Sentinel-2-Bilder in QGIS herunterladen

Um Sentinel-2-Bilder in QGIS 3.42 oder neuer zu bekommen, öffne Layer > Data Source Manager, wähle den STAC-Reiter und füge eine Verbindung zu Earth Search hinzu, https://earth-search.aws.element84.com/v1. Filtere nach Ausdehnung, Daten und der Sentinel-2-Level-2A-Sammlung, klicke dann mit der rechten Maustaste auf eine Szene und wähle Add Layer > True color image. Das Bild wird gestreamt, ohne Konto und ohne Download.

Willst du jedoch die Datei selbst, das vollständige Produkt im .SAFE-Format, dann ist Copernicus Browser die offizielle Quelle und verlangt ein kostenloses Konto. Ich habe jede der unten beschriebenen Methoden am 23. September 2026 in QGIS 3.44.7 auf den Center-Pivot-Farmen rund um Cristalina im brasilianischen Bundesstaat Goiás durchgeführt und die Zeit jeder einzelnen gestoppt.

Die kurze Antwort

Meine Standardmethode ist Methode 3. Im Jahr 2026 musst du eine Sentinel-2-Szene selten herunterladen, nur um sie anzusehen oder einen Index für ein paar Felder zu berechnen. Lade das Produkt herunter, wenn du alle 13 Bänder offline brauchst oder ein Archiv, das du selbst kontrollierst.

Bevor du loslegst

Sentinel-2 ist die optische Copernicus-Mission Europas. Im Juli 2026 waren drei Satelliten, Sentinel-2A, 2B und 2C, gleichzeitig im Aufnahmebetrieb: Der Katalog führt in diesem Monat 9 Aufnahmedaten über Cristalina. Jede Szene ist in Kacheln von 109,8 km mal 109,8 km in UTM geschnitten, benannt wie 22KHG, und ein Ort nahe einer Kachelkante liegt auf zwei Kacheln. Cristalina liegt auf 22KHG und 23KKB.

Zwei Verarbeitungsstufen sind wichtig. Level-1C ist die Reflexion an der Oberseite der Atmosphäre. Level-2A ist um die Atmosphäre korrigiert, also Oberflächenreflexion, und bringt ein Szenenklassifikationsband (SCL) mit, das Wolken und Schatten kennzeichnet. Für alles, was du über verschiedene Daten hinweg vergleichst, NDVI eingeschlossen, nimm L2A.

Die Bänder, die du am häufigsten nutzt, sind 10 m: B2 Blau, B3 Grün, B4 Rot und B8 Nahes Infrarot. Echtfarben ist B4, B3, B2 als Rot, Grün, Blau, und NDVI ist (B8 − B4) / (B8 + B4), die beiden Definitionen, die Copernicus Browser unter seinen eigenen Layers ausgibt. Der Beitrag multispektral vs. hyperspektral erklärt, was die anderen Bänder messen.

Du brauchst QGIS 3.40 oder neuer für STAC im Browser-Panel und 3.42 oder neuer für die Suche im Data Source Manager, laut den 3.40- und 3.42-Changelogs.

Wo das Web falschliegt

„Du musst das Produkt erst herunterladen." Die meisten Tutorials beginnen immer noch mit einer 1-GB-Zip-Datei. Earth Search und andere STAC-Kataloge liefern jedes Sentinel-2-L2A-Band als Cloud-Optimized GeoTIFF aus, und QGIS liest nur den Teil der Datei, den es zeichnet. Die Echtfarben-Datei für die Cristalina-Kachel ist 297 MB groß. QGIS hat mein Fenster über 133 km² daraus in voller Auflösung in 5,4 Sekunden gezeichnet, kalt, ohne etwas zu speichern.

„NDVI ist (B8 − B4) / (B8 + B4) auf den Rohwerten." Seit der Verarbeitungs-Basislinie 04.00, ausgerollt am 25. Januar 2022, tragen L2A-Werte einen Offset: Reflexion ist (value − 1000) / 10000, und MTD_MSIL2A.xml sagt das mit BOA_ADD_OFFSET -1000. Auf Rohwerten ist die Formel falsch. In einem Fenster desselben Pivots habe ich aus Rohzahlen 0,517 bekommen und 0,768, sobald der Offset entfernt war.

Der Haken: Manche Quellen korrigieren den Offset für dich. Die .SAFE-JP2-Bänder tun das nicht, und QGIS liest sie als Rohzahlen. Die Earth-Search-Collection-1-COGs tragen eine Skalierung und einen Offset, die QGIS beim Laden anwendet, dort stimmt die einfache Formel also. Klick zuerst mit dem Identify-Werkzeug auf einen Pixel: Tausender bedeuten Rohzahlen, Werte zwischen 0 und etwa 1 bedeuten Reflexion.

