Warum ein Diagramm, und wann eine Tabelle besser ist

Kurz gesagt

Niveau: Einstieg

Eine Tabelle ist zum Nachschlagen exakter Werte da, ein Diagramm zum Sehen von Mustern, Trends und Ausreißern. Oft ist beides die beste Antwort.

  • Kennzahlen können perfekt übereinstimmen, während die Daten vier verschiedene Geschichten erzählen (Anscombes Quartett). Zeichne die Daten, bevor du einer Kennzahl traust.
  • Das Auge erfasst Farbe, Länge und Position, bevor du denkst, und beurteilt Position und Länge auf einer gemeinsamen Skala viel genauer als Winkel oder Fläche.
  • Ein Diagramm, eine Botschaft. Schreib sie zuerst als Satz auf, setz sie in den Titel und prüf den Titel an den Daten.
  • Entferne alles, was keine Daten trägt oder beim Lesen hilft, mach den Rest grau und gib dem einen wichtigen Element die eine kräftige Farbe.
  • Ergänze eine Zeile, was der Befund für die Entscheidung bedeutet, und leg die Tabelle in den Anhang.

Jeden Monat schickt die Analystin eine Tabelle, und jeden Monat scrollt die Inhaberin am Wichtigsten vorbei. Dieses Kapitel zeigt, was ein Diagramm kann, das eine Tabelle nicht kann, wann die Tabelle trotzdem besser ist und wie aus einer Monatstabelle Schritt für Schritt ein Diagramm mit einer klaren Geschichte wird, an einer erfundenen Outdoormarke aus Innsbruck.

Die Frage hinter diesem Artikel

Jeden Monat schickt Lena, die Analystin von Bergsteig Outdoor, der Inhaberin eine Tabelle. Bergsteig Outdoor ist eine Outdoormarke aus Innsbruck. Sie verkauft über ihren Webshop (bergsteigoutdoor.example), über einen eigenen Laden in der Stadt und an eine Handvoll anderer Händler. Das Unternehmen, Lena, die Inhaberin Theresa und jede Zahl über sie in diesem Artikel sind erfunden. Die Forschung, die Bücher und die Leitfäden, die ich zitiere, sind echt und in den Fußnoten belegt.

Theresa öffnet die Tabelle, scrollt, bleibt an ein paar Zellen hängen und schließt sie wieder. Irgendwo in diesen Zahlen steckt das Wichtigste, was heuer im ersten Halbjahr im Geschäft passiert ist. Sie hat es nicht gesehen, und niemand hat es ihr gesagt.

Dieser Artikel beantwortet deshalb eine Frage: Warum solltest du deine Zahlen überhaupt in ein Diagramm verwandeln, und wie bringst du dieses Diagramm dazu, eine klare Geschichte zu erzählen? Er beantwortet auch die Gegenfrage, denn manchmal lautet die ehrliche Antwort: "Schick die Tabelle."

Das ist das erste Kapitel einer Reihe über Diagramme, die die Wahrheit sagen. Es baut auf einer Idee aus Was ist ein Insight, und warum die meisten Reports keinen enthalten auf: Eine Zahl zählt nur, wenn sie eine Entscheidung verändert. Das Diagramm ist der Weg, auf dem diese Zahl die Person erreicht, die entscheidet.

Was ein Diagramm kann, das eine Tabelle nicht kann

Tabelle und Diagramm können genau dieselben Zahlen enthalten. Sie sind nur für verschiedene Aufgaben gut.

Stephen Few, der sein Berufsleben lang Menschen aus der Wirtschaft beigebracht hat, Zahlen darzustellen, trennt das klar: Eine Tabelle funktioniert am besten, wenn jemand einen einzelnen Wert nachschlagen muss oder der Wert exakt sein muss. Eine Grafik funktioniert am besten, wenn die Botschaft in der Form der Daten liegt, in Mustern, Trends und Ausreißern1. Iris Vessey hat dieser Trennung 1991 einen Namen gegeben: kognitive Passung (cognitive fit). Sie unterscheidet zwei Arten von Fragen. Symbolische Fragen wollen einen exakten Wert ("Wie viel war es im Mai?"), räumliche Fragen fragen nach Beziehungen ("Welcher Kanal ist am stärksten gewachsen?"). Menschen antworten schneller und genauer, wenn das Format zur Frage passt: Tabellen für symbolische Fragen, Grafiken für räumliche2.

Der Grund liegt darin, wie du beides liest. Eine Tabelle liest du Zelle für Zelle, wie Text. Um einen Trend zu sehen, musst du mehrere Zahlen im Kopf behalten. Ein Diagramm macht aus jeder Zahl eine Position oder eine Länge, und dein Auge vergleicht für dich.

Beispiel: zwei Fragen, eine Tabelle

Hier ist Lenas Tabelle für das erste Halbjahr 2026. Die Zahlen sind Monatsumsätze in Tausend Euro, und sie sind erfunden.

MonatLaden InnsbruckWebshopGroßhandel
Jänner€ 62.000€ 49.000€ 30.000
Februar€ 58.000€ 51.000€ 34.000
März€ 60.000€ 68.000€ 28.000
April€ 66.000€ 81.000€ 22.000
Mai€ 70.000€ 93.000€ 25.000
Juni€ 72.000€ 100.000€ 31.000

Frage eins, vom Steuerbüro: "Was hat der Webshop im Mai umgesetzt?" Zeile Mai suchen, rüber zur Spalte Webshop, € 93.000 ablesen. Zwei Sekunden. Ein Diagramm würde das erschweren, weil du einen Balken an einer Achse ablesen müsstest.

Frage zwei, von Theresa: "Seit wann bringt der Webshop mehr als der Laden?" Jetzt vergleichst du zwei Spalten Zeile für Zeile. Jänner, 49 gegen 62, nein. Februar, 51 gegen 58, nein. März, 68 gegen 60, ja. Du findest die Antwort nur, weil du wusstest, wonach du suchst. Theresa wusste es nicht. Genau das ist das Problem.

