Farbwahl in der Datenvisualisierung bezeichnet die methodisch begründete Auswahl von Farbpaletten für Charts und Karten, die Datenwerte präzise codiert, Hierarchien und Kontraste klar kommuniziert und für alle Nutzer – einschließlich farbenblinder Personen – zugänglich ist.
Rubrik: Mediendesign & Digitale Medien · Unterrubrik: Infografik & Datenvisualisierung · Niveau: Einsteiger Synonyme / Auch bekannt als: Farbpalette, Color Mapping, Farbskala, Color Encoding
Was ist Farbwahl in der Datenvisualisierung?
Farbe ist eines der stärksten visuellen Kodiermittel in Datenvisualisierungen – und eines der am häufigsten falsch eingesetzten. Im Gegensatz zu Texten, Grafiken oder Fotos, wo Farbe primär ästhetisch wirkt, hat Farbe in Visualisierungen eine semantische Funktion: Sie codiert Information. Eine falsch gewählte Farbpalette kann Daten verzerren, täuschen oder für einen bedeutenden Teil des Publikums unlesbar machen. Die richtige Farbwahl ist daher nicht eine Frage des Geschmacks, sondern der Datenkommunikation.
Erklärung
Die drei Grundtypen von Farbpaletten:
1. Sequentielle Paletten: Für Daten, die von niedrig zu hoch verlaufen und alle auf einer Seite eines neutralen Punktes liegen. Beispiel: Einