Danske grunddata som filer, du selv kan forespørge

552 datasæt fra 21 offentlige kilder ligger samlet i én offentlig S3-bucket som GeoParquet og FlatGeobuf. Det dækker adresser, bygninger, matrikler, virksomheder, natur, grundvand, kommunale fagdata og planer. Hvert datasæt gemmes som daterede snapshots, så du også kan gå tilbage i tid. Du behøver ikke API-nøgler eller paginering. Peg DuckDB, QGIS eller Python på filerne, og kombinér dem frit.

s3://datagrundlag/filer/dk/

Find et datasæt Kom i gang med DuckDB

Rækker: 266,3 mio.
GeoParquet: 46 GB
Snapshots: 6.503
Historik siden: 17. september 2026

Median opførelsesår for opførte bygninger

1983
1978
1975
1973
1970
1924

Fra yngste til ældste bygningsmasse. Beregnet med DuckDB på tværs af bbr.bygning og dagi.kommuneinddeling.

Andel adresser på V2-kortlagt jord

0 %
0,3 %
0,5 %
0,9 %
1,6 %
12,8 %

Andel af kommunens adresser. Beregnet med DuckDB på tværs af dar.husnummer, dar.adressepunkt, dkjord.dkjord_v2 og dagi.kommuneinddeling.

Offentlige ladepunkter pr. 1.000 adresser

0
9,3
12,8
15,6
21,5
90,7

Pr. 1.000 adresser. Beregnet med DuckDB på tværs af geofa.t_5607_ladefacilitet, dar.husnummer og dagi.kommuneinddeling.

Vis tallene som tabel

Kommune	Median opførelsesår	Adresser	% på V2-jord	Ladepunkter pr. 1.000
Albertslund	1968	11.392	1,6	43
Allerød	1977	10.589	0,9	13,3
Assens	1972	22.571	0,6	14,3
Ballerup	1972	18.137	1	23,3
Billund	1980	16.422	0,2	40,3
Bornholm	1951	29.957	0,2	7,3
Brøndby	1978	9.984	3,9	39
Brønderslev	1971	19.359	0,9	7,4
Christiansø	–	101	0	0
Dragør	1974	6.573	1,5	13,7
Egedal	1975	19.349	0,6	8,1
Esbjerg	1975	49.673	0,5	18,2
Fanø	1978	5.073	0	6,3
Favrskov	1983	23.273	0,2	17
Faxe	1976	19.841	0,3	18,7
Fredensborg	1978	16.505	0,9	10,5
Fredericia	1979	21.096	1,6	31,9
Frederiksberg	1934	9.584	11,6	78,7
Frederikshavn	1978	41.087	1	8,6
Frederikssund	1977	26.718	3,1	9,5
Furesø	1977	16.632	2,2	8,9
Faaborg-Midtfyn	1970	29.305	0,5	13,2
Gentofte	1936	18.940	2,4	18
Gladsaxe	1962	19.838	4,6	20,9
Glostrup	1979	8.290	2,9	26,5
Greve	1977	21.047	0,2	10,5
Gribskov	1973	33.604	0,4	8,7
Guldborgsund	1964	41.315	0,6	7,7
Haderslev	1974	28.147	0,5	12,9
Halsnæs	1974	23.080	1	7
Hedensted	1977	27.295	0,3	11
Helsingør	1974	25.653	2	15,1
Herlev	1970	10.662	3,5	36
Herning	1976	43.493	0,3	23,1
Hillerød	1982	20.497	3,3	18,6
Hjørring	1974	43.947	0,7	12,9
Holbæk	1975	36.368	0,3	13,3
Holstebro	1977	31.007	0,3	16,2
Horsens	1974	38.752	0,8	21,5
Hvidovre	1971	15.253	2	20,3
Høje-Taastrup	1974	17.701	2,1	90,7
Hørsholm	1972	9.495	1,2	13,3
Ikast-Brande	1979	21.879	0,2	12,1
Ishøj	1974	6.552	1,7	26,4
Jammerbugt	1977	31.984	0,2	11,3
Kalundborg	1973	33.698	0,5	7,1
Kerteminde	1974	14.729	0,4	17,9
Kolding	1979	43.678	0,6	23,9
København	1950	83.993	12,8	80
Køge	1974	25.401	1,2	13,7
Langeland	1960	12.148	1,5	7,4
Lejre	1975	15.209	0,1	5,1
Lemvig	1975	14.947	0,6	12,8
Lolland	1955	32.031	0,3	9,6
Lyngby-Taarbæk	1959	16.596	1,8	22,9
Læsø	1979	3.678	0,3	2,4
Mariagerfjord	1975	26.224	0,9	13,2
Middelfart	1976	22.046	0,5	30
Morsø	1967	13.070	1,3	15,8
Norddjurs	1972	27.074	0,4	12,4
Nordfyns	1969	19.685	0,4	7,9
Nyborg	1973	16.544	1,7	21,3
Næstved	1973	41.350	0,4	10,9
Odder	1980	13.289	0,6	17,5
Odense	1975	81.826	1,3	12,6
Odsherred	1973	42.463	0,2	6
Randers	1974	41.663	1,1	13,3
Rebild	1973	16.123	0,5	11,4
Ringkøbing-Skjern	1978	42.070	0,2	18,4
Ringsted	1973	15.835	0,3	12,8
Roskilde	1978	35.364	1,3	20
Rudersdal	1970	19.810	2	17,8
Rødovre	1965	12.665	4,8	14,5
Samsø	1969	4.717	0,4	11
Silkeborg	1979	47.272	0,4	23,4
Skanderborg	1982	27.614	0,2	15,6
Skive	1970	28.868	0,7	12,1
Slagelse	1973	39.948	1	11,6
Solrød	1979	9.465	0,6	21,6
Sorø	1980	15.650	0,7	12,8
Stevns	1967	13.513	0,2	9,3
Struer	1975	12.115	0,6	15,3
Svendborg	1972	30.687	0,7	7,8
Syddjurs	1978	33.867	0,3	11,2
Sønderborg	1976	38.262	1	18,5
Thisted	1973	29.674	0,4	8,3
Tønder	1973	24.465	0,3	14,2
Tårnby	1973	14.413	7,1	43,1
Vallensbæk	1978	4.907	0,9	15,1
Varde	1977	35.469	0,3	10
Vejen	1976	22.916	0,4	23,4
Vejle	1977	55.107	0,7	22,2
Vesthimmerlands	1972	24.327	0,4	17,2
Viborg	1974	47.313	0,4	14,6
Vordingborg	1970	30.160	0,9	11
Ærø	1924	5.462	1	7
Aabenraa	1976	30.264	0,5	21,5
Aalborg	1975	93.236	0,9	15,1
Aarhus	1978	114.392	1,2	20