„Der Wolkenanteil ist die Wolke über deinem Feld." Es ist die Wolke über der gesamten Kachel. Am 29. Juli 2026 zeigt derselbe Satellitenüberflug über Cristalina 22 % Wolken auf Kachel 22KHG und 2,6 % auf Kachel 23KKB. Eine Szene mit 20 % kann über deinem Hof wolkenfrei sein, und eine mit 3 % kann genau ihre einzige Wolke darüber haben. Schau dir das Bild, oder das SCL-Band, über deinem eigenen Gebiet an.

Methode 1: Das L2A-Produkt aus dem Copernicus Browser herunterladen

Copernicus Browser ist die offizielle Tür zum Archiv. Du kannst ohne Konto suchen. Für den Download musst du dich anmelden, und die Registrierung ist kostenlos.

Nutze sie, wenn: du jedes Band offline brauchst, die Metadaten und Qualitätsmasken, oder ein Archiv, das nicht von einem fremden Server abhängt.

Überspringe sie, wenn: du nur einen Ort sehen oder einen Index für ein paar Felder berechnen willst. Du würdest 1,1 GB herunterladen, um ein paar Megabyte davon zu nutzen.

Methode 2: Einen AI Agent in QGIS fragen

Wir bauen eines dieser Werkzeuge: den AI Agent, ein Chat-Panel in QGIS, das die Schritte in dem Projekt ausführt, das du gerade offen hast. Dieser Abschnitt handelt von unserem eigenen Werkzeug.

In einem leeren Projekt habe ich getippt:

Finde das Sentinel-2-Bild mit den wenigsten Wolken der Center-Pivots rund um Cristalina, Brasilien, vom Juli 2026, zeige es in Echtfarben und füge dann einen NDVI-Layer hinzu.

Es hat Cristalina geokodiert, Earth Search nach Juli 2026 durchsucht und die Szene vom 7. Juli von Sentinel-2C auf Kachel 22KHG gewählt, bei 0,00068 % Wolken. Das ist die niedrigste der 18 Juli-Szenen über der Stadt, dieselbe Antwort, zu der Methoden 1 und 3 von Hand kamen. Es streamte die Echtfarben-, Rot- und NIR-COGs, fragte einmal nach, bevor es sie hinzufügte, berechnete NDVI bei 10 m über einem 133-km²-Kasten rund um die Pivots und färbte es von Rot nach Grün.

Das NDVI ist eine GeoTIFF-Datei auf der Platte, und die Bilddaten bleiben gestreamt, wie in Methode 3. Die Grenze ist die Ausdehnung: Es hat NDVI auf dem Kasten berechnet, den es rund um die Pivots gewählt hat, nicht auf der ganzen 110-km-Kachel, nenne also ein größeres Gebiet, wenn du eines brauchst.

AI Agent kostenlos in QGIS ausprobieren

Die Frage, die Nutzer direkt danach stellen, ist, was sich verändert hat. In demselben Chat habe ich geschickt:

Vergleiche es jetzt mit dem Bild mit den wenigsten Wolken desselben Gebiets vom Juli 2025 und zeige, welche Felder Vegetation gewonnen oder verloren haben.

In 2 Minuten 43 Sekunden nahm es die Szene vom 17. Juli 2025 von Sentinel-2B (0,0006 % Wolken), berechnete ihr NDVI auf demselben 10-m-Raster und kartierte die Differenz mit einem Schwellenwert von 0,10. Über die 133 km² haben 39,14 km² Vegetation gewonnen und 14,52 km² verloren. Es fügte einen eigenen Vorbehalt hinzu: Die beiden Bilder liegen in der Saison zehn Tage auseinander, also erklärt der Wachstumsstand einen Teil der Veränderung. Sein Checkpoint macht beide Meldungen mit einem Klick rückgängig.

Nutze es, wenn: du die Szene in einem Schritt auswählen, streamen und in einen Index oder einen Vergleich verwandeln lassen willst, oder du nicht nach Bandnamen und Offsets suchen willst.

Überspringe es, wenn: du das vollständige Produkt offline archiviert brauchst. Dafür ist Methode 1 da. Der kostenlose Plan umfasst 10 Meldungen pro Monat, und diese zwei Läufe haben zwei verbraucht.

Methode 3: Mit STAC in QGIS streamen

STAC ist der Katalogstandard, den die meisten Satellitenarchive heute anbieten. QGIS liest ihn nativ, und Earth Search von Element 84 liefert Sentinel-2 L2A aus dem AWS-Open-Data-Bucket ohne Schlüssel aus.

