Wie Diagramme lügen, und wie du sie erwischst

Kurz gesagt

Niveau: Fortgeschritten

Ein Diagramm führt in die Irre, wenn Bild und Zahlen verschiedene Geschichten erzählen, auch wenn jede Zahl stimmt.

  • Balken beginnen bei null. Linien dürfen woanders beginnen, wenn die Achse beschriftet ist und die Veränderung zählt.
  • Tuftes Lügenfaktor misst die Verzerrung: gezeigter Effekt geteilt durch Effekt in den Daten. Ein Plus von 4,6 % auf einer Achse ab € 400.000 hat den Lügenfaktor 34.
  • Mit zwei Achsen lassen sich beliebige Linien zur Deckung bringen. Indexier beide auf 100.
  • Kurze Zeitfenster, laufende Summen, skalierte Bilder und ungleiche Zeitschritte verbiegen das Bild.
  • Mach den Dreißig Sekunden Check, bevor du einem Diagramm glaubst.

Eine Folie kann nur korrekte Zahlen tragen und dich trotzdem mit einer falschen Überzeugung aus dem Meeting schicken. Dieser Artikel zeigt, wie das geht, Trick für Trick, jedes irreführende Diagramm neben seinem ehrlichen Gegenstück. Dazu Tuftes Lügenfaktor, ein Dreißig Sekunden Check und die Folie eines Mitbewerbers, auf der der Umsatz sich angeblich verdoppelt hat.

Richtige Zahlen, falscher Eindruck

Jemand wirft eine Folie an die Wand. Die Zahlen stimmen, die Quelle ist echt, die Rechnung geht auf. Trotzdem gehst du aus dem Meeting und glaubst etwas, das nicht stimmt. Das ist das Seltsame an Diagrammen: Sie können lügen, ohne eine einzige falsche Zahl zu enthalten.

Dieser Artikel beantwortet eine Frage: Wie kann ein Diagramm mit korrekten Zahlen dich trotzdem in die Irre führen, und wie erwischst du es in der Zeit, die du zum Umblättern brauchst? Er baut auf das richtige Diagramm für die Frage wählen auf. Dort geht es darum, welches Diagramm zu welcher Frage passt. Hier geht es darum, was passiert, wenn das richtige Diagramm falsch gezeichnet wird.

Ein Diagramm ist keine Tabelle mit Farben. Es ist ein Bild, und dein Auge liest Bilder, bevor dein Kopf Zahlen liest. Längen, Höhen, Steigungen und Flächen kommen zuerst an. Achsenbeschriftung, Kleingedrucktes und Fußnote kommen später, wenn überhaupt. Ein Diagramm ist also ehrlich, wenn Bild und Zahlen dieselbe Geschichte erzählen. Es führt in die Irre, wenn die beiden auseinanderlaufen. Die meisten irreführenden Diagramme sind nicht gefälscht. Sie sind nur so gezeichnet, dass das Bild mehr oder weniger sagt als die Daten.

Neu ist das nicht. Darrell Huff hat schon 1954 in How to Lie with Statistics ein ganzes Kapitel dem "Gee Whiz" Diagramm gewidmet, also dem Diagramm, das Staunen erzeugen soll1. Alberto Cairo hat den Katalog 2019 mit How Charts Lie für die Welt der Dashboards und sozialen Medien erneuert2. Geändert hat sich vor allem die Menge: Jedes Werkzeug zeichnet heute mit einem Klick ein Diagramm, mit Voreinstellungen, die nicht immer auf deiner Seite stehen.

Durch den ganzen Artikel begleitet uns ein erfundenes Unternehmen. Bergsteig Outdoor ist eine Outdoormarke aus Innsbruck, die online unter bergsteigoutdoor.example und in einem eigenen Geschäft in der Altstadt verkauft. Lena ist dort für die Analyse zuständig. Alle Zahlen von Bergsteig Outdoor sind zum Lernen erfunden und als solche gekennzeichnet.

Woher wir wissen, dass Diagramme täuschen

Vor den Tricks kommt der Beleg, dass sie wirken. 2015 hat ein Forschungsteam in New York in einem Onlineexperiment vier verbreitete Verzerrungen getestet: eine abgeschnittene Achse, Fläche als Maß für Menge, ein gestauchtes oder gestrecktes Seitenverhältnis und eine umgedrehte Achse. Wer die täuschenden Versionen sah, las die Botschaft deutlich anders als die Vergleichsgruppe mit den ehrlichen Versionen derselben Daten3.

Warum funktioniert das so zuverlässig? Weil das Auge manche visuellen Größen viel besser beurteilt als andere. William Cleveland und Robert McGill haben in klassischen Experimenten gezeigt: Am genauesten schätzen Menschen Positionen auf einer gemeinsamen Skala, danach Längen, und bei Winkeln und Flächen werden die Urteile deutlich schlechter4. Jeder Trick in diesem Artikel nutzt diese Rangfolge aus. Entweder ändert er, was eine Länge bedeutet, oder er tauscht eine Größe, die das Auge gut liest, gegen eine, die es schlecht liest.