Die erste Frage ist symbolisch, also gewinnt die Tabelle. Die zweite ist räumlich, also gewinnt das Diagramm. Dieselben Zahlen, eine andere Aufgabe.

Wann eine Tabelle die bessere Wahl ist

Diagramme sind das Thema dieser Reihe, also lohnt es sich, klar zu sagen, wann du keins zeichnen solltest. Eine Tabelle ist besser, wenn:

  • jemand exakte Werte abschreiben, prüfen oder abstimmen muss (Steuerbüro, Wirtschaftsprüfung, eine Lieferantenrechnung)
  • es nur eine Handvoll Zahlen gibt und ein Satz oder eine kleine Tabelle schneller ist
  • die Zahlen verschiedene Einheiten haben, die mehrere Achsen bräuchten (Umsatz in Euro, Bestellungen als Anzahl, Conversion als Rate)
  • jemand nachschlagen will, statt von vorne bis hinten zu lesen, etwa in einem Anhang oder einer Preisliste.

Die Analysis Function der britischen Regierung, die den Standard für amtliche Statistik dort setzt, sagt in ihrem Leitfaden zu Diagrammen dasselbe: Wenn du erwartest, dass jemand Werte aus dem Diagramm abliest, gib eine Tabelle dazu, und eine gut gebaute Tabelle kann so stark sein wie ein Diagramm3. Eine Tabelle neben dem Diagramm gibt außerdem Menschen, die einen Screenreader nutzen, die Zahlen, die das Diagramm zeigt. Kapitel 11, Barrierefreie Diagramme: Farbe, Kontrast und Screenreader, geht darauf ausführlich ein.

Oft ist die beste Antwort beides: das Diagramm für die Botschaft, die Tabelle für die Details. Die Entscheidung hängt an zwei Fragen über die lesende Person.

Zum Vergrößern antippen: Vollbild, frei verschiebbar

Beispiel: das Steuerbüro und die Inhaberin

Lena schickt dasselbe Halbjahr an zwei Stellen. Das Steuerbüro stimmt die Monatsumsätze je Kanal mit Bank und Umsatzsteuervoranmeldung fürs Finanzamt ab: exakte Werte ja, Muster nein. Also bekommt es die Tabelle und sonst nichts.

Theresa entscheidet, wohin das Marketingbudget im Herbst fließt. Sie wird keine dieser Zahlen irgendwo abschreiben, also exakte Werte nein. Muster ja: Zwischen Webshop und Laden hat sich etwas verschoben. Theresa bekommt ein Diagramm mit einem Titel, der sagt, was sich verschoben hat, und die Tabelle wandert in den Anhang.

Kennzahlen können alles verstecken: Anscombes Quartett

Es gibt einen stärkeren Grund, Daten zu zeichnen, als Tempo. Zusammenfassende Kennzahlen können perfekt übereinstimmen, während die Daten dahinter völlig verschiedene Geschichten erzählen.

1973 veröffentlichte der Statistiker Francis Anscombe vier kleine Datensätze, um genau das zu zeigen. Er wandte sich gegen die Gewohnheit, Rechnungen zu vertrauen und Grafiken als Dekoration abzutun4. Jeder Datensatz hat 11 Zahlenpaare, ein xx und ein yy. Die vier teilen sich ihre Kennzahlen fast exakt:

KennzahlDatensatz IDatensatz IIDatensatz IIIDatensatz IV
Mittelwert von xx9999
Mittelwert von yy7,507,507,507,50
Varianz von xx11111111
Varianz von yy4,134,134,124,12
Korrelation0,8160{,}8160,8160{,}8160,8160{,}8160,8170{,}817
Beste Geradey=3,00+0,500xy = 3{,}00 + 0{,}500xy=3,00+0,500xy = 3{,}00 + 0{,}500xy=3,00+0,500xy = 3{,}00 + 0{,}500xy=3,00+0,500xy = 3{,}00 + 0{,}500x

Jede Zahl dieser Tabelle lässt sich aus den veröffentlichten Daten nachrechnen5. Zwei Formeln dahinter lohnen sich. Der Mittelwert ist der gewöhnliche Durchschnitt (Grundlagen: Mittelwert):

xˉ=1n∑i=1nxi\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i

Dabei ist xˉ\bar{x} der Mittelwert, nn die Anzahl der Werte (hier 11), xix_i der iite Wert, und ∑i=1n\sum_{i=1}^{n} heißt "zähl alle nn Werte zusammen".

Der Korrelationskoeffizient misst, wie eng die Punkte einer Geraden folgen, von −1-1 (perfekt fallend) über 00 (gar keine Gerade) bis +1+1 (perfekt steigend) (Grundlagen: Korrelation):

r=∑i=1n(xi−xˉ)(yi−yˉ)∑i=1n(xi−xˉ)2 ∑i=1n(yi−yˉ)2r = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2}\,\sqrt{\sum_{i=1}^{n} (y_i - \bar{y})^2}}

Dabei ist rr die Korrelation, xix_i und yiy_i sind die beiden Werte des iiten Paares, xˉ\bar{x} und yˉ\bar{y} ihre Mittelwerte. Der Zähler summiert, wie weit jedes Paar in dieselbe Richtung von den Mittelwerten abweicht, und der Nenner teilt das durch die Streuung beider Variablen, damit rr immer zwischen −1-1 und +1+1 landet.

Und jetzt die Daten selbst.