Microsoft Planetary Computer hat dasselbe Archiv, aber seine Dateien brauchen ein signiertes Token: Eine unsignierte Anfrage für das Bild vom 7. Juli lieferte HTTP 409, und mein QGIS-3.44.7-Build hat keine Authentifizierungsmethode dafür. Also habe ich Earth Search verwendet.

Die Suche lieferte dieselben 18 Szenen wie der Copernicus-Katalog. Jede Zeile trägt ein Vorschaubild, und das Vorschaubild ist dein Wolkenfilter: Die erste Zeile, 29. Juli auf Kachel 22KHG, zeigt ihre Wolken, bevor du sie öffnest. Doppelklick auf eine Zeile für Details…, wo eo:cloud_cover den Kachel-Prozentsatz angibt.

Die Layers laden als /vsicurl/-Links zu den COG-Dateien. Beim Verschieben und Zoomen holt QGIS sich die Kacheln, die es braucht, in der Detailstufe, die es braucht. Die Legende verrät dir das zweite Wissenswerte: Das rote Band reicht von etwa 0 bis 1,6, nicht in Tausendern, weil QGIS die Skalierung und den Offset der Datei angewendet hat.

Mein NDVI reichte von −0,65 über den Farmteichen bis 0,94 auf den bewässerten Kreisen, mit einem Mittelwert von 0,48. Es stimmte mit dem Layer des AI Agent aus Methode 2 Pixel für Pixel überein. Juli ist die Trockenzeit auf diesem Hochplateau: Die Pivots, die gerade bewirtschaftet werden, liegen bei 0,85 bis 0,93, kahl liegende Felder bei 0,2 bis 0,3. Im Echtfarbenbild sehen ein wachsender Pivot und der dunkle Galeriewald entlang der Bäche ähnlich aus. NDVI trennt sie, und trennt auch die Pivots, die ruhen.

EchtfarbenNDVI

Zum Vergleichen ziehen

Für eine eigene Kopie: Rechtsklick auf den Layer, Export > Save As…, und schreibe eine auf deine Ausdehnung zugeschnittene GeoTIFF-Datei. Du bekommst die 10-m-Pixel deines Gebiets und sonst nichts.

Nutze sie, wenn: du einen Ort zu einem Datum sehen, ein Composite bauen oder einen Index berechnen willst und QGIS 3.42 oder neuer ist.

Überspringe sie, wenn: du offline arbeitest oder hunderte Szenen für eine Zeitreihe brauchst. Ein Skript gegen dieselbe STAC-API ist das richtige Werkzeug dafür.

Methode 4: Das Semi-Automatic Classification Plugin

Das Semi-Automatic Classification Plugin (SCP) hat einen Reiter Download products, und es funktioniert 2026 immer noch für Sentinel-2. SCP 8.5 ist die Version für QGIS 3, und die 9.0er-Serie im Plugin-Repository ist für QGIS 4. Es basiert auf der Bibliothek Remotior Sensus, und die Plugin-Seite sagt, es „erfordert die Installation zusätzlicher Abhängigkeiten".

Ich habe seine Suchmaschine, Remotior Sensus 0.7.7, auf demselben Gebiet getestet. Die Quelle „Sentinel-2" fragt den Copernicus-Katalog ab und listete die Szenen vom 7. und 17. Juli in 26 Sekunden. Ohne Copernicus-Zugangsdaten lädt SCP das Produkt aus dem öffentlichen Sentinel-2-Bucket von Google Cloud herunter, und dieser Bucket enthält das L2A-Produkt vom 7. Juli. Die Quelle „Sentinel-2_MPC" fragt Planetary Computer ab und antwortete in 0,2 Sekunden.

Der Teil, der mich Zeit gekostet hat, war die Installation. SCP braucht Remotior Sensus und SciPy in QGIS' eigenem Python. In der macOS-App von QGIS 3.44.7 ließ sich das per pip installierte SciPy nicht laden, also habe ich die Suche außerhalb des Plugins ausgeführt. Unter Windows und Linux folge dem Installationskapitel des SCP-Handbuchs.

Nutze es, wenn: du das Bild sowieso in SCP klassifizieren willst. Es lädt herunter, rechnet in Reflexion um und baut den Band-Satz an einem Ort.

Überspringe es, wenn: du nur ein Bild oder einen Index brauchst. Methode 3 hat nichts zu installieren.

