Datenvisualisierung in der Wissenschaftskommunikation verständlich gestalten

Warum Datenbilder mehr leisten müssen als gut auszusehen

Datenvisualisierung bezeichnet die grafische Darstellung von Informationen, Messwerten oder statistischen Zusammenhängen. In der Wissenschaftskommunikation erfüllt sie eine besondere Aufgabe: Sie soll nicht nur Aufmerksamkeit erzeugen, sondern Erkenntnisse nachvollziehbar machen. Ein Diagramm, eine Karte oder eine Infografik muss deshalb zu den Daten, zur Fragestellung und zum Vorwissen des Publikums passen.

Wissenschaftliche Ergebnisse liegen häufig in Tabellen, Berichten oder umfangreichen Datensätzen vor. Diese Formen sind für die Dokumentation wichtig, verlangen den Lesenden aber eine hohe Aufmerksamkeit ab. Eine gut geplante Visualisierung kann Strukturen sichtbar machen, etwa Entwicklungen über die Zeit, Unterschiede zwischen Gruppen oder Beziehungen zwischen mehreren Merkmalen. Sie ersetzt die wissenschaftliche Erklärung jedoch nicht. Sie unterstützt sie, indem sie eine bestimmte Aussage präziser und schneller zugänglich macht.

Entscheidend ist die Reihenfolge der Arbeitsschritte. Zuerst steht die kommunikative Frage: Was soll das Publikum nach dem Betrachten verstehen? Erst danach wird entschieden, welches Diagramm geeignet ist. Wer mit der Gestaltung beginnt, bevor die Aussage geklärt ist, fügt oft dekorative Elemente hinzu, die vom Inhalt ablenken.

Vom Datensatz zur verständlichen Aussage

Eine Visualisierung beginnt nicht mit Farben, Symbolen oder einem Programm. Sie beginnt mit der Prüfung der Daten. Dazu gehören die Herkunft, der Erhebungszeitraum, die Einheit, die Auswahl der Fälle und mögliche Unsicherheiten. In einer wissenschaftlichen Darstellung muss erkennbar sein, worauf sich eine Zahl bezieht. Ein Wert ohne Einheit oder Bezugsgröße kann zwar präzise aussehen, bleibt aber inhaltlich unklar.

Für die Vorbereitung hilft eine kurze Arbeitsfolge:

1. Fragestellung bestimmen: Soll eine Entwicklung, ein Vergleich, eine Verteilung oder ein Zusammenhang gezeigt werden?
2. Daten prüfen: Welche Variablen liegen vor, welche Werte fehlen und welche Einschränkungen nennt die Quelle?
3. Zielgruppe beschreiben: Fachpublikum, Schulklasse, interessierte Öffentlichkeit und politische Entscheidungsträger benötigen nicht dieselben Erläuterungen.
4. Kernaussage formulieren: Ein vollständiger Satz zwingt dazu, die Darstellung inhaltlich zu fokussieren.
5. Darstellungsform auswählen: Das Diagramm soll die Struktur der Daten unterstützen und nicht nur vertraut aussehen.
6. Kontext ergänzen: Quelle, Zeitraum, Einheit, Definitionen und gegebenenfalls Unsicherheiten gehören zur Darstellung.

Eine hilfreiche Probe lautet: Kann eine andere Person anhand der Visualisierung erklären, was verglichen wird, ohne zusätzliche Vermutungen anzustellen? Wenn nicht, fehlen meist Beschriftungen oder eine klare Einordnung.

Welches Diagramm passt zu welcher wissenschaftlichen Frage?

Die Wahl des Diagrammtyps beeinflusst, welche Beziehungen das Publikum erkennt. Balkendiagramme eignen sich für Vergleiche zwischen klar abgegrenzten Kategorien. Werden Balken von einer gemeinsamen Grundlinie ausgehend angeordnet, lassen sich Längenunterschiede meist gut vergleichen. Bei vielen Kategorien kann eine horizontale Anordnung die Lesbarkeit verbessern.

Liniendiagramme zeigen Veränderungen entlang einer geordneten Achse, häufig über die Zeit. Sie sind sinnvoll, wenn die Verbindung zwischen den Messpunkten inhaltlich begründet ist. Werden zeitliche Messungen nur als einzelne, voneinander unabhängige Beobachtungen erhoben, sollte eine Linie nicht automatisch einen kontinuierlichen Verlauf suggerieren.