Registrene hænger sammen. Nu kan du også se det.

Grunddata er designet til at blive koblet: et husnummer peger på en vej, et jordstykke og en kommune. En bygning står på en grund, og en virksomhed har en adresse. Hos de enkelte myndigheder ligger data alligevel i hver sin tjeneste med hver sit API.

Her ligger det hele side om side i samme format og samme koordinatsystem (ETRS89 / UTM32). Et join mellem BBR og Naturdatabasen er lige så nemt som et join mellem to tabeller i samme database, hvilket Datagrundlag er.

Direkte fra bucketen
DuckDB og GDAL læser kun de bytes, forespørgslen skal bruge. Et spatialt join over millioner af rækker tager sekunder.
Historik på alle datasæt
Hvert datasæt høstes løbende, og gamle snapshots bliver liggende. Du kan læse data, som de så ud på en given dato, og se hvad der er ændret.
Beskrevet med STAC
Et maskinlæsbart katalog med udstrækning, rækketal, skema og links til filerne. Byg dine egne værktøjer oven på det.

Gå tilbage i tid

Myndighedernes tjenester viser som regel kun, hvordan data ser ud i dag. Her bliver hvert snapshot liggende med sin dato, så du kan se et register, som det så ud på en bestemt dag, og sammenligne to datoer.

Historikken begynder 17. september 2026 og vokser for hvert snapshot. Indtil nu er der 6.503 snapshots, og 229 datasæt har allerede ændret rækketal undervejs.

I DuckDB er snapshot-datoen en almindelig kolonne. Med makroen dk_at() læser du et datasæt, som det så ud på en given dato.

Oversigten viser den seneste uge for et udvalg af datasæt, der har ændret sig, ét fra hver kilde.

Datasæt7. okt.9. okt.11. okt.13. okt.Ændring

FotosGeoFA+64

Landzonetilladelser (vedtaget)Plandata.dk−44

BoringerJupiter+281

Beskyttede naturtyper (§ 3)Danmarks Arealinformation+61

arealer udgået efter kortlægningDKjord+15

Fund af invasive arterNaturdatabasen+515

Ikke-fredede fund og fortidsminder (punkter)Kulturarv+159

matrikel.matrikulaersag_sagsoperationMatriklen+48.031

6. oktober 2026 til 13. oktober 2026 Snapshot Rækketallet ændrede sig Intet snapshot den dag

Hvilke lokalplaner er vedtaget den seneste uge?

