Bild: "Locals and Tourists #2 (GTWA #1): New York" by Eric Fisher (@ flickr.com)
Datenauswertung ist ein sehr spannendes Thema, das mich seit vielen Jahren immer mal wieder umtreibt. Sei es beruflich im Kontext der Verarbeitung von Big Data - also solch großer Datenmengen die mit herkömmlichen Datenbanken und Datenbank-Management-Tools nicht mehr erschöpfend auswertbar sind – oder auch privat, wenn mir interessante Projekte im Bereich Datenjournalismus, Datenvisualisierung oder Infografiken über den Weg laufen.
Warum ist das Thema so spannend? Weil visualisierte Daten – egal ob als Infografik oder DataMap oder Chart – uns helfen können Sachverhalte besser zu verstehen, Zusammenhänge oder gänzlich neue Seiten eines Sachverhalts zu entdecken und sichtbar zu machen, oder gar Zugang zu einem uns sonst verschlossenen Thema zu eröffnen (nicht zuletzt durch den oftmals eher spielerischen Designansatz von Datenvisualisierungen). Einen Schritt weit ermöglichen uns visualisierte Daten eine einfachere, oder zumindest zugänglichere, Bewertung von Sachverhalten, seien sie auch noch so komplex.
An genau dieser Stelle spielt das Thema Datenvisualisierung auch in der Wissenschaft eine Rolle. Der Arbeitsschritt der wie auch immer gearteten Datenauswertung ist ein dem Wissenschaftssystem immanenter Schritt. Die Datenvisualisierung ist ebenso schon seit jeher ein Bestandteil der wissenschaftlichen Arbeitsweise, sie kann jedoch auch außerhalb des Wissenschaftssystems einen merklichen Stellenwert erringen. Nicht zuletzt ermöglichen uns visualisierte Daten eine recht leicht verständliche Form des wissenschaftlichen Storytellings. Damit schaffen sie für die interessierte Öffentlichkeit einen relativ niederschwelligen Zugang zu wissenschaftlichen Themen, zu Forschung und zu komplexen Sachverhalten. Im Zuge einer Diskussion um Open Access in der Wissenschaft (also dem freien Zugang zu wissenschaftlichen Ergebnissen die durch öffentliche Gelder finanziert wurden) bietet der Datenjournalismus eine exzellente Form des Zugangs und des Verständnisses für die Öffentlichkeit zu diesen Ergebnissen.
Welch großartige Geschichten sich erzählen lassen, kann man schon an einigen Beispielen sehen (Hans Roslin sei hier nur einmal genannt) und erfreulicherweise sind mehr und mehr Wissenschaftsorganisationen dazu bereit Offene Daten zur Verfügung zu stellen (z.B. die NASA, Helmholtz Gemeinschaft). Wir dürfen also gespannt sein.
Hör- und Sehempfehlung
Ich selbst kann ja nicht verhehlen, dass ich großer Fan von Podcasts und Vodcasts bin und kann an dieser Stelle meine themenbezogene Empfehlung für die Datenschau aussprechen. Die “…gemütliche Internetsendung rund um Visualisierungen von Daten, Informationsarchitektur, Gamification, neue Formen des Onlinejournalismus und den ganzen Rest” widmet sich in (leider recht großen, aber) regelmäßigen Abständen eben jenen Themen. Der Mix aus Podcast und Vodcasts funktioniert meines Erachtens recht gut und verspricht in Kombination mit ein bißchen mehr Fokus auf bestimmte Hauptthemen wirklich ein spannendes Format zu werden. Was ich mir persönlich wünschen würde, habe ich dem Team (Anna Lena Schiller, Philip Banse, Lorenz Matzat, Marcus Bösch) schon in die Kommentare zur Folge 3 geschrieben.
Neben der Datenschau möchte ich auch noch dieses Video von Geoff McGhee (Stanford University) empfehlen, der den Einfluss von Datenvisualisierung auf den Journalismus audiovisuell aufarbeitet.
Leseempfehlung
Wer sich etwas weiter mit dem Thema beschäftigen möchte, dem kann ich ein paar erste Anlaufstellen empfehlen:
- Das Datenjournalist Blog von Lorenz Matzat
- Das Blog von Marcus Bösch
- Das Open Data Blog der ZEIT, das nach Lorenz Matzat mittlerweile von Markus Heidmeier und Kai Biermann betreut wird und
- Das Data Blog des Guardian
- Das Flowing Data Blog
- Das Infosthetics Blog
- Die Website (Information is Beatiful), aber auch die Bücher von David McCandless
