Data Storytelling: Datenerkenntnisse sichtbar machen

Im Kontext einer Geschichte erscheinen die Erkenntnisse von Datenanalysen leichter verständlich und nachvollziehbarer. Ein Zuviel oder Zuwenig an Information birgt dabei jedoch die Gefahr der Verzerrung – sowohl für den Erzähler als auch den Zuhörer.

In Pocket speichern vorlesen Druckansicht 4 Kommentare lesen
Data Storytelling: Datenerkenntnisse sichtbar machen
Lesezeit: 14 Min.
Von
  • Tatjana Borovikov
  • Olga Mordvinova
Inhaltsverzeichnis

Große Datenmengen über beinahe jeden Aspekt unseres Lebens zu erfassen und zu analysieren ist dank der Entwicklung der Informationstechnologie kein Problem mehr. Aus den Daten werden Fakten – in der Regel numerisch repräsentiert –, die als Entscheidungsvorlagen für unsere Handlungen dienen. Doch damit allein ist der Job eines Datenexperten oder Data Analyst noch nicht getan, denn die menschliche Wahrnehmung ist weniger darauf ausgelegt, nackte Zahlen zu erfassen. Vielmehr ist sie auf das Verarbeiten von zusammenhängenden Informationen, also Geschichten, spezialisiert.

Das wird an einem Experiment von Rob Walker und Joshua Glenn deutlich, bei dem die beiden Journalisten den Zusammenhang zwischen dem monetären Wert eines Objekts und seiner Darstellung untersuchten. In der Studie entwickelten Schriftsteller Geschichten über einhundert gewöhnliche Gegenstände, die anschließend bei eBay zum Verkauf standen. Das Experiment bescherte den Verkäufern wirtschaftlichen Erfolg: Die Erlöse waren 28-mal höher als die Investition. Vor allem aber zeigte das Ergebnis die hohe Anziehungskraft der Geschichten. Das Storytelling erhöhte den persönlichen Wert eines Gegenstandes für den Interessenten – und damit auch den Preis, den er zu zahlen bereit war.

Eine Reihe der im Experiment verkauften Gegenstände aus der Kategorie "Talisman" (Abb. 1)

Fügt man Datenauswertungen in ein Szenario ein und verbindet sie zu einer Geschichte, dann erreichen die ermittelten numerischen Ergebnisse die Zielgruppe besser. Im Kontext von Nutzer- und Fachszenarien – bestehend aus Datenanalyse, Datenvisualisierungen und textuellen Elementen – nennt sich diese Vorgehensweise Data Storytelling. Ziel der Methode ist es, dem Empfänger die Bedeutung hinter den Daten klar zu machen und ihn zum Handeln zu motivieren. Durch Geschichten erhalten die Datenanalysen auch eine emotionale Komponente, die den Daten eine Stimme verleiht.

Data Storytelling vereint drei Komponenten: Daten, Visualisierung und Narrativ (Abb. 2)

Der Unterschied zwischen der Präsentation eines Datensatzes und dem Erzählen einer Geschichte liegt in der Effektivität. Durch geschickte Auswahl des Bild- und Textmaterials erhält eine Geschichte emotional gefärbte Inhalte und Details. Bei der Verarbeitung im Gehirn aktivieren sie komplexe neuronale Prozesse, die eine verstärkte emotionale Reaktion hervorrufen. Dadurch werden Geschichteninhalte schneller übertragen und sind leichter zu merken als nüchterne Zahlen und Fakten.

Eine spannende Geschichte verbindet Erzähler und Zuhörer unbewusst durch neuronale Kopplung (Neural Coupling). Sie ermöglicht es den Zuhörern, die gehörten Worte in virtuelle Erfahrungen zu verwandeln. So aktivieren beispielsweise Duftwörter wie Vanille oder Zimt die Geruchszentren des Gehirns, während der Satz "Unseren Käufern gefällt die weiche abgerundete Form des Produkts" das Tastsinnzentrum der Zuhörer anspricht.

Im Rahmen einer Studie an der Universität Princeton konnte Uri Hassen Belege für das sogenannte Mirroring zeigen: während des Geschichtenerzählens sind demnach sowohl beim Sprecher als auch beim Zuhörer dieselben Bereiche des Gehirns aktiviert. Dabei durchlebt das Gehirn der Zuhörer die beschriebenen emotionalen Ereignisse und produziert Dopamin, das die Aufnahme von Informationen zusätzlich fördert.

Geschichtenerzählen regt im menschlichen Gehirn Mechanismen an, die nicht nur die Informationsaufnahme beschleunigen – sie führen auch dazu, dass sich diese Informationen schneller einprägen. (Abb. 3)

Das Konzept des Geschichtenerzählens ist nicht neu, es bewährt sich bereits seit Jahren im Umfeld von Medien und Marketing. Heute weiß man es auch in Projekten zu nutzen, in denen die Erkenntnisse von Datenanalysen im Mittelpunkt stehen. Ein Beispiel ist der datengetriebene Journalismus, eine moderne, durch die Analyse von Massendaten unterstützte Art der Berichterstattung.

Bereits 2009 startete The Guardian als erste große Nachrichtenorganisation eine Initiative, um öffentlich zugängliche Datenquellen in die Berichterstattung zu integrieren. Durch interaktive Darstellungen lassen sich Nachrichten auf eine individuelle Art konsumieren. Ein nennenswerter Vertreter dieser Methode in Deutschland ist die Berliner Morgenpost, die ihren Lesern einen interaktiven und explorativen Nachrichtenblock bietet, wie das Beispiel zum Rekordsommer 2018 zeigt.

Daten stärker in den Kontext des Nutzers zu stellen, findet auch in Massendaten-Anwendungen, insbesondere in den Bereichen Analyse und künstliche Intelligenz (KI) immer häufiger Einzug, wie in einem Projekt von Sandra Nieves zur Untersuchung der Ursachen und Verbreitung von Waldbränden in Portugal. Die Visualisierung der Kernaussage, nämlich das Ausmaß der Katastrophe, zeigt, wie sich eine Zahl durch Text und Bild leichter verständlich und einprägsamer gestalten lässt.

Waldbrände in Portugal in 2017: Das Ausmaß der Katastrophe (Abb. 4)