Offene Daten und Technologien versprechen neben den traditionellen Datenquellen Potenziale zur Erfassung, der Analyse und dem Monitoring von Städten und Regionen. Dabei stellt sich die Frage, wie man die wachsende Palette von offenen Datenquellen für die künftige Infrastrukturplanung nutzbar machen kann. Ziel dieser Studie ist es, die räumliche Entwicklung der Ladeinfrastruktur für Elektrofahrzeuge (Electric Vehicle, EV) in Deutschland zu analysieren. Der hier verwendete explorativ-analytische Ansatz stellte die Erkenntnisse zur räumlichen Variabilität von Ladestationen (Electric Vehicle Charging Points, ECP) in Bezug zu Indikatoren der Verkehrsinfrastruktur auf verschiedenen räumlichen Verwaltungsebenen (Bundesländer, Raumordnungsregionen und Kreise) dar. Die benötigten Datensätze werden mithilfe der Open-Charger-Map(OCM)-API sowie offenen Geodatendiensten des IÖR-Monitors abgerufen. Zur Erstellung deskriptiver Statistiken, zur Extraktion räumlicher Muster und Klassifikationen und deren Darstellung in Karten und Grafiken werden offene und frei verfügbare analytische Softwarewerkzeuge eingesetzt. Im Ergebnis weisen Großstädte und Ballungsräume erwartungsgemäß die höchste Konzentration an ECPs auf. Die unterste Verwaltungseinheit (Kreise) zeigt eine relative hohe Variabilität sowohl in der visuellen als auch statistischen Analyse. Diese Untersuchung fokussiert dabei vor allem auf die physische Dimension der E-Mobilitätsinfrastruktur,weitere Studien sollten auch die dynamischeren angebots- und nachfrageseitigen Parameter integrieren.

The open data and technologies promise potentials for collecting and analyzing required insights besides traditional data sources in order to monitor smart development of our cities and regions. In fact, scientific literature related to spatial sciences often asks on how to navigate this growing array of open data sources for future infrastructure planning. In contrast, this study aims to analyze development of Electric Vehicle (EV) charging infrastructure in case of Germany. The explorative analytical approach depicted the insights of spatial variability of EV charging points (ECP) in relation to indicators of transportation infrastructure at different administrative levels. The required datasets are retrieved from Open charger map-API and open geospatial data services of IÖR-Monitor. The open/freely available software/analytical tools are appointed to extract descriptive statistics, spatial pattern, and classification that are presented with aid of map and graphics. Large cities and metropolitan area shows highest concentration of ECP. The lowest administrative unit, i. e. districts, can capture some degree of variability in both visual analytics and statistical facts. This article reported mostly on physical dimension of e-mobility infrastructure; however, further investigations can be integrated more dynamic supply and demand side parameters.