Was du dir merken solltest

• Für die meisten Arbeiten: stream Sentinel-2 über STAC, Layer > Data Source Manager, Reiter STAC, Earth Search, dann Rechtsklick auf eine Szene, Add Layer. Kein Konto und kein 1,1-GB-Download.
• Lade das L2A-.SAFE-Produkt aus dem Copernicus Browser herunter, mit einem kostenlosen Konto, wenn du jedes Band offline brauchst.
• Echtfarben ist B4, B3, B2 und NDVI ist (B8 − B4) / (B8 + B4), beide bei 10 m, auf Level-2A für alles, was du über Daten hinweg vergleichst.
• Seit der Verarbeitungs-Basislinie 04.00 (Januar 2022) tragen rohe L2A-Werte einen Offset von 1.000: Entferne ihn vor NDVI, außer deine Quelle hat das schon getan, und prüfe zuerst einen Pixel mit Identify.
• Der Wolkenanteil einer Szene gilt für ihre 110-km-Kachel, nicht für dein Feld. Derselbe Überflug über Cristalina ergab 22 % auf der einen Kachel und 2,6 % auf der anderen.

Fragen, die Nutzer stellen

Brauche ich ein Copernicus-Konto, um Sentinel-2-Bilder zu bekommen?

Zum Streamen nicht. Der AI Agent, Earth Search über STAC und SCPs Weg über Google Cloud haben alle ohne eines funktioniert. Du brauchst ein kostenloses Copernicus-Data-Space-Ecosystem-Konto, um das Produkt aus dem Copernicus Browser herunterzuladen, und für das Sentinel-Hub-Plugin.

L1C oder L2A: Welches sollte ich herunterladen?

Für fast alles L2A. Es ist um die Atmosphäre korrigiert, ein Feld liest sich also an einem dunstigen Tag und an einem klaren gleich, und es trägt das SCL-Band, das Wolken und Schatten markiert. L1C ist Reflexion an der Oberseite der Atmosphäre, kleiner (etwa 760 MB gegenüber 1.090 MB für denselben Überflug über Cristalina) und gut für dich, wenn du deine eigene Atmosphärenkorrektur rechnest.

Welche Sentinel-2-Bänder ergeben Echtfarben und welche NDVI?

Echtfarben ist B4 Rot, B3 Grün und B2 Blau, und jedes L2A-Produkt liefert es außerdem fertig als TCI mit. NDVI nutzt B8, das nahe Infrarot, und B4: (B8 − B4) / (B8 + B4). Alle vier Bänder sind 10 m. Bei rohen L2A-Werten ab der Verarbeitungs-Basislinie 04.00 zieh zuerst 1.000 von jedem Band ab.

Wie filtere ich Sentinel-2-Bilder nach Wolkenbedeckung?

Im Copernicus Browser der Wolken-Regler unter Sentinel-2 im Reiter Search. Die STAC-Suche von QGIS 3.44 hat keinen Wolkenfilter, also lies die Vorschaubilder, oder eo:cloud_cover unter Details…. So oder so gilt die Zahl für die ganze Kachel. Für die Pixel deines Feldes markiert das L2A-SCL-Band Wolkenschatten als 3 und Wolken als 8 und 9.

Kann ich Sentinel-2 in QGIS streamen, anstatt es herunterzuladen?

Ja, ab QGIS 3.40 im Browser-Panel und ab 3.42 mit Suche im Data Source Manager. Die Bänder sind Cloud-Optimized GeoTIFFs, und QGIS liest nur die Kacheln, die es zeichnet: 5,4 Sekunden für eine 133-km²-Ansicht bei 10 m in meinem Test. Speichere mit Export > Save As… eine zugeschnittene Kopie, wenn du sie offline brauchst.

Funktioniert das Sentinel-Hub-Plugin weiterhin?

Es wird gepflegt: Version 2.0.8 erschien am 9. Juni 2026 im QGIS-Plugin-Repository. Es braucht ein Copernicus-Data-Space- oder Sentinel-Hub-Konto plus einen OAuth-Client, und seine Seite warnt, dass der Copernicus-Endpoint unter macOS möglicherweise nicht funktioniert. Die eigene Dokumentation von Copernicus beschreibt es als Viewer und leitet einzelne Downloads an den Copernicus Browser weiter. Ich habe es für diesen Beitrag nicht getestet.

Mehr dazu, was ein Chat-Panel in QGIS leisten kann, findet sich im AI-Agent-Leitfaden mit zehn weiteren echten Durchläufen, und der QGIS-AI-Hub sammelt den Rest. Um das NDVI von oben in Feldpolygone zu verwandeln, knüpft der Beitrag Raster-zu-Vektor hier an. Die beiden Begleit-Tutorials behandeln das Herunterladen von OpenStreetMap-Daten und das Georeferenzieren einer gescannten Karte.

AI Agent kostenlos in QGIS ausprobieren