195 48 2MB
German Pages 224 [232] Year 2022
Visualizing Complexity
Darjan Hil Nicole Lachenmeier
Visualizing Complexity
Handbuch modulares Informations design
Birkhäuser Basel
Inhalt
6 8 11
Vorwort Wie das Buch aufgebaut ist Das MID-System
1 Datendimensionen
15
1A Vom Text zu den Daten 1B Von den Daten zum Datenwürfel
17 31
41
2 Diagrammatische Dimensionen
43 59 67
2A Menge 2B Position 2C Beziehung
77 79 87 97 107 115 123
3 Visuelle Dimensionen 3A Farbe 3B Form 3C Linie 3D Muster 3E Kontur 3F Isotype
133 135 147
154
4 Strukturierende Dimensionen 4A Strukturieren durch Sortierung 4B Strukturieren durch Gruppierung
5 Die Vielfalt der Multidimensionalen Visualisierungen
156
Alle 80 Elemente in der Übersicht
158
Wie das MID-System funktioniert
160
Das Mapping von vier Datendimensionen – eine Anleitung
162
Wie Sortieren funktioniert
164
26 Multidimensionale Visualisierungen
217 218 220
6 Anhang
Die Autor:innen Weiterführende Lektüre, Quellen und Tools
Vorwort
Der Buchtitel, »Visualizing Complexity«, enthält das Wort Komplexität – ein oft verwendeter Begriff, welcher den aktuellen Nerv der Zeit ganz gut beschreibt. Wir leben in einer Zeit, in der die Menschen dank Computern und einer unendlichen Menge an Informationen immer mehr Aufgaben gleichzeitig erledigen, verschiedene Rollen einnehmen und sehr schnell von einem Thema zum anderen wechseln.In diesem Kontext verstehen wir Komplexität als den Umstand, dass ein Sachverhalt vernetzt, ineinander verwoben, undurchsichtig und schwer zu fassen ist. Warum aber Komplexität visualisieren? Ganz einfach, weil wir fest dran glauben, dass manch scheinbar komplexer Sachverhalt besser verarbeitet werden kann, sobald er aus dem Kopf externalisiert wird und visuell mit Distanz betrachtet werden kann. Hierbei geht es zunächst gar nicht um die Qualität der Visualisierung, sondern rein um die Tatsache, dass dieser aus dem Kopf auf das Blatt (digital oder analog) gebracht und so kommu nizierbar wird. Als Sachverhalte verstehen wir im Kontext dieses Buches Daten als generelles Konzept. Ob Text oder Zahlen, beides ist unserer Meinung nach ein Rohmaterial, also ein zu verarbeitender Datensatz. Beide können quantitativ oder qualitativ betrachtet und visuell aufbereitet werden. Dabei ist es wichtig, sich zu Bewusstsein zu führen, dass jede Betrachtung eines Sachverhaltes eine bestimmte Perspektive einnimmt und eine damit verbundene Geschichte erzählt. Zu jedem Datensatz gibt es verschiedenste Zugangspunkte und Perspektiven. Dieser Umstand begründet die vorher genannte Komplexität. Das Ziel ist dabei nicht, die Komplexität zu vereinfachen, sondern den Adressaten gekonnt durch die verschiedenen Perspektiven zu navigieren. Um diese Navigation zu ermöglichen, haben wir das modulare Informationsdesign, kurz MID, entwickelt. Dabei werden alle Elemente, die kleinsten Einheiten des Systems, ähnlich dem chemischen Periodensystem in Modulen kombinierbar gemacht. Wichtig dabei ist zu wissen, dass für eine vereinfachte Orientierung im MID-System Elemente in Dimensionen gruppiert werden. Dimensionen sind eine Ordnungseinheit beziehungsweise eine Ebene, auf welcher sich bestimmte Elemente befinden. 6
Dieses Buch ist das Resultat von zehn Jahren Praxiserfahrung mit Experimentierfreude, Analysearbeit und dem Wunsch, die bis heute wenig bekannte, aber anspruchsvolle Schnittstellendisziplin des Informationsdesigns durch einfache Prinzipien besser zugänglich zu machen. Wir sind davon überzeugt, dass durch die Visualisierung als allgemeinem Problemlösungsansatz mehr Transparenz, Partizi pation und Entscheidungsbefähigung entsteht. Zudem werden attraktiv dargestellte Texte und Zahlen lieber gesehen, gelesen und besser verstanden als Präsentationen mit Standard-Diagrammen. Wir möchten zeigen, dass die Welt des Informationsdesigns viele wunderschöne Facetten hat. So wagen wir es, auf unkonventionelle Weise Verbindungen zwischen Disziplinen und Sachverhalten herzustellen, wo vorher keine offensichtlichen bestanden, mit dem Ziel, das interdisziplinäre Verständnis zu fördern. Dieses Buch soll für alle, die mit Zahlen arbeiten, eine Inspirationsquelle sein, um Daten aus einer neuen Perspektive zu sehen und die gestalterischen Möglichkeiten der Vermittlung von Informationen zu erkunden. Für Gestalter:innen kann dieses Handbuch den Zugang zu den Zahlen erleichtern und dadurch neue Gestaltungs möglichkeiten der Darstellung von Informationen eröffnen. Generell wollen wir die Freude an der korrekten, aber auch kreativen Arbeit mit Texten und Zahlen vermitteln und dazu motivieren, mit dem Visuali sieren von Komplexität selbst zu starten. Dazu braucht es weder ein besonderes Talent noch einen Computer oder eine spezielle Ausbildung, sondern Stift und Papier, Interesse und Experimentierfreude. Wir wünschen bei der Arbeit mit diesem Handbuch viel Freude und Erfolg. Nicole Lachenmeier und Darjan Hil
7
Wie das Buch aufgebaut ist
Dieses Buch ist visuell strukturiert und in farblich kodierte Bereiche unterteilt. Die ersten vier (gelb, blau, rot und grün) vermitteln das nötige Grundverständnis und bilden die Basis für die beispielhaften multidimensionalen Visualisierungen im fünften Abschnitt. Es ist wichtig zu wissen, dass das Buch nicht von vorne nach hinten gelesen werden muss, sondern auch quergelesen werden kann, um sich inspirieren zu lassen. Am Ende des Buches lässt sich der Aufbau der Beispiele leicht rekon struieren und im vorderen Teil nachschlagen.
Gelber Bereich
Im gelben Abschnitt besteht der Aufbau einer Doppelseite aus einem Datensatz, einer Er klärung, einem Titel und einem abstrakten Icon als Repräsentation des dort erläuterten Prinzips. Der gelbe Abschnitt, wie auch das gesamte Buch, verwendet nur einen einzigen kleinen Datensatz, welcher eine erfundene Familiengeschichte beschreibt.
Blauer, roter, grüner Bereich
In den blauen, roten und grünen Abschnitten werden die Elemente des modularen Informationsdesigns jeweils auf einer Einzelseite erklärt. Ein abstraktes Icon repräsentiert jedes Prinzip, welches mit einem Elementtitel und einer Element-ID ergänzt wird. Im gesamten Buch sind die Elemente so immer rückverfolgbar. Ein einfaches Beispiel in der unteren linken Ecke und eine kurze Erläuterung geben jedem Element einen praktischen Anwendungskontext.
Beispielbereich
In diesem Abschnitt wird pro Beispiel eine Auswahl von Daten aus dem Datensatz mit den vorgestellten Elementen zu einer multidi mensionalen Visualisierung auf einer Seite kombiniert. Jede Doppelseite besteht aus einer Auflistung der verwendeten Datendimensionen und der verwendeten Elemente als Icon mit der Element-ID. Eine genaue Legende, ein beschreibender Titel sowie ein kurzer HighlightText mit den spezifischen Erkenntnissen für das Storytelling aus der Grafik machen deren Aufbau Schritt für Schritt nachvollziehbar.
8
Erklärung
Datensatz
Titel
Icon
Einfaches Beispiel
Element–ID
Beschreibender Titel
Legende Highlight
9
Das MID-System
Die Konstruktion der Visualisierungen in diesem Buch basiert auf einem System. Unter einem System verstehen wir, dass verschiedene Komponenten mit bestimmten Prinzipien zusammen ein Ganzes bilden. Wenn wir das Prinzip anwenden, dass Elemente aus dem modularen System bewusst ausgewählt und mit verschiedenen Dimensionen zu einer neuen Visualisierung kombiniert werden, dann sprechen wir von modularem Informationsdesign. Das MID-System gliedert sich in vier übergeordnete Module: die Datendimensionen (gelb), die diagrammatischen Dimensionen (blau), die visuellen Dimensionen (rot) und die strukturierenden Dimensionen (grün). Die drei letztgenannten Dimensionen bilden zusammen 80 eindeutig identifizierbare Elemente. Die Idee hinter dem MID-System ist, dass durch die Kombination eines Datensatzes mit ausgewählten Elementen der drei Gruppen eine große Anzahl von multidimensionalen Visualisierungen entworfen werden kann. Mit einem einfachen Regelwerk können nicht nur alle bekannten Diagrammtypen, sondern auch eine nahezu unbegrenzte Anzahl neuer Visualisierungen encodiert werden. Dieses System kann als ein visueller Algorithmus verstanden werden. Mit MID können aber auch bestehende Visualisierungen analysiert und decodiert werden. Multidimensionales Informationsdesign ist toolunabhängig. Stift und Papier und ganz unterschiedliche Software Tools können zur Umsetzung verwendet werden. Eine Schritt-für-Schritt-Anleitung findet sich im fünften Kapitel.
11
Das MID-System
Datendimensionen
Strukturierende Dimensionen
Die datenbasierten Dimensionen beschreiben die Schritte, welche mit der Analyse eines Datensatzes verbunden sind. Dabei geht es nicht primär um die statistischen Verfahren, sondern um die essenziellen konzeptionellen Überle gungen, welche Fragen sich mit diesem Datensatz klären lassen, welche Geschichten erzählt oder welche Perspektiven eingenommen werden können. Daraus leitet sich die Auswahl der einzelnen Datendimensionen ab, also der Spalten eines Datensatzes.
Die strukturierenden Dimensionen haben den größten Einfluss auf die Story einer Visualisierung. Dabei steht die Frage im Zentrum, nach welcher Datendimension eine Grafik sortiert und gruppiert wird. Allein mit unterschiedlichen Sortierungen lassen sich verschiedene Geschichten erzählen. Die Sortierung bestimmt auch die Anordnung der einzelnen Datenelemente und hat so einen großen Einfluss auf die Gesamtform. Die Gruppierung hingegen bringt Harmonie und Ordnung in das Format.
Diagrammatische Dimensionen
Multidimensionale Visualisierungen
Die diagrammatischen Dimensionen enthalten alle Elemente, die aus den verschiedenen Bereichen der Mathematik und Informatik zusammengetragen wurden. Der gemeinsame Nenner dieser Sammlung ist, dass ein Datensatz auf mathematisch korrekte Weise in ein einfaches Diagramm übersetzt wird. Diese entstandenen Diagramme beschreiben ent weder Mengen, Positionen in einem Koordinatensystem oder Beziehungen.
Durch die multidimensionalen Visualisierungen kommen alle Dimensionen in der Anwendung zusammen. Aus drei oder mehr Datendimensionen, welche auf die Elemente der anderen drei Dimensionen gemappt werden, entstehen neue Diagrammvarianten. Für die multidimensionalen Visualisierungen braucht es immer mindestens vier Elemente.
Visuelle Dimensionen
Die visuellen Dimensionen können als die krea tiven Dimensionen betrachtet werden. Dabei geht es um eine Vielzahl von gestalterischen Prinzipien, welche angewendet werden können, um ein Diagramm mit mehreren Datendimen sionen zu erstellen. Die hier vorgestellten visuellen Elemente gehören generell zum gestalterischen Grundvokabular von Designern. Wir haben sie in die Gruppen der Farbe, Form, Linie, Muster, Kontur und die Spezialgruppe der Isotype nach Neurath1 unterteilt.
12
Datendimensionen
Diagrammatische Dimensionen
Visuelle Dimensionen
Strukturierende Dimensionen
Multidimensionale Visualisierungen
13
1 Daten dimensionen Welche Einsichten in einen Datensatz werden benötigt, um zu ent scheiden, welche Datendimensionen für die Visualisierung verwendet werden sollen? Sind für die Beantwortung dieser Frage bereits Analysen oder statistische Verfahren notwendig? Kann ein Datensatz neutral mit Abstand betrachtet werden? Gibt es Zwischenstufen, die bereits visuelle Muster im Datensatz beziehungsweise in den einzelnen Dimensionen des Datensatzes erkennen lassen? In diesem Kapitel werden Ansätze aufgezeigt, die solche und ähnliche Fragen beantworten und einen fließenden Übergang von der Analyse zur Visualisierung zeigen. Dafür ist eine offene Grundhaltung nötig, was die konzeptionelle Betrachtung eines Datensatzes von seinen möglichen Zugangspunkten her betrifft. Dies ermöglicht eine disziplinübergreifende Zusammenarbeit und eine Kommunikation auf Augenhöhe.
15
1A Vom Text zu den Daten In diesem Abschnitt wird ein Datensatz als Grundlage für das gesamte Buch vorgestellt. Dabei handelt es sich um einen Text über die Familien Wagner und Brown, aus dem sich schrittweise Daten extrahieren und visualisieren lassen. Die Namen der Familienmitglie der basieren auf der Statistik der häufigsten Familiennamen und Vornamen des 19. Jahrhunderts im deutschsprachigen und englisch sprachigen Raum. Das Ziel ist es, dadurch die einzelnen Schritte zur Visualisierung nachvollziehbar und die möglichen Varianten sichtbar zu machen, ohne dabei an zu vielen Schrauben gleichzeitig zu drehen. Zu erwähnen ist noch, dass die Geschichte fiktiv ist und ohne Bezug zu realen Ereignissen steht. Diese einfache Familien geschichte macht es möglich, Daten leicht zu verstehen und sie auch mit sich selbst in Verbindung zu bringen.
17
Unstrukturierter Fließtext als Startpunkt
Ein Fließtext hat den Zweck, den Lesenden Zeit zu geben, sich die Inhalte vor dem inneren Auge vorzustellen. Geschriebene Geschichten sind mit be schreibenden Details ausgeschmückt und inspirieren die Vorstellungskraft der Lesenden, gedanklich in eigene Welten abzutauchen. Die Informationen in einem Absatz sind unstrukturiert, was für deren Verständlichkeit aber keinen ne gativen Effekt hat. Erzähler:innen erzählen so, wie ihre Gedanken fließen. Um Informationen zu suchen oder um sich einen schnellen Überblick zu verschaffen, sind Narra tionen jedoch weniger geeignet. Wenn beispielsweise im Text über die Unter nehmerfamilie das Geburtsdatum von Otto Wagner zu suchen ist, muss der Text Zeile für Zeile abgescannt werden, bis dieses gefunden ist.
18
Die Geschichte der Unternehmer:innenfamilien
Der Unternehmenserfolg der Browag AG ist auf Hermann Wagner und James Brown zurückzuführen. Hermann Wagner ist 1871 in Wien geboren (gestorben 1961). In seiner Studentenzeit hat er die vier Jahre jüngere (1875) gebürtige Wienerin Emma Moser (gestorben 1960) kennengelernt. Im Jahr 1900 heirate ten Hermann und Emma in Wien, wo auch die Kinder Otto (1901, gestorben 1924) und Paul (1914, gestorben 2011) geboren wurden. Durch die finanziellen Möglichkeiten der Familie Moser konnte Hermann die Firma Wagner Farben GmbH gründen und erfolgreich in Wien etablieren. Nach der Schule entschied sich Otto, zum Studieren nach München zu gehen, und Paul beschloss, in die Fußstapfen von Vater Hermann zu treten. Otto Wagner verstarb tragisch mit 23 Jahren in München an Tuberkulose. Paul unternahm geschäftliche Reisen in andere Länder und lernte so in Paris im Jahr 1934 Elisabeth Brown, seine spätere Ehefrau, in der Firma Brown Chemicals Inc. kennen. Die Firma Brown Chemicals Inc. war von James Brown (1882, gestorben 1947) in London gegründet worden. Er konnte von der Ehe mit Marie Durand (1879, gestorben 1951), die aus einer gut situierten Pariser Familie stammte, sehr profitieren. James hat sein Geschäft in London und in Paris, wo das Paar hauptsächlich lebte, ausgebaut. Aus der Ehe zwi schen Marie und James gingen Anna (1913, gestorben 1996) und Elisabeth (1915, gestorben 2014) hervor. Anna wurde bei einem Familienaufenthalt in London geboren und verbrachte nach ihrer Schulzeit an einem Londoner Internat ihr Leben in London. Ihre Schwester Elisabeth wuchs zusammen mit den Eltern in Paris auf und arbeitete bereits seit ihrer Jugend in der Firma von Papa James, wo sie Paul Wagner kennenlernte. Mit der Heirat zwischen Paul und Elisabeth wurde nicht nur der eheliche, sondern auch der geschäftliche Bund besiegelt, aus dem die neu fusionier te Firma Browag AG entstand. Im Jahr 1935 kam Hermann in Paris auf die Welt (gestorben 1987), sieben Jahre später folgte seine Schwester Marie (1942, gestorben 2020). Weil die Leitung der Niederlassung in Wien viel Zeit in An spruch nahm, ist Paul nie aus Wien weggezogen. Nach einigen Jahren kam es zur Trennung von Elisabeth und Paul. Paul ent schied sich, seine Unternehmensanteile an Elisabeth zu verkaufen und aus der Firma Browag AG auszusteigen. Sohn Hermann b eschloss, zum Studieren nach Wien zu gehen und bei seinen Großeltern Hermann und Emma zu leben. Marie hingegen wollte in London Kunst studieren und verzichtete auf die unternehmerischen Möglichkeiten, welche ihr ihre Mutter Elisabeth in Paris bot. Elisabeth Brown gilt als eine der erfolgreichsten Unternehmerinnen des 21. Jahrhunderts und überlässt ihr gesamtes Vermögen wohltätigen Organisationen mit dem Schwerpunkt Design.
19
Unstrukturierter Fließtext mit Highlights
In dieser Fassung ist der Fließtext bereits mit ein paar unterstützenden Symbolen angereichert. Jedes Symbol steht für einen Informationstyp und ist mit einer gelben Markierung versehen. Wir können an dieser Stelle zwar noch nicht von einer Visualisierung sprechen, jedoch wird eine Suche, z. B. nach dem Geburts datum von Otto Wagner, vereinfacht. Der Text ist nach wie vor unstrukturiert.
▶ Vorname ◀ Familienname ● Geburtsjahr ◖ Sterbejahr ■ Geburtsort ◆ Lebensort
20
Die Geschichte der Unternehmer:innenfamilien
Der Unternehmenserfolg der Browag AG ist auf ▶ Hermann ◀ Wagner und ▶ James ◀ Brown zurückzuführen. ▶ Hermann ◀ Wagner ist ● 1871 in ■ Wien geboren (gestorben ◖ 1961). In seiner Studentenzeit hat er die vier Jahre jüngere (● 1875) gebürtige ■ Wienerin ▶ Emma ◀ Moser (gestorben ◖ 1960) kennengelernt. Im Jahr 1900 heirateten ▶ Hermann und ▶ Emma in ◆ Wien, wo auch die Kinder ▶ Otto (● 1901, gestorben ◖ 1924) und ▶ Paul (● 1914, gestor ben ◖ 2011) geboren wurden. Durch die finanziellen Möglichkeiten der Familie ◀ Moser konnte ▶ Hermann die Firma Wagner Farben GmbH gründen und erfolgreich in ◆ Wien etablieren. Nach der Schule entschied sich ▶ Otto, zum Studieren nach ◆ München zu gehen, und ▶ Paul beschloss, in die Fußstapfen von Vater ▶ Hermann zu treten. ▶ Otto ◀ Wagner verstarb tragisch mit 23 Jahren in ◆ München an Tuberkulose. ▶ Paul unternahm geschäftliche Reisen in andere Länder und lernte so in Paris im Jahr 1934 ▶ Elisabeth ◀ Brown, seine spätere Ehefrau, in der Firma Brown Chemicals Inc. kennen. Die Firma Brown Chemicals Inc. war von ▶ James ◀ Brown (● 1882, gestorben ◖ 1947) in ■ London gegründet worden. Er konnte von der Ehe mit ▶ Marie ◀ Durand (● 1879, gestorben ◖ 1951), die aus einer gut situierten ■ Pariser Familie stammte, sehr profitieren. ▶ James hat sein Geschäft in ■ London und in ◆ Paris, wo das Paar hauptsächlich lebte, ausge baut. Aus der Ehe z wischen ▶ Marie und ▶ James gingen ▶ Anna (● 1913, gestorben ◖ 1996) und ▶ Elisabeth (● 1915, gestorben ◖ 2014) hervor. ▶ Anna wurde bei einem Familienaufenthalt in ■ London geboren und verbrachte nach ihrer Schulzeit an einem Londoner Internat ihr Leben in ◆ London. Ihre Schwester ▶ Elisabeth wuchs zusammen mit den Eltern in ■ Paris auf und ar beitete bereits seit ihrer Jugend in der Firma von Papa ▶ James, wo sie ▶ Paul ◀ Wagner kennenlernte. Mit der Heirat zwischen ▶ Paul und ▶ Elisabeth wurde nicht nur der ehe liche, sondern auch der geschäftliche Bund besiegelt, aus dem die neu fus ionierte Firma Browag AG entstand. Im Jahr ● 1935 kam ▶ Hermann in ■ Paris auf die Welt (gestorben ◖ 1987), sieben Jahre später folgte seine Schwester ▶ Marie (● 1942, gestorben ◖ 2020). Weil die Leitung der Niederlassung in Wien viel Zeit in Anspruch nahm, ist ▶ Paul nie aus ◆ Wien weggezogen. Nach einigen Jahren kam es zur Trennung von ▶ Elisabeth und ▶ Paul. ▶ Paul entschied sich, seine Unternehmensanteile an ▶ Elisabeth zu verkaufen und aus der Firma Browag AG auszusteigen. Sohn ▶ Hermann beschloss, zum Studieren nach ◆ Wien zu gehen und bei seinen Großeltern ▶ Hermann und ▶ Emma zu leben. Marie hingegen wollte in ⬩ London Kunst studieren und verzichtete auf die unternehmerischen Möglichkeiten, welche ihr ihre Mut ter ▶ Elisabeth in ◆ Paris bot. ▶ Elisabeth ◀ Brown gilt als eine der erfolg reichsten Unternehmerinnen des 21. Jahrhunderts und überlässt ihr gesamtes Vermögen wohltätigen Organisationen mit dem Schwerpunkt Design. 21
Fließtext als Liste, mit Highlights strukturiert
Eine bloße Aufzählung von Daten als Liste strukturiert den zugrundeliegenden Text noch nicht. Eine Liste führt das Auge durch die aufgezählten Punkte. Der Mehrwert entsteht erst dadurch, dass die Satzstruktur durch die gleiche Anordnung miteinander vergleichbar wird. Die Symbole sollen dies noch etwas mehr verdeutlichen. Eine Muster erkennung ist zwischen den Zeilen möglich, aber noch nicht ganz einfach zu leisten.
▶ Vorname ◀ Familienname ● Geburtsjahr ◖ Sterbejahr ■ Geburtsort ◆ Lebensort
22
Die Geschichte der Unternehmer:innenfamilien
• ▶ Hermann ◀ Wagner, ● 1871 in ◆ Wien geboren, lebte in ◆ Wien, gestorben ◖ 1961, mit ▶ Emma ◀ Moser verheiratet, Kinder ▶ Otto und ▶ Paul • ▶ Emma ◀ Moser später ◀ Wagner, ● 1875 in ■ Wien geboren, lebte in ◆ Wien, gestorben ◖ 1960, mit ▶ Hermann ◀ Wagner verheiratet, Kinder ▶ Otto und ▶ Paul • ▶ Otto ◀ Wagner, ● 1901 in ■ Wien geboren, lebte in ◆ München, gestorben ◖ 1924 • ▶ Paul ◀ Wagner, ● 1914 in ■ Wien geboren, lebte in ◆ Wien, gestorben ◖ 2011, mit ▶ Elisabeth ◀ Brown verheiratet, Kinder ▶ Hermann und ▶ Marie • ▶ James ◀ Brown, ● 1882 in ■ London geboren, lebte in ◆ Paris, gestorben ◖ 1947, mit ▶ Marie ◀ Durand verheiratet, Kinder ▶ Elisabeth und ▶ Anna • ▶ Marie ◀ Durand später ◀ Brown, ● 1879 in ■ Paris geboren, lebte in ◆ Paris, gestorben ◖ 1951, Kinder ▶ Elisabeth und ▶ Anna • ▶ Elisabeth ◀ Brown später ◀ Wagner, ● 1915 in ■ Paris geboren, lebte in ◆ Paris, gestorben ◖ 2014, mit ▶ Paul ◀ Wagner verheiratet, Kinder ▶ Hermann und ▶ Marie • ▶ Anna ◀ Brown, ● 1913 in ■ London geboren, lebte in ◆ London, gestorben ◖ 1996 • ▶ Hermann ◀ Wagner, ● 1935 in ■ Paris geboren, lebte in ◆ Wien, gestorben ◖ 1987 • ▶ Marie ◀ Wagner, ● 1942 in ■ Paris geboren, lebte in ◆ London, gestorben ◖ 2020
23
Tabellarische Struktur
Wenn in eine Liste aus gleich strukturier ten Sätzen regelmäßige Abstände zwischen die einzelnen Satzteile einge baut werden, entsteht eine Tabelle. Die Anordnung von strukturierten Text elementen in einem Raster erzeugt eine gute Lesbarkeit und Vergleichbarkeit der Inhalte untereinander. Die im Vorfeld für Highlights verwendeten Symbole sind hier nicht mehr nötig – der Abstand zwischen den Satzteilen regelt die Zu gehörigkeit der Elemente von selbst, und es entstehen Spalten.
▶ Vorname ◀ Familienname ● Geburtsjahr ◖ Sterbejahr ■ Geburtsort ◆ Lebensort
24
Die Geschichte der Unternehmer:innenfamilien
◀ Familienname
▶ Vorname
■ Geburtsort
● Geburtsjahr
◆ Lebensort
◖ Sterbejahr
▶ Kinder
◀ Wagner
▶ Hermann
■ Wien
● 1871
◆ Wien
◖ 1961
▶ Otto ▶ Paul
◀ Wagner (◀ Moser)
▶ Emma
■ Wien
● 1875
◆ Wien
◖ 1960
▶ Otto ▶ Paul
◀ Brown (◀ Durand)
▶ Marie
■ Paris
● 1879
◆ Paris
◖ 1951
▶ Anna ▶ Elisabeth
◀ Brown
▶ James
■ London
● 1882
◆ Paris
◖ 1947
▶ Anna ▶ Elisabeth
◀ Wagner
▶ Otto
■ Wien
● 1901
◆ München
◖ 1924
◀ Brown
▶ Anna
■ London
● 1913
◆ London
◖ 1996
◀ Wagner
▶ Paul
■ Wien
● 1914
◆ Wien
◖ 2011
▶ Hermann ▶ Marie
◀ Wagner (◀ Brown)
▶ Elisabeth
■ Paris
● 1915
◆ Paris
◖ 2014
▶ Hermann ▶ Marie
◀ Wagner
▶ Hermann
■ Paris
● 1935
◆ Wien
◖ 1987
◀ Wagner
▶ Marie
■ Paris
● 1942
◆ London
◖ 2020
25
Tabellarische Struktur, verschachtelt
Eine Tabelle lässt sich durch neue An ordnungen so organisieren, dass sich wiederholende Begriffe einsparen lassen. Dadurch werden bereits in der Tabelle Muster erkennbar. Dieses Verschachteln in der Tabelle erhöht die Lesbarkeit um ein Vielfaches. Bei diesem Schritt ist es ratsam, immer mit derjenigen Spalte anzufangen, die am wenigsten Ausprägungen hat. In diesem Fall ist es der Familienname mit den zwei Ausprägungen Wagner und Brown.
▶ Vorname ◀ Familienname ● Geburtsjahr ◖ Sterbejahr ■ Geburtsort ◆ Lebensort
26
Die Geschichte der Unternehmer:innenfamilien
◀ Familienname
■ Geburtsort
◆ Lebensort
▶ Vorname
● Geburtsjahr
◖ Sterbejahr
▶ Kinder
◀ Wagner
■ Wien
◆ Wien
▶ Hermann
● 1871
◖ 1961
▶ Otto ▶ Paul
▶ Emma
● 1875
◖ 1960
▶ Otto ▶ Paul
▶ Paul
● 1914
◖ 2011
▶ Hermann ▶ Marie
◆ München
▶ Otto
● 1901
◖ 1924
■ Paris
◆ Wien
▶ Hermann
● 1935
◖ 1987
■ Paris
◆ London
▶ Marie
● 1942
◖ 2020
■ Paris
◆ Paris
▶ Marie
● 1879
◖ 1951
▶ Anna ▶ Elisabeth
▶ Elisabeth
● 1915
◖ 2014
▶ Hermann ▶ Marie
◆ Paris
▶ James
● 1882
◖ 1947
▶ Anna ▶ Elisabeth
◆ London
▶ Anna
● 1913
◖ 1996
◀ Brown
■ London
27
Hierarchische Struktur
Die Konstruktion eines Stammbaums basiert auf zwei Grundlagen: einerseits auf einer klaren Struktur, wie bei einer Tabelle, und zusätzlich auf den weiteren Informationen über die Verbindungen zwischen den einzelnen Personen aus dem Text. Die neu entstandene Ordnung erlaubt es, Muster noch schneller zu erkennen. Stammbäume sind eine oft verwendete Visualisierungsart zur Darstellung von Hierarchien in Gruppen. In diesem konkreten Beispiel zeigt der Stammbaum die Abfolgen und Bezie hungen zwischen den Generationen der beiden Familien. Meistens stellt eine Box eine Person dar, und die Knoten punkte und die linearen Verbindungen repräsentieren die Beziehungen zwi schen den Mitgliedern.
28
▶ Vorname ◀ Familienname ● Geburtsjahr ◖ Sterbejahr ■ Geburtsort ◆ Lebensort
Die Geschichte der Unternehmer:innenfamilien
◀ Wagner ▶ Hermann ■ Wien ● 1871 ◖ 1961 ◆ Wien
◀ Wagner (◀ Moser) ▶ Emma ■ Wien ● 1875 ◖ 1960 ◆ Wien
◀ Brown ▶ James ■ London ● 1882 ◖ 1947 ◆ Paris
◀ Brown (◀ Durand) ▶ Marie ■ Paris ● 1879 ◖ 1951 ◆ Paris
◀ Wagner ▶ Otto ■ Wien ● 1901 ◖ 1924 ◆ München
◀ Wagner ▶ Paul ■ Wien ● 1914 ◖ 2011 ◆ Wien
◀ Wagner (◀ Brown) ▶ Elisabeth ■ Paris ● 1915 ◖ 2014 ◆ Paris
◀ Brown ▶ Anna ■ London ● 1913 ◖ 1996 ◆ London
◀ Wagner ▶ Hermann jr. ■ Paris ● 1935 ◖ 1987 ◆ Wien
◀ Wagner ▶ Marie jr. ■ Paris ● 1942 ◖ 2020 ◆ London
29
1B Von den Daten zum Datenwürfel Um bei der Datenanalyse die Orientierung zu erleichtern und die unterschiedlichen Perspektiven auf einen Datensatz besser verständlich zu machen, haben wir die Metapher des Datenwürfels entwickelt. Dabei beziehen wir uns weniger auf die Tatsache, dass jeder Würfel genau sechs gleiche Seiten hat, sondern nutzen diesen Begriff im übertragenen Sinn, dass ein Würfel von ver schiedenen Seiten betrachtet werden kann. Wir könnten den Würfel aus diesem Grund auch als Metawürfel oder Hyperwürfel bezeich nen, belassen es der Einfachheit halber aber bei Datenwürfel. Beispielsweise kann jede Spalte einer Tabelle, das heißt jede Daten dimension, als eine Seite des Würfels verstanden werden. Die hier vorgestellten Schritte der Datenanalyse gehören in den Bereich der einfachen explorativen Statistik. Wir wollen nur so viel Data Science betreiben, wie für die nächsten Kapitel notwendig ist, um durch die Analyse der Daten unterschiedliche Perspektiven auf den Beispieldatensatz der Unternehmerfamilien zu geben.
31
Datendimensionen als Perspektiven auf einen Datenwürfel
Familienname
Vorname
Geburtsort
Geburtsjahr
Lebensort
Sterbejahr
Wagner
Hermann
Wien
1871
Wien
1961
Wagner (Moser)
Emma
Wien
1875
Wien
1960
Brown (Durand)
Marie
Paris
1879
Paris
1951
Brown
James
London
1882
Paris
1947
Wagner
Otto
Wien
1901
München
1924
Brown
Anna
London
1913
London
1996
Wagner
Paul
Wien
1914
Wien
2011
Wagner (Brown)
Elisabeth
Paris
1915
Paris
2014
Wagner
Hermann jr.
Paris
1935
Wien
1987
Wagner
Marie jr.
Paris
1942
London
2020
32
Die Metapher des Datenwürfels hilft, einen Datensatz unter verschiedenen Blickwinkeln zu betrachten. Diese Perspektiven bezeich nen wir als Datendimensionen (hier als Spalten der Tabelle). Die Unternehmerfamilie kann unter dem Aspekt der Familiennamen, der Lebensorte oder unter beliebig anderen Perspektiven betrachtet werden. Wichtig ist, dass im Kern immer derselbe Datensatz steht. Jeder Betrachtungswinkel ergibt eine andere Herangehensweise, Analyse, Aussage und Story. Die Daten aus dem ersten Teil dieses Kapitels sind hier in tabellarischer Form auf der linken Seite aufgelistet. Aus den be stehenden Daten können aber auch neue Daten, Gruppen oder Kategorisierungen abgeleitet werden: Aus den Vornamen lässt sich das Geschlecht ableiten, aus dem Geburtsdatum die Generation, aus dem Lebensort und dem Geburtsort der Umzug, aus dem Geburts- und Sterbejahr das Todesalter und aus diesem auch die Alters gruppe. Diese neuen Daten befinden sich in der Tabelle auf der rechten Seite.
Drei der 11 Datendimensionen als Perspektiven auf drei Seiten des Daten würfels der Unternehmer:innenfamilien.
■ Geburtsort
● Geburtsjahr
◀ Familienname
Geschlecht
Generation
Umzug
Todesalter
Altersgruppe
M
1
N
90
> 85
W
1
N
85
70 – 85
W
1
N
72
70 – 85
M
1
J
65
85
M
3
J
52
85
W
1
N
85
70 – 85
W
1
N
72
70 – 85
M
1
J
65
85
M
3
J
52
85
W
1
N
85
70 – 85
W
1
N
72
70 – 85
M
1
J
65
85
M
3
J
52
85 (3)
51
Flächengröße 100 % im Winkel als Kreis
2A.9 Menge
Altersgruppe
Wenn sich alle Mengen auf 100 Prozent addieren und jeder Wert als Prozentsatz eines 360-Grad-Kreises berechnet wird, entsteht das bekannte Kreis diagramm. Dass es so weit verbreitet ist, verdankt es der Computersoftware, mit der diese Kreisdiagramme leicht entworfen werden können. Eine Konstruktion mit Zirkel und Lineal wäre im analogen Alltag wohl zu aufwendig.
70–85 (4)
< 70 (3)
> 85 (3)
52
Flächengröße 100 % im Winkel als Kreissegment
2A.10 Menge
Altersgruppe
Wenn der Platz für einen Vollkreis wie auf der linken Seite (2A.9) nicht ausreicht oder es sinnvoller ist, den Kreis nur als Segment zu zeigen, dann können die 100 Prozent der Werte auch auf 180 Grad oder 90 Grad verteilt werden. Ob Vollkreis oder Kreissegment – dies ist eher eine gestalterische als eine mathematische Entscheidung.
70–85 (4)
< 70 (3)
> 85 (3)
53
Flächengröße 100 % im Winkel als Kreis-Ring
2A.11 Menge
Altersgruppe
Dieses Diagramm ist im Grunde genauso zu verwenden und zu berechnen wie das Kreisdiagramm 2A.9. Dieser Typ ist dem Kreisdiagramm vorzu ziehen, wenn in der Mitte eine Zusatzinfo platziert werden soll, z. B. die Gesamtmenge als Zahl. Häufig wird diese Art von Diagramm als DonutDiagramm bezeichnet.
70–85 (4)
< 70 (3)
> 85 (3)
54
Flächengröße 100 % als Rechteck
2A.12 Menge
Altersgruppe
Die Aufteilung der 100 Prozent muss nicht unbedingt als Kreis erfolgen, sondern kann auch als Rechteck in Kombination mit weiteren Rechtecken dargestellt werden. Diese Art von Diagramm wird als Treemap bezeich net. Die Berechnung der einzelnen Rechteck-Größen ist ein Stück kom plizierter als bei allen tortenähnlichen Diagrammen mit der 360-GradVerteilung.
< 70 (3) 70–85 (4) > 85 (3)
55
Flächengröße 100 % als Rechteck abzählbar
2A.13 Menge
Altersgruppe
Die Fläche eines Rechtecks kann aus 100 abzählbaren Punkten bestehen und so 100 Prozent einer Mengenverteilung repräsentieren. Wir haben diesen Diagrammtyp als Kombination vom 2A.12 und 2A.6 entdeckt und sind sicher, dass sein Potential noch nicht ausgeschöpft ist. Ohne die Existenz von Computern wäre dieser Typ wahrscheinlich viel verbreiteter, weil er sich per Hand schnell und intuitiv erstellen lässt.
< 70 (3) 70–85 (4) > 85 (3)
56
2B Position
Punkte sind in einem Koordinatensystem nicht verhandelbar; sie müssen genau stimmen. Als Repräsentanten von Positionen sind die Punkte im Raum bei diesen Darstellungsformen substanziell für die Hauptaussage: Jeder Punkt hat eine ganz bestimmte Bedeutung. Wir unterscheiden fünf positionsbezo gene diagrammatische Elemente. Im Alltag sind die häufigsten Darstellungsformen Koordinatensysteme mit zwei Achsen und geografische Karten.
59
Punkte im Raum Eine Koordinatenachse
2B.1 Position
Lebensort
Punkte auf einer Koordinatenachse mit einer Skala sind eine sehr präzise Art, Daten darzustellen, da jeder Wert eine eindeutig definierte Position hat. Ein Nachteil ist, dass die Menge sich nicht sofort als Größe wahrnehmen lässt, sondern erst mittels der Position entschlüsselt werden muss. Außerdem ergeben sich manchmal Schwierigkeiten bei der Überschneidung gleicher Werte.
Personen 5 4
Wien
3
Paris
2
London
1
München
0
60
Punkte im Raum Zwei Koordinatenachsen
2B.2 Position
Lebensort
Das typische Koordinatensystem besteht aus zwei Achsen und eröffnet damit Raum, Werte mit zwei Dimensionen an einer exakten Position zu platzieren. Der mögliche Überschneidungsraum ist im Vergleich zu 2B.1 kleiner, da die Ausprägungen (z. B. Städte und Personenanzahl) auf jeweils eine eigene Achse ausgelagert sind. Zweidimensionale Achsen können in beide Richtungen auch einen negativen Zahlenraum aufweisen, wodurch eine Kreuzform mit vier Feldern entsteht.
London München Paris Wien
0
1
2
3
4
5
Personen
61
Punkte im Raum Drei Koordinatenachsen
2B.3 Position
Lebensort Umzug
Punkte in einem dreidimensionalen Raum benötigen drei Achsen, welche die Lesbarkeit oft beeinträchtigen: Es ist manchmal schwierig zu beurteilen, auf welcher Achse sich welcher Punkt befindet. Abhilfe können hier die interaktiven Möglichkeiten eines drehbaren virtuellen Raums schaffen.
Personen 4 3 nein
2 ja
1
Paris
Wien
London
München
0
62
Punkte im Raum Polarachsen
2B.4 Position
Lebensort
Im Polar-Koordinatensystem hat jeder Punkt eine bestimmte Position auf einer Skala in Verbindung mit einer Richtung. Auf diese Weise können, wie in 2B.2, Überschneidungen vermieden und weitere Aussagen über eine bestimmte Gruppe von Daten gemacht werden.
Wien Personen
München
Paris
London
63
Punkte im Raum Geografische Koordinaten
2B.5 Position
Lebensort
Karten können als Punkte im Raum mit geografischen Koordinaten verstanden werden. Die zugrundeliegenden Koordinaten müssen nicht immer auf einer exakten Karte abgebildet sein, sondern können auch ein kreatives, gedankliches Raster bilden, das Richtungen und Verhältnisse aufzeigt. Länder müssen nicht immer mit komplexen Umrissen wiedergegeben, sondern können auch je nach Aussage reduziert dargestellt sein.
London
München
Wien
Paris
1 Punkt = 1 Person
64
2C Beziehung
Beziehungsdarstellungen zeigen die Verbindungen zwischen mehreren Punkten in einer bestimmten Logik auf. Beziehungen können netzwerkartig, hierarchisch und auch verschachtelt dargestellt werden. Grundsätzlich bestimmt der spezifi sche Inhalt die Darstellungsform.
67
Netzwerk ohne Hierarchie
2C.1 Beziehung
Familie
Das Netzwerk ohne hierarchische Struktur (Richtung) ist das Grunddiagramm der Beziehungsdarstellung. Es baut auf dem Prinzip auf, dass sich Elemente (Knoten) durch Kanten (Verbindungen) miteinander verbinden lassen. Eine Menge kann anhand der Anzahl von Verbindungen repräsentiert werden. Auch kann die Länge der Verbindungslinie eine Bedeutung haben. Netzwerke sind in ganz vielen Gebieten im Einsatz, sind aber manchmal ab einer gewissen Datenmenge nicht mehr eindeutig lesbar.
1 Punkt = 1 Person
68
2C.2 Beziehung
Netzwerk Hierarchisch
Familie
Ein hierarchisches Netzwerk weist eine Verschachtelung oder eine Abfolge in der Beziehung auf. Das Prinzip ist dem von 2C.1 sehr ähnlich, mit dem Unterschied, dass es hier eine über geordnete Struktur, eventuell auch eine bestimmte Leserichtung gibt. Ein Stammbaum etwa ist ein Beispiel für den Diagrammtyp einer ungerichteten Hierarchie. Wenn die Linien eine Richtung (mit einem Pfeil) wiedergeben, wird der Hierarchie noch eine Prozessdarstellung hinterlegt.
1 Punkt = 1 Person
69
Netzwerk Linear
2C.3 Beziehung
Familie
Ein Netzwerk, welches linear dargestellt wird, enthält ähnlich einer Skala (2B.1) alle Punkte auf einer Achse. Dadurch ergeben sich weitere Möglichkeiten, den Raum anders zu nutzen und eine neue Ordnung bei den Verbindungen (Knoten) zu schaffen. An wendungen mit festgelegter Hierarchie oder Reihenfolge sind hier jeweils denkbar. Überlagerungen von Linien zeigen Häufungen auf.
1 Punkt = 1 Person
70
Netzwerk Zirkulär
2C.4 Beziehung
Familie
Die Netzwerkdarstellung im Kreis zeigt die Beziehungen einer in sich geschlossenen Gruppe. Dabei sind die Punkte (Knoten) auf einer Kreislinie verortet. Ähnlich dem linearen Netzwerk 2C.3 werden hier Häufungen von Verbindungslinien ersichtlich. Im Fall von einer gerichteten Darstellung können auch wechselseitige Bewegungen in einem System dargestellt werden.
1 Punkt = 1 Person
71
Verschachtelung Schnittmengen
2C.5 Beziehung
Familie
Wagner
Beziehungen können auch ohne Verbindungslinien in einem definierten Raum dargestellt werden. Nach den Grund regeln der mathematischen Mengenlehre lassen sich Schnittmengen, Teilmengen und Verbindungsmengen bilden. Im Beispiel zeigen die verschiedenen Ebenen und Überlagerungen spezifische Informationen auf.
Brown
1 Punkt = 1 Person
72
Verschachtelung Stapelung
2C.6 Beziehung
Geburtsort Familie Paris W
Wien
Wenn Beziehungen auf eine hierarchische Struktur hindeuten, aber keine Verbindungslinien haben (2C.2), dann ist die Stapelung eine geeignete Darstellungsform: Die Strukturen werden dadurch gut sichtbar und weisen auf jeder Ebene dieser Verschachtelung genauere Details auf.
London
W B
B
1 Punkt = 1 Person
73
Verschachtelung Matrix
2C.7 Beziehung
Geburtsort Familie Paris
Wien
Eine Matrix ist eine Tabelle, die zweidimensionale Beziehungen zeigt. Dabei wird die Korrelation zwischen einer bestimmten Spalte und einer bestimmten Zeile betrachtet. Es ist auch möglich, mit Mengen am Schnittpunkt zu arbeiten.
London
Wagner
Brown
1 Punkt = 1 Person
74
3C Linie 3B Form 3A Farbe
3F Isotype 3E Kontur 3D Muster
3 Visuelle Dimensionen Die 40 Elemente der visuellen Dimensionen beantworten die Frage, wie Inhalte visuell unterschieden werden können. Unser Ziel ist es, deutlich zu machen, dass es neben einer farblichen Unterscheidung viele weitere Möglichkeiten gibt, eine Zahl oder einen Text visuell attraktiv und klar verständlich zu übersetzen. Dieses Kapitel nutzt Erkenntnisse aus den Bereichen Grafikdesign, Wahrnehmungspsycho logie, Kartografie und Bildstatistik. Die hier vorgestellten Elemente sind in folgende sechs Gruppen eingeteilt: Farbe, Form, Linie, Muster, Kontur und die spezielle Gruppe der Isotypen nach Otto Neurath. Wir haben diese aus meh reren Bildstatistik-Publikationen von Otto Neurath analysiert; sie werden hier erstmals in einer abstrakten, allgemeingültigen Form visualisiert (3F). Die Elemente der visuellen Dimensionen eignen sich besonders dazu, die Ausprägungen des Datentyps Kategorie zu unterscheiden. Es lassen sich alle Informationen kategorisieren, die sich in eine Gruppe zusammenfassen lassen, zum Beispiel die Familiennamen als Kategorie mit den zwei Ausprägungen Wagner und Brown. Jedes einzelne Element aus diesem Kapitel wird mit einem Icon symbolisiert, mit einem einfachen Beispiel aus unserem Datensatz visualisiert und einer kurzen Erklärung unterstützt.