Beispiel: dieselbe Tatsache, zweimal gelesen

Lena zeigt dem Inhaber zwei Balken: Ladenumsatz und Onlineumsatz eines Monats. In Version A stehen beide Balken auf der Nulllinie, ihre Längen lassen sich ehrlich vergleichen. In Version B sind die Balken als Rucksackbilder gezeichnet, deren Höhe und Breite mit der Zahl wachsen. Der Inhaber schaut auf Version B und sagt: "Online ist viermal so groß wie der Laden." Die Daten sagen: doppelt so groß. Nichts auf der Folie war falsch. Das Bild hat das Auge nur gebeten, Flächen zu vergleichen, und das kann es schlecht. Wie groß diese Übertreibung genau ist, rechne ich weiter unten aus.

Abgeschnittene Achsen: Ein Balken beginnt bei null

Ein Balkendiagramm übersetzt eine Zahl in die Länge eines Balkens. Das klappt nur, wenn alle Balken am selben Punkt beginnen, und dieser Punkt ist null. Schneidest du die Achse bei einem höheren Wert ab, fehlt jedem Balken unten dasselbe Stück. Die Reste sind nicht mehr proportional zu den Zahlen, aber das Auge vergleicht sie trotzdem so.

Bei Liniendiagrammen ist das anders. Eine Linie zeigt Werte als Position und Veränderung als Steigung, nicht als Länge. Eine Linienachse, die nicht bei null beginnt, ist deshalb oft in Ordnung und manchmal nötig: Eine Conversion Rate zwischen 1,8 % und 2,3 % wäre auf einer Achse von null bis 100 % eine flache Linie. Michael Correll, Enrico Bertini und Steven Franconeri haben genau das 2020 untersucht. Eine abgeschnittene Achse ließ die Effekte in allen getesteten Diagrammarten größer wirken, und das blieb so, selbst wenn das Diagramm die Kürzung sichtbar markierte. Ihr Rat lautet nicht "immer bei null beginnen", sondern: Entscheide, welche Größe einer Veränderung zählt, und wähl die Achse so, dass diese Größe auch so aussieht5.

Die Regel ist also kurz. Balken und Flächen beginnen immer bei null. Linien dürfen woanders beginnen, solange die Achse klar beschriftet ist und die gezeigte Veränderung eine ist, die zählt.

Beispiel: aus 4,6 % wird fast das Dreifache

Bergsteig Outdoor hat im dritten Quartal des Vorjahres € 412.000 umgesetzt, dieses Jahr € 431.000 (erfundene Zahlen). Lenas Reporting Tool hat das erste Diagramm unten gezeichnet. Die Achse beginnt bei € 400.000, weil das Tool einen Bereich gewählt hat, der "zu den Daten passt".

Balkendiagramm des Umsatzes von Bergsteig Outdoor im dritten Quartal, erfundene Zahlen. Vorjahr € 412.000, dieses Jahr € 431.000. Die Werteachse beginnt bei € 400.000, deshalb wirkt der Balken für dieses Jahr fast dreimal so hoch, obwohl der Umsatz um 4,6 % gestiegen ist. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Dieselben beiden Balken, erfundene Zahlen, Vorjahr € 412.000 und dieses Jahr € 431.000, jetzt auf einer Achse ab null. Die Balken sind fast gleich hoch, passend zu einem Plus von 4,6 %. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Schritt für Schritt: Über der Linie bei € 400.000 ist der Vorjahresbalken € 12.000 hoch, der Balken für dieses Jahr € 31.000. Das Auge vergleicht 12 mit 31 und sieht einen Balken, der mehr als zweieinhalbmal so hoch ist. Die Daten vergleichen 412 mit 431. Gleiche Zahlen, zwei sehr verschiedene Bilder. Das ehrliche Diagramm wirkt langweilig, und genau darum geht es: Ein Plus von 4,6 % ist eine bescheidene, echte Verbesserung, und so soll es auch aussehen. Ist das Plus die Nachricht, schreibt Lena es in den Titel ("Umsatz im dritten Quartal 4,6 % über Vorjahr, heuer solide"), statt die Balken zu strecken, bis sie schreien.

Tuftes Lügenfaktor: eine Zahl für die Verzerrung

Edward Tufte hat diesem Problem ein Maß gegeben, den lie factor, auf Deutsch Lügenfaktor: wie groß ein Effekt in der Grafik aussieht, geteilt durch wie groß er in den Daten tatsächlich ist6. Ein ehrliches Diagramm hat den Lügenfaktor 1. Liegt er über 1, übertreibt das Diagramm. Liegt er darunter, spielt es die Veränderung herunter.

