FlowMCP v4.1 — GTFS als erste Datenklasse mit eigenem Add-on

FlowMCP Team

25. Mai 2026

#release#v41#gtfs#add-on#mobility#open-data

ℹ️ Hinweis: Die Pilot-Messwerte (Konvertierungszeiten, Latenzen, Output-Snippets) stammen aus dem laufenden GTFS-Pilot und werden ergaenzt, sobald die Messreihen abgeschlossen sind.

GTFS-Feeds sind die Lingua Franca des oeffentlichen Verkehrs — und gleichzeitig ein klassisches Beispiel fuer das Daten-Format-Problem: zwischen 30 und 60 CSV-Dateien in einer ZIP, fuer den DELFI-Feed mehrere hundert Megabyte, entpackt mehrere Gigabyte. Eine LLM kann diese Datei nicht im Kontext halten. Eine REST-API drumherum hilft, aber wer audiert die? Wer pflegt sie?

Mit v4.1 loest FlowMCP das anders. GTFS wird zur ersten Datenklasse mit einem eigenen Add-on — gtfs-sqlite-toolkit. Das Toolkit konvertiert Feeds zu versiegelten SQLite-Datenbanken und meldet einer FlowMCP-CLI per Capability-Matrix, welche Abfragen sinnvoll moeglich sind. Schemas verweisen dann nur noch auf die DB — keine Wartung der CSV-Parser, keine API-Hosting-Kosten.

Was ist GTFS?

GTFS — General Transit Feed Specification — ist ein offener Standard fuer Fahrplandaten, urspruenglich von Google fuer Transit-Suchen entwickelt, heute der weltweite De-facto-Standard fuer OePNV-Daten. Ein GTFS-Feed enthaelt ca. 30 CSV-Dateien: Stops, Routes, Trips, Stop-Times, Calendar, Transfers, …

Wir betrachten zwei deutsche Feeds:

Feed	Quelle	Groesse	Lizenz	Update
DELFI (Deutschland gesamt)	`download.gtfs.de/germany/free/latest.zip`	~245 MB	CC-BY 4.0 (DELFI e.V.)	taeglich
VBB (Berlin/Brandenburg)	`vbb.de/vbbgtfs`	~83 MB	CC-BY 4.0 (VBB GmbH)	Mi+Fr

Beide Endpunkte erwidern HTTP 200 ohne Auth-Header. Die Lizenz verlangt Attribution in jeder Antwort, die diese Daten verwendet.

Was ist `gtfs-sqlite-toolkit`?

Das Toolkit ist das erste FlowMCP-Add-on. Es konvertiert einen GTFS-Feed (CSV in ZIP) in eine SQLite-Datenbank mit drei Eigenschaften:

Eigenschaft	Bedeutung
Quality-Seal	Eine `meta`-Tabelle in der DB enthaelt Hash, Datum, Spec-Revision, Provider — die DB ist eindeutig referenzierbar.
Capability-Matrix	12 Booleans, die abbilden, welche Datei der Feed mitliefert (`stops`, `routes`, `transfers`, `shapes`, …).
Capability-Driven Auto-Injection	Die FlowMCP-CLI liest die Capability-Matrix und injiziert nur die Tools, die der Feed tatsaechlich beantworten kann.

Ein Schema sieht damit so aus:

export const schema = {
    namespace: 'gtfsde',
    name: 'gtfsde-transit-v2',
    version: '2.0.0',
    main: {
        resources: [
            {
                source:       'sqlite-gtfs',
                mode:         'file-based',
                path:         '${FLOWMCP_RESOURCES}/gtfs-de.db',
                addon:        'gtfs-sqlite-toolkit',
                addonVersion: '>=0.1.0',
                addonSource:  'github:FlowMCP/gtfs-sqlite-toolkit'
            }
        ],
        tools: [
            // Default-Tools werden automatisch injiziert.
        ]
    }
}

Das Schema ist klein. Die Engine bleibt bei FlowMCP. Der Datenbank-Inhalt bei der user-eigenen DB. API-Keys gibt es nicht, weil es keine API gibt — die Daten sind frei.