77
3A Farbe
Die Farbe ist eines der offensicht lichsten und am häufigsten ver wendeten Unterscheidungsmerkma le in Diagrammen. Jedes Software- Tool für Datenvisualisierung verwen det standardmäßig Farbe für die Unterscheidung von Datendimensio nen oder von Wertebereichen. Wir führen hier sechs mögliche visuelle Elemente aus der Gruppe der Far ben auf. Einige Prinzipien eignen sich für das Skizzieren von Hand, wäh rend andere nur digital nützlich sind.
79
Grundfarben
3A.1 Farbe
Familie
Brown
Grundfarben sind ein leicht zu ver wendendes Element mit guter Unter scheidbarkeit. Es gibt allerdings nur neun gut differenzierbare Farben: Gelb, Orange, Rot, Rosa, Violett, Blau, Grün sowie Braun und Schwarz. Farbe bietet auch eine sehr gute Möglichkeit, beim Skizzieren von Visualisierungen Kate gorien gut voneinander absetzen.
Wagner
1 Punkt = 1 Person
80
Sättigung mit Weiß
3A.2 Farbe
Familie
Eine Alternative zur Verwendung von unterschiedlichen Farben ist die Mischung einer Hauptfarbe mit Weiß. So lassen sich von einer Farbe mehrere unterschiedliche Abstufungen er stellen. Auch ästhetisch kann es sehr schön sein, mit wenigen Farben zu arbeiten. Diese Art der Farbabstufung eignet sich besonders für Abstufungen in Zeitreihen, beispielsweise hell für neuere, dunkel für ältere Werte.
Wagner
Brown
1 Punkt = 1 Person
81
Sättigung mit Schwarz
3A.3 Farbe
Unter Sättigung mit Schwarz versteht man das Hinzufügen von Schwarz zu einer Farbe. Genau wie in 3A.2 ist diese Sättigung gut geeignet, um Sequenzen darzustellen. Dunkle Ab stufungen werden dabei eher als Verschmutzungen oder veraltete Zeit punkte wahrgenommen. Besonders gut für Abstufungen eignen sich Blau-, Grün- und Grautöne, da das menschliche Auge darauf trainiert ist, Himmel, Wald und Dämmerung wahrzunehmen.
Familie
Wagner
Brown
1 Punkt = 1 Person
82
Verlauf
3A.4 Farbe
Familien- und Geburstname Durand– Brown
Brown
Ein Farbverlauf kann zur Unterschei dung von Datenausprägungen dienen. Dazu wird eine fließende Farbskala zwischen zwei oder mehr Farben erstellt. Die Wirkung hängt stark vom Kontrast der gewählten Farben ab. Besonders spannend wird es, wenn die Mischung der Farben mit einer Bedeutung versehen wird.
Wagner– Moser
Wagner
Brown– Wagner
1 Punkt = 1 Person
83
Gefüllt und leer
3A.5 Farbe
Familie
Brown
Eine gefüllte Form bildet zu einer leeren einen starken Kontrast. Seine Wahrnehmung erlaubt sowohl die Interpretation voll / leer als auch viel / wenig. Durch die Kombination mit verschiedenen Formen oder Farben kann der differenzierende Effekt dieses Elements vervielfacht werden.
Wagner
1 Punkt = 1 Person
84
Transparenz
3A.6 Farbe
Familie
Durand– Brown
Die Transparenz einer Form wird erst klar sichtbar, wenn sich mehrere Formen überlagern. Sie eignet sich in erster Linie für flächige Darstellun gen. Das Überlagern der Formen kann eine zusätzliche Bedeutung erlangen.
Wagner– Moser
Brown– Wagner
1 Punkt = 1 Person
85
3B Form
Die Form ist neben der Farbe eines der wichtigsten visuellen Unter scheidungsmerkmale. Besonders vorteilhaft ist die Verwendung bei abzählbaren Diagrammtypen, sie ermöglichen eine schnelle Lesbarkeit. Unterschiedliche Formen eignen sich auch sehr gut für rasche Analy sen per Handskizze. Wir haben acht mögliche visuelle Elemente aus der Gruppe der Formen definiert.
87
Geometrisch
3B.1 Form
Umzug
ja
Es gibt eine begrenzte Anzahl von leicht unterscheidbaren geometrischen Formen, die auch in kleinen Formaten visuell funktionieren. Die Form als Unterscheidungsmerkmal ist auch ein sehr gutes Werkzeug für eine schnelle Handskizze.
nein
1 Punkt = 1 Person
88
Organisch
3B.2 Form
Umzug
ja
Verschiedene organische Formen können zur Unterscheidung von Daten ausprägungen verwendet werden. Bei der Nutzung von zwei oder mehre ren organischen Formen ist darauf zu achten, dass sie genug voneinander unterscheidbar sind. Abstrakte organi sche Formen können manchmal auch als Objekt, beispielsweise als Blume, wahrgenommen werden. Eine bewusste Auswahl der Formen ist daher wichtig.
nein
1 Form = 1 Person
89
Rotation
3B.3 Form
Umzug
nein
Rotation eignet sich besonders für zwei Ausprägungen der gleichen Form. In Kombination mit Farbe lassen sich die Ausprägungen dann vervielfachen. Das Element der Rotation kann auch dazu verwendet werden, eine Grafik zum Beispiel um 90 Grad zu drehen oder einzelne grafische Elemente von einem Punkt aus zu drehen.
ja
1 Form = 1 Person
90
Richtung
3B.4 Form
Umzug
nein
Wenn eine Form die Eigenschaft hat, in eine bestimmte Richtung zu weisen, dann kann man bewusst mit diesem Element arbeiten. Das Dreieck bei spielsweise ist eine genügend domi nante Form, die in alle vier Richtungen zeigen kann.
ja
1 Form = 1 Person
91
Stapelung
3B.5 Form
Umzug
Das Stapeln von Formen kann zwei Datenausprägungen visuell voneinan der unterscheiden: Mengenunter schiede durch Stapeln oder Stapeln als Formunterscheidung. Im ersten Fall ermöglicht es das schnelle Zählen von Mengen durch eine kompakte Darstellung und im zweiten Fall, wie im Beispiel links, entsteht eine andere visuelle Form.
ja nein
1 Punkt = 1 Person
92
Unschärfe
3B.6 Form
Umzug
Die Unschärfe einer geometrischen Form funktioniert zur Unterscheidung besonders gut, wenn die gleiche Form auch mit scharfen Kanten vorhanden ist. Sie kann ein gutes visuelles Werk zeug sein, um Unsicherheiten in Daten sätzen anzuzeigen. nein
ja
1 Punkt = 1 Person
93
Transformation
3B.7 Form
Umzug
nein
Die Transformation einer Grundform schafft eine oder mehrere neue For men. Die Transformation kann auch dazu verwendet werden, Formen drei dimensional im Raum erscheinen zu lassen oder Bewegung zu zeigen. ja
1 Form = 1 Person
94
Volumen
3B.8 Form
Umzug
ja
Jede zweidimensionale Form lässt sich auch dreidimensional im Raum dar stellen. Dies ermöglicht die Repräsen tation von Volumen oder Mengen. Es ist wichtig, die Berechnung von 2DFlächen zu 3D-Körpern im Auge zu behalten, um grobe Wahrnehmungsver zerrungen zu vermeiden.
nein
1 Form = 1 Person
95
3C Linie
Die Art einer Linie wird als Unter scheidungsmerkmal oft unterschätzt. Neben Diagrammen mit Linienlänge (2A) wie beispielsweise dem Balken diagramm birgt gerade die Darstellung von Beziehungen (2C) ein großes Potenzial für verschiedene Linienar ten. Eine Linie, die etwas verbindet, kann leicht mit zusätzlichen Infor mationen angereichert werden. Drei bis fünf verschiedene Linienarten können maximal unterschieden wer den. Wir haben acht verschiedene Linientypen der visuellen Dimension definiert.
97
Farbe
3C.1 Linie
Die Linienfarbe ist ein häufiges und gut funktionierendes Unterscheidungs merkmal von Kategorien bei Linien längen (2A) oder Beziehungsdarstellun gen (2C). Siehe auch Farbe (3A).
Altersgruppe
< 70
70–85
> 85
1 Strich = 1 Person
98
Stärke
3C.2 Linie
Altersgruppe
Die Linienstärke ist ein klares Unter scheidungsmerkmal, solange es nicht zu viele unterschiedliche Dicken gibt. Die Linienstärke sollte nicht für Mengen, sondern nur für Kategorien verwendet werden, da es durch unter schiedliche Längendarstellung schnell zu falscher Wahrnehmung kommen kann.
> 85 70–85 < 70
1 Strich = 1 Person
99
Unterbrechung
3C.3 Linie
Altersgruppe
Beim Unterscheiden durch gestrichelte Linien ist darauf zu achten, dass die einzelnen Segmente und Linienlängen unterschiedlich genug sind. Gestri chelte Linien können sowohl für Kate gorie-Daten (unterschiedliche Strichlie rungen) als auch für Zahlen-Daten (Strichlänge / Lücken im Verhältnis zu Zahlen) verwendet werden.
70–85 (4) < 70 (3)
> 85 (3)
7.5 mm = 1 Person
100
Aufrauung
3C.4 Linie
Altersgruppe
Eine Linie kann mit einer runden oder gezackten Wellenform versehen werden. Jede Wellenfrequenz und Form kann einer anderen Merkmalsausprä gung einer Kategorie zugeteilt werden. Entweder, es wird die Linienlänge abgemessen oder es wird abgezählt, wie viele Wellen oder Zacken pro Einheit vorhanden sind.
< 70 (3)
> 85 (3) 70–85 (4)
7.5 mm = 1 Person
101
Details
3C.5 Linie
Altersgruppe
Ein oft verwendetes Element der Kartografie ist die Anreicherung von Linien mit verschiedenen Details. Diese kennzeichnen Straßen, Fußwege und Schienen. Bei der Kreation eigener Linien mit Details auf Karten ist darauf zu achten, dass keine falschen Assoziationen entstehen (zum Beispiel eine Landesgrenze). Linien mit Details können aber auch unabhängig von Karten als visuelle Unterscheidung verwendet werden.
< 70 (3)
70–85 (4)
> 85 (3)
7.5 mm = 1 Person
102
Organisch
3C.6 Linie
Altersgruppe
Durch die Biegung der Linien können unzählige organische Formen ent stehen. Diese Linienart kann thema tisch unterstützend verwendet werden. Im Vergleich zur Aufrauung 3C.4 ist bei der Biegung die Frequenz einer Welle nicht relevant.
< 70 (3)
> 85 (3)
70–85 (4)
7.5 mm = 1 Person
103
Detail Anfang oder Ende
3C.7 Linie
Altersgruppe
Unterschiedliche Details am Ende oder am Anfang einer Linie bieten eine klare und einfache Möglichkeit, Unter scheidbarkeit zwischen Datenaus prägungen zu erreichen. Hierbei ist wichtig, dass diese Details groß genug sind, um gut unterschieden werden zu können.
< 70 (3) 70–85 (4) > 85 (3)
7.5 mm = 1 Person
104
Pfeil
3C.8 Linie
Altersgruppe
Pfeile als gerichtete Endpunkte von Linien sind heute aus dem Alltag nicht mehr wegzudenken: Alle wissen, dass ein Dreieck am Ende einer Linie eine Richtung angibt. Pfeile sind wichtig für Abläufe und andere gerich tete Diagramme und können auch gut in Kombination mit ungerichteten Linien verwendet werden.
< 70 (3) 70–85 (4) > 85 (3)
7.5 mm = 1 Person
105
3D Muster
Das Füllen einer Fläche mit einem Muster ist eine gute Möglichkeit, beim Ausmalen von Hand etwas Zeit oder beim Ausdrucken etwas Tinte zu spa ren. Für eine gute Unterscheidbar keit sollten die mit Muster gefüllten Formen groß genug sein. Es ist wichtig zu beachten, dass Muster je nach ihrer Größe und Dichte unterschiedlich wahrgenommen werden. Auf Karten werden Muster häufig als thematische Ebenen verwendet. In unserem Sys tem definieren wir fünf verschiedene Elemente der Gruppe Muster.
107
Textur
3D.1 Muster
Generation
Bei der Verwendung von Mustern zum Füllen einer Fläche ist es am besten, eine Textur zu wählen, die möglichst leicht zu unterscheiden ist. Im Allge meinen ist dafür eine bestimmte Größe der Elemente erforderlich.
1. (4) 3. (2) 2. (4)
108
Linie mit Unterbrechung
3D.2 Muster
Generation
Eine Fläche kann als Muster mit Linien gleicher Dicke und gleichem Abstand gefüllt werden. Die Unterbrechung der Linie kann dabei ein Unterscheidungs merkmal sein. Dieses Prinzip kann zum Beispiel Unsicherheiten in einem Datensatz darstellen.
3. (2) 1. (4)
2. (4)
109
Linienstärke
3D.3 Muster
Generation
Das Element der Linienstärke funk tioniert im Muster allein nur dann gut, wenn es nicht zu viele Datenausprä gungen gibt. Ähnlich wie in 3D.4 kann es zur Visualisierung von Dichte verwendet werden. Farbe kann hier unterstützend wirken.
3. (2) 1. (4)
2. (4)
110
Dichte
3D.4 Muster
Generation
Im Vergleich zum Füllen einer Fläche mit einem Linienmuster besteht bei der Musterdichte das Muster nicht aus einer Linie, sondern aus Punkten oder anderen Formen. Wichtig ist, dass das Grundelement des Musters für alle Dichtestufen gleich ist, um zwischen ihnen den Unterschied wahrnehmen zu können.
3. (2) 1. (4)
2. (4)
111
Richtung
3D.5 Muster
Generation
Die Richtung eines Musters ist eine relativ schwache Unterscheidung. Das Element kann durch Spiegelung eines Musters entstehen, ohne weitere Änderungen an der Form selbst vorzu nehmen. Großflächig kann dieses Prinzip beispielsweise auf Karten er folgreich angewendet werden.
1. (4)
3. (2)
2. (4)
112
3E Kontur
Die Kontur kann dazu verwendet werden, einer Form eine zusätzliche Bedeutungsebene zu geben oder eine Gruppe von Formen zusam menzuhalten. Oft werden Konturen auch als Umrisslinien bezeichnet. Wie bei den Linienarten ist darauf zu achten, dass je nach Art nicht mehr als drei bis fünf unterschied liche Konturenarten differenziert werden können. Wir haben fünf unterschiedliche Elemente definiert.
115
Farbe
3E.1 Kontur
Geburtsort
London (2)
Paris (4)
Die Kontur einer Form kombiniert mit Farbe ist ein sehr gutes Unter scheidungsmerkmal. Farbige Konturen sind eine sehr schnelle Methode, um kleine Visualisierungen von Hand zu erstellen. Auch gefüllte flächige Formen lassen sich durch eine unter schiedliche Konturfarbe mit zusätz licher Bedeutung anreichern.
Wien (4)
116
Unterbrechung
3E.2 Kontur
Geburtsort
London (2)
Bei der Unterbrechung der Kontur muss darauf geachtet werden, dass die Abstände und Linienlängen unter schiedlich genug sind, genau wie bei der Linienunterbrechung in 3C.3. Dies gilt insbesondere bei kleinen Größen. Paris (4)
Wien (4)
117
Stärke
3E.3 Kontur
Geburtsort
Die Konturstärke gibt die Dicke der Linie an. Je nach Größe der Grundform sollten nicht allzu viele unterschied liche Linienstärken definiert werden, da diese mit bloßem Auge schwer zu unterscheiden sind, wenn der Abstand zwischen den Formen zu gering ist.
London (2)
Paris (4)
Wien (4)
118
Form
3E.4 Kontur
Geburtsort
Die Kontur kann eine eigene Form annehmen und allein stehen oder auch eine bestehende Form umranden. Das Verschachteln einer Form mit einer Kontur führt zu einer leicht unterscheid baren neuen Form.