Lu¨genfaktor=Gro¨ße des Effekts in der GrafikGro¨ße des Effekts in den Daten\text{Lügenfaktor} = \frac{\text{Größe des Effekts in der Grafik}}{\text{Größe des Effekts in den Daten}}

Dabei ist Gro¨ße des Effekts in der Grafik\text{Größe des Effekts in der Grafik} die prozentuale Veränderung dessen, was gezeichnet ist (die sichtbare Länge eines Balkens, die Fläche eines Symbols), und Gro¨ße des Effekts in den Daten\text{Größe des Effekts in den Daten} die prozentuale Veränderung der Zahlen selbst. Der Lügenfaktor ist ein Verhältnis zweier Größen, erklärt in Grundlagen: Verhältnisse und Raten.

Beide prozentualen Veränderungen folgen derselben Formel:

Δ%=xneu−xaltxalt×100\Delta\% = \frac{x_{\text{neu}} - x_{\text{alt}}}{x_{\text{alt}}} \times 100

Dabei ist Δ%\Delta\% die prozentuale Veränderung, xaltx_{\text{alt}} der frühere Wert und xneux_{\text{neu}} der spätere. Für die Daten setzt du die Zahlen ein, für die Grafik das, was gezeichnet ist. Die Formel erkläre ich von Grund auf in Grundlagen: Prozente.

Tuftes eigenes Lehrbuchbeispiel war ein Zeitungsdiagramm zu den amerikanischen Verbrauchsvorgaben für Autos, mit einem Lügenfaktor von 14,86. So schlimm muss es in einer Vorstandsunterlage gar nicht werden, um Schaden anzurichten.

Beispiel: der Lügenfaktor von Lenas abgeschnittenem Diagramm

Erstens die Größe des Effekts in den Daten. Der Umsatz stieg von € 412.000 auf € 431.000:

Δ%Daten=431.000−412.000412.000×100=4,6\Delta\%_{\text{Daten}} = \frac{431.000 - 412.000}{412.000} \times 100 = 4{,}6

Dabei ist Δ%Daten\Delta\%_{\text{Daten}} die echte prozentuale Veränderung des Umsatzes, 4,6 %4{,}6\,\%, berechnet aus xalt=412.000x_{\text{alt}} = 412.000 und xneu=431.000x_{\text{neu}} = 431.000.

Zweitens die Größe des Effekts in der Grafik. Über dem Schnitt bei € 400.000 sind die sichtbaren Balken € 12.000 und € 31.000 hoch:

Δ%Grafik=31.000−12.00012.000×100=158,3\Delta\%_{\text{Grafik}} = \frac{31.000 - 12.000}{12.000} \times 100 = 158{,}3

Dabei ist Δ%Grafik\Delta\%_{\text{Grafik}} die Veränderung, die das Auge sieht, 158,3 %158{,}3\,\%, weil eine sichtbare Länge von 12.00012.000 auf 31.00031.000 wächst.

Drittens teilst du das eine durch das andere:

Lu¨genfaktor=158,34,6=34,3\text{Lügenfaktor} = \frac{158{,}3}{4{,}6} = 34{,}3

Dabei ist 158,3158{,}3 der Effekt in der Grafik und 4,64{,}6 der Effekt in den Daten. Das abgeschnittene Diagramm übertreibt die Veränderung also rund 34fach.

Eine Abkürzung lohnt sich zu merken. Werden beide Balken an derselben Grundlinie bb abgeschnitten, haben beide Veränderungen denselben Zähler, und der Lügenfaktor wird zu:

Lu¨genfaktor=xaltxalt−b\text{Lügenfaktor} = \frac{x_{\text{alt}}}{x_{\text{alt}} - b}

Dabei ist xaltx_{\text{alt}} der frühere Wert, 412.000412.000, und bb der Wert, bei dem die Achse beginnt, 400.000400.000. Also 412.000/12.000=34,3412.000 / 12.000 = 34{,}3, dasselbe Ergebnis. Je näher der Schnitt an den Daten liegt, desto größer die Lüge. Das Verhältnis erklärt Grundlagen: Verhältnisse und Raten.

Zwei Achsen: zwei Skalen, ein erfundener Zusammenhang

Ein Diagramm mit zwei Werteachsen legt zwei Reihen mit verschiedenen Einheiten in ein Bild, die eine an der linken, die andere an der rechten Achse abgelesen. Das wirkt platzsparend. Das Problem: Jede Achse lässt sich für sich strecken oder verschieben. Wer das Diagramm zeichnet, entscheidet also, ob die beiden Linien gemeinsam laufen, sich kreuzen oder auseinanderdriften. Lisa Charlotte Muth von Datawrapper sagt es klar: Die Skalen eines solchen Diagramms sind willkürlich, und trotzdem lesen Menschen eine Bedeutung hinein, wo sich die Linien treffen7.

Die ehrlichen Alternativen sind einfach. Indexiere beide Reihen auf denselben Startpunkt (beide gleich 100 im ersten Monat), dann teilen sie sich eine Achse. Oder zeichne zwei Diagramme untereinander mit derselben Zeitachse. Oder, wenn die Frage lautet "treibt das eine das andere?", nimm ein Streudiagramm mit Werbebudget auf der einen und Umsatz auf der anderen Achse. Das Indexieren erkläre ich ausführlich in gleiche Daten, andere Wahrheiten.

