Auch genannt: Data Visualization, Dataviz
Datenvisualisierung ist die grafische Darstellung von Daten, etwa als Diagramm, Karte, Tabelle mit visueller Hervorhebung oder interaktive Ansicht. Sie soll Daten nicht dekorieren, sondern eine Frage besser beantwortbar machen: Wie entwickelt sich eine Größe? Worin unterscheiden sich Gruppen? Wo treten räumliche Schwerpunkte auf? IBM zählt unter anderem Diagramme, Plots, Infografiken und Animationen zu solchen Darstellungen.IBM: What Is Data Visualization?
Rohdaten bestehen häufig aus vielen einzelnen Werten: Monatsumsätze, Messwerte, Bearbeitungszeiten oder Antworten auf eine Umfrage. In einer Tabelle lassen sich diese Werte vollständig speichern und nachschlagen. Ein gut gewähltes Diagramm kann jedoch Muster sichtbar machen, die in langen Zahlenreihen schwer zu erkennen sind. Eine Linie eignet sich oft für Veränderungen über die Zeit; Balken erleichtern den Vergleich von Kategorien; eine Karte kann räumliche Unterschiede zeigen.
Visualisierung ist damit ein Teil der Analyse und Kommunikation, aber nicht deren Ersatz. Bevor eine Grafik erstellt wird, muss klar sein, was gezählt oder gemessen wurde, für welchen Zeitraum die Daten gelten und welche Einheit verwendet wird. Diese Angaben gehören zu den Metadaten. Ohne sie kann selbst eine optisch überzeugende Darstellung falsch verstanden werden.
Wichtig ist auch die Unterscheidung zwischen Entdecken und Erklären. Bei der explorativen Analyse probieren Fachleute verschiedene Ansichten aus, um Auffälligkeiten oder Fragen zu finden. Eine erklärende Visualisierung richtet sich anschließend an eine bestimmte Zielgruppe und hebt die Aussage hervor, die nachvollzogen werden soll. Beide Zwecke sind legitim, verlangen aber unterschiedliche Gestaltung.
Am Anfang steht eine Fragestellung. „Wie hoch war der Umsatz?“ verlangt eine andere Darstellung als „Welche Produktgruppe wuchs im Vergleich zum Vorjahr am stärksten?“ Danach werden die Daten ausgewählt, bereinigt und in eine geeignete Struktur gebracht. Sind beispielsweise mehrere Datenquellen beteiligt, muss geprüft werden, ob Begriffe, Zeiträume und Schlüssel wirklich zusammenpassen. Daten aus einer relationalen Datenbank können dafür abgefragt, gruppiert und zusammengefasst werden; die Grafik stellt erst das Ergebnis dieser Schritte dar.
Anschließend wird eine visuelle Kodierung gewählt. Position auf einer gemeinsamen Skala ist für präzise Vergleiche meist leichter lesbar als Flächen oder Volumen. Farben können Kategorien unterscheiden oder Wertebereiche markieren, sollten aber nicht die einzige Bedeutungsträgerin sein. Beschriftungen, eine verständliche Achse, eine Legende und eine Quellen- oder Kontextangabe helfen dabei, die Darstellung korrekt zu lesen. Bei Anteilen muss zudem klar sein, ob alle Teile zusammen 100 Prozent ergeben; bei Zeitreihen ist eine gleichmäßige Zeitachse wichtig.
Interaktive Dashboards erweitern statische Grafiken um Filter, Details oder Drill-downs. In Business-Intelligence-Systemen werden Ergebnisse häufig als Berichte, Diagramme und Karten in einem Dashboard angezeigt.IBM: What is Business Intelligence? Interaktion kann nützlich sein, darf die Kernbotschaft aber nicht verstecken: Wer die Grafik nur als Bild sieht oder ein mobiles Gerät nutzt, braucht weiterhin eine verständliche Grunddarstellung.
Ein Online-Shop möchte verstehen, warum die Zahl der Bestellungen schwankt. Eine Tabelle enthält pro Monat Besuche, Bestellungen und Retouren. Ein Liniendiagramm mit Monaten auf der horizontalen Achse und Bestellungen auf der vertikalen Achse zeigt zunächst den Verlauf. Ergänzt man eine zweite, klar getrennte Darstellung für Besuche, lässt sich prüfen, ob beide Reihen ähnlich verlaufen.