Punktdiagramme machen Beziehungen zwischen zwei quantitativen Variablen sichtbar. Sie können beispielsweise zeigen, ob größere Werte einer Variable tendenziell mit größeren oder kleineren Werten einer anderen Variable einhergehen. Ein Punktdiagramm beweist jedoch keine Ursache-Wirkungs-Beziehung. Weitere Einflussfaktoren, die Auswahl der Daten und die Unsicherheit der Messung müssen berücksichtigt werden.

Histogramme beschreiben die Verteilung einer quantitativen Variable. Dabei werden Werte in Intervalle eingeteilt. Die Wahl dieser Intervalle kann das Erscheinungsbild beeinflussen und sollte deshalb nachvollziehbar sein. Boxplots fassen Verteilungen kompakt zusammen, setzen aber voraus, dass das Publikum die dargestellten Bestandteile kennt.

Karten sind geeignet, wenn räumliche Unterschiede im Mittelpunkt stehen. Eine eingefärbte Fläche kann jedoch absolute Werte mit Bevölkerungsgrößen verwechseln. Für Vergleiche zwischen Regionen kann daher eine standardisierte Größe, etwa ein Wert pro Einwohner, angemessener sein. Ob eine solche Umrechnung sinnvoll ist, hängt von der Forschungsfrage und der Definition der Bezugsgröße ab.

Skalen, Farben und Beschriftungen als Teil der Argumentation

Gestaltung ist in der Wissenschaftskommunikation nicht bloß eine Frage des Geschmacks. Eine verkürzte Achse kann Unterschiede größer erscheinen lassen, als sie im Verhältnis zueinander sind. Bei Balkendiagrammen ist eine gemeinsame Grundlinie besonders wichtig, weil die Balkenlänge als Vergleichsmerkmal dient. Eine verkürzte Skala kann in bestimmten Darstellungen zulässig sein, muss dann aber deutlich gekennzeichnet und inhaltlich begründet werden.

Farben sollten eine erkennbare Funktion haben. Eine sequenzielle Farbskala eignet sich für Werte, die von niedrig nach hoch reichen. Eine divergierende Skala kann Werte um einen sinnvollen Mittelpunkt herum darstellen, etwa positive und negative Abweichungen. Unterschiedliche Farben für Kategorien sind nur dann hilfreich, wenn die Kategorien tatsächlich unterschieden werden sollen. Zu viele Farben erhöhen die kognitive Belastung und erschweren den Vergleich.

Farben allein dürfen keine notwendige Information tragen. Menschen mit Farbsehschwächen oder Personen, die eine Darstellung in Graustufen ausdrucken, müssen die Kernaussage ebenfalls erfassen können. Ergänzende Beschriftungen, unterschiedliche Muster oder direkte Bezeichnungen verbessern die Zugänglichkeit.

Eine gute Beschriftung beantwortet mindestens diese Fragen: Was wird gemessen? In welcher Einheit? Für welchen Zeitraum oder welche Gruppe? Woher stammen die Daten? Bei Schätzungen oder Messwerten mit Unsicherheit sollten Konfidenzintervalle, Fehlerbalken oder andere geeignete Hinweise erklärt werden. Nicht jedes Publikum kennt die Bedeutung solcher Elemente. Eine kurze Legende ist daher keine überflüssige Ergänzung, sondern Teil der wissenschaftlichen Genauigkeit.

Unsicherheit, Auswahl und Kontext sichtbar machen

Wissenschaftliche Daten sind häufig mit Unsicherheit verbunden. Sie kann aus Messungen, Stichproben, Modellen oder unvollständigen Beobachtungen entstehen. Eine Darstellung, die nur einen einzelnen Punkt oder eine scheinbar exakte Zahl zeigt, kann mehr Sicherheit vermitteln, als die Untersuchung tatsächlich erlaubt. Die Form der Unsicherheitsdarstellung muss zur Methode passen und im Begleittext erläutert werden.

Auch die Datenauswahl beeinflusst die Aussage. Werden nur bestimmte Jahre, Regionen oder Personengruppen gezeigt, muss dieser Ausschnitt benannt werden. Das gilt ebenso für fehlende Werte. Ein leerer Bereich kann bedeuten, dass kein Ereignis vorlag, dass keine Messung durchgeführt wurde oder dass die Information nicht verfügbar ist. Diese Bedeutungen dürfen nicht stillschweigend gleichgesetzt werden.