Streudiagramm von Anscombes erstem Datensatz, 11 Punkte. Die Punkte steigen von links nach rechts in einer lockeren Wolke um eine Gerade, genau wie die Kennzahlen es nahelegen: Mittelwert von y 7,50, Korrelation 0,816, beste Gerade y gleich 3 plus 0,5 x. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Streudiagramm von Anscombes zweitem Datensatz, 11 Punkte. Die Punkte liegen auf einem glatten Bogen: Sie steigen, flachen um x gleich 11 ab und fallen wieder. Eine Gerade beschreibt das falsch, und doch sind die Kennzahlen dieselben wie bei Datensatz I. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Streudiagramm von Anscombes drittem Datensatz, 11 Punkte. Zehn Punkte liegen exakt auf einer flach steigenden Geraden. Ein Punkt bei x gleich 13 und y gleich 12,74 liegt weit darüber und zieht die angepasste Gerade nach oben. Die Kennzahlen sind wieder dieselben wie bei Datensatz I. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Streudiagramm von Anscombes viertem Datensatz, 11 Punkte. Zehn Punkte stehen in einer senkrechten Säule bei x gleich 8, mit y zwischen 5,25 und 8,84. Ein einziger Punkt bei x gleich 19 und y gleich 12,5 erzeugt den ganzen steigenden Trend. Ohne ihn gäbe es gar keinen Zusammenhang zu messen. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Vier Datensätze, eine Reihe Kennzahlen, vier verschiedene Wirklichkeiten. Datensatz I ist das, was sich die meisten vorstellen, wenn sie "Korrelation 0,8160{,}816" lesen. Datensatz II ist eine Kurve, eine Gerade beschreibt ihn schlecht. Datensatz III ist eine perfekte Gerade, verdorben durch einen einzigen seltsamen Punkt, vielleicht ein Tippfehler. Datensatz IV hat überhaupt keinen Zusammenhang, bis auf einen Punkt, der den ganzen Trend erzeugt.

2017 haben Justin Matejka und George Fitzmaurice die Idee mit dem Datasaurus Dozen weitergetrieben: 12 Datensätze, deren Mittelwerte, Standardabweichungen und Korrelationen auf zwei Nachkommastellen übereinstimmen, einer davon in der Form eines Dinosauriers6. Nur ein Bild unterscheidet sie.

Beispiel: vier Datensätze, die sich in jeder Zahl einig sind

Rechne den Mittelwert von xx in Datensatz I von Hand nach, dann siehst du, dass kein Trick dahintersteckt. Die 11 Werte sind 10, 8, 13, 9, 11, 14, 6, 4, 12, 7 und 5. Zusammen ergeben sie 99:

xˉ=9911=9\bar{x} = \frac{99}{11} = 9

Hier ist xˉ\bar{x} der Mittelwert von xx, 99 die Summe der 11 Werte und n=11n = 11. Datensatz IV besteht aus zehn Achten und einer 19, also 80+19=9980 + 19 = 99, und auch sein Mittelwert ist genau 9. Die Rechnung ist in beiden Fällen ehrlich. Sie beantwortet nur eine andere Frage als die, die dich interessiert.

Jetzt die Version aus dem Geschäft. Angenommen, Lena meldet, dass über 11 Wochen die Ausgaben für Social Ads und der Wochenumsatz des Webshops eine Korrelation von 0,82 haben, und Theresa hört "mehr Werbung, mehr Umsatz". Sehen die Wochen aus wie Datensatz IV, zehn gewöhnliche Wochen und eine Aktionswoche mit großem Werbebudget, dann ist der "Zusammenhang" ein einziges Ereignis. Die Korrelation stimmt. Eine Entscheidung, die darauf baut, nicht. Ein Streudiagramm zeigt das in einer Sekunde. Statistisches Denken für Growth Hacker: warum Durchschnitte dich anlügen geht viel tiefer darauf ein, wie eine einzige Kennzahl eine ganze Verteilung verdeckt.

Wie das Auge ein Diagramm liest, bevor du denkst

Warum zeigt ein Diagramm in einer Sekunde, was eine Tabelle versteckt? Weil ein Teil des Sehens passiert, bevor die Aufmerksamkeit einsetzt.

Die Wahrnehmungsforschung nennt bestimmte visuelle Eigenschaften präattentiv. Dein Sehsystem erfasst sie im ganzen Blickfeld in einem Bruchteil einer Sekunde, ohne dass du dich entscheidest zu suchen. Christopher Healey und James Enns, die Jahrzehnte dieser Forschung für Leute zusammengefasst haben, die Visualisierungen gestalten, beschreiben Aufgaben, die auf großen Anzeigen in unter 200 bis 250 Millisekunden gelingen, als präattentiv. Das ist schneller, als das Auge sich bewusst irgendwohin bewegen kann7. Zu diesen Eigenschaften gehören Farbe (Farbton und Helligkeit), Größe, Länge und Breite, Ausrichtung, Formmerkmale wie Geschlossenheit und Krümmung sowie Bewegung8.

Genau das nutzt ein gutes Diagramm. Ein pinker Balken zwischen grauen, eine Linie, die plötzlich abknickt, ein Punkt weit weg von der Wolke: All das springt dir ins Auge, bevor du eine einzige Beschriftung liest. Eine Tabelle bietet davon fast nichts. Jede Zelle hat dieselbe Schrift, dieselbe Größe und dieselbe Farbe, also hat dein Auge nichts zum Festhalten und muss lesen.

Es gibt einen Haken. Das Herausspringen funktioniert für eine Eigenschaft zur Zeit. Ein Ziel, das sich nur durch eine Kombination unterscheidet, etwa "der große pinke zwischen großen grauen und kleinen pinken", braucht langsame Suche, Element für Element8. Ein Diagramm, das Farbe, Größe und Form gleichzeitig für verschiedene Dinge nutzt, verliert dieses Tempo.

Beispiel: Finde die Dreien

Zähl, wie oft die Ziffer 3 in diesem Block vorkommt, und achte darauf, wie du das machst.

7 5 9 1 8 2 3 6 4 0 9 7 1 5 8 2 6 3 4 0 9 1 7 2 5 8 4 6 0 3 1 9 5 7 2 8 6 4 0 3

Du musstest lesen, Ziffer für Ziffer, vom Anfang bis zum Ende. Jetzt derselbe Block, die Dreien fett:

7 5 9 1 8 2 3 6 4 0 9 7 1 5 8 2 6 3 4 0 9 1 7 2 5 8 4 6 0 3 1 9 5 7 2 8 6 4 0 3

Es sind vier, und diesmal wusstest du es wahrscheinlich, bevor du bewusst gezählt hast. An den Daten hat sich nichts geändert. Eine einzige visuelle Eigenschaft, die Strichstärke, hat das Suchen für dich übernommen. Genau diese Wirkung hat eine einzelne Hervorhebungsfarbe in einem Diagramm, und du siehst sie gleich an Lenas Diagramm.

