Visualisierungen sind Arbeit am Gedanken: Zur Komplexität von Daten-Visualisierungen in Wissenschaft, Kultur und Medien

Ein Bild sagt mehr als tausend Worte. Ist Ihnen aber aufgefallen, dass Daten-Visualisierungen exakt mit dem übereinstimmen, was Autoren Ihnen erzählen? Dass Autorinnen Ihnen mit tausend Worten erklären, was Sie sehen (sollen)? Daten-Visualisierungen sind keinesfalls immer selbsterklärend. Visualisierungen sind also nicht nur Illustrationen: Sie stellen Daten dar, die in einer bestimmten Art angeordnet wurden.

Diese Anordnung benötigt eine Erklärung, weil Visualisierungen eine ganze Reihe von Überlegungen und Ressourcen in sich bündeln, die nicht immer sichtbar sind. In einem Workshop im Rahmen der Willy-Bretscher-Fellowships in der ZB zeigten sechs Personen aus Wissenschaft und Praxis, wie komplex Visualisierungen sind.

Visualisierungen als Arbeit am Gedanken

Grundsätzlich lässt sich festhalten, dass nicht nur «Arbeit an der Sprache Arbeit am Gedanken ist», sondern auch das Erstellen von Visualisierungen Arbeit am Gedanken ist. Visualisierungen sind oft nicht bloss eine Veranschaulichung von Daten, die bestimmte Anordnung von Daten ermöglicht darüber hinaus mehr und anderes sichtbar und damit erkennbar zu machen.

Gleichzeitig haben sich die Produktionsbedingungen von Visualisierungen im letzten Vierteljahrhundert radikal geändert: Es stehen mehr Daten (in maschinenlesbaren Formaten) zur Verfügung, und die Verarbeitungstechnologien sind vielfältiger und einfacher zu handhaben. Dies birgt die Gefahr, Visualisierungen als gegeben und als Kinderspiel zu betrachten. Dabei sollten wir uns bewusst machen, dass mehr Daten mehr Kontext erfordern, um Visualisierungen zu verstehen, und dass Visualisierungen nicht nur vermitteln, sondern auch belehren und überzeugen wollen.

Visualisierungen stellen Konzepte der Sozial- und Wirtschaftspolitik dar

Claire-Lise Deblüe zeigte, wie die Sozialmuseen gegen Ende des 19. Jahrhunderts mit neuen Formen der Darstellung der sozialen Welt experimentierten, um sozialpolitische und wirtschaftliche «Tatsachen» und Konzepte für die Bevölkerung verständlich zu machen. Als Beispiel kann hier die Apparatur zum Finanzhaushalt der Eidgenossenschaft im Schweizerischen Sozialmuseum Zürich (1917-1941) dienen (Abbildung 1). Die Wahl einer Waage als Apparat zur Symbolisierung deutet darauf hin, dass der Grundsatz des Gleichgewichts der Finanzen eine wichtige Rolle bei der Vermittlung spielen sollte. Das Beispiel zeigt, dass Visualisierungen einerseits eine Bildungsabsicht verfolgen und andererseits, dass Konzepte in Visualisierungen einfliessen.

Abbildung 1: Die Einnahmen und Ausgaben der Schweizerischen Eidgenossenschaft als Apparat dargestellt. Im Schweizerischen Sozialmuseum Zürich (1917-1941), gegründet von Paul Pflüger, dem Gründer des Schweizerischen Sozialarchivs. Der Hauptzweck der Sozialmuseen war die gesellschaftspolitische Bildung der Menschen.

Visualisierungen sind Denkwerkzeuge

Die Finanzhaushalt-Apparatur des Sozialmuseums zeigt aber auch auf, dass Visualisierungen Werkzeuge sein können, mit denen operiert werden kann: So kann der Finanzhaushalt in der Abbildung 1 manuell verändert werden. Diesen Aspekt der Operationalität von Visualisierungen betonte Noah Bubenhofer. Anhand des geometrischen Beweisbildes in der bekannten Darstellung in Platons Menon zeigte Bubenhofer, dass mit Visualisierungen operiert werden kann, um zu neuen Einsichten zu gelangen. Die Aufgabe, die Menon seinem Sklaven stellt, besteht darin die Seitenlängen eines Quadrates zu finden, das die doppelte Fläche eines ursprünglichen Quadrats hat.