Beispiel: Werbebudget und Onlineumsatz "im Gleichschritt"

Lenas Agentur schickt einen Monatsbericht mit dem ersten Diagramm unten. Links das Werbebudget von Bergsteig Outdoor, rechts der Onlineumsatz (beides erfunden, in Tausend Euro). Die Linien liegen das ganze Jahr fast aufeinander. Die Botschaft, nie laut ausgesprochen: "Mehr Budget, mehr Umsatz, eins zu eins."

Liniendiagramm mit zwei Werteachsen, erfundene Zahlen für Bergsteig Outdoor. Das monatliche Werbebudget steigt an der linken Achse von € 4.000 im Jänner auf € 6.200 im Dezember. Der monatliche Onlineumsatz steigt an der rechten Achse von € 61.000 auf € 65.900. Die Achsen sind so gewählt, dass die Linien das ganze Jahr übereinanderliegen und gemeinsames Wachstum suggerieren. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Dieselben erfundenen Zahlen, beide Reihen so indexiert, dass Jänner gleich 100 ist, auf einer gemeinsamen Achse. Im Dezember steht das Werbebudget bei 155, also 55 % höher, der Onlineumsatz bei 108, also 8 % höher. Die Linien laufen stetig auseinander. Zum Vergrößern antippen: Vollbild, frei verschiebbar

So baut Lena es um. Sie teilt das Budget jedes Monats durch das Jännerbudget (€ 4.000) und multipliziert mit 100, und genauso den Umsatz mit den € 61.000 aus dem Jänner. Das Dezemberbudget wird zu 6,2/4,0×100=1556{,}2 / 4{,}0 \times 100 = 155, der Dezemberumsatz zu 65,9/61,0×100=10865{,}9 / 61{,}0 \times 100 = 108. Auf einer gemeinsamen Achse kippt die Geschichte: Das Budget ist im Jahr um 55 % gewachsen, der Umsatz um 8 %. Die zusätzlichen € 2.200 Budget pro Monat im Dezember brachten zusätzliche € 4.900 Umsatz pro Monat, und ob die Marge darauf das Budget deckt, ist offen. Das ist eine echte Frage für den Inhaber, und das Diagramm mit zwei Achsen hatte sie versteckt.

Auch dieses Liniendiagramm beginnt nicht bei null, und das ist in Ordnung: Es ist eine Linie, sie ist beschriftet, und der Abstand zwischen den Linien ist der Punkt.

Ausgesuchte Zeitfenster: Das Startdatum ist eine Entscheidung

Jedes Zeitreihendiagramm beginnt irgendwo und hört irgendwo auf. Diese beiden Daten sind Entscheidungen. Sie machen aus einem flachen Geschäft eine Rakete oder aus einem gesunden eine Krise. Saisongeschäfte lassen sich am leichtesten biegen: Fang im ruhigsten Monat an, hör im stärksten auf, und jedes Jahr sieht nach Durchbruch aus.

Die Gegenwehr: Verlang mindestens einen vollen Saisonzyklus, besser zwei oder drei, und vergleich Gleiches mit Gleichem, also diesen Juni mit dem letzten Juni, nicht diesen Juni mit diesem Jänner. Wie du das Saisonmuster selbst modellierst, zeigt der Artikel zu Nachfrageprognosen mit Saisonalität.

Beispiel: "plus 42 % in sechs Monaten"

Bergsteig Outdoor verkauft Zelte, Bergschuhe und Regenjacken. Das Frühjahr ist stark, der Jänner ruhig, weil in Tirol im Jänner die Skier gefragt sind und nicht die Zelte. Eine neue Marketingleitung zeigt dem Inhaber im Juli das erste Diagramm unten (erfundene Zahlen).

Liniendiagramm des Monatsumsatzes von Bergsteig Outdoor, erfundene Zahlen, nur Jänner bis Juni dieses Jahres. Der Umsatz steigt von € 49.400 im Jänner auf € 70.000 im Juni, was nach 42 % Wachstum in sechs Monaten aussieht. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Liniendiagramm des Monatsumsatzes von Bergsteig Outdoor, erfundene Zahlen, eine Linie pro Jahr: vorletztes Jahr, letztes Jahr und dieses Jahr bis Juni. Alle drei Linien folgen derselben Saisonform, niedrig im Jänner, hoch im Mai. Die Linie für dieses Jahr liegt nur etwa 1 % über der des Vorjahres. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Lena rechnet nach. Jänner bis Juni dieses Jahr: 70,0/49,4=1,41770{,}0 / 49{,}4 = 1{,}417, das "plus 42 %" stimmt also rechnerisch. Aber vor zwei Jahren stieg der Umsatz in denselben Monaten von € 48.000 auf € 68.000, ebenfalls um rund 42 %, und letztes Jahr genauso. Der Anstieg ist die Saison, nicht das Marketing. Der faire Vergleich ist Juni gegen Vorjahresjuni: 70,0/69,4=1,00970{,}0 / 69{,}4 = 1{,}009, ein Plus von weniger als 1 %. Das erste Halbjahr insgesamt liegt rund 0,9 % über dem ersten Halbjahr des Vorjahres. Passt, solide, nicht spektakulär, und das ehrliche Diagramm mit einer Linie pro Jahr auf einer Achse von Jänner bis Dezember zeigt das auf einen Blick.