Manche Darstellungen werden genauer gelesen als andere

Präattentive Eigenschaften sagen dir, was ins Auge springt. Eine zweite Forschungslinie sagt dir, welche Art, eine Zahl zu zeichnen, genaue Urteile erlaubt.

1984 ließen William Cleveland und Robert McGill Menschen das Größenverhältnis zweier Werte schätzen, die auf verschiedene Weise dargestellt waren: als Position auf einer Skala, als Länge, als Winkel, als Fläche, als Schattierung. Sie ordneten diese "elementaren Wahrnehmungsaufgaben" von am genauesten bis am ungenauesten9. Das ist ihre Rangfolge:

RangWie die Zahl gezeichnet istWo du das siehst
1Position auf einer gemeinsamen SkalaBalken oder Punkte an einer gemeinsamen Achse
2Position auf Skalen, die nicht ausgerichtet sindDieselbe Größe in zwei getrennten kleinen Diagrammen
3Länge, Richtung, WinkelSegmente gestapelter Balken, Steigungen, Tortenstücke
4FlächeBlasen, Quadrate, Treemaps
5Volumen, Krümmung3D Formen, Kurven
6Schattierung, FarbsättigungHeatmaps, eingefärbte Karten

2010 wiederholten Jeffrey Heer und Michael Bostock diese Experimente mit Hunderten online gewonnenen Teilnehmenden und fanden dieselbe Reihenfolge. Damit gehört sie zu den besser bestätigten Befunden des Fachs10. Die praktische Regel ist einfach: Wenn der Vergleich zählt, setz die Zahlen auf eine gemeinsame Skala und vergleiche Positionen oder Längen. Fläche und Schattierung heb dir für Fälle auf, in denen eine grobe Größenordnung reicht. Kapitel 2, Das richtige Diagramm für die Frage wählen, macht aus dieser Rangfolge eine Diagrammwahl für jede Art von Frage.

Beispiel: Länge gegen Fläche

Der Webshop von Bergsteig Outdoor hat im Juni € 100.000 umgesetzt und im Jänner € 49.000, also ungefähr das Doppelte. Angenommen, jemand zeichnet jeden Monat als Kreis, dessen Fläche dem Umsatz entspricht. Wie viel breiter ist der Kreis für Juni?

Die Fläche eines Kreises wächst mit dem Quadrat seines Durchmessers, also verhalten sich die Durchmesser wie die Wurzel der Flächen (Grundlagen: Verhältnisse und Raten):

d2d1=A2A1\frac{d_2}{d_1} = \sqrt{\frac{A_2}{A_1}}

Dabei sind d1d_1 und d2d_2 die Durchmesser der beiden Kreise und A1A_1 und A2A_2 ihre Flächen, die hier für den Umsatz im Jänner und im Juni stehen. Mit Juni ungefähr doppelt so groß wie Jänner:

d2d1=2=1,41\frac{d_2}{d_1} = \sqrt{2} = 1{,}41

Der Kreis für Juni ist also nur etwa 1,411{,}41 mal so breit wie der für Jänner, obwohl er für doppelt so viel Geld steht. Wer hinschaut, beurteilt eher die Breite als die Fläche und sieht rund 40 % Wachstum, wo es rund 100 % waren. Zwei Balken an einer gemeinsamen Achse zeigen dasselbe Paar als einen Balken, der genau doppelt so lang ist wie der andere, und genau diesen Vergleich beurteilt das Auge am besten. Kapitel 3, Wie Diagramme lügen und wie du sie erwischst, zeigt, wie Fläche und 3D Effekte gezielt zum Täuschen eingesetzt werden.

Ein Diagramm, eine Botschaft

Wenn du weißt, was das Auge gut kann, kommt die nächste Frage: Was verlangst du von ihm? Der häufigste Fehler in Geschäftsdiagrammen ist keine falsche Zahl. Es ist ein Diagramm, das vier Dinge sagen will und keins davon sagt.

Claus Wilke rät in seinem frei verfügbaren Lehrbuch zur Datenvisualisierung, eine Grafik für ein beschäftigtes Publikum zu bauen: alles weglassen, was deine Aussage nicht stützt, den Leuten helfen, das Muster zu sehen, das du siehst, und nicht erwarten, dass sie es allein herausfinden11. Cole Nussbaumer Knaflic, die für Menschen schreibt, die im Geschäftsleben präsentieren, geht einen Schritt weiter. Bevor du ein Diagrammwerkzeug öffnest, schreib deine Hauptidee als einen vollständigen Satz auf, der deinen Standpunkt nennt und sagt, was auf dem Spiel steht12. Kannst du diesen Satz nicht schreiben, bist du noch nicht bereit für das Diagramm.

Das ist eine Disziplin, kein Stil. Ein Diagramm mit einer Botschaft lässt sich an den Daten prüfen. Ein Diagramm ohne ausgesprochene Botschaft lässt jede Person eine andere finden.

Beispiel: drei Botschaften, die in einem Diagramm streiten

Das ist das Diagramm, das die meisten Tabellenkalkulationen aus Lenas Tabelle machen: jeder Kanal und jeder Monat als Balken, eine Legende und ein Titel, der die Daten benennt.

Gruppiertes Balkendiagramm mit 18 Balken: drei Kanäle, Laden Innsbruck, Webshop und Großhandel, für jeden Monat von Jänner bis Juni 2026, in Tausend Euro, erfundene Zahlen. Der Titel benennt nur die Daten. Mehrere Geschichten konkurrieren: Der Webshop wächst von 49 auf 100, der Laden steigt sanft von 62 auf 72, der Großhandel schwankt zwischen 22 und 34, und der Webshop überholt den Laden im März, aber nichts lenkt den Blick auf eine davon. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Frag drei Leute aus dem Team, was dieses Diagramm sagt, und du bekommst drei Antworten:

  1. "Der Webshop hat sich in sechs Monaten verdoppelt." Stimmt: € 49.000 auf € 100.000.
  2. "Der Großhandel ist im Frühjahr eingebrochen." Stimmt: € 34.000 im Februar, € 22.000 im April.
  3. "Der Webshop hat den Laden im März überholt." Stimmt auch, und das ist die Botschaft, die für Theresas Entscheidung über das Herbstbudget zählt.

Alle drei stecken im Diagramm, und keine wird ausgesprochen. Achtzehn gleich gewichtete Balken überlassen es der lesenden Person, die Geschichte zu finden. Lenas Aufgabe ist es, die eine Botschaft zu wählen, die der Entscheidung dient, und das Diagramm nur diese sagen zu lassen. Das ausgearbeitete Beispiel am Ende macht genau das.

Titel, die den Befund nennen

Der Titel ist der Teil eines Diagramms, den Menschen zuerst lesen und am längsten behalten. Michelle Borkin und ihr Team haben verfolgt, wohin Blicke auf Hunderten echter Diagramme wanderten und was die Leute danach noch wussten. Eine ihrer Schlussfolgerungen: Titel und Begleittext sollen die Botschaft der Visualisierung vermitteln13.

Der Leitfaden der Analysis Function macht daraus eine Regel mit zwei Titeln3:

  • ein Kernaussagetitel, der die Hauptbotschaft nennt, etwa "Der Webshop hat den Laden im März überholt"
  • ein statistischer Untertitel, der sagt, was wo und wann gezeigt wird, etwa "Monatsumsatz, Laden Innsbruck und Webshop, Jänner bis Juni 2026, Tausend Euro".

Vergleich das mit "Umsatz nach Kanal". Der alte Titel sagt, was im Diagramm steht. Der neue sagt, was es bedeutet, und der Untertitel behält die Fakten, damit nichts verloren geht.

Diese Macht wirkt in beide Richtungen. Ha Kyung Kong, Zhicheng Liu und Karrie Karahalios zeigten Menschen dieselben Diagramme mit Titeln, die in entgegengesetzte Richtungen gefärbt waren. Die Färbung des Titels veränderte, was die Leute für die Hauptbotschaft hielten, bis dahin, dass sie aus derselben Visualisierung gegensätzliche Botschaften ablasen14. Ein Befundtitel ist nur erlaubt, wenn der Befund wahr und fair ist. Muss man für einen Titel die Daten verbiegen, ist der Titel falsch, nicht die Daten. Kapitel 4, Gleiche Daten, andere Wahrheiten: Perspektive und Framing, dreht sich genau um diese Wahl.

Beispiel: Lenas Titel neu geschrieben

Lena beginnt mit "Umsatz nach Kanal, Jänner bis Juni 2026". Korrekt, und sagt nichts. Ein erster Versuch, "Online wächst", bleibt vage: wächst im Vergleich wozu? Theresas Entscheidung lautet Laden gegen Webshop, also muss der Titel diese beiden vergleichen. Die fertige Fassung:

  • Titel: "Der Webshop hat den Laden im März überholt, und der Abstand wächst."
  • Untertitel: "Monatsumsatz, Laden Innsbruck und Webshop, Jänner bis Juni 2026, Tausend Euro, erfundene Zahlen."

Jetzt die Probe an der Tabelle. März: Webshop € 68.000, Laden € 60.000, also stimmt "im März überholt". Der Abstand: März € 8.000, April € 15.000, Mai € 23.000, Juni € 28.000, also stimmt "wächst". Der Titel hält der Probe an den Daten stand, und genau diese Probe muss jeder Befundtitel bestehen.

Entrümpeln: Jedes Element muss sich seinen Platz verdienen

Edward Tufte, dessen Buch von 1983 über die visuelle Darstellung quantitativer Information bis heute der Ausgangspunkt für fast alles in diesem Feld ist, hat den Begriff Data Ink geprägt, auf Deutsch etwa Datentinte. Datentinte ist der Teil einer Grafik, der sich ändern würde, wenn sich die Zahlen ändern: die Balken, die Punkte, die Linien. Alles andere, Rahmen, Hintergrundschattierung, kräftige Gitterlinien, dekoratives 3D, ist keine Datentinte15. Sein Verhältnis:

Datentintenanteil=Datentintegesamte Tinte der Grafik\text{Datentintenanteil} = \frac{\text{Datentinte}}{\text{gesamte Tinte der Grafik}}

Dabei ist Datentinte\text{Datentinte} die Tinte, die die Zahlen selbst zeigt, und gesamte Tinte der Grafik\text{gesamte Tinte der Grafik} alles, was im Diagramm steht. Der Anteil läuft also von 00 (reine Dekoration) bis 11 (nichts als Daten). Die Idee hängt direkt an Grundlagen: Verhältnisse und Raten.

Tuftes Rat: Erhöh diesen Anteil, mit Maß. Das "mit Maß" zählt. Achsenbeschriftungen, eine Einheit und ein klarer Titel sind keine Datentinte und trotzdem unverzichtbar. Das Ziel ist ein Diagramm, in dem nichts von den Daten ablenkt und nichts fehlt, was man zum Lesen braucht.

Die praktische Liste der Analysis Function passt dazu: hellgraue Gitterlinien und nur wenige davon, keine schattierten Hintergründe, keine Kästen um Legenden, kein 3D, keine unnötigen Markierungen, und Linien direkt beschriften statt über eine Legende, wo es geht3.

Beispiel: Lena prüft ihr Standarddiagramm

Lenas Tabellenkalkulation hat das Diagramm zuerst mit allen Standardeinstellungen erzeugt. Lena geht es Element für Element durch und stellt jedes Mal eine Frage: Hilft das Theresa, die Botschaft zu sehen?

  • 18 farbige Balken, jeder mit seinem Wert obendrauf. Die Werte wiederholen, was die Balken schon zeigen, und 18 Beschriftungen drängen sich. Raus damit. Die exakten Zahlen stehen in der Tabelle im Anhang.
  • Ein 3D Effekt auf den Balken. Er fügt Tiefe hinzu, die nichts bedeutet, und macht die Balkenhöhen an der Achse schwerer ablesbar. Raus.
  • Ein grau schattierter Hintergrund und ein Kasten um die Zeichenfläche. Reine Dekoration. Raus.
  • Zehn dunkle Gitterlinien. Drei bleiben, in Hellgrau, damit man ein Niveau noch schätzen kann.
  • Eine Legende in einem Kasten, weit weg von den Balken. Wird durch direkte Beschriftung ersetzt, sobald es weniger Reihen gibt.
  • Die Reihe Großhandel. Wahr und interessant, aber nicht Teil dieser Botschaft. Sie bekommt ein eigenes Diagramm für das Gespräch über den Großhandel.
  • Achsenbeschriftungen und die Einheit, Tausend Euro. Bleiben. Das ist keine Datentinte, aber man braucht sie.

Vorher: 18 Balken, 18 Wertbeschriftungen, zehn Gitterlinien, eine Legende, ein Hintergrund, ein Rahmen und ein 3D Effekt. Nachher: sechs Balken, drei helle Gitterlinien, die Achsenbeschriftungen, ein Titel und ein Untertitel. Nichts, was Theresa beim Lesen der Botschaft hilft, ist verschwunden.

Fokus mit einer einzigen Hervorhebungsfarbe

Entrümpeln entfernt Rauschen. Hervorheben fügt ein Signal hinzu. Das Werkzeug ist der präattentive Effekt aus der Übung mit den Dreien: Mach alles grau und gib dem einen Element, das die Botschaft trägt, die eine kräftige Farbe.

Knaflic beschreibt das als Lenkung der Aufmerksamkeit: Entscheide, wohin dein Publikum schauen soll, und schick es mit Farbe, Größe oder Position dorthin. Sparsam, denn wenn alles hervorgehoben ist, ist nichts hervorgehoben12. Die Analysis Function nennt dasselbe Muster ein Fokusdiagramm: die Reihe, um die es geht, in einer kräftigen Farbe, alles andere in Hellgrau3.

Auf dieser Website ist die kräftige Farbe das Markenpink, der Rest ist grau. Jedes Diagramm auf meiner Seite folgt denselben Regeln: nur Markenfarben, heller und dunkler Modus, Beschriftungen im Winkel von 45 Grad, eine Vollbildansicht, Diagramme von oben nach unten fürs Handy und eine Textbeschreibung für Screenreader.

Farbe darf die Botschaft nie allein tragen, weil nicht alle Menschen Farben gleich sehen. Der Titel sagt in Worten, was das Pink zeigt, damit die Botschaft auch in Schwarzweiß und im Screenreader ankommt.

Beispiel: ein pinker Balken zwischen grauen

Theresas Frage lautet: "Seit wann liegt der Webshop vorne?" Der Monat, der das beantwortet, ist der März. Im fertigen Diagramm sind also fünf Monate grau und der März pink. Das Auge landet auf dem März, bevor es die Achse liest, der Titel bestätigt in Worten, was die Farbe schon gesagt hat, und die grauen Balken davor und danach liefern den Zusammenhang: vorher niedriger, danach höher.

Hätte Lena den Juni hervorgehoben, den größten Balken, würde das Diagramm sagen "Der Juni war der beste Monat": wahr, aber nicht die Botschaft. Die Hervorhebung zeigt immer auf dasselbe wie der Titel.

Kontext, Publikum und die Frage "Und jetzt?"

Ein Diagramm ist nicht fertig, wenn es korrekt und aufgeräumt ist. Es ist fertig, wenn die Person, die es liest, weiß, was als Nächstes zu tun ist.

Knaflic schlägt vor, vor jedem Entwurf drei Fragen zu beantworten: Wer ist dein Publikum, was soll es wissen oder tun, und wie zeigst du es12? Wilke erinnert daran, dass sich die Leute eine Geschichte ausdenken, wenn du ihnen keine gibst, und diese Geschichte kann lauten "langweilig" oder "die Autorin liegt falsch"11.

Genau hier beginne ich jedes Analyseprojekt: bei der Entscheidung, die die Zahlen stützen sollen, nicht bei einem Dashboard. Fang bei der Entscheidung an, nicht beim Dashboard erklärt diese Methode ausführlich. Für ein einzelnes Diagramm schrumpft sie auf eine Zeile darunter, das "Und jetzt?": was der Befund für die anstehende Entscheidung bedeutet.

Beispiel: derselbe Befund für zwei Leute

Der Befund ist für alle derselbe: Der Webshop hat den Laden im März überholt, und der Abstand wächst. Das "Und jetzt?" ist verschieden.

  • Theresa, die Inhaberin, entscheidet, wohin das Herbstbudget fürs Marketing fließt. Sie bekommt das Diagramm mit dem Befundtitel und einen Satz: "Der Abstand lag im Juni bei € 28.000 und ist jeden Monat gewachsen, also verdienen Produktfotos und bezahlte Suche für den Webshop den größeren Teil des Herbstbudgets." Lena sagt bewusst nichts darüber, wie groß der Abstand im Herbst sein wird. Das wäre eine Prognose, und Prognosen bekommen ein eigenes Kapitel.
  • Die Leitung des Ladens sorgt sich um den Laden. Dasselbe Diagramm, aber ein anderes "Und jetzt?", und es lohnt sich, es auszusprechen: "Der Laden ist auch gewachsen, von € 62.000 auf € 72.000. Der Webshop ist schneller gewachsen. Nichts hier sagt, dass der Laden schrumpft." Dieselben Daten. Fehlt dieser Satz, liest die Ladenleitung eine Bedrohung heraus, die nicht drinsteht.

Ausgearbeitetes Beispiel: Lenas Monatstabelle wird ein Diagramm

Jetzt die ganze Methode, von Anfang bis Ende, an Lenas Zahlen. Die Schritte folgen dem nächsten Diagramm.