Der erste Gedanke ist es die Seitenlängen des ursprünglichen Quadrates zu verdoppeln (Abbildung 2). Dies führt jedoch zu einer Fläche, die viermal so gross ist, wie die ursprüngliche Fläche. Der erste Gedanke führt zwar nicht unmittelbar zur richtigen Lösung, aber die neue Visualisierung mit vier Quadraten macht die richtige Lösung sichtbar. Um die ursprüngliche Fläche zu verdoppeln, müssen bloss die vier Diagonalen der neuen Quadrate aus dem ersten Lösungsschritt verbunden werden. Bubenhofer plädierte für ein systematischeres An- und Umordnen, um neue Perspektiven zu erhalten, die Gewohnheit der Nutzenden zu überlisten und die Traditionen eines Faches zu umgehen.

Abbildung 2: Die Verdoppelung des Quadrats in Platons Menon. Durch geschicktes operieren mit der ursprünglichen Visualisierung (dem Quadrat) kann die Frage nach der Verdoppelung der Fläche beantwortet werden.

Karten sind hybride Visualisierungen von Text, Bild und Zahl

Die Möglichkeiten der An- und Umordnungen sind zwar grundsätzlich nicht limitiert, jedoch bestimmt der «Zeitgeist», welche Möglichkeiten überhaupt in Betracht gezogen werden. In diesem Sinne betonte Daniel Ursprung, dass sich in Kartenvisualisierungen Technik, Macht und Ideologie, die allesamt zeitspezifisch sind, verdichten. So wurde der berühmte Liniennetzplan der London Underground von Charles Beck auf der Idee von elektrischen Schaltplänen entworfen. Vor Beck wurden die U-Bahnlinien topographisch «richtig» auf der Basis eines Stadtplans dargestellt. Becks neuer Liniennetzplan wurde zunächst abgelehnt, weil die relativen Entfernungen von einer Station zu den anderen nicht angezeigt wurden.

Die radikale Neuerung war, dass dank dem elektrischen Schaltplan alle Stationen mehr oder weniger gleichmässig verteilt waren. Beck fand, dass Passagiere sich nicht um geographische Genauigkeiten scherten, sondern einfach von einem Bahnhof zu nächsten gelangen wollten. Nicht die Distanz der Stationen untereinander war entscheidend, sondern nur die räumliche Beziehung. Letztlich bestimmen also auch die Sehgewohnheiten, die Ästhetik und die technischen Möglichkeiten das Denk- und Machbare. Schliesslich wies Ursprung darauf hin, dass die grundlegenden Gestaltungsprinzipien oft seit langem bekannt seien, die Umsetzung in der konkreten Umgebung und in der Kombination verschiedener Stilmittel aber manchmal neu sein können, wie das Beispiel der Londoner U-Bahn zeigt.

Anfertigung der Inhalte durch ihre Visualisierungen

Viele Daten bedeuten in erster Linie viel «Rauschen», aus dem durch Operieren und Visualisieren ein konkretes «Signal», d.h. eine für eine bestimmte Frage relevante Aussage extrahiert werden kann. Peter Moser zeigte exemplarisch anhand der Entwicklung der Stimmbeteiligung an Volksabstimmungen im Kanton Zürich seit 1945 auf, wie man Visualisierungen als exploratives Werkzeug verwenden kann, um zu Erklärungen zu gelangen. In den Daten ist zunächst eine konstante Stimmbeteiligung seit den 1970er Jahren zu erkennen, aber auch eine starke Abnahme zwischen 1945 und 1970 (Abbildung 3). Hier zeigt sich, dass viele Daten auch viel Kontext zur Erklärung benötigen. Bevor sich die visuelle Entwicklung der Stimmbeteiligung erklären lässt, müssen in diesem Beispiel u.a. die mehrfache Erweiterung der Stimmbürgerschaft (Frauenstimmrecht, Stimm- und Wahlrechtsaltersenkung von 20 auf 18 Jahre, Stimmrecht für Auslandschweizerinnen und -schweizer), die Veränderung der Modalitäten der Abstimmungsteilnahme (formelle Stimmpflicht bis 1984, briefliche Abstimmung) und auch die Art und die Anzahl der Vorlagen (Verdreifachung der Bundesvorlagen seit den 1970er Jahren) berücksichtigt werden.

