fertigen Berichte, keine schöne Oberfläche, keine Klick-Workflows. Ohne JavaScript- oder Python-Kenntnisse kommst du nicht weit. Für Betriebe heißt das praktisch immer: eigener GIS-Mitarbeiter oder externer Dienstleister. Wer das übersieht, unterschätzt die wahren Kosten erheblich.

Kein garantiertes EU-Hosting. Die Verarbeitung läuft in Googles globaler Cloud-Infrastruktur, ohne dass du die EU-Region erzwingen kannst, wie es bei manchen Google-Cloud-Diensten möglich ist. Für rein flächenbezogene Umweltdaten ist das meist unkritisch, sobald aber personenbezogene oder personenbeziehbare Daten ins Spiel kommen (z. B. parzellenscharfe Eigentümerzuordnung), wird das ein echtes DSGVO-Problem. Die europäische Alternative hostet bewusst in der EU.

Schwer kalkulierbare Kosten. EECUs sind eine Abstraktion für Rechenleistung, und Google sagt selbst offen, dass dieselbe Anfrage unterschiedlich viel kosten kann, je nach Caching, Datenmenge und internen Algorithmus-Änderungen. Eine verlässliche Budgetprognose für kommerzielle Nutzung erfordert Erfahrung und Monitoring; böse Überraschungen sind möglich, wenn ein Skript ineffizient programmiert ist.

Kein deutschsprachiger Support, englische Dokumentation. Die gesamte Dokumentation, die Community-Foren und der Support laufen auf Englisch. Für Forschende kein Problem, für einen deutschen Mittelständler ohne englischsprachige GIS-Kompetenz eine reale Hürde.

Auflösungsgrenze bei 10 Metern. Sentinel-2 löst auf 10 m auf, gut genug für Parzellen ab etwa einem Hektar, aber nicht für Einzelbäume, einzelne Gebäude oder feine Strukturen. Wer auf diese Ebene muss, kombiniert GEE mit hochaufgelösten kommerziellen Daten (Planet, Pléiades) oder eigener Drohnenbefliegung, beides nicht im GEE-Standardbestand.

Datenlatenz von Tagen. Neue Sentinel-2-Aufnahmen sind erst nach 2–5 Tagen verfügbar, und Bewölkung kann brauchbare Aufnahmen über Wochen verhindern. Für Echtzeit-Anwendungen ist GEE ungeeignet; seine Stärke liegt in der retrospektiven Zeitreihen- und Trendanalyse.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
EU-Hosting für Copernicus/Sentinel-Daten brauchst
Geodaten lokal und ohne Programmierung verarbeiten willst
ML-Auswertungen per SQL im Google-Stack machst

Erwähnenswert ohne verlinkbare Tool-Seite: ACOLITE (spezialisierte Atmosphärenkorrektur für Forschende, bei uns als außerhalb des KMU-Fokus eingestuft), Sentinel Hub (kommerzielle API auf Copernicus-Daten, oft die pragmatischere Wahl für reine Sentinel-Auswertungen) und Microsoft Planetary Computer (Microsofts Antwort auf GEE, mit STAC-Katalog und Azure-Anbindung). GEE bleibt unangefochten bei Tiefe und Breite des Datenbestands, der größte Grund, doch zu einer Alternative zu greifen, ist fast immer entweder EU-Hosting oder der Wunsch, ganz ohne Code zu arbeiten.

So steigst du ein

Schritt 1: Registriere dich unter earthengine.google.com, für Forschungs-, Bildungs- oder Non-Profit-Projekte ist der Zugang kostenlos und wird nach kurzer Prüfung (2–5 Werktage) freigeschaltet. Für kommerzielle Nutzung legst du ein Google-Cloud-Projekt an und aktivierst Earth Engine dort; ohne Cloud-Projekt geht seit dem Plattform-Umzug nichts mehr.

Schritt 2: Öffne den Code-Editor unter code.earthengine.google.com. Zeichne ein Polygon um dein Untersuchungsgebiet, lade eine Sentinel-2-Zeitreihe, berechne den NDVI für jeden Zeitschritt und visualisiere die saisonale Kurve. Das zeigt dir innerhalb von 30 Minuten, welche Parzellen im Trockensommer 2022 gegenüber 2021 abgefallen sind. Nutze geteilte Skripte aus der Community als Startpunkt, vieles musst du nicht selbst erfinden.

Schritt 3: Für automatisiertes, wiederkehrendes Scoring wechselst du zur Python-API (pip install earthengine-api). Das Modell baust du als Skript: Eingabe sind deine Parzellenpolygone als GeoJSON, Ausgabe ein Score-DataFrame mit NDVI-Anomalie, Temperatur-Extremwert-Index und Windexpositionsklasse. Achte von Anfang an auf effiziente Abfragen (Server-seitige Operationen statt Client-Schleifen), das hält die EECU-Kosten im Rahmen.

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: rund 500 USD/Monat (Basic-Plan), weil das Abrufvolumen über die kostenlosen Credits hinausgeht. Jährliche Aktualisierung: 4.000 EUR. Der Betrieb selbst schreibt keine Zeile Code, er bekommt einmal im Jahr eine aktualisierte Risikokarte, mit der die Förster die kritischen Bestände priorisieren und die Versicherung die Prämie nachvollziehbar kalkuliert.

DSGVO & Datenschutz

• Datenhosting: Googles globale Cloud-Infrastruktur, schwerpunktmäßig USA. Anders als bei manchen Google-Cloud-Diensten lässt sich für Earth-Engine-Compute keine EU-Region erzwingen. Anbieter ist Google LLC, Mountain View.
• Datennutzung: Hochgeladene eigene Assets (z. B. Parzellenpolygone) und Analyseergebnisse liegen in deinem Google-Cloud-Projekt. Für die Cloud-Verarbeitung gelten die Datenschutzbestimmungen von Google Cloud.
• Auftragsverarbeitung (AVV): Über Google Cloud (Cloud Data Processing Addendum) verfügbar, das ist der relevante Pfad für kommerzielle und behördliche Nutzung. Der kostenlose Forschungs-/Non-Profit-Zugang läuft nicht zwingend unter denselben Cloud-Vertragsbedingungen.
• Personenbezug: Flächendeckende Satellitendaten sind in der Regel nicht personenbezogen. Sobald du sie aber mit Eigentümer-, Pächter- oder anderen personenbeziehbaren Daten verknüpfst (z. B. parzellenscharfe Zuordnung), wird das Ergebnis DSGVO-relevant.
• Empfehlung für Unternehmen und Behörden: Keine personenbezogenen Daten in GEE einspeisen. Wenn EU-Hosting zwingend ist, prüfe als europäische Alternative. Für kommerzielle Nutzung vorab Datenschutz-Folgenabschätzung und Google-Cloud-AVV abklären.

Gut kombiniert mit

• , GEE liefert die schwere Cloud-Analyse, QGIS übernimmt die finale Kartografie, Layout und lokale Weiterverarbeitung. Ergebnisse aus GEE (GeoTIFF, GeoJSON, CSV) lassen sich direkt in QGIS laden und druckfertig aufbereiten.
• , als EU-gehostete Ergänzung oder Alternative für Sentinel-Daten. Wer Teile der Pipeline DSGVO-konform in der EU halten muss, kann die reine Datenbeschaffung über Copernicus laufen lassen.
• , wenn die aus GEE extrahierten Kennwerte (NDVI-Reihen, Klimaindizes) zu großen Tabellen werden, lassen sie sich in BigQuery weiterverarbeiten und per SQL modellieren, beides im Google-Stack ohne Datenexport.

Unser Testurteil

Google Earth Engine verdient 4 von 5 Sternen. In seiner Disziplin, planetare Satellitenanalyse mit Rechenleistung am Datenbestand, ist es schlicht best in class und ohne ernsthaften Konkurrenten beim Umfang des Datenkatalogs. Für Forschung, Lehre und gemeinnützige Projekte ist es kostenlos und damit konkurrenzlos. Den fünften Stern kostet es die Eintrittshürde für Unternehmen: Es ist eine reine Entwicklerplattform ohne fertiges Produkt, der kommerzielle Einstieg liegt bei spürbaren 500 USD/Monat, die EECU-Kosten sind schwer zu kalkulieren, deutschsprachiger Support fehlt, und ein garantiertes EU-Hosting gibt es nicht. Wer GIS-Kompetenz hat (oder einen Dienstleister), bekommt ein außergewöhnlich mächtiges Werkzeug. Wer ein Klick-Tool erwartet, ist hier falsch.

Was wir bemerkt haben

• 2022/2023, Google hat Earth Engine kommerziell verfügbar gemacht und an Google Cloud angebunden. Die kostenlose Nutzung bleibt für Forschung, Bildung und Non-Profits erhalten, kommerzielle Anwender zahlen seither Plattformgebühren und Nutzungsentgelte.
• November 2024, Der Zugang ohne Google-Cloud-Projekt wurde abgeschaltet. Alle Nutzer, auch kostenlose, müssen ihre Konten an ein Cloud-Projekt binden. Alte „Legacy”-Zugänge ohne Projektbindung funktionieren nicht mehr.
• 2024, Datenextraktion (Export aus GEE heraus) war zunächst kostenfrei, Google kündigte aber an, sie künftig nach den Standard-Datentransfergebühren von Google Cloud abzurechnen. Wer große Exporte fährt, sollte die aktuellen Konditionen prüfen.
• Mai 2026, Ein garantiertes EU-Hosting für Earth-Engine-Compute gibt es weiterhin nicht. Für DSGVO-sensible Flächendaten bleibt die EU-gehostete Plattform Copernicus Data Space die naheliegende Alternative, diese Lücke ist seit Jahren unverändert.