Zum Vergrößern antippen: Vollbild, frei verschiebbar

Beispiel, Schritt 1: die Entscheidung aufschreiben

Theresa entscheidet jeden August, wie das Marketingbudget für den Herbst zwischen dem Laden (längere Öffnungszeiten, Schaufenster, Veranstaltungen vor Ort) und dem Webshop (Produktfotos, bezahlte Suche) aufgeteilt wird. Lena schreibt das oben auf ein leeres Blatt. Jede spätere Wahl wird daran gemessen.

Beispiel, Schritt 2: die Botschaft in einem Satz

Aus der Tabelle die Tatsache, die für diese Entscheidung am meisten zählt: "Der Webshop hat den Laden im März überholt, und der Abstand ist seitdem jeden Monat gewachsen." Lena prüft das an den Zahlen: Der Abstand betrug € 8.000 im März, € 15.000 im April, € 23.000 im Mai und € 28.000 im Juni. Der Satz passt.

Beispiel, Schritt 3: das Diagramm für diese eine Botschaft wählen

Die Botschaft handelt vom Gewicht eines Kanals gegenüber einem anderen, Monat für Monat. Lena könnte zwei Linien zeichnen, Webshop und Laden, die sich im März kreuzen. Das funktioniert gut, und Kapitel 2 erklärt, wann Linien die natürliche Wahl für Veränderung über die Zeit sind. Für Theresa wählt Lena etwas noch Einfacheres: den Anteil des Webshops am gemeinsamen Umsatz der beiden Kanäle, ein Balken pro Monat. So wird die Kreuzung zu einer einzigen Zahl, die 50 % überschreitet (Grundlagen: Prozente):

sm=WmWm+Lm×100s_m = \frac{W_m}{W_m + L_m} \times 100

Dabei ist sms_m der Anteil des Webshops im Monat mm in Prozent, WmW_m der Umsatz des Webshops in diesem Monat und LmL_m der Umsatz des Ladens in diesem Monat. Der Großhandel bleibt bewusst draußen, weil die Entscheidung zwischen den beiden Einzelhandelskanälen fällt.

Für den März:

sMa¨rz=6868+60×100=53,1s_{\text{März}} = \frac{68}{68 + 60} \times 100 = 53{,}1

Im März lag sms_m also bei 53,1 %, mit Wm=68W_m = 68 und Lm=60L_m = 60 in Tausend Euro. Dieselbe Rechnung für die anderen Monate ergibt 44,1 % im Jänner, 46,8 % im Februar, 55,1 % im April, 57,1 % im Mai und 58,1 % im Juni. Der März ist der erste Monat über der Hälfte.

Beispiel, Schritt 4: entfernen, was keine Daten trägt

Raus fliegen die Wertbeschriftungen, das 3D, der schattierte Hintergrund, der Rahmen, die meisten Gitterlinien, die Legende und die Reihe Großhandel, wie es die Prüfung ergeben hat. Sechs Balken bleiben.

Beispiel, Schritt 5: alles grau, ein Balken hervorgehoben

Fünf Balken grau, der März pink. Die Farbe zeigt auf den Monat, den der Titel nennt.

Beispiel, Schritt 6: ein Titel mit dem Befund, ein Untertitel mit den Fakten

Titel: Der Webshop bringt seit März mehr als die Hälfte des Einzelhandelsumsatzes. Untertitel: Anteil des Webshops am Umsatz von Laden und Webshop, Jänner bis Juni 2026, erfundene Zahlen. Das ist das Ergebnis.

Balkendiagramm, ein Balken pro Monat von Jänner bis Juni 2026, mit dem Anteil des Webshops am Umsatz von Laden und Webshop, erfundene Zahlen: Jänner 44,1 %, Februar 46,8 %, März 53,1 %, April 55,1 %, Mai 57,1 %, Juni 58,1 %. Der März ist als erster Monat über 50 % hervorgehoben, die anderen Monate sind grau. Der Anteil ist jeden Monat gestiegen. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Beispiel, Schritt 7: der Test mit fünf Sekunden

Lena zeigt das Diagramm fünf Sekunden lang jemandem aus dem Lager und fragt, was es sagt. "Seit März läuft online mehr als im Laden, und es wird immer mehr." Das ist die Botschaft. Wäre die Antwort "Der Juni war stark" oder "Weiß nicht" gewesen, wäre Lena zurück zu Schritt 4 gegangen.

Beispiel, Schritt 8: verschicken, mit der Tabelle dahinter

Die Mail an Theresa enthält das Diagramm, einen Satz zum "Und jetzt?" ("Der Webshop verdient den größeren Teil des Herbstbudgets, und der Laden wächst auch, nur langsamer") und Lenas ursprüngliche Tabelle im Anhang. Die Tabelle ist nicht verschwunden. Sie ist dorthin gewandert, wo sie ihre Aufgabe am besten erfüllt. Das überladene Diagramm enthielt mehr Daten, das aufgeräumte enthält mehr Bedeutung, und nur das aufgeräumte hilft Theresa bei der Entscheidung.

Eine kurze Checkliste, bevor ein Diagramm deinen Schreibtisch verlässt

  • Entscheidung: Kannst du die Entscheidung nennen, die dieses Diagramm stützt?
  • Format: Braucht die lesende Person exakte Werte (Tabelle), ein Muster (Diagramm) oder beides?
  • Erst die Daten: Hast du die Rohdaten gezeichnet, bevor du einer Kennzahl vertraust?
  • Darstellung: Steht der wichtigste Vergleich als Position oder Länge auf einer gemeinsamen Skala?
  • Titel: Nennt der Titel einen Befund, und hält er der Probe an den Daten stand?
  • Entrümpeln und Fokus: Trägt jedes Element Daten oder hilft es beim Lesen, und zeigt eine einzige Hervorhebung auf den Befund im Titel?
  • Worte, nicht nur Farbe: Käme die Botschaft auch in Schwarzweiß an?
  • Fünf Sekunden: Hat jemand aus dem Team den Punkt in fünf Sekunden verstanden?