Pilot-Ergebnisse: DELFI + VBB

Wir haben beide Feeds in den Pilot genommen.

Konvertierung

Erwartete Groessenordnungen aus dem Pilot: DELFI startet bei rund 245 MB ZIP und waechst nach Konvertierung auf rund 800 MB bis 2 GB SQLite, VBB von rund 83 MB ZIP auf rund 300 bis 700 MB. Die exakten Konvertierungszeiten und Quality-Seal-Stati ergaenzen wir, sobald die Messreihen abgeschlossen sind.

Performance

Die Latenz-Messung (P50/P95) fuer searchStops, findRoute und nextDeparture laeuft im Pilot. SQLite-Index-Hits auf den konvertierten Datenbanken erlauben Tausende Queries ohne weiteren Netzwerk-Hit — die konkreten Zahlen reichen wir nach.

Fünf Use-Cases

1. “Naechste S-Bahn von Berlin Hbf nach Spandau”

flowmcp call gtfsvbb.findRoute '{"origin":"Berlin Hbf","destination":"Spandau"}'

Beispiel-Output folgt nach Abschluss der Pilot-Messreihe.

2. “Berlin Hbf → Hamburg Hbf am schnellsten”

flowmcp call gtfsde.findRoute '{"origin":"Berlin Hbf","destination":"Hamburg Hbf","criterion":"fastest"}'

Beispiel-Output folgt nach Abschluss der Pilot-Messreihe.

3. “Buslinien Karlsruhe Sonntag”

flowmcp call gtfsde.findRoutesByCalendar '{"city":"Karlsruhe","day":"sunday"}'

Beispiel-Output folgt nach Abschluss der Pilot-Messreihe.

4. “Bahnhoefe im 10km-Umkreis um Koordinate X”

flowmcp call gtfsde.searchStopsByGeo '{"lat":52.52,"lon":13.41,"radius_m":10000}'

Beispiel-Output folgt nach Abschluss der Pilot-Messreihe.

5. “Anschluss an Event Y in Stadt Z” (Kombinatorik)

Dieser Use-Case verkettet zwei Schemas und ist der Killer-Beleg fuer die Vision von FlowMCP: Schemas sind klein, die Engine ist eine, die Kombinatorik passiert oben.

# Schritt 1: Event suchen
flowmcp call eventbrite.search '{"name":"Berlin Mobility Conference","date":"2026-06-15"}'
# → venue=Tempelhof, lat=52.473, lon=13.402

# Schritt 2: Nahe Stops finden
flowmcp call overpass-osm.nearbyStops '{"lat":52.473,"lon":13.402,"radius_m":800}'
# → [Tempelhof, Platz der Luftbruecke, ...]

# Schritt 3: Route dorthin
flowmcp call gtfsvbb.findRoute '{"origin":"Berlin Hbf","destination":"Tempelhof","date":"2026-06-15T18:00"}'
# → S-Bahn S41 → Bus M46

Ausgefuehrte Outputs und Latenzen folgen nach Abschluss der Pilot-Messreihe.

Add-on-Konzept allgemein

GTFS ist das erste Add-on, aber nicht das einzige. Das Konzept ist generisch:

Schritt	Was passiert
1. Add-on schreibt SQLite-DB mit `meta`-Tabelle	Hash, Spec-Revision, Provider, Capabilities
2. Schema verweist auf `source: 'sqlite-<typ>'` + `addon: '<repo>'` + `addonSource: 'github:org/repo'`	Schema bleibt dünn
3. FlowMCP-CLI liest Capabilities	injiziert nur passende Tools
4. AI ruft Tools	DB-Operationen sind deterministisch, fast (Index-Hits)

Capability-Matrix-Beispiele aus GTFS:

hasStops (Datei stops.txt vorhanden) → searchStops wird injiziert
hasShapes (Datei shapes.txt vorhanden) → getRouteShape wird injiziert
hasTransfers → findTransfer wird injiziert
hasFareRules → getFare wird injiziert

Schemas, die einen Feed bekommen, dem transfers.txt fehlt, sehen findTransfer schlicht nicht im Tool-Set. Keine 404, keine Fehlermeldung, keine halluzinierte Antwort.