Prozentwerte benötigen eine Bezugsgröße. Eine relative Veränderung kann groß wirken, obwohl sie sich auf eine kleine Ausgangsmenge bezieht. Umgekehrt kann eine bedeutsame absolute Differenz als klein erscheinen, wenn nur Prozentwerte genannt werden. Je nach Fragestellung ist es sinnvoll, absolute und relative Angaben gemeinsam zu zeigen.

Bei Korrelationen ist eine vorsichtige Sprache besonders wichtig. Ein gleichzeitiger Anstieg zweier Variablen zeigt zunächst eine gemeinsame Veränderung. Daraus folgt nicht automatisch, dass die eine Variable die andere verursacht. Mögliche Drittvariablen, zeitliche Reihenfolgen und die Untersuchungsmethode gehören zur Interpretation.

Typische Fehler und wie sie sich vermeiden lassen

Ein häufiger Fehler besteht darin, eine Visualisierung mit zu vielen Botschaften zu überladen. Wenn mehrere Diagramme, Farben, Symbole und Textblöcke um Aufmerksamkeit konkurrieren, wird die zentrale Aussage schwer erkennbar. Besser ist es, komplexe Inhalte in mehrere aufeinander bezogene Darstellungen zu gliedern und jede Darstellung mit einer klaren Überschrift zu versehen.

Auch dreidimensionale Effekte können problematisch sein. Perspektive und räumliche Formen verändern die wahrgenommene Größe und erschweren genaue Vergleiche. Dekorative Bilder, die keine Dateninformation tragen, erhöhen die Aufmerksamkeit nicht zwangsläufig für die eigentliche Aussage. Eine zurückhaltende Gestaltung lässt Raum für die Daten.

Weitere typische Probleme sind:

• eine fehlende oder unvollständige Quellenangabe,
• uneinheitliche Einheiten in einer gemeinsamen Darstellung,
• Abkürzungen ohne Erklärung,
• eine Legende, die weit vom zugehörigen Element entfernt ist,
• Farben mit ähnlicher Helligkeit, die schlecht unterscheidbar sind,
• eine Reihenfolge der Kategorien, die keinen erkennbaren Vergleich unterstützt,
• ein Titel, der nur das Thema nennt, aber keine Aussage vermittelt.

Ein aussagekräftiger Titel kann die Leserichtung vorgeben. Statt lediglich ein Thema zu nennen, kann er die untersuchte Entwicklung oder den Vergleich benennen. Die Aussage darf dabei nicht stärker formuliert werden, als es die Daten erlauben.

Ein praktischer Prüfplan für Unterricht, Studium und Redaktion

Wer selbst eine Visualisierung erstellt, kann sie mit einem kurzen Prüfplan überarbeiten. Zunächst sollte die Kernaussage in einem Satz notiert werden. Danach wird geprüft, ob jedes sichtbare Element zu dieser Aussage beiträgt. Elemente ohne Funktion werden entfernt oder in eine Erläuterung verschoben.

1. Inhalt prüfen: Stimmen Werte, Einheiten, Kategorien und Zeitangaben mit der Datenquelle überein?
2. Leserichtung prüfen: Erkennen Betrachtende ohne mündliche Erklärung, was verglichen oder untersucht wird?
3. Skala prüfen: Beginnt die Achse sinnvoll, sind Abstände gleichmäßig und werden Sprünge erklärt?
4. Unsicherheit prüfen: Sind Schätzungen, Streuungen, fehlende Werte und Grenzen der Aussage sichtbar?
5. Gestaltung prüfen: Sind Kontraste ausreichend, Beschriftungen lesbar und Farben funktional?
6. Quellen prüfen: Sind Datensatz, Institution oder Publikation, Zeitraum und gegebenenfalls Bearbeitung genannt?
7. Fremdtest durchführen: Eine Person aus der Zielgruppe soll die Kernaussage in eigenen Worten wiedergeben.