London (2)
Paris (4)
Wien (4)
119
Details
3E.5 Kontur
Geburtsort
Details können gut mit einer Kontur kombiniert werden. So lassen sich neue und leicht unterscheidbare Konturen schaffen. Siehe auch 3C.5.
Wien (4) Paris (4)
London (2)
120
3F Isotype
Otto Neurath1 war Anfang des zwanzigsten Jahrhunderts ein bedeu tender österreichischer Wissenschaftler und Pionier der sogenannten »Wiener Methode der Bildstatistik«. Zusammen mit dem Grafiker Gerd Arntz entwickelte er das heute teilweise noch bekannte »Inter national System of Typographic Picture Education« Isotype. Da Neurath in den letzten 15 Jahren eine große Inspirationsquelle unserer Datenvisualisierungen war, wollen wir das folgende Kapitel der Isotype widmen. Aus der visuellen Analyse zahlreicher Publi kationen, insbesondere des Gesellschafts- und Wirtschaftsatlas von 1931, haben wir acht Prinzipien in acht Elemente definiert. Im Gegensatz zu den sehr abstrakten Formen der vorhergehen den Unterkapitel sind die figürlich abbildenden Formen das besondere Merkmal der Prinzipien der Isotype. Wir haben in unserer Analyse aber auch ein paar Prinzipen erarbeitet, welche auch für abstrakte Formen funktionieren. Wir haben bereits darauf hingewiesen, dass abbildende Formen direkte Assoziationen bei Betrachterinnen und Betrachtern aus lösen und dass dabei manchmal zusätzliche und unangemessene Bedeutungen hineininterpretiert werden. Die Gefahr der Manipulation oder des Missverständnisses durch einen falschen kulturellen Kontext ist groß. Wir raten deshalb davon ab, mit abbildenden Formen zu arbeiten, wenn nicht die richtigen Icons vorhanden sind oder wenn eine mögliche falsche Interpretation naheliegt. Die Icons auf den folgenden Seiten, außer dem Icon der Frau, sind aus dem visuellen Vokabular der Isotype der Dreißigerjahre des letz ten Jahrhunderts entnommen. Es ist uns bewusst, dass die damaligen Abbildungen den Ansprüchen der Genderkorrektheit und Inklusion nicht gerecht werden.
123
Abbildende Form
3F.1 Isotype
Geschlecht
Abbildende Figuren aus dem IsotypeSystem bezeichnen die bildliche Übersetzung von konkreten Begriffen (zum Beispiel Arbeiter, Stuhl). Heute sind die Begriffe Icons und Pikto gramme gebräuchlicher. Bei abbilden den Formen ist es wichtig, dass diese in gleicher Größe und zählbar dargestellt werden. Wenn ein Icon größer ist als das andere, besteht die Gefahr von Fehlinterpretationen, beispielsweise, dass die größere Figur einen Erwachsenen und die kleinere ein Kind darstellt.
weiblich
männlich
124
Abbildende Form Detail
3F.2 Isotype
Geschlecht
Bei den abbildenden Formen mit Details sollte die Grundform groß ge nug sein, damit die Varianten leicht voneinander unterschieden werden können. Je kleiner die Icons sind, desto schwieriger ist es, die Einzelheiten zu erkennen. Das Detail muss sich nicht in der Form befinden, sondern kann auch als Unterscheidungsmerkmal neben der Form stehen. Wichtig ist es, die Interpretation der neu geschaffenen Icon-Kombinationen mitzudenken.
weiblich
männlich
125
Richtung
3F.3 Isotype
Umzug
Die Richtung bei den abbildenden Formen ist sehr gut geeignet für Begrif fe, die eine Bewegung beschreiben. Wichtig ist hierbei, dass auch deren Richtung zum Beispiel durch die Stel lung der Beine erahnt werden kann. Ebenso ist es sinnvoll, Figuren und alle abbildenden Formen generell nur vertikal zu halbieren.
ja
nein
126
Hintergrund Schattiert
3F.4 Isotype
Umzug
Schatten eignen sich sowohl für ab bildende als auch für abstrakte Formen. Sie werden in der Isotype Bildstatistik dazu verwendet, ein Vielfaches einer Menge visuell zu übersetzen. Der Effekt der Tiefe, der durch Schatten entsteht, kann aber auch für andere Themen Verwendung finden.
ja
nein
127
Hintergrund / Vordergrund
3F.5 Isotype
Umzug
Abstrakte, einfache Details hinter oder vor einer Form sind einfache grafische Mittel, um eine bestimmte Aussage hervorzuheben oder zu unterstreichen. Dieses Element lässt sich sowohl mit abbildenden Formen als auch mit den abstrakten Formen gut kombinieren.
ja
nein
128
Hintergrund Flächig
3F.6 Isotype
Umzug
Ein beliebtes Isotype-Stilmittel ist das Zusammenhalten von einzelnen, oft zählbaren Formen durch eine Hinter grundfläche. Diese kann sowohl abstrakt in einer Farbe als auch mit einem Farbverlauf oder sogar als Landesflagge gestaltet sein. Möglich ist auch die Umkehrung der Farben von der Vordergrundform zur Hintergrundfläche.
ja
nein
129
Rahmen oder Trennlinie
3F.7 Isotype
Geburtsort
Eine geschlossene Linie als Rahmen kann eine Gruppe von Elementen zusammenhalten. Wenn die Linie nicht geschlossen ist, sondern nur einen Bereich trennt, spricht man von einer Trennlinie. Im Gegensatz zu 3E dient die Linie hier nicht als Umriss der Form.
Wien London Paris
130
Hintergrund Abbildend
3F.8 Isotype
Geburtsort
Ein illustrativer Hintergrund ist neben einer einfachen Fläche (3F.6) und einem einfachen Rahmen (3F.7) das letzte Element der Isotype-Prinzipien zur Unterscheidung von Gruppen. Illustrationen können einen Kontext zu den Informationen im Vordergrund geben. Wichtig zu beachten ist hierbei allerdings, dass der Hintergrund in der Gesamtkomposition nicht visuell dominanter wirken darf als der Vordergrund.
Wien
Paris
London
131
4B Gruppierung 4A Sortierung
4 Strukturierende Dimensionen In diesem Kapitel kommen die diagrammatischen und die visuellen Elemente in einer neuen grafischen Form mit 15 strukturierenden Elementen zusammen: In der Praxis ereignet sich hier die Magie von Design. Die Anordnung im Objekt (4A Sortierung) und im Raum (4B Gruppierung) definiert die prägende Form der Visualisierung. Sortieren bedeutet, zu definieren, nach welcher Datendimension eine Visualisierung geordnet wird. Gleichzeitig findet sich dadurch die Form des Diagramms. Damit ein einzelnes Diagramm nicht zu viele Daten enthält, lässt sich dieses dann noch in mehrere einfachen Diagramme aufteilen, also gruppieren. Welche Art der Sortierung am besten lesbar ist und welche dem Zweck der Visualisierung am besten dient, lässt sich nur durch Ausprobieren und Vergleichen herausfinden. Jedes einzelne Element aus diesem Kapitel wird mit einem Icon symbolisiert, einem einfachen Beispiel aus unserem Datensatz visualisiert und einer kurzen Beschreibung erklärt.
133
4A Strukturieren durch Sortierung Sortieren bedeutet, sich bewusst zu entscheiden, nach welcher Da tendimension eine Visualisierung geordnet werden soll. Diese Ordnung kann sich dann linear oder auch in anderen Formen ausbilden. So entstehen mit den gleichen Daten unterschiedliche visuelle Darstel lungsformen. Die Sortierung der Daten legt einen bestimmten Fokus auf den Datensatz und steuert somit die Story, die dieser erzählen soll. So kann bei unserem Datensatz beispielsweise das Alter, das Ge schlecht, aber auch der Geburtsort in den Vordergrund rücken. Sortie ren lassen sich alle Daten, die eine nicht eindeutige Position haben (siehe die positionsbezogenen Elemente 2B). Grundsätzlich sind Texte alphabetisch und Zahlen hierarchisch sortiert. Das Icon in Form des Balkendiagramms steht repräsentativ für alle diagrammatischen Elemente und kann durch diese ersetzt wer den (siehe auch multidimensionale Visulisierungen). Wir haben neun mögliche Arten der Sortierung definiert. Sie werden auf den folgenden Seiten erläutert und visualisiert. Wie Sortieren in der Praxis funktio niert, erklären wir im fünften Kapitel.
135
Lineare Achse
4A.1 Sortierung
Alter
Die Sortierung entlang einer linearen Achse kann je nach Platz und Aussage auch um 90 Grad gedreht werden.
Otto (23) Hermann jr. (52) James (65) Marie (72) Marie jr. (78) Anna (83)
Beispiel: Alle zehn Personen nach Alter (aufsteigend) auf einer linearen Achse (um 90 Grad gedreht) sortiert.
Emma (85) Hermann (90) Paul (97) Elisabeth (99)
1 Punkt = 10 Jahre
136
Lineare Achse mit Umbruch
4A.2 Sortierung
Die Sortierung auf einer linearen Achse mit Umbruch findet etwa Gebrauch, wenn der Platz begrenzt ist. Es ist wichtig, die Sortierung nach dem Um bruch entlang der Linie fortzusetzen.
(7
2)
5) (6
ie
es M
ar
m Ja
8) (7 ie
jr.
3) (8 M
ar
a nn
m
Beispiel: Alle zehn Personen nach Alter (aufsteigend) linear mit Umbruch sortiert.
et ab
is El
Pa
ul
(9
7)
h
(9
9)
A
H
Em
er
m
a
an
(8
n
5)
(9
0)
O
H
tt
er
o
m
(2
an
3)
n
jr.
(5
2)
Alter
137
Zirkulär Parallel
4A.3 Sortierung
Altersgruppe
Die Sortierung an einer zirkulär paralle len Grundlinie eignet sich besser für prozentuale Vergleiche im 100-ProzentRahmen als für Darstellungen mit absoluten Zahlen. Sie ist nur für lineare Mengen geeignet, nicht für Flächen.
< 70 (3) 70–85 (4) > 85 (3)
Beispiel: Alle zehn Personen nach drei Alterskategorien (aufsteigend) zirkulär parallel sortiert.
60° = 1 Person
138
4A.4 Sortierung
9)
Radial im Winkel
Durch die radiale Sortierung mit immer gleichem Winkel lassen sich sternförmige Diagramme erstellen. Beim Verwenden von Flächen statt Linien kann es zu Überlappungen kommen.
El
isa
be
th
(9
Alter
P
l au
(9
7)
rm He
(90
ann
E m m a (8 A n n a (8 3
Ja
He
ie
(7
rie
jr. (
5)
)
Beispiel: Alle zehn Personen nach Alter (absteigend) radial im Winkel sortiert.
78)
2)
(6
jr. (
5)
ann
es
rm
)
52)
2.5 mm = 10 Jahre
ar
m
O tto (2 3
M
Ma
)
139
Radial Gleichmäßig
4A.5 Sortierung
Pa
ul
(9
7)
Im Unterschied zu 4A.4 entsteht bei der gleichmäßig radialen Sortierung eine 360-Grad-Darstellung. Hier kann im Hintergrund eine Skala zum genauen Vergleich der einzelnen Werte hilfreich sein.
Ot
m Her
65)
Emm
(7
Beispiel: Alle zehn Personen nach Alter (absteigend) radial gleichmäßig sortiert.
5)
3)
ie
)
(8
ar
a (8
(90
na
M
ann
An
Marie jr. (78)
2)
es (
(52)
3)
Jam
n j r.
(2
man
to
Her
Elisabeth (99)
Alter
2.5 mm = 10 Jahre
140
Radial Gleichmäßig auf Form
sab eth
)
3) O tto (2
(97
)
ul
(99
Pa
Die gleichmäßige radiale Sortierung auf einem Kreis oder einer anderen geometrischen Form schafft Raum. Dadurch ließen sich auch Flächen, oder im inneren Kreis sogar negative Werte, abbilden.
Eli
Alter
4A.6 Sortierung
H
m er
an
n
jr.
(5
Ja m e s (6 H e rm a n
2)
5)
n (9 0 )
Ma 5)
Beispiel: Alle zehn Personen nach Alter (aufsteigend) radial gleichmäßig auf einem Kreis sortiert.
)
rie jr. ( 78 )
(8 3 )
1 Punkt = 10 Jahre
(72
Ma
m
(8
Anna
Em
a
rie
141
4A.7 Sortierung
(52)
Achse Freie Form
65
)
n j r.
Die Linie einer Achse muss nicht zwangsläufig gerade verlaufen. Sor tierte Werte können auch auf einer gebogenen Linie angeordnet werden.
s(
man
(7
2)
me
Her
M
ar
ie
Ja
O tto (2 3)
Alter
M
a
j rie
An
7 r. (
na
8)
(83
Emma
)
Beispiel: Alle zehn Personen nach Alter (aufsteigend) auf freier Achse sortiert.
(8 5 )
Her ma nn (90 ) Pa u l
Eli 2.5 mm = 10 Jahre
sa
be
(97)
th
(99
)
142
Lineare Achse Gestapelt
4A.8 Sortierung
Lebensort Geschlecht
Für eine gestapelte Sortierung werden zwei Datendimensionen benötigt. Bei gestapelten Diagrammen (z. B. beim gestapelten Balkendiagramm) sind entsprechen de Sortierungen und Grup pierungen gleichzeitig erforderlich.
München London Paris
Beispiel: Alle zehn Personen nach Lebensort sortiert und nach Geschlecht gestapelt.
Wien
1 Punkt = 1 Person Punkt gefüllt = weiblich
143
Frei ohne Achse oder Punkt
Es gibt Visualisierungen, die weder einer Achse noch einer Sortierung folgen. Bei ihnen gilt das Wahrnehm ungsprinzip von Nähe und Distanz, das heißt, nahe Elemente werden als verwandt betrachtet.
A
nn
a
(8
3)
Alter
4A.9 Sortierung
H m an n
ul
7)
jr. ie
El
is
M
ab
ar
et
h
3)
(9
(2
9)
o
(7
tt
0)
O
(9
(9
8)
er
Pa
H (7 M
ar
ie
5) (8 a m Em
2)
2)
(5
5)
jr.
(6
n
es
an
m
m
Ja
er
Beispiel: Alle zehn Personen frei im Raum angeordnet.
144
4B Strukturieren durch Gruppierung Die Gruppierung ist die zweite struktur-bildende Dimension. Dabei wird ein mehrdimensionales Diagramm nach einer Datendimension aufgeteilt und im Raum angeordnet. Das eine Prinzip der Gruppierung ist die Wiederholung, das andere die Gegenüberstellung. Der sich aus der Gruppierung ergeb ende Vorteil ist auf die menschliche Mustererkennung zurückzuführen: Unser Auge ist darauf trainiert, die kleinsten Unterschiede visuell wahrzunehmen. Die Gruppen lassen sich dann in einem Raster oder nach anderen Prinzipien auf der Fläche platzieren. Bei den folgenden Darstellungen der Elemente sind alle Gruppen auf der Basis von 4A.1 – Lineare Achse durch die gleiche Sortierung dargestellt. Das Element 4A.1 lässt sich durch alle Elemente der Gruppe 4A ersetzen. Wir haben sechs mögliche Prinzipien der Grup pierung definiert.
147
Linear
4B.1 Gruppierung
Lebensort Alter
Eine lineare Gruppierung eignet sich grundsätzlich nur für wenige Gruppen, da der Platz in einer Reihe oftmals sehr begrenzt ist. Die Anordnung kann auch um 90 Grad gedreht werden.