Zusammenfassend lässt sich sagen, dass bereits seit den 1960er Jahren die Stimmpflicht immer weniger durchgesetzt wurde. Ein deutlicher Rückgang um 10 Prozentpunkte ist bei der Einführung des Frauenwahlrechts zu verzeichnen (Abbildung 4). Dies lag zum einen an der deutlich geringeren Wahlbeteiligung der neu hinzugekommenen Frauen, zum anderen aber auch daran, dass die Bestrafung der Wahl- und Stimmenthaltung faktisch abgeschafft wurde. Moser plädierte für ein pragmatisches Vorgehen, warnte aber auch vor voreiligen Schlüssen, da Visualisierungen letztlich auch «falsche» Aussagen generieren können.

Abbildung 3: Die Stimmbeteiligung im Kanton Zürich 1945–2022

Abbildung 4: Die Stimmbeteiligung und die Einführung des Frauenstimmrechts im Kanton Zürich, 1945–2022

Prozesse generativer Visualisierung

Das Finden und Gestalten eines «Signals» in den Daten kann mit den heutigen Computertechnologien auch losgelöst von der Kontrolle der Forscherin erfolgen. Max Frischknecht betonte diesen Aspekt, in dem er den digitalen Prozess der generativen Gestaltung von Visualisierungen in den Fokus rückte. Die Generative Gestaltung ist hierbei eine Entwurfsmethode, die insbesondere in der Kunst und Architektur sowie im Kommunikations- und Produktdesign verwendet wird. Die Software entwirft selbstständig eine Reihe von Visualisierungen anhand der Anforderungen, die der Gestalter festgelegt hat (z. B. Algorithmus, Quellcode, Eingabewerte, siehe Abbildung 5). Es gibt dabei drei Möglichkeiten der Aufgabenteilung zwischen Gestalterin und Computer: Die Gestalterin kreiert und der Computer unterstützt (digital-manuelle Visualisierung), der Gestalter konzeptualisiert und kreiert und der Computer führt aus (digital-generative Visualisierung), oder die Gestalterin modelliert und der Computer kreiert (digital-autonome Visualisierung).

Frischknecht betonte ähnlich wie Moser und Bubenhofer, dass mit dem Computer grafische Bilder in unlimitierter Weise überlagert, nebeneinandergestellt und transponiert werden können und dass Visualisierungen dadurch nicht mehr nur Illustrationen darstellen, sondern zum Forschungsinstrument werden. Allerdings ist zu bedenken, dass die Gestalterin nicht unbedingt ein Mensch sein muss, sondern auch eine künstliche Intelligenz diese Rolle übernehmen könnte. Hier besteht die Gefahr, dass die Betrachter der Visualisierung nicht mehr eruieren können, worauf sie beruht.

Abbildung 5: Der Prozess der generativen Gestaltung

Die Bündelung von Ressourcen

Daten-Visualisierungen brauchen nicht nur Kontext, sondern auch spezifisches und vielfältiges Wissen, um überhaupt dargestellt werden zu können. Kaspar Staub gab einen Einblick in die Entwicklung eines Daten- und Visualisierungshub zu vergangenen Pandemien in der Schweiz. Er zeigte auf, wie viele Ressourcen gebündelt werden müssen, um sinnvolle Geschichten aus Daten zu gewinnen: Finanzielle Mittel sowie die interdisziplinäre Zusammenarbeit zwischen Forschungsgruppen der Universität Zürich (Historisches Seminar, Institut für Geographie, Institut für Evolutionäre Medizin) und der Schweizer Hochschule für Angewandte Wissenschaften (Institut für Angewandte Medienwissenschaften). Dazu kamen für die technische Implementierung die Verbindung von IT, Data Science and Data Storytelling durch eine Programmiererin und eine Interfacegestalterin, die Nutzung von Konzepten und Theorien der Visualisierung und des Storytellings, aber auch der umsichtige Umgang mit historischen Quellen. Staub betonte, dass historische Daten nur durch die Zusammenarbeit von verschiedenen Personen aus unterschiedlichen Fachbereichen mit verschiedenen Kompetenzen angemessen erforscht und dargestellt werden können.