Für Lernende bietet sich ein Vergleich verschiedener Diagramme an. Derselbe Datensatz kann als Tabelle, Balkendiagramm und Liniendiagramm dargestellt werden. Anschließend lässt sich beschreiben, welche Information jeweils sichtbar wird und welche möglicherweise verloren geht. So wird deutlich, dass Datenvisualisierung immer auch eine Auswahl und eine Perspektive beinhaltet.

Verantwortung und Quellen in der Wissenschaftskommunikation

Eine verständliche Grafik ist nur dann wissenschaftlich belastbar, wenn ihre Herkunft nachvollziehbar bleibt. Als Quellen kommen je nach Thema beispielsweise ein Forschungsartikel, ein veröffentlichter Datensatz, ein Bericht des Statistischen Bundesamtes, eine Dokumentation des Robert Koch-Instituts oder ein Bericht der UNESCO infrage. Die zitierte Stelle sollte genau zu den dargestellten Daten passen. Allgemeine Angaben zur Institution ersetzen keine konkrete Quelleninformation.

Wer Daten bearbeitet, sollte den Bearbeitungsschritt offenlegen. Dazu gehören etwa Filter, Umrechnungen, Zusammenfassungen oder die Auswahl eines Zeitraums. Bei einer eigenen Berechnung muss erkennbar sein, welche Ausgangsdaten verwendet wurden. So kann das Publikum zwischen Originalbefund und kommunikativer Aufbereitung unterscheiden.

Verantwortungsvolle Wissenschaftskommunikation berücksichtigt außerdem mögliche Folgen einer Darstellung. Ein Diagramm über Krankheiten, Bildung, Migration oder soziale Ungleichheit kann Gruppen indirekt stigmatisieren, wenn Unterschiede ohne Kontext präsentiert werden. Sachliche Sprache, präzise Definitionen und die Vermeidung pauschaler Zuschreibungen helfen, Daten nicht gegen die betroffenen Menschen sprechen zu lassen.

Die Leitfrage lautet daher nicht nur: Ist das Diagramm korrekt? Ebenso wichtig ist: Welche Interpretation wird nahegelegt, welche bleibt unsichtbar und welche Informationen benötigt das Publikum für eine faire Einordnung?

FAQ zur Datenvisualisierung in der Wissenschaftskommunikation

Was ist der Unterschied zwischen einer Infografik und einem wissenschaftlichen Diagramm?

Ein wissenschaftliches Diagramm konzentriert sich meist auf die strukturierte Darstellung von Messwerten oder statistischen Beziehungen. Eine Infografik kann zusätzlich erklärende Texte, Symbole und Illustrationen enthalten. Beide Formen müssen Datenquellen, Einheiten und Grenzen der Aussage transparent machen, wenn sie wissenschaftliche Inhalte vermitteln.

Wie viele Informationen sollte eine Visualisierung enthalten?

Eine feste Zahl lässt sich nicht allgemein nennen. Maßgeblich sind Fragestellung, Zielgruppe und Medium. Eine Darstellung sollte so viele Informationen enthalten, wie für die beabsichtigte Aussage nötig sind, aber keine konkurrierenden Details, die den Vergleich erschweren. Ergänzende Informationen können in einer Legende oder im Begleittext stehen.

Sind Kreisdiagramme grundsätzlich ungeeignet?

Nein. Kreisdiagramme können Anteile eines Ganzen darstellen, wenn es wenige Kategorien gibt und die Summe sinnvollerweise ein Ganzes bildet. Für genaue Vergleiche benachbarter Segmente sind Balkendiagramme häufig geeigneter, weil Längen leichter verglichen werden können als Winkel oder Flächen.

Warum müssen Unsicherheiten erklärt werden?

Unsicherheiten zeigen, wie genau ein Wert bestimmt werden kann oder wie stark Beobachtungen schwanken. Ohne Erklärung kann eine einzelne Zahl eine Genauigkeit vortäuschen, die die Untersuchung nicht besitzt. Die passende Darstellung hängt von der Methode ab und sollte in der Quelle oder im Begleittext erläutert werden.

Welche Rolle spielt Barrierefreiheit?

Barrierefreiheit sorgt dafür, dass Informationen nicht nur über Farbe, kleine Schrift oder komplexe Interaktion vermittelt werden. Gute Kontraste, verständliche Beschriftungen, alternative Beschreibungen im jeweiligen Ausgabemedium und eine klare Struktur machen wissenschaftliche Inhalte für mehr Menschen zugänglich.