München
London
Paris
Beispiel: Alle zehn Personen nach Alter (aufsteigend) sortiert und nach den vier Lebensorten linear gruppiert.
Wien
1 Punkt = 10 Jahre
148
Raster
4B.2 Gruppierung
Lebensort Alter
Eine Anordnung der einzelnen Grup pen im Raster nennt sich auch » Small multiples « oder » Facetting «. Mit die sem Prinzip lässt sich der Raum sehr effizient und strukturiert nutzen.
München
London
Beispiel: Alle zehn Personen nach Alter (aufsteigend) sortiert und nach den vier Lebensorten im Raster gruppiert. Paris
Wien
2.5 mm = 10 Jahre
149
An Form oder Winkel
4B.3 Gruppierung
ris
W
ie
Beispiel: Alle zehn Personen nach Alter (aufsteigend) sortiert und nach den vier Lebensorten an einer geometrischen Form gruppiert.
Pa
n
M
on
ch
nd
ün
Bei der Gruppierung an einem Kreis oder einer anderen geometrischen Form ist zu beachten, dass der Radius umso größer wird, je mehr Gruppen vorhanden sind.
Lo
en
Lebensort Alter
150
Spiegelung
4B.4 Gruppierung
Geschlecht Alter
Bei einer Gruppierung durch eine Spie gelung ist es wichtig, dass die ein zelnen Datenpunkte auf gleicher Höhe miteinander vergleichbar sind. Das Prinzip funktioniert nur bei Gegensät zen, also zwischen zwei Gruppen.
Otto (23) Marie (72) Hermann jr. (52) Marie jr. (78) James (65) Anna (83)
Beispiel: Alle zehn Personen nach Alter sortiert und nach Geschlecht gespie gelt gruppiert.
Hermann (90) Emma (85) Paul (97) Elisabeth (99)
2.5 mm = 10 Jahre
151
Frei im Raum
4B.5 Gruppierung
Lebensort Alter
Bei der freien Gruppierung im Raum kann das vorhandene Format voll aus genutzt werden. Die Anordnung der Gruppen kann zufällig sein oder gestal terischen Argumenten folgen.
Mün
chen
Lond
on
Beispiel: Alle zehn Personen nach Alter (aufsteigend) sortiert und nach den vier Lebensorten frei im Raum gruppiert. Pa r i
s
Wien
2.5 mm = 10 Jahre
152
Auf Ebenen
4B.6 Gruppierung
Geschlecht Alter
He
He Pa
ul
Jam rm
(97
an
n(
90
rm
es
Ot an
(65
Em be
th
(99
Bei der Gruppierung von Ebenen im Raum ist zu beachten, dass Über schneidungen die Lesbarkeit erschwe ren können.
)
2)
)
)
An sa
r. ( 5
(23
)
Ma
Eli
nj
to
)
ma
(85
na
Ma rie
(83
jr.
(78
rie
(72
Beispiel: Alle zehn Personen nach Alter (absteigend) sortiert und nach Geschlecht auf zwei Ebenen gruppiert.
)
)
)
) 1 Punkt = 10 Jahre
153
5 Die Vielfalt der Multidimensionalen Visualisierungen Dieses Kapitel ist die Verbindung und die konkrete Anwendung der in allen vorangegangenen Kapiteln beschriebenen Elemente und Daten in 26 innovativen Diagrammvarianten. Diese zeigen einen kleinen Ausschnitt davon, welche Kombinationen mit dem Modula ren Informationsdesign System MID zur Visualisierung von Kom plexität möglich sind. Dabei werden alle 80 Elemente mindestens einmal verwendet. Eine Auflistung der verwendeten Elemente und Datendimensionen bei jeder Visualisierung macht Schritt für Schritt nachvollziehbar, wie diese aufgebaut ist. Die Anwendungsbeispiele zeigen auf, dass schon mit wenigen Datendimensionen und unterschiedlichen Elementen eine große gestalterische Vielfalt möglich ist. Sie soll dazu motivieren, selbst zu versuchen, neue Darstellungsformen zu entwerfen. Denn nur att raktive Visualisierungen und verständliche Visualisierungen bekom men die nötige Aufmerksamkeit. Entwerfen ist denken. Das heisst, unterschiedliche Kombinatio nen auszuprobieren und so Varianten zu bilden. Das Mapping (siehe Anleitung auf S. 160) von ausgewählten Elementen auf die ausge wählten Datendimensionen macht den Datensatz besser verständ lich, und es lassen sich Stories entdecken, die in einer blossen Tabelle noch nicht ersichtlich waren. Die wiederholte Variantenbil dung hilft nicht nur dabei, die vorhandenen Daten immer wieder aus einer anderen Perspektive zu sehen, sondern auch allgemein zu lernen, bei Problemlösungen um die Ecke zu denken.
154
Durch das bewusste Variieren ausgesuchter Datendimensionen und Elemente können viele unterschiedliche und neue Visualisierun gen schnell und gezielt erstellt werden. Nur durch das Entwerfen und Vergleichen von mehreren Varianten lässt sich beurteilen, welche die passendste für die ausgewählten Datendimensionen ist und welche am besten lesbar ist. Manchmal hilft eine kleine the menbezogene Frage, eine Entscheidung zu treffen. Zum Beispiel: Welches Land hatte im Jahr X den höchsten Anteil Y an Frauen in der Gruppe Z? Für die Umsetzung von multidimensionalen Visualisierungen gibt es nicht ein einziges richtiges Software-Tool. Es lohnt sich immer, mit Papier und Stift anzufangen. Im nächsten Schritt kann es eine Grafiksoftware, ein Onlinetool oder auch nur Code sein. Eine Auswahl unserer Favoriten findet sich im Anhang. Das perfekte Tool aber gibt es nicht.
155
Alle 80 Elemente in der Übersicht 2A Menge
Diagrammatische Dimensionen
2B Position
2C Beziehung
Visuelle Dimensionen
3A Farbe
3B Form
156
3C Linie
3D Muster
3E Kontur
3F Isotype
Strukturierende Dimensionen
4A Sortierung 4B Gruppierung
157
Wie das MID-System funktioniert
Mit MID lassen sich einerseits neue Darstellungsformen, also Diagramm typen konstruieren, andererseits kann MID auch dazu dienen, den Aufbau von bestehenden Visualisie rungen zu dekonstruieren. Das Beispiel auf der rechten Seite zeigt das Mapping von fünf Elementen auf vier Datendimensionen. Eine ge naue Anleitung findet sich auf der nächsten Seite.
Das MID-System mappt (encodiert) die Elemente der diagrammatischen, visuellen und strukturierenden Dimensionen auf die Datendimen sionen des Datenwürfels. Durch dieses Mapping der Elemente auf die Datendimensionen entsteht eine multidimensionale Visualisierung. Dafür sind immer mindestens ein diagrammatisches (blau), ein visuel les (rot) und ein strukturierendes (grün) Element nötig. Für jede Pers pektive auf den Datenwürfel, also die jeweilige Datendimension, wird grundsätzlich nur ein Element gemappt. Eine Ausnahme bilden die Elemente der strukturierenden Dimension der Sortierung (4A). Diese werden immer mit einem blauen oder roten Element verbunden.
158
Mapping (encodieren)
Element der diagramatischen Dimensionen
Element der visuellen Dimensionen
Element der strukturierenden Dimensionen
Datendimensionen
Decodieren
Multidimensionale Varianten
159
Das Mapping von vier Datendimensionen – eine Anleitung Alter A
D Geschecht C
Familie B
Generation E Die Anleitung zeigt diese ausge wählten Elemente für eine konkrete Visualisierung. Durch das Austau schen der Elemente lässt sich eine große Variantenvielfalt erstellen. Hier sind vier Datendimensionen (gelb) und fünf Elemente der diagrammatischen, visuellen und strukturierenden Dimensionen kombiniert (A–E, blau, rot, grün). Das Sortieren (D) hat nie eine eigene Datendimension, sondern verbindet sich immer mit einem anderen Element.
160
A
B
2 mm = 10 Jahre Wagner Brown Weiblich Männlich
Alter → 10 Ausprägungen
Familie → 2 Ausprägungen
C
D
Geschlecht → 2 Ausprägungen
Sortierung nach Alter, aufsteigend
E
Jede Visualisierung kann Schritt für Schritt aufgebaut werden. Dabei spielt die Reihenfolge der Ausführung weniger eine Rolle als die Notwendigkeit, diese Schritte auch durch zuführen. Dieses Beispiel zeigt nur eine von vielen möglichen Zuordnun gen der Elemente zu den Datendi mensionen. Beim Skizzieren werden oft mehrere Schritte gleichzeitig gemacht. Es lohnt sich aber, einzelne Schritte, beispielsweise die Linien länge, als Vorlage zu behalten, um sie wiederzuverwenden.
Gruppierung nach Generation → 3 Ausprägungen
161
Wie Sortieren funktioniert
Für diese Visualisierungen wurden viermal die gleichen drei Datendi mensionen (Alter, Familie und Geschlecht) und auch die gleichen Elemente des Systems (2A.1, 3A.2, 3C.1, 4A.5) verwendet. Die Form der Sortierung (Element 4A.5) ist also die gleiche, nur die Organisation der Daten ist unterschiedlich: Es steht immer eine andere Datendimension im Vordergrund, und diese bestimmt die Reihenfolge, in der die einzelnen zehn Datenpunkte angezeigt wer den. So sieht der Stern immer ein wenig anders aus, und die Geschich te entfaltet sich immer ein wenig anders. Einmal steht das Alter im Fokus, einmal die Familie und zwei Mal das Geschlecht.
Alle zehn Familienmitglieder sind jeweils nach der ausgewählten Datendimension radial gleichmäßig sortiert. A (Alter)
Die Sortierung nach dem Alter zeigt deutlich, dass die drei Personen, die am jüngsten gestorben sind, Männer sind.
B (Familie, Alter)
Die Sortierung nach Familie betont, dass die drei Mitglieder der Familie Brown beim Alter näher zusammenliegen als die Mitglieder der Familie Wagner.
C (Geschlecht, Alter)
Die Sortierung nach Geschlecht zeigt auf, dass die Unterschiede im Alter bei den Frauen viel geringer sind als bei den Männern.
D (Geschlecht, Familie, Alter)
Durch diese Sortierung lassen sich nicht nur die Geschlechter unter sich, sondern gleichzei tig auch die Familien hinsichtlich ihres Alters gut vergleichen. Wenn nach Menge sortiert wird (hier Alter), ist die Organisation fix. Bei der Sortierung einer kategorischen Datendimension, zum Beispiel Geschlecht, ist zwingend zu definieren, ob zunächst nach Familie oder nach Alter sortiert wird.
162
A
B
2 mm = 10 Jahre Wagner Brown Weiblich Männlich
Sortiert nach 1. Alter
Sortiert nach 1. Familie 2. Alter
C
D
Sortiert nach 1. Geschlecht 2. Alter
Sortiert nach 1. Geschlecht, 2. Familie 3. Alter
163
Strahlen Alter als Linienlänge, radial im Winkel sortiert und nach Generation frei im Raum gruppiert.
James (65)
Marie (72)
Emma (85) Hermann (90)
Anna (83)
Erste Generation
Elisabeth (99)
Marie jr. (78)
Hermann jr. (52)
Paul (97)
Otto (23)
Zweite Generation
Dritte Generation
In jeder Generation ist die Anzahl der Frauen und Männer ausgeglichen. 164
Beispiel 1
Alter 2A.1
6.25 mm = 10 Jahre
Familie
Geschlecht
Lebensort
3C.1
3C.3
3C.7
Wagner Brown
Weiblich Männlich
London München Paris Wien
Generation 4A.4
4B.5
Sortiert nach Alter
Gruppiert nach Generation
Verwendete Elemente 2A.1 3C.1 3C.3 3C.7 4A.4 4B.5
Menge. Linienlänge Linie. Farbe Linie. Unterbrechung Linie. Detail. Anfang oder Ende Sortierung. Radial im Winkel Gruppierung. Frei im Raum 165
Halbe Ringe Alter als Linienlänge, nach Alter zirkulär parallel sortiert und nach Umzug gespiegelt gruppiert.
0
0
25
o
O
tt
25
Nicht umgezogen
Umgezogen
50
50
He rm a nn j
r. Ja
m
Elisabeth ar
ie
Pa u l
j r.
Her m a n n
75
100
Emm
a
An
na
rie
es
M
M
a
75
100
In den Familien Wagner und Brown sind die Männer umzugsfreudiger als die Frauen. Nicht Umgezogene leben länger. 166
Beispiel 2
Alter 2A.1
180° = 100 Jahre
Familie
Geschlecht
Lebensort
3C.1
3C.3
3C.7
Wagner Brown
Weiblich Männlich
London München Paris Wien
Umzug 4A.3
4B.4
Sortiert nach Alter
Gruppiert nach Umzug
Verwendete Elemente 2A.1 3C.1 3C.3 3C.7 4A.3 4B.4
Menge. Linienlänge Linie. Farbe Linie. Unterbrechung Linie. Detail. Anfang oder Ende Sortierung. Zirkulär. Parallel Gruppierung. Spiegelung 167
Sonnenaufgang
es m Ja 5) (6
M (7 arie 8) jr.
Ot to (23 )
He (52 rma nn )
j r.
Elis (99 abeth )
Pa u l (9 7 )
An na (83 )
an Herm (90)
rie Ma ) 2 7 (
ma Em ) (85
n
Alter als abzählbare Linienlänge, nach Alter radial gleichmäßig auf einer freien Form sortiert.
Die Personen aus der ersten und zweiten Generation sind im Durchschnitt älter geworden als die Personen aus der dritten Generation. 168
Beispiel 3
Alter 2A.2
1 Punkt = 10 Jahre ½ Punkt = 5 Jahre
Familie
Geschlecht
Generation
3A.1
3A.2
3C.6
Wagner Brown
Weiblich Männlich
Erste Zweite Dritte
4A.7
Sortiert nach Generation und Alter
Verwendete Elemente 2A.2 3A.1 3A.2 3C.6 4A.7
Menge. Linienlänge. Abzählbar Farbe. Grundfarben Farbe. Sättigung mit Weiß Linie. Organisch Sortierung. Achse. Freie Form 169
Turm Alter als Linienlänge mit Um bruch, nach Alter auf linearer Achse gestapelt sortiert und nach Umzug gespiegelt gruppiert.
Otto (23) Hermann jr. (52)
James (65) Marie jr. (78) Umgezogen Nicht umgezogen
Marie (72)
Anna (83)
Emma (85)
Hermann (90)
Paul (97)
Elisabeth (99)
Die umgezogenen Personen sind im Durchschnitt älter geworden als jene, die nicht umgezogen sind. 170
Beispiel 4
Alter 2A.3
20 mm = 10 Jahre 1 Zeile = 25 Jahre
Familie
Geschlecht
Lebensort
3C.1
3C.3
3C.7
Wagner Brown
Weiblich Männlich
London München Paris Wien
Umzug 4A.8
4B.4
Sortiert nach Alter
Gruppiert nach Umzug
Verwendete Elemente 2A.3 Menge. Linienlänge mit Umbruch 3C.1 Linie. Farbe 3C.3 Linie. Unterbrechung 3C.7 Linie. Detail. Anfang oder Ende 4A.8 Sortierung. Lineare Achse. Gestapelt 4B.4 Gruppierung. Spiegelung 171
Domino Alter als abzählbare Linien länge mit Umbruch, nach Alter auf einer linearen Achse mit Umbruch sortiert.