Für die Frage nach dem Verhältnis von Bestellungen zu Besuchen ist die Conversion Rate geeigneter als die absolute Bestellzahl. Sie wird getrennt berechnet und als Prozentwert dargestellt. Fallen die Werte in einem Monat, ist das noch keine Erklärung: Saison, Kampagnen, technische Probleme, Datenlücken oder eine geänderte Messmethode können eine Rolle spielen. Die Visualisierung macht die Frage präziser und weist auf Stellen hin, die fachlich geprüft werden müssen.
Datenvisualisierung wird in vielen Bereichen genutzt: in Berichten, wissenschaftlichen Analysen, Produktmonitoring, Logistik, Finanzplanung, öffentlichen Statistiken oder beim Beobachten technischer Systeme. Karten können etwa regionale Verteilungen zeigen, während Streudiagramme mögliche Zusammenhänge zwischen zwei Messgrößen sichtbar machen. In Unternehmen helfen Dashboards Teams, regelmäßig vereinbarte Kennzahlen im Blick zu behalten; für eine einzelne Entscheidung kann dagegen eine einfache, kommentierte Grafik hilfreicher sein als ein umfangreiches Dashboard.
Auch außerhalb professioneller Analysewerkzeuge begegnet man Datenvisualisierung täglich: Wetterkarten, Fahrpläne mit Auslastungsanzeigen oder der Energieverbrauch eines Haushalts sind Beispiele. Die Form entscheidet mit darüber, ob Menschen Unterschiede erkennen und Fragen stellen können. Sie entscheidet jedoch nicht allein darüber, ob eine Schlussfolgerung fachlich richtig ist.
Eine Visualisierung schafft keine Datenqualität. Fehlende, doppelt erfasste oder falsch zugeordnete Werte bleiben problematisch, auch wenn sie sauber gezeichnet sind. Deshalb gehören Plausibilitätsprüfungen, Herkunft und Aktualität der Daten zur Arbeit davor. Der Begriff Datenqualität fasst solche Eigenschaften zusammen.
Ebenso kann Gestaltung unbeabsichtigt oder absichtlich in die Irre führen. Eine abgeschnittene Achse kann kleine Unterschiede groß wirken lassen; ob sie angemessen ist, hängt vom Diagrammtyp und einer transparenten Skala ab. Bei Balkendiagrammen ist eine bei null beginnende Achse meist besonders wichtig. Dreidimensionale Säulen erschweren den Vergleich. Sehr viele Farben, zu kleine Schrift oder ungeeignete Kontraste machen Grafiken schwer lesbar und können Menschen mit Sehbeeinträchtigungen ausschließen. Bei Karten ist zusätzlich zu prüfen, ob große Flächen größere Bedeutung vortäuschen, obwohl eigentlich Raten oder Bevölkerungsanteile verglichen werden sollten.
Aus einer sichtbaren Korrelation folgt keine Ursache. Wenn zwei Linien gleichzeitig steigen, beweist das noch nicht, dass die eine Entwicklung die andere verursacht hat. Eine Grafik kann Hypothesen anstoßen, benötigt für kausale Aussagen aber eine passende Untersuchung und zusätzliche Belege. Auch ein Dashboard ist keine neutrale Wahrheit: Auswahl der Kennzahl, Zeitraum, Vergleichswert und Filter beeinflussen, was sichtbar wird.
Datenvisualisierung ist nicht dasselbe wie Datenanalyse. Analyse umfasst unter anderem die Fragestellung, Aufbereitung, Berechnung und Bewertung; die Visualisierung ist eine mögliche Form, Ergebnisse oder Muster zugänglich zu machen. Sie ist auch nicht gleichzusetzen mit einer Infografik: Eine Infografik kann Daten enthalten, aber ebenso erklärende Illustrationen und Text. Ein Diagramm ist wiederum eine konkrete Darstellungsform innerhalb der Datenvisualisierung.
Business Intelligence umfasst Prozesse und Werkzeuge, mit denen Organisationen Daten für Entscheidungen nutzen. Visualisierungen gehören dort häufig dazu, doch nicht jede Datenvisualisierung ist ein BI-System oder benötigt ein Dashboard.
Stand der Quellen: 13. September 2026