Kumulierte Diagramme: die Linie, die nie fallen kann

Ein kumuliertes Diagramm zeigt eine laufende Summe: Bestellungen seit dem Start, jemals gewonnene Kundschaft, Downloads bis heute. Weil jeder Monat etwas dazugibt und nichts abgezogen wird, kann die Linie nur steigen. Sie steigt auch dann, wenn das Geschäft schrumpft, denn auch ein schwacher Monat addiert eine positive Zahl. Die Steigung der Linie trägt zwar die Wahrheit (flacher heißt weniger neue Bestellungen in dem Monat), aber das Auge liest "nach rechts oben" lange bevor es einen leichten Knick bemerkt.

Laufende Summen haben ehrliche Einsatzzwecke, etwa den Fortschritt zu einem Jahresziel. Für die Frage "wie läuft es gerade?" zeigst du den Wert pro Zeitraum.

Beispiel: 10.730 Bestellungen und ein stiller Rückgang

Der Onlineshop von Bergsteig Outdoor hatte im Jänner 900 Bestellungen, im April 1.000, danach jeden Monat weniger bis zu 740 im Dezember (erfundene Zahlen). Eine Folie für die Bank zeigt das erste Diagramm.

Liniendiagramm der laufenden Summe der Onlinebestellungen von Bergsteig Outdoor, erfundene Zahlen. Sie steigt jeden Monat, von 900 im Jänner auf 10.730 im Dezember, was nach stetigem Wachstum aussieht. Zum Vergrößern antippen: Vollbild, frei verschiebbar
Balkendiagramm der monatlichen Onlinebestellungen von Bergsteig Outdoor, erfundene Zahlen. Die Bestellungen steigen von 900 im Jänner auf den Höchstwert von 1.000 im April und fallen dann jeden Monat bis auf 740 im Dezember, 26 % unter dem Aprilwert. Die Monate Mai bis Dezember sind hervorgehoben. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Lena rechnet die laufende Summe zurück in Monatswerte, indem sie jeweils den Vormonatsstand abzieht: 1.850−900=9501.850 - 900 = 950 für Februar, 2.830−1.850=9802.830 - 1.850 = 980 für März und so weiter. Die Monatsbalken zeigen, was die kumulierte Linie begraben hat: acht Monate Rückgang, der Dezember bei 740/1.000=0,74740 / 1.000 = 0{,}74 des Aprilwerts, also 26 % weniger. Die Monatsbalken beginnen bei null, wie Balken es müssen, und der Rückgang ist trotzdem klar zu sehen. Ein ehrliches Diagramm braucht keinen Trick, um eine echte Veränderung zu zeigen.

Flächen, 3D und Bilder: wenn das Doppelte wie das Vierfache aussieht

Steht ein Bild für eine Zahl, ein Rucksack, eine Münze, ein Einkaufssackerl, muss jemand entscheiden, wie es skaliert wird. Wächst die Höhe mit der Zahl und bleibt die Form gleich, wächst die Breite mit. Verdoppelt sich die Zahl, wird die Fläche des Bildes viermal so groß, weil die Fläche mit dem Quadrat der Höhe wächst. Huff nannte das das eindimensionale Bild: eine Größe, die sich in einer Dimension ändert, gezeichnet als Objekt, das sich in zwei oder drei ändert1. Pandey und sein Team haben genau diese Verzerrung, Fläche als Menge, in ihrer Studie getestet3.

Dreidimensionale Balken und Torten bringen eigene Probleme mit. Die Perspektive lässt alles, was vorn steht, größer wirken als das, was hinten steht, und die gekippte Grundfläche macht schwer erkennbar, wo ein Balken wirklich endet. Ein flacher Balken beantwortet jede Frage, die ein 3D Balken beantwortet, und zwar genauer.

Beispiel: das Rucksackdiagramm, nachgemessen

Zurück zum Beispiel vom Anfang. Der Laden hatte 2.000 Bestellungen, der Onlineshop 4.000 (erfunden). Der Onlinerucksack ist doppelt so hoch und damit doppelt so breit, seine Fläche ist also 2×2=42 \times 2 = 4 mal so groß wie die des Ladens.