Otto (23) Hermann jr. (52)
James (65)
Marie (72)
Marie jr. (78) Anna (83)
Emma (85)
Hermann (90)
Paul (97) Elisabeth (99)
Die drei Personen, die am jüngsten verstorben sind, waren allesamt Männer. 172
Beispiel 5
Alter 2A.4
1 Punkt = 5 Jahre ½ Punkt = 2 ½ Jahre
Familie
Geschlecht
Umzug
3A.1
3E.2
3E.3
Wagner Brown
Weiblich Männlich
Ja Nein
4A.2
Sortiert nach Alter
Verwendete Elemente 2A.4 Menge. Linienlänge. Abzählbar mit Umbruch 3A.1 Farbe. Grundfarben 3E.2 Kontur. Unterbrechung 3E.3 Kontur. Stärke 4A.2 Sortierung. Lineare Achse mit Umbruch 173
Feuerwerk Alter als abzählbare Fläche, nach Alter radial gleichmäßig und frei ohne Achse oder Punkt angeordnet. Generation als Flächengröße.
Otto (23) James (65)
Marie (72)
Hermann jr. (52)
Marie jr. (78)
Emma (85)
Anna (83)
Hermann (90)
Paul (97)
Elisabeth (99)
Es gibt mehr Wagners als Browns. 174
Beispiel 6
Generation
Alter
2A.5
2A.6
kl. = Erste m. = Zweite gr. = Dritte
1 Linie = 5 Jahre
Familie
Geschlecht
Umzug
3C.1
3C.7
3A.2 3F.5
Wagner Brown
Weiblich Männlich
4A.4
4A.9
Alter
Sortiert frei ohne Achse oder Punkt
Ja Nein
Verwendete Elemente 2A.5 2A.6 3C.1 3C.7 3F.5 4A.4 4A.9
Menge. Flächengröße Menge. Flächengröße. Abzählbar Linie. Farbe Linie. Detail. Anfang oder Ende Isotype. Hintergrund / Vordergrund Sortierung. Radial im Winkel Sortierung. Frei ohne Achse oder Punkt 175
Schwarm Alter als abzählbare Flächen größe, nach Alter radial gleichmäßig auf Kreis sortiert.
Otto (23)
Hermann jr. (52)
Elisabeth (99)
Paul (97)
James (65)
Hermann (90)
Marie (72)
Emma (85)
Marie jr. (78) Anna (83)
Es gibt drei ähnlich alte Personenp aare, welche der jeweils gleichen Generation angehören, aber ein unterschiedliches Geschlecht haben. 176
Beispiel 7
Alter 2A.6
1 Form = 1 Jahr
Generation
Familie
Geschlecht
3B.3
3C.1
3C.4
0° = Erste 120° = Zweite 240° = Dritte
Wagner Brown
Weiblich Männlich
4A.6
Sortiert nach Alter
Verwendete Elemente 2A.6 3B.3 3C.1 3C.4 4A.6
Menge. Flächengröße. Abzählbar Form. Rotation Linie. Farbe Linie. Aufrauung Sortierung. Radial. Gleichmäßig auf Form 177
Windrad Altersgruppe als Flächen größe 100 Prozent als Kreis aus der Mitte, nach Alter radial gleichmäßig sortiert und nach Lebensort frei im Raum gruppiert.
Paris
Wien Hermann jr. (52)
James (65)
Marie (72)
Emma (85)
Paul (97)
Elisabeth (99)
Hermann (90)
München
London Otto (23) Marie jr. (78)
Anna (83)
An jedem Lebensort gibt es eine Person aus der Familie Wagner. 178
Beispiel 8
Altersgruppe 2A.7
kl. 85
Familie
Umzug
Geschlecht
3A.1
3A.4
3D.5
Wagner Brown
Ja Nein
Weiblich Männlich
Lebensort 4A.5
4B.2
Sortiert nach Lebensort und Alter
Gruppiert nach Lebensort
Verwendete Elemente 2A.7 Menge. Flächengröße 100% als Kreis von der Mitte aus 3A.1 Farbe. Grundfarben 3A.4 Farbe. Verlauf 3D.5 Muster. Richtung 4A.5 Sortierung. Radial. Gleichmäßig 4B.2 Gruppierung. Frei im Raum 179
Origami Alter als Flächengröße 100 Pro zent als Kreis vom Rand, nach Lebensort und Alter radial gleich mäßig auf Kreis sortiert und nach Umzug gespiegelt gruppiert.
London
Otto (23)
Anna (83)
München
100 75 50
Marie jr. (78)
25
Hermann jr. (52)
25 50 75 100
Elisabeth (99)
Emma (85) Umgezogen
Marie (72)
Paris
Hermann (90)
Nicht umgezogen
James (65)
Paul (97)
Wien
In München und Wien leben nur Mitglieder der Familie Wagner. 180
Beispiel 9
Alter 2A.8
36° = 1 Person Radius = Alter
Familie
Geschlecht
Lebensort
3A.1
3D.1
3F.6
Wagner Brown
Weiblich Männlich
Getrennt nach Lebensort
Umzug 4A.6
4B.4
Sortiert nach Alter
Gruppiert nach Umzug
Verwendete Elemente 2A.8 Menge. Flächengröße 100% als Kreis vom Rand aus 3A.1 Farbe. Grundfarben 3D.1 Muster. Textur 3F.6 Isotype. Hintergrund. Flächig 4A.6 Sortierung. Radial. Gleichmäßig auf Form 4B.4 Gruppierung. Spiegelung 181
Kuchen Alter als Flächengröße 100 Prozent im Winkel als Kreis, nach Alter radial gleichmäßig sortiert und nach Geburtsort linear gruppiert.
London
Wien
Otto (23)
Anna (83)
Emma (85)
James (65)
Hermann (90)
Elisabeth (99)
Paul (97)
Marie jr. (78)
Paris
Marie (72)
Hermann jr. (52)
Die Summe vom Alter aller Personen, die in Wien geboren wurden, ist sehr ähnlich wie die der in Paris geborenen Personen. 182
Beispiel 10
Alter 2A.9
4.8° = 10 Jahre
Familie
Generation
Umzug
Geschlecht
3A.1
3A.3
3A.4
3D.4
Wagner Brown
Erste Zweite Dritte
Ja Nein
Geburtsort 4A.4
4B.1
Sortiert nach Alter
Gruppiert nach Geburtsort
Verwendete Elemente 2A.9 3A.1 3A.3 3A.4 3D.4 4A.4 4B.1
Menge. Flächengröße 100% im Winkel als Kreis Farbe. Grundfarben Farbe. Sättigung mit Schwarz Farbe. Verlauf Muster. Dichte Sortierung. Radial im Winkel Gruppierung. Linear 183
Weiblich Männlich
Fächer Menge als Flächengröße 100 Prozent im Winkel als Kreis segment, nach Familie und Generation radial im Winkel sor tiert und nach Geburtsort gruppiert.
Emma (85) Hermann (90) Otto (23) Paul (97)
Anna (83) Wien James (65)
London
Paris
Elisabeth (99) Marie (72)
Marie jr. (78)
Hermann jr. (52)
Die ersten zwei Generationen der Familie Wagner machen die Hälfte aller Personen aus und gehören größtenteils zu den lang lebenden Personen. 184
Beispiel 11
Alter 2A.10
2.4° = 10 Jahre
Familie
Generation
Geschlecht
3A.1
3A.3
3D.4
Wagner Brown
Erste Zweite Dritte
Weiblich Männlich
Geburtsort 4A.4
4B.3
Sortiert nach Familie und Generation
Gruppiert nach Geburtsort
Verwendete Elemente 2A.10 Menge. Flächengröße 100% im Winkel als Kreissegment 3A.1 Farbe. Grundfarben 3A.3 Farbe. Sättigung mit Schwarz 3D.4 Muster. Dichte 4A.4 Sortierung. Radial im Winkel 4B.3 Gruppierung. An Form oder Winkel 185
Ring Alter als Flächengröße 100 Prozent im Winkel als Ring, sortiert nach Alter.
Otto (23)
Elisabeth (99)
Hermann jr. (52)
James (65)
Paul (97)
Marie (72)
Hermann (90)
Marie jr. (78)
Emma (85)
Anna (83)
Die Browns sind nur in den ersten zwei Generationen anzutreffen. 186
Beispiel 12
Alter
Alter
2A.11
2A.13
4.8° = 10 Jahre
1 Linie = 3 Jahre
Familie
Generation
Geschlecht
3A.1 3E.1
3E.4
3F.2
Wagner Brown
Erste Zweite Dritte
Weiblich Männlich
4A.4
Sortiert nach Alter
Verwendete Elemente 2A.11 Menge. Flächengröße 100% im Winkel als Kreis-Ring 2A.13 Menge. Flächengröße 100% als Rechteck. Abzählbar 3E.1 Kontur. Farbe 3E.4 Kontur. Form 3F.2 Isotype. Abbildende Form. Detail 4A.4 Sortierung. Radial im Winkel 187
Parzellen Alter als Flächengröße prozentual verteilt und nach Familie sortiert.
Otto (23)
Hermann (90)
Paul (97)
James (65)
Hermann jr. (52)
Marie (72)
Marie jr. (78)
Emma (85)
Elisabeth (99)
Anna (83)
Die Umgezogenen leben kürzer als die nicht Umgezogenen. 188
Beispiel 13
Alter 2A.12
Gesamtfläche = 110 × 110 mm = 744 Jahre
Familie
Umzug
Geschlecht
Vorname
3A.1
3B.8
3D.1
3F.7
Wagner Brown
Ja Nein
Weiblich Männlich
4A.1
Sortiert nach Familie
Verwendete Elemente 2A.12 Menge. Flächengröße 100% als Rechteck 3A.1 Farbe. Grundfarben 3B.8 Form. Volumen 3D.1 Muster. Textur 3F.7 Isotype. Rahmen oder Trennlinie 4A.1 Sortierung. Lineare Achse 189
Getrennt nach Person
Display Alter als abzählbare Flächengröße 100 Prozent, nach Familie linear sortiert.
Otto (23) James (65)
Hermann jr. (52)
Marie (72)
Hermann (90)
Paul (97)
Marie jr. (78)
Elisabeth (99)
Anna (83) Emma (85)
Die Anzahl der Personen der Familie Brown macht 30 Prozent aus, ihr Gesamt alter 40 Prozent. 190
Beispiel 14
Alter 2A.13
1 Punkt = 7.5 Jahre
Familie
Generation
Geschlecht
Vorname
3A.1
3A.4
3B.2
3F.7
Wagner Brown
Erste Zweite Dritte
Weiblich Männlich
4A.1
Sortiert nach Familie
Verwendete Elemente 2A.13 Menge. Flächengröße 100% als Rechteck. Abzählbar 3A.1 Farbe. Grundfarben 3A.4 Farbe. Verlauf 3B.2 Form. Organisch 3F.7 Isotype. Rahmen oder Trennlinie 4A.1 Sortierung. Lineare Achse 191
Getrennt nach Person
Pyramide Nach Geburtsjahr positioniert auf einer Koordinatenachse, Alter als Linienlänge.
1950
Marie jr. (78) 1940
Dritte Generation
Hermann jr. (52) 1930
1920
Elisabeth (99) Paul (97) Anna (83) 1910
Zweite Generation Otto (23)
1900
1890
James (65) Marie (72)
1880
Erste Generation
Emma (85) Hermann (90)
1870
Die erste Generation ist sich vom (Todes-)Alter am nächsten. 192
Beispiel 15
Alter
Geburtsjahr
2A.1
2B.1
6.25 mm = 10 Jahre
Y = Jahrzehnte
Familie
Geschlecht
Generation
3C.1
3C.3
3F.6
Wagner Brown
Weiblich Männlich
Getrennt nach Generation
Verwendete Elemente 2A.1 Menge. Linienlänge 2B.1 Position. Punkte im Raum. Eine Koordinatenachse 3C.1 Linie. Farbe 3C.3 Linie. Unterbrechung 3F.6 Isotype. Hintergrund. Flächig 193
Ebenen Nach Alter und Geburtsbeziehungsweise Sterbejahr zwischen zwei Koordinaten achsen positioniert, Alter als Linienlänge.
Elisabeth (99) Paul (97)
100
Hermann (90)
90
Emma (85) Anna (83) 80
Marie jr. (78) Marie (72)
70
James (65) 60
Erste Generation Hermann jr. (52)
50
Dritte Generation 40
30
Otto (23)
20
Zweite Generation 10
0 1870
1880 1890 1900
1910
1920
1930 1940 1950 1960
1970
1980 1990 2000 2010 2020
Die als erste gestorbene Person und die beiden, die am ältesten geworden sind, sind alle aus der zweiten Generation. 194
Beispiel 16
Geburtsjahr Sterbejahr 2B.2
X = Jahrzehnte Y = Alter
Familie
Geschlecht
Generation
3C.1
3C.3
3F.7
Wagner Brown
Weiblich Männlich
Getrennt nach Generation
Verwendete Elemente 2B.2 Position. Punkte im Raum. Zwei Koordinatenachsen 3C.1 Linie. Farbe 3C.3 Linie. Unterbrechung 3F.7 Isotype. Rahmen oder Trennlinie 195
Flaggen Alter als Linienlänge, Geburtsbeziehungsweise Sterbe jahr und Umzug positioniert zwischen drei Koordinaten achsen und nach Umzug und Alter sortiert.
2020
2000
1980
1960
1940
1920
1900
1880
Umgezogen 1860
Marie (72)
Anna (83)
Emma Hermann Paul (85) (90) (97)
Elisabeth (99)
Otto Hermann jr. James (23) (52) (65)
Marie jr. (78)
Nicht umgezogen
Von den Browns hat niemand im 21. Jahrhundert gelebt. 196
Beispiel 17
Geburtsjahr Sterbejahr, Umzug 2B.3
X = Person Y = Geb. / Tod. Jahr Z = Umzug
Familie
Umzug
Geschlecht
3A.1
3A.4
3D.1
Wagner Brown
Ja Nein
Weiblich Männlich
4A.1
Sortiert nach Umzug und Alter
Verwendete Elemente 2B.3 Position. Punkte im Raum. Drei Koordinatenachsen 3A.1 Farbe. Grundfarben 3A.4 Farbe. Verlauf 3D.1 Muster. Textur 4A.1 Sortierung. Lineare Achse 197
Zielscheibe Alter als Linienlänge, nach Geburts- beziehungs weise Sterbejahr positio niert auf Polarachsen und nach Alter sortiert.
Elisabeth (99)
2020
Otto (23)
2000 1980
Paul (97)
Hermann jr. (52)
1960 1940 1920 1900 1880
Hermann (90)
James (65)
Emma (85)
Marie (72)
Anna (83)
Marie jr. (78)
Die vier ältesten Personen sind von der Familie Wagner. 198
Beispiel 18
Geburtsjahr Sterbejahr 2B.4
Achse = Jahrzehnte Sektor = Person
Familie
Geschlecht
Umzug
3A.1
3D.1
3E.3
Wagner Brown
Weiblich Männlich
Ja Nein
4A.5
Sortiert nach Alter
Verwendete Elemente 2B.4 3A.1 3D.1 3E.3 4A.5
Position. Punkt im Raum. Polarachsen Farbe. Grundfarben Muster. Textur Kontur. Stärke Sortierung. Radial. Gleichmäßig 199
Bewegungskarte
Paul
Hermann
Emma
München
Hermann jr.
Otto
Elisabeth
London
Marie
James
Anna
Marie jr.
Geburts- und Lebensort als geografische Koordinaten positioniert und als Netzwerk ohne Hierarchie in Beziehung gesetzt.