Det samme datasæt læst på to tidspunkter: i dag og for en uge siden. Planer i det nyeste snapshot, som ikke fandtes for en uge siden, er kommet til i løbet af ugen. Ret 7 DAY til fx 30 DAY for at se en anden periode.

Sammenligner to snapshots
plandatadk.pdk_lokalplan_vedtaget_v

DuckDB-forespørgsel

SELECT ny.kommunenavn                                    AS kommune,
       ny.plannavn                                       AS lokalplan,
       strptime(ny.datovedt::VARCHAR, '%Y%m%d')::DATE    AS vedtaget
FROM dk('plandatadk', 'pdk_lokalplan_vedtaget_v') ny
ANTI JOIN dk_at('plandatadk', 'pdk_lokalplan_vedtaget_v', current_date - INTERVAL 7 DAY) gammel
  USING (planid)
ORDER BY vedtaget DESC, kommune;

Redigér i SQL-editoren

Kører med DuckDB i din browser. Datasættene fylder 41 MB, men kun de kolonner og dele, som forespørgslen bruger, hentes.

Resultat (8,4 s direkte fra S3 på en bærbar)

kommune	lokalplan	vedtaget
Brøndby	For specialskole på en del af Gildhøjcentret	2026-10-07
Lemvig	Sommerhusområde i Vejlby	2026-10-07
Lemvig	Sommerhusområde i Vrist	2026-10-07
Viborg	Centerformål ved Ellekonebakken i Viborg	2026-10-07
Albertslund	Boliger og erhverv på Smedeland 7	2026-10-06
Billund	Dagligvarebutik på Vejlevej, Billund.	2026-10-06
Ringkøbing-Skjern	Boligområde ved Stationsvej i Tarm	2026-10-06
Svendborg	Lokalplan 11_05 – tillæg 1	2026-10-06
Sønderborg	Tillæg til lokalplan 4-0701 Erhvervsområdet Fynsgade	2026-10-06
Varde	Sektorkoblet anlæg ved Krageris, Ølgod	2026-10-06
Aalborg	Solceller nord for Bouet	2026-09-29
Horsens	445, Offentlige formål, Dagnæs Hal 2, Horsens	2026-09-29
Rebild	Boligområde ved Øster Hornumvej, Øster Hornum	2026-09-17
Kalundborg	Lokalplan nr. 607 for en svømmehal i Gørlev	2026-09-16
Skanderborg	Boligområde ved Stenskovvej i Stjær	2026-09-02

Analyser på tværs af registre

Forespørgslerne herunder køres, hver dag, direkte mod bucketen. Tallene er ægte, og SQL'en kan kopieres ind i din egen DuckDB.

Hvilke Natura 2000-områder rummer flest rødlistede arter?

278.000 fund af rødlistearter fra Naturdatabasen krydset med Miljøstyrelsens habitatområder. Et punkt-i-polygon-join på tværs af to kilder.

DuckDB-forespørgsel

SELECT h.objektnavn                         AS habitatområde,
       count(DISTINCT r.videnskabeligtnavn) AS rødlistearter,
       count(*)                             AS fund
FROM dk('naturdatabasen', 'art_roedlistearter') r
JOIN dk('danmarksarealinformation', 'habitat_omr') h
  ON ST_Intersects(r.the_geom, h.the_geom)
GROUP BY ALL
ORDER BY rødlistearter DESC
LIMIT 8;

Redigér i SQL-editoren

Kører med DuckDB i din browser. Datasættene fylder 36 MB, men kun de kolonner og dele, som forespørgslen bruger, hentes.

Resultat (15,1 s direkte fra S3 på en bærbar)

habitatområde	rødlistearter	fund
Lovns Bredning, Hjarbæk Fjord og Skals, Simested og Nørre Ådal, Skravad Bæk	180	2.745
Smålandsfarvandet nord for Lolland, Guldborg Sund, Bøtø Nor, Hyllekrog-Røds	163	5.280
Sejerø Bugt og Saltbæk Vig	154	4.387
Roskilde Fjord	140	2.963
Vadehavet med Ribe Å, Tved Å og Varde Å vest for Varde	138	73.341
Løgstør Bredning, Vejlerne og Bulbjerg	137	3.865
Rold Skov, Lindenborg Ådal og Madum Sø	125	2.528
Almindingen, Ølene og Paradisbakkerne	123	806

Hvor mange adresser ligger på kortlagt forurenet jord?