Fazit

Eine Tabelle ist zum Nachschlagen da, ein Diagramm zum Sehen. Braucht jemand eine exakte Zahl, schick die Tabelle. Liegt die Botschaft in der Form der Daten, in einem Trend, einer Kreuzung oder einem Ausreißer, dann zeichne sie. Kennzahlen können perfekt übereinstimmen, während die Daten vier verschiedene Geschichten erzählen, wie Anscombe vor einem halben Jahrhundert gezeigt hat.

Dein Auge liest manches, bevor du denkst: Farbe, Länge, Position. Nutz das. Setz den wichtigsten Vergleich auf eine gemeinsame Skala, gib dem einen Element, das zählt, die eine kräftige Farbe, und mach den Rest grau. Sag eine Sache pro Diagramm, schreib diese Sache in den Titel, prüf, ob der Titel stimmt, und ergänze eine Zeile dazu, was das für die Entscheidung bedeutet.

Lenas Tabelle enthielt jede Zahl, die Theresa brauchte, und sagte ihr nichts. Ein Diagramm mit einem Befundtitel und einem pinken Balken hat ihr in fünf Sekunden das Wichtigste gesagt, was in ihrem Geschäft dieses Halbjahr passiert ist. Das nächste Kapitel, Das richtige Diagramm für die Frage wählen, geht den nächsten Schritt: welches Diagramm für welche Art von Frage.

Wenn dein Monatsreport eine Tabelle ist, die niemand liest, buch den kostenlosen Workshop: Wir klären, welche Entscheidung er stützen soll, und machen daraus Diagramme, die sagen, was passiert ist. Die ersten zwei Wochen Arbeit gehen auf mich.

Quellen

  1. 1.

    Stephen Few, Effectively Communicating Numbers: Selecting the Best Means and Manner of Display, Whitepaper, Perceptual Edge, November 2005, http://www.perceptualedge.com/articles/Whitepapers/Communicating_Numbers.pdf

  2. 2.

    Iris Vessey, Cognitive Fit: A Theory Based Analysis of the Graphs Versus Tables Literature, Decision Sciences 22 (2), Seiten 219 bis 240, Wiley, 1991, https://doi.org/10.1111/j.1540-5915.1991.tb00344.x

  3. 3.

    Government Analysis Function (Analysis Function Central Team, Office for National Statistics), Data visualisation: charts, Leitfaden, 19. Mai 2022, https://analysisfunction.civilservice.gov.uk/policy-store/data-visualisation-charts/

  4. 4.

    F. J. Anscombe, Graphs in Statistical Analysis, The American Statistician 27 (1), Seiten 17 bis 21, Taylor and Francis, 1973, https://doi.org/10.1080/00031305.1973.10478966

  5. 5.

    R Core Team, Anscombe's Quartet of 'Identical' Simple Linear Regressions, Dokumentation des Datensatzes anscombe im R Paket datasets, https://stat.ethz.ch/R-manual/R-devel/library/datasets/html/anscombe.html

  6. 6.

    Justin Matejka und George Fitzmaurice, Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing, Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems, Seiten 1290 bis 1294, ACM, 2017, https://doi.org/10.1145/3025453.3025912 (Projektseite: https://www.research.autodesk.com/publications/same-stats-different-graphs/)

  7. 7.

    Christopher G. Healey und James T. Enns, Attention and Visual Memory in Visualization and Computer Graphics, IEEE Transactions on Visualization and Computer Graphics 18 (7), Seiten 1170 bis 1188, IEEE, 2012, https://doi.org/10.1109/TVCG.2011.127

  8. 8.

    Christopher G. Healey, Perception in Visualization, North Carolina State University, https://www.csc2.ncsu.edu/faculty/healey/PP/

  9. 9.

    William S. Cleveland und Robert McGill, Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods, Journal of the American Statistical Association 79 (387), Seiten 531 bis 554, Taylor and Francis, 1984, https://doi.org/10.1080/01621459.1984.10478080

  10. 10.

    Jeffrey Heer und Michael Bostock, Crowdsourcing Graphical Perception: Using Mechanical Turk to Assess Visualization Design, Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, Seiten 203 bis 212, ACM, 2010, https://doi.org/10.1145/1753326.1753357 (Seite zum Paper: https://idl.uw.edu/papers/crowdsourcing-graphical-perception)

  11. 11.

    Claus O. Wilke, Fundamentals of Data Visualization, Kapitel 29, Telling a story and making a point, O'Reilly Media, 2019, frei lesbare Onlineausgabe, https://clauswilke.com/dataviz/telling-a-story.html

  12. 12.

    Cole Nussbaumer Knaflic, Storytelling with Data: A Data Visualization Guide for Business Professionals, Wiley, 2015, https://www.wiley.com/en-us/Storytelling+with+Data%3A+A+Data+Visualization+Guide+for+Business+Professionals-p-9781119002253

  13. 13.

    Michelle A. Borkin, Zoya Bylinskii, Nam Wook Kim, Constance May Bainbridge, Chelsea S. Yeh, Daniel Borkin, Hanspeter Pfister und Aude Oliva, Beyond Memorability: Visualization Recognition and Recall, IEEE Transactions on Visualization and Computer Graphics 22 (1), Seiten 519 bis 528, IEEE, 2016, https://doi.org/10.1109/TVCG.2015.2467732 (Zusammenfassung: https://vcg.seas.harvard.edu/publications/20150101-beyond-memorability-visualization-recognition-and-recall)

  14. 14.

    Ha Kyung Kong, Zhicheng Liu und Karrie Karahalios, Frames and Slants in Titles of Visualizations on Controversial Topics, Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems, ACM, 2018, https://doi.org/10.1145/3173574.3174012 (Fassung der Autoren: https://mail.zcliu.cs.umd.edu/vistitles/CHI18-VisTitles.pdf)

  15. 15.

    Edward R. Tufte, The Visual Display of Quantitative Information, zweite Auflage, Graphics Press, 2001 (erste Auflage 1983), https://www.edwardtufte.com/book/the-visual-display-of-quantitative-information