Paris
Wien
Am häufigsten umgezogen sind die Personen aus Paris. 200
Beispiel 19
Lebensort Geburtsort
Umzug
2B.5
2C.1
Familie
Lebensort Geburtsort
Umzug
Geschlecht
3A.1
3A.5
3C.8
3F.2
Wagner Brown
Lebensort Geburtsort
Ja
Verwendete Elemente 2B.5 Position. Punkt im Raum. Geografische Koordinaten 2C.1 Beziehung. Netzwerk ohne Hierarchie 3A.1 Farbe. Grundfarben 3A.5 Farbe. Gefüllt und leer 3C.8 Linie. Pfeil 3F.2 Isotype. Abbildende Form. Detail 201
Weiblich Männlich
Lollipop Lebensorte und Familien mitglieder als Netzwerk ohne Hierarchie in Beziehung gesetzt.
Emma
Hermann
Hermann jr. Paul
Elisabeth
Marie
Otto
James
Anna
Marie jr.
Insgesamt sind vier Personen umgezogen, die Mehrheit davon sind männliche Mitglie der der Familie Wagner. 202
Beispiel 20
Lebensort 2C.1
Familie
Lebensort
Umzug
Geschlecht
3A.1
3B.1
3B.7
3D.2
Wagner Brown
London München Paris Vienna
Ja Nein
Lebensort 4A.4
4B.3
Sortiert nach Familie
Gruppiert nach Lebensort
Verwendete Elemente 2C.1 3A.1 3B.1 3B.7 3D.2 4A.4 4B.3
Beziehung. Netzwerk ohne Hierarchie Farbe. Grundfarben Form. Geometrisch Form. Transformation Muster. Linie mit Unterbrechung Sortierung. Radial im Winkel Gruppierung. An Form oder Winkel 203
Weiblich Männlich
Stammbaum Familie, Lebensort und Geburts ort als hierarchisches Netzwerk in Beziehung gesetzt.
Lebensort
Geburtsort
Elisabeth wurde in die Familie Brown geboren, hat aber durch ihre Heirat den Namen Wagner angenommen. 204
Beispiel 21
Geburtsort Lebensort 2C.2
Familie
Geburtsort Lebensort
Geschlecht
Umzug
3A.1
3B.1
3F.1
3F.8
Wagner Brown
London München Paris Wien
Weiblich Männlich
Familie Lebensort 4A.1
4B.1
Sortiert nach Alter
Gruppiert nach Familie und Lebensort
Verwendete Elemente 2C.2 3A.1 3B.1 3F.1 3F.8 4A.1 4B.1
Beziehung. Netzwerk. Hierarchisch Farbe. Grundfarben Form. Geometrisch Isotype. Abbildende Form Isotype. Hintergrund. Abbildend Sortierung. Lineare Achse Gruppierung. Linear 205
Ja
Kette Familie als lineares Netzwerk in Beziehung gesetzt und nach Geburtsjahr linear sortiert, Altersgruppe als Flächengröße.
Hermann
Emma
Marie
James
Otto
Anna
Paul
Elisabeth
Hermann jr.
Marie jr.
Bei den Wagners ist der Geburt einer Frau immer die Geburt eines Mannes vorangegangen. 206
Altersgruppe
Familie
2A.5
2C.3
Beispiel 22
kl. 85
Familie
Geschlecht
Umzug
3A.1
3B.6
3F.5
Wagner Brown
Weiblich Männlich
Ja Nein
4A.1
Sortiert nach Geburtsjahr
Verwendete Elemente 2A.5 2C.3 3A.1 3B.6 3F.5 4A.1
Menge. Flächengröße Beziehung. Netzwerk. Linear Farbe. Grundfarben Form. Unschärfe Isotype. Hintergrund / Vordergrund Sortierung. Lineare Achse 207
Skyline Umzug und Lebensort mit Alter als zirkuläres Netzwerk in Beziehung gesetzt, Alter als Linienlänge.
a Ann (83)
Emma (85)
Herm a (90) nn
Pa (97 ul ) El h et ab ) is (99
Marie jr. (78)
Marie (72)
James (65)
Hermann jr. (52)
Otto (23)
In Wien und München leben ausschließlich Wagners. 208
Alter
Lebensort
2A.1
2C.4
Beispiel 23
6.25 mm = 10 Jahre
Familie
Lebensort
Geschlecht
Umzug
3A.1
3B.1
3C.2
3C.5
Wagner Brown
London München Paris Wien
Weiblich Männlich
4A.6
Sortiert nach Alter
Verwendete Elemente 2A.1 Menge. Linienlänge 2C.4 Beziehung. Netzwerk. Zirkulär 3A.1 Farbe. Grundfarben 3B.1 Form. Geometrisch 3C.2 Linie. Stärke 3C.5 Linie. Details 4A.6 Sortierung. Radial. Gleichmäßig auf Form 209
Ja Nein
Schnittmenge Geburtsort und Lebensort als verschachtelte Schnittmengen in Beziehung gesetzt. Alters gruppe als Flächengröße.
Paris
Wien
Elisabeth (99)
Emma (85)
Hermann (90)
Marie (72) Hermann jr. (52) Paul (97)
James (65) Marie jr. (78)
Otto (23)
Anna (83) München
London
Zwei Wagners sind von Paris weggezogen, dafür zog ein Brown dazu. 210
Beispiel 24
Altersgruppe
Geburtsort Lebensort
2A.5
2C.5
kl. 85
Schnittmenge = Umzug
Familie
Umzug
Generation
Geschlecht
3A.1
3A.6
3B.4
3D.3
Wagner Brown
Schnittmenge = Umzug
Erste Zweite Dritte
4A.9
Frei im Raum sortiert
Verwendete Elemente 2A.5 2C.5 3A.1 3A.6 3B.4 3D.3 4A.9
Menge. Flächengröße Beziehung. Verschachtelung. Schnittmengen Farbe. Grundfarben Farbe. Transparenz Form. Richtung Muster. Linienstärke Sortierung. Frei ohne Achse oder Punkt 211
Weiblich Männlich
Zellen Geburts- und Lebensort als verschachtelte Stapel in Beziehung gesetzt und nach Geburtsort auf Ebenen gruppiert.
Hermann Emma
Paul
Otto
Wien
Marie
Elisabeth
Hermann jr. Marie jr.
Paris
Anna James
London
Aus Paris und London sind jeweils die Hälfte aller Personen weggezogen, in Wien war es nur ein Viertel. 212
Beispiel 25
Geburtsort Lebensort 2C.6
Außen: Geburtsort Innen: Lebensort
Familie
Geschlecht
Altersgruppe
Geburtsort Lebensort
3A.1
3A.2
3B.5
3E.5
Wagner Brown
Weiblich Männlich
2: 85
Geburtsort 4A.9
4B.6
Frei im Raum sortiert
Gruppiert nach Geburtsort
Verwendete Elemente 2C.6 3A.1 3A.2 3B.5 3E.5 4A.9 4B.6
Beziehung. Verschachtelung. Stapelung Farbe. Grundfarben Farbe. Sättigung mit Weiß Form. Stapelung Kontur. Details Sortierung. Frei ohne Achse oder Punkt Gruppierung. Auf Ebenen 213
London München Paris Wien
Cluster Generation und Lebensort als verschachtelte Matrix in Beziehung gesetzt.
München
Wien
Paris
London
Erste Generation James
Marie
Hermann Emma
Zweite Generation Otto
Anna
Elisabeth
Paul
Dritte Generation Marie jr.
Hermann jr.
Die Mobilität nimmt mit jeder Generation zu. 214
Beispiel 26
Lebensort Generation 2C.7
Familie
Umzug
Geschlecht
3A.1
3F.3
3F.4
Wagner Brown
Links = Ja Rechts = Nein
Weiblich Männlich
Verwendete Elemente 2C.7 3A.1 3F.3 3F.4
Beziehung. Verschachtelung. Matrix Farbe. Grundfarben Isotype. Richtung Isotype. Hintergrund. Schattiert 215
6 Anhang
217
Die Autor:innen Hochschule Luzern – Design & Kunst
Pionierin von DX — Data Experience Design
Über 100 Projekte mit Kunden wie Roche, Schweizer Post, Nicht regierungsorganisationen wie Unicef, die UN und staatliche Institutionen wie das Bundesamt für Statistik Schweiz und den Schweizer Nationalfonds
Initiator der Eventreihe »On Data And Design« Basel – Berlin – Wien
Superdot.studio Information is Beautiful Award DPA Infografik Award Out of Balance Kritik der Gegenwart Informationsdesign Gewinner
YAAY.ch
Ausbildung
Karriere
Highlight 218
Hochschule für Gestaltung und Kunst FHNW Basel Hochschule der Künste Bern Fachhochschule Graubünden Unterricht und Mentoring
Darjan Hil
Nicole Lachenmeier Hochschule für Gestaltung und Kunst FHNW Basel
Universität Wien BSc Wirtschafts informatik
BA Visuelle Kommunikation (u.a. bei Wolfgang Weingart)
MSc Wirtschafts informatik
Die schönsten Schweizer Bücher
Oracle / IBM Zertifizierter Systemischer Coach DAA Credit Suisse
Forschung an der Hochschule für Gestaltung und Kunst FHNW Basel Studio Niclac
MA Visuelle Kommunikation und Bildforschung FHNW HGK Basel
Forschung an der Hochschule für Gestaltung und Kunst FHNW Basel Forschung an der Hochschule für Wirtschaft FHNW Basel 219
Weiterführende Lektüre, Quellen und Tools Bücher, die uns auf unserem Weg begleitet haben und die wir für eine vertiefende Lektüre in Ergänzung zu diesem Buch empfehlen.
Schweizer Grafikdesign
Sammlungen Informationdesign
Maier, M. (1986). ›Elementare Entwurfs- und Gestaltungs prozesse: Die Grundkurse an der Kunstgewerbeschule Basel‹. Bern.
R. Klanten, N. Bourquin, et al. (2008). ›Data Flow: Visualising Information in Graphic Design‹ (1. Aufl.). Berlin.
Müller-Brockmann, J. (2009). ›Rastersysteme für die visuelle Gestaltung – Grid systems in Graphic Design: Ein Hand buch für Grafiker, Typografen und Ausstellungsgestalter: Ein … typographers and three dimensional designers‹ (4., rev. Aufl.). Salenstein. Typographie, S. S. S. U., Osterer, H. & Stamm, P. (2008). ›Adrian Frutiger – Schriften: Das Gesamtwerk‹ (1. Aufl.). Basel.
Visuelle Wahrnehmung Dondis, D. A. (1974). ›A Primer of Visual Literacy‹ (New ed). Cambridge, Massachusetts. Leborg, C. (2006). ›Visual Grammar (Design Briefs)‹ (1. Aufl.). New York City. Zwimpfer, M. (1994). ›2d – visuelle Wahrnehmung‹. Salenstein.
Schwochow, J. (2020). ›Die Welt verstehen mit 264 Infografiken: aus Geschichte, Wirtschaft, Gesellschaft, Sport, Kunst und Kultur, Wissenschaft und Techno logie‹. München. Wiedemann, J. & Rendgen, S. (2018). ›Understanding the World. The Atlas of Infogra phics‹ (Multilingual Aufl.). Köln. Wiedemann, J. & Rendgen, S. (2019). ›History of Information Graphics‹ (Multilingual Aufl.). Köln.
Informationsarchi tektur: die L.A.T.C.H Theorie Bradford, P. & 2 Wurman, R. S. (1996). ›Information Architects‹. New York City. 2 Wurman, R. S. (2017). ›Un derstanding Understanding‹. Richard Saul Wurman & Jack. New York City.
220
2 Wurman, R. S. (1989). ›Infor mation Anxiety‹ (1. Aufl.). Doubleday. New York City
1 Otto Neurath und Jacques Bertin Bertin, J. (2011). ›Semiology of Graphics‹ (1. Aufl.). Madison. Brian, S., Neurath, M. & Kinross, R. (2016). ›Die Transformierer: Entstehung und Prinzipien von Isotype‹ (1. Aufl.). Salenstein. Hartmann, F. & Bauer, E. K. (2006). ›Bildersprache: Otto Neurath Visualisierungen‹ (2., erw. Aufl.). Wien. Vossoughian, N. (2011). ›Otto Neurath: The Language of the Global Polis‹ (1. Aufl.). Rotterdam.
Theorie des Informationsdesigns Tufte, E. R. (1990). ›Envi sioning Information‹ (First Edition). Cheshire, Connecticut. Tufte, E. R. (1997). ›Visual Explanations: Images and Quantities, Evidence and Narrative‹ Cheshire, Connecticut.
Tufte, E. R. (2001). ›The Visual Display of Quan titative Information‹ (2. Aufl.). Cheshire, Connecticut. Tufte, E. R. (2006). ›Beautiful Evidence‹. Cheshire, Connecticut.
Handbücher Informationsdesign
Empfohlene Tools für den Visualisierungsprozess Zur Analyse von Daten: Excel und Tableau, für die Umsetzung: Illustrator, Indesign, RawGraphs, Processing / P5.js, SVG with Vanilla JS, D3.js
Kirk, A. (2019a). ›Data Visualisation: A Handbook for Data Driven Design‹ (Reprint Aufl.). New York City. Koponen, J. & Hildén, J. (2018). ›Data Visualization Handbook‹. Helsinki. Lima, M. (2013). ›Visual Complexity: Mapping Pat terns of Information (history of information and data visualization and guide to today’s innovative applicati ons)‹ (Reprint Aufl.). New York City. Lupi, G. & Posavec, S. (2018). ›Observe, Collect, Draw!: A Visual Journal‹ (1. Aufl.). New York City. Schwabish, J. (2021). ›Better Data Visualizations: A Guide for Scholars, Researchers, and Wonks‹. New York City. 221
Dank
Kein Buch wird über Nacht geschrie ben, und es ist nie das Werk einer einzigen Person. Leider gibt es nicht genug Zeilen, um all die Freunde und Familienmitglieder zu erwähnen, die direkt oder indirekt an diesem Buch beteiligt waren, und sei es nur durch motivierende Worte oder un bewussten Einfluss. Wir möchten uns aber ganz besonders bei zwei Per sonen aus unserem Superdot-Team bedanken, die uns viele Impulse und Unterstützung gegeben haben – Sarah Heitz und Aaron Ritschard: Ohne Euer Vertrauen, eure Geduld und Euren Beitrag hätten wir es nicht geschafft. Vielen Dank auch an den Birkhäuser Verlag für das Vertrauen in unsere Arbeit. # visualizingcomplexity # modularinformationdesign
222
Impressum
Konzept und Inhalt Darjan Hil, Nicole Lachenmeier
Layout und Design Nicole Lachenmeier
Satz
Superdot • visualizing complexity
Lektorat
Ulrich Schmidt
Koordination
Baharak Tajbakhsh, Freya Mohr
Herstellung
Amelie Solbrig, Heike Strempel
Papier
Juwel Offset
Druck
Eberl & Kœsel GmbH & Co. KG Library of Congress Control Number: 2021953535
Bibliografische Information der Deutschen Nationalbib liothek Die Deutsche Nationalbib liothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillier te bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar. Dieses Werk ist urheberrecht lich geschützt. Die dadurch begründeten Rechte, insbe sondere die der Übersetzung, des Nachdrucks, des Vortrags,
der Entnahme von Abbildun gen und Tabellen, der Funk sendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbei tungsanlagen, bleiben, auch bei nur auszugsweiser Ver wertung, vorbehalten. Eine Vervielfältigung dieses Wer kes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der ge setzlichen Bestimmungen des Urheberrechtsgesetzes in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig. Zuwi derhandlungen unterliegen den Strafbestimmungen des Urheberrechts. ISBN 978-3-0356-2505-9 e-ISBN (PDF) 978-3-0356-2507-3 Englisch Print-ISBN 978-3-0356-2504-2 © 2022 Birkhäuser Verlag GmbH, Basel Postfach 44, 4009 Basel, Schweiz Ein Unternehmen der Walter de Gruyter GmbH, Berlin / Boston 9 8 7 6 5 4 3 2 1 www.birkhauser.com
223