Mit dem Lügenfaktor von oben: Der Effekt in den Daten ist (4.000−2.000)/2.000×100=100 %(4.000 - 2.000) / 2.000 \times 100 = 100\,\%. Der Effekt in der Grafik, gemessen als Fläche, ist (4−1)/1×100=300 %(4 - 1) / 1 \times 100 = 300\,\%. Der Lügenfaktor ist 300/100=3300 / 100 = 3. Das Diagramm unten stellt nebeneinander, was das Auge mitnimmt und was stimmt.

Gruppiertes Balkendiagramm, erfundene Zahlen. Echte Bestellungen: Laden 2.000, online 4.000. Bestellungen, die die Fläche eines in Höhe und Breite skalierten Rucksackbildes nahelegt: Laden 2.000, online 8.000. Das Bild lässt online viermal so groß wirken wie den Laden, obwohl es doppelt so groß ist. Zum Vergrößern antippen: Vollbild, frei verschiebbar

Die Lösung: Bild weg, Balken ab null. Will die Marke unbedingt Symbole, dann wiederhol ein kleines Symbol (ein Rucksack pro 500 Bestellungen, also vier für den Laden und acht für online), statt ein großes zu skalieren. Gleich große Einheiten lassen das Auge zählen, und das kann es gut, statt Flächen zu vergleichen, was es schlecht kann.

Ungleiche Abstände: wenn die Zeitachse Jahre überspringt

Die meisten Diagrammwerkzeuge behandeln die Beschriftungen einer Zeitachse als Kategorien und verteilen sie gleichmäßig, egal was draufsteht. Fehlen Jahre in den Daten, oder sind Jahre und Monate gemischt, bedeutet die Steigung zwischen zwei Punkten nicht mehr "Veränderung pro Zeitraum". Eine Lücke von zwei Jahren, gleich breit gezeichnet wie ein Jahr, verdoppelt das scheinbare Tempo dieser Strecke.

Beispiel: Wachstum, das nach Abschwung aussah

Lena findet eine alte Folie mit dem Jahresumsatz von Bergsteig Outdoor für 2018, 2020, 2022, 2024, 2025 und 2026. Die sechs Punkte stehen in gleichen Abständen. Die Linie steigt von 2022 bis 2024 steil an und flacht dann ab, und auf der Folie steht: "Das Wachstum hat sich seit 2024 verlangsamt."

Hier die erfundenen Zahlen, ergänzt um die Jahre, die auf der Folie fehlten:

JahrUmsatzVeränderung zum VorjahrAuf der alten Folie
2018€ 540 Tsd.ja
2019€ 548 Tsd.€ 8 Tsd.nein
2020€ 560 Tsd.€ 12 Tsd.ja
2021€ 578 Tsd.€ 18 Tsd.nein
2022€ 600 Tsd.€ 22 Tsd.ja
2023€ 645 Tsd.€ 45 Tsd.nein
2024€ 690 Tsd.€ 45 Tsd.ja
2025€ 735 Tsd.€ 45 Tsd.ja
2026€ 780 Tsd.€ 45 Tsd.ja

Auf der Folie umfasst der Schritt von 2022 bis 2024 zwei Jahre (€ 90 Tsd.), belegt aber nur einen Platz. Die Schritte danach umfassen je ein Jahr (€ 45 Tsd. pro Platz). Die Linie sieht also aus, als würde sie ihr Tempo halbieren. Tatsächlich ist der Umsatz seit 2022 jedes einzelne Jahr um € 45 Tsd. gewachsen. Nichts hat sich verlangsamt. Die Lösung: jedes Jahr zeigen, oder eine echte Datumsachse nutzen, die Punkte nach Zeit verteilt, und in der Bildunterschrift sagen, wenn ein Jahr fehlt.

Scheinkorrelation: zwei Linien, die grundlos gemeinsam laufen

Zwei Reihen, die gemeinsam steigen und fallen, nennt man korreliert. Die Stärke dieses Zusammenhangs misst meist der Korrelationskoeffizient rr, der von −1-1 bis 11 reicht und in Grundlagen: Korrelation erklärt ist. Ein Diagramm mit zwei korrelierten Linien nebeneinander lädt dazu ein, das eine für die Ursache des anderen zu halten. Oft treibt aber ein Drittes beide, oder die Übereinstimmung ist reiner Zufall.

Das bekannteste Beispiel erschien im New England Journal of Medicine. Franz Messerli trug den Schokoladenkonsum pro Kopf gegen die Zahl der Nobelpreise pro 10 Millionen Menschen für 23 Länder auf und fand eine starke Korrelation, r=0,791r = 0{,}7918. Messerli selbst nannte das Ergebnis nur einen Anlass für Hypothesen. Ein naheliegender dritter Faktor ist Wohlstand: Reichere Länder können sich mehr Schokolade und mehr Forschung leisten, und niemand hat einen Nobelpreis bekommen, weil er eine Tafel gegessen hat.

Beispiel: Social Media Posts und Zeltverkäufe

Lenas Kollegin aus dem Social Media Bereich legt zwei Linien in ein Diagramm: Posts pro Monat und verkaufte Zelte pro Monat (erfundene Zahlen). Beide steigen im Frühjahr und fallen im Herbst, und die Tabellenfunktion KORREL liefert r=0,76r = 0{,}76. Die Bildunterschrift lautet: "Posten verkauft Zelte."