Gældende adgangsadresser fra DAR lagt oven på V2-kortlagte arealer fra regionernes jordforureningsregister og fordelt på DAGI-kommuner.

DuckDB-forespørgsel

WITH adresser AS (
  SELECT h.id_lokalid AS id, h.kommuneinddeling, p.the_geom
  FROM dk('dar', 'husnummer') h
  JOIN dk('dar', 'adressepunkt') p ON p.id_lokalid = h.adgangspunkt
  WHERE h.status = '3'  -- gældende
)
SELECT k.navn                                     AS kommune,
       count(DISTINCT a.id)                       AS adresser,
       count(DISTINCT a.id) FILTER (v.gid NOTNULL) AS på_v2_jord,
       round(100.0 * på_v2_jord / adresser, 1)    AS procent
FROM adresser a
JOIN dk('dagi', 'kommuneinddeling') k ON k.id_lokalid = a.kommuneinddeling
LEFT JOIN dk('dkjord', 'dkjord_v2') v ON ST_Intersects(a.the_geom, v.the_geom)
GROUP BY ALL
ORDER BY procent DESC
LIMIT 8;

Redigér i SQL-editoren

Kører med DuckDB i din browser. Datasættene fylder 1,3 GB, men kun de kolonner og dele, som forespørgslen bruger, hentes. Store datasæt kan tage et til to minutter i browseren. Med DuckDB på din egen maskine tog den 28,1 s.

Resultat (28,1 s direkte fra S3 på en bærbar)

kommune	adresser	på v2 jord	procent
København	83.993	10.723	12,8
Frederiksberg	9.584	1.116	11,6
Tårnby	14.413	1.019	7,1
Rødovre	12.665	610	4,8
Gladsaxe	19.838	917	4,6
Brøndby	9.984	384	3,8
Herlev	10.662	371	3,5
Hillerød	20.497	670	3,3

Se alle 5 eksempler

Hvad der er i bucketen

Vælg en kilde for at se dens datasæt.

Adresser, ejendomme og virksomheder
Natur, vand og miljø
Kyst og landbrug
Kort, planer og kulturarv

Rækker pr. kilde i seneste snapshot, vist på kvadratrodsskala. Tal fra STAC-kataloget i bucketen.

Sådan er stierne bygget op

Bucketen følger en hive-lignende struktur, så værktøjer som DuckDB, Spark og Polars kan filtrere på kilde, datasæt og dato uden at læse data.

s3://datagrundlagOffentlig bucket i eu-west-1. Ingen login eller nøgler.
filer/dkDatabasen dk. Her ligger catalog.json, roden i STAC-kataloget.
schema=bbrKilden, fx BBR, DAR eller Matriklen.
relation=bygningDatasættet. collection.json og latest.json peger på nyeste snapshot.
_gc2_snapshot_date=2026-10-11Et snapshot pr. dato. Gamle snapshots bliver liggende, og DuckDB læser datoen som en kolonne.
data-6fa1dafe-dea6-4d3e-9ab5-2366e6785b4e.parquetGeoParquet 1.1 med bbox-kolonne. Ved siden af ligger .fgb og metadata.

Prøv det på et minut

Installér DuckDB, start den og indsæt forespørgslen. Den henter DAGI's kommunegrænser fra bucketen og beregner arealet.

Skal du bruge data i QGIS, så åbn FlatGeobuf-filen via dens URL. QGIS henter kun de features, der er inden for kortudsnittet.

Læs hele vejledningen

-- I DuckDB (duckdb.org). Ingen nøgler, ingen konto.
INSTALL spatial; LOAD spatial;
INSTALL httpfs;  LOAD httpfs;
SET s3_region = 'eu-west-1';

SELECT navn, round(ST_Area(the_geom) / 1e6) AS km2
FROM 's3://datagrundlag/filer/dk/schema=dagi/relation=kommuneinddeling/*/*.parquet'
QUALIFY _gc2_snapshot_date = max(_gc2_snapshot_date) OVER ()  -- kun nyeste snapshot
ORDER BY km2 DESC
LIMIT 5;

Danske grunddata som filer, du selv kan forespørge

Registrene hænger sammen. Nu kan du også se det.

Direkte fra bucketen

Historik på alle datasæt

Beskrevet med STAC

Gå tilbage i tid

Analyser på tværs af registre

Hvad der er i bucketen

Sådan er stierne bygget op

Prøv det på et minut