Open Data und Recht

Beide verwendeten Feeds stehen unter CC-BY 4.0. Das verlangt Attribution in jeder weitergegebenen Antwort. FlowMCP setzt das in der Output-Struktur:

{
    "data": { "route_id": "ICE793", "dep_time": "09:34" },
    "licenseAttribution": "Daten: DELFI e.V. / VBB GmbH, CC-BY 4.0",
    "source": "gtfs-de | gtfs-vbb"
}

Warum sind diese Daten frei? Das deutsche E-Government-Gesetz §12a (eingefuehrt 2017, novelliert 2021) verpflichtet Bundes- und Landesbehoerden, Datenbestaende grundsaetzlich als Open Data bereitzustellen. DELFI als Zweckverband der Bundeslaender fuer Mobilitaetsdaten, VBB als oeffentlicher Verkehrsverbund, beide unterliegen diesen Vorgaben. CC-BY 4.0 ist die gewaehlte Lizenz-Form.

Wie geht’s weiter

Naechster Schritt	Status
Realtime (GTFS-RT)	separater Endpoint, im Pilot nicht abgedeckt — Folge-Iteration
Weitere Add-ons (OFAC, OSM, Wikidata)	in Diskussion
Schema-Validator fuer Add-on-Capabilities	Folge-Memo

📖 Lies auch:

FlowMCP v4 — Skills, Selections, Pipes — Pipes-Konzept verkettet diese GTFS-Tools elegant.

Anschluss erreichen — Wie FlowMCP zum Mobility-Framework wurde — Hackathon-Validierung der Mobility-Use-Cases.

Teilen: Twitter LinkedIn

FlowMCP v4.1 — GTFS als erste Datenklasse mit eigenem Add-on

FlowMCP v4.1 — GTFS als erste Datenklasse mit eigenem Add-on

Was ist GTFS?

Was ist `gtfs-sqlite-toolkit`?

Pilot-Ergebnisse: DELFI + VBB

Konvertierung

Performance

Fünf Use-Cases

1. “Naechste S-Bahn von Berlin Hbf nach Spandau”

2. “Berlin Hbf → Hamburg Hbf am schnellsten”

3. “Buslinien Karlsruhe Sonntag”

4. “Bahnhoefe im 10km-Umkreis um Koordinate X”

5. “Anschluss an Event Y in Stadt Z” (Kombinatorik)

Add-on-Konzept allgemein

Open Data und Recht

Wie geht’s weiter

Aehnliche Beitraege

Anschluss erreichen — Wie FlowMCP zum Mobility-Framework wurde

FlowMCP v4.2 — Grading als versionierter Standard

FlowMCP v4.0 — Skills, Selections, Pipes

FlowMCP v4.1 — GTFS als erste Datenklasse mit eigenem Add-on

Was ist GTFS?

Was ist gtfs-sqlite-toolkit?

Pilot-Ergebnisse: DELFI + VBB

Konvertierung

Performance

Fünf Use-Cases

1. “Naechste S-Bahn von Berlin Hbf nach Spandau”

2. “Berlin Hbf → Hamburg Hbf am schnellsten”

3. “Buslinien Karlsruhe Sonntag”

4. “Bahnhoefe im 10km-Umkreis um Koordinate X”

5. “Anschluss an Event Y in Stadt Z” (Kombinatorik)

Add-on-Konzept allgemein

Open Data und Recht

Wie geht’s weiter

Aehnliche Beitraege

Anschluss erreichen — Wie FlowMCP zum Mobility-Framework wurde

FlowMCP v4.2 — Grading als versionierter Standard

FlowMCP v4.0 — Skills, Selections, Pipes

Was ist `gtfs-sqlite-toolkit`?