MonatJanFebMärAprMaiJunJulAugSepOktNovDez
Posts66911121098771012
Verkaufte Zelte4045901301601501209560507085

Lena stellt eine einzige Frage: Warum wurde im Frühjahr mehr gepostet? Weil es mehr zu zeigen gab: neue Zelte auf Lager, der Start der Campingsaison, Kundschaft, die ihre Touren teilt. Die Saison treibt beides. Um zu prüfen, ob Posts Zelte verkaufen, bräuchte sie Posts, die unabhängig von der Saison variieren, etwa einen A/B Test in derselben Woche, wie ihn der Artikel zu statistischer Signifikanz erklärt. Bis dahin lautet die ehrliche Bildunterschrift: "Posts und Zeltverkäufe folgen beide der Saison."

Der Dreißig Sekunden Check für jedes Diagramm

Die Daten hinter einer Folie hast du nicht immer. Fünf Fragen kannst du trotzdem stellen, in dieser Reihenfolge, bevor du dem Bild glaubst. Der Ablauf unten ist der Check, den ich bei jedem Diagramm machen würde, das eine Entscheidung von mir verlangt.

Zum Vergrößern antippen: Vollbild, frei verschiebbar

Zwei weitere Fragen stehen außerhalb des Ablaufs, weil sie für jedes Diagramm gelten. Stehen Bilder oder 3D Formen für Zahlen? Und sind die Zeitschritte gleich? Besteht das Diagramm all das, bleibt die Frage, ob die Daten überhaupt stimmen. Das ist eine andere Aufgabe: Lügt dein Dashboard dich an zeigt die Prüfung der Datenqualität.

Durchgerechnet: die Folie "Umsatz verdoppelt" eines Mitbewerbers

Der Inhaber von Bergsteig Outdoor kommt von einer Messe zurück, mit Fotos einer Folie der Konkurrenzmarke Almgrat Sport (erfunden, almgrat.example). Die Überschrift: "Umsatz verdoppelt. Wachs mit uns." Darauf vier Diagramme. Lena nimmt sie mit dem Dreißig Sekunden Check eins nach dem anderen auseinander.

Diagramm eins: die Balken

Zwei Balken, Vorjahr und dieses Jahr, der zweite etwa doppelt so hoch wie der erste. Die Achse, in kleiner grauer Schrift, reicht von € 800 Tsd. bis € 1 Mio.. Laut Beschriftung lag das Vorjahr bei € 900 Tsd., dieses Jahr bei € 990 Tsd..

  • Effekt in den Daten: (990−900)/900×100=10 %(990 - 900) / 900 \times 100 = 10\,\%.
  • Sichtbare Balken über dem Schnitt bei € 800 Tsd.: € 100 Tsd. und € 190 Tsd., also ist der Effekt in der Grafik (190−100)/100×100=90 %(190 - 100) / 100 \times 100 = 90\,\%.
  • Lügenfaktor: 90/10=990 / 10 = 9, oder mit der Abkürzung 900/(900−800)=9900 / (900 - 800) = 9.

Der Umsatz ist um 10 % gewachsen. "Verdoppelt" beschreibt die Balken, nicht das Geschäft.

Diagramm zwei: die Linie mit dem Startdatum

Eine Linie des Monatsumsatzes, die von Jänner bis Mai steil steigt, beschriftet mit "Dynamik". Bei einer Outdoormarke ist Jänner bis Mai der saisonale Anstieg. Ohne die Vorjahreslinie für dieselben Monate sagt das Diagramm nichts über Wachstum. Lena notiert: "Zeitfenster kürzer als ein Saisonzyklus, Vorjahr anfragen."

Diagramm drei: "betreute Kundschaft"

Eine glatte Kurve, die auf 40.000 steigt. Im Kleingedruckten: "Kundinnen und Kunden seit 2019". Eine laufende Summe. Sie würde auch steigen, wenn Almgrat Sport nur eine Person im Monat dazugewänne. Lena notiert: "kumuliert, Neukundschaft pro Jahr anfragen."

Diagramm vier: Budget und Umsatz

Marketingbudget und Umsatz in einem Diagramm mit zwei Achsen, beide Linien steigen gemeinsam. Die linke Achse reicht von € 50 Tsd. bis € 120 Tsd., die rechte von € 800 Tsd. bis € 1 Mio., beide vom Ersteller der Folie gewählt. Beide auf das Vorjahr indexiert: Stieg das Budget von € 60 Tsd. auf € 110 Tsd., ergibt das 110/60×100=183110 / 60 \times 100 = 183, gegenüber dem Umsatz mit 990/900×100=110990 / 900 \times 100 = 110. Das Budget stieg um 83 %, um 10 % mehr Umsatz zu kaufen.

Was Lena dem Inhaber sagt

Lena schreibt einen Absatz: "Almgrat Sport ist um etwa 10 % gewachsen, ungefähr wie ein gutes Jahr in unserem Markt. Dafür haben sie ihr Marketingbudget fast verdoppelt. Keins der vier Diagramme belegt einen verdoppelten Umsatz. Nichts auf dieser Folie ist ein Grund, unseren Plan zu ändern." Der Inhaber kam besorgt herein. Er geht mit einer Entscheidung hinaus, und genau dafür sind Diagramme da.

Die Lehre für die eigenen Berichte von Bergsteig Outdoor ist das Spiegelbild. Jeder Trick von Almgrat Sport ist etwas, das ein Reporting Tool von sich aus tun kann. Lena prüft jetzt jedes eigene Diagramm mit demselben Ablauf, bevor es in die Vorstandsunterlage geht: Balken ab null, eine Achse, volle Zyklen, Werte pro Zeitraum und ein Titel, der das Ergebnis in Zahlen nennt.

Regeln, die das ehrliche Diagramm zum Standard machen

Jedes Diagramm auf dieser Website, auch die in diesem Artikel, folgt festen Regeln: nur Markenfarben, heller und dunkler Modus, Achsenbeschriftungen im 45 Grad Winkel, eine Vollbildansicht, Ablaufdiagramme von oben nach unten fürs Handy und eine Textbeschreibung für Screenreader. Solche festen Regeln lohnen sich für jedes Unternehmen: Wie Diagramme gezeichnet werden, entscheidest du am besten vor der Deadline, nicht mittendrin. Setz "Balken beginnen bei null" und "eine Werteachse pro Diagramm" mit auf die Liste, und die meisten Tricks aus diesem Artikel sind von vornherein unmöglich.

Wenn ich ein Analyseprojekt für Kundschaft beginne, fange ich bei der Entscheidung an, die die Zahlen stützen sollen, nicht beim Dashboard. Diese Reihenfolge zählt auch hier. Ein Diagramm, das eine Entscheidung stützen soll, muss die Frage überstehen: "Würde ich anders entscheiden, wenn ich die ehrliche Version sähe?" Lautet die Antwort ja, war das Diagramm Überredung, keine Information.

Fazit

Ein Diagramm lügt, wenn Bild und Zahlen verschiedene Geschichten erzählen. Die üblichen Wege dahin sind wenige und gut dokumentiert: Balken, die nicht bei null beginnen, zwei Achsen, mit denen sich beliebige Linien treffen lassen, Zeitfenster, die im ruhigsten Monat starten, laufende Summen, die nicht fallen können, Bilder, deren Fläche schneller wächst als die Zahl, Zeitachsen, die Jahre überspringen, und zwei Linien, die gemeinsam laufen, weil ein Drittes beide treibt.

Tuftes Lügenfaktor macht aus dem ersten und dem fünften Trick eine Zahl, die du nennen kannst. Der Dreißig Sekunden Check macht aus dem Rest eine Gewohnheit. Und die Lösung ist fast immer dieselbe: Zeichne die ehrliche Version neben die überredende, und schau, welche Geschichte dann noch steht.

Wenn du bei deiner Vorstandsunterlage oder den Berichten deiner Agentur nicht sicher bist, was die Diagramme wirklich sagen, buch den kostenlosen Workshop: Wir gehen deine wichtigsten Diagramme gemeinsam durch und zeichnen die neu, die die Wahrheit verbiegen, und die ersten zwei Wochen Arbeit gehen auf mich.

Quellen

  1. 1.

    Darrell Huff, How to Lie with Statistics, illustriert von Irving Geis, W. W. Norton and Company, 1954 (Neuauflage 1993), https://wwnorton.com/books/How-to-Lie-with-Statistics

  2. 2.

    Alberto Cairo, How Charts Lie: Getting Smarter about Visual Information, W. W. Norton and Company, 2019, https://wwnorton.com/books/9781324001560

  3. 3.

    Anshul Vikram Pandey, Katharina Rall, Margaret L. Satterthwaite, Oded Nov und Enrico Bertini, How Deceptive are Deceptive Visualizations? An Empirical Analysis of Common Distortion Techniques, Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems (CHI 2015), Seiten 1469 bis 1478, https://doi.org/10.1145/2702123.2702608

  4. 4.

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

  5. 5.

    Michael Correll, Enrico Bertini und Steven Franconeri, Truncating the Y Axis: Threat or Menace?, Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 2020, https://arxiv.org/abs/1907.02035

  6. 6.

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

  7. 7.

    Lisa Charlotte Muth, Why not to use two axes, and what to use instead, Datawrapper Blog, 8. Mai 2018, https://www.datawrapper.de/blog/dualaxis

  8. 8.

    Franz H. Messerli, Chocolate Consumption, Cognitive Function, and Nobel Laureates, New England Journal of Medicine, Band 367, Nummer 16, 2012, Seiten 1562 bis 1564, https://doi.org/10.1056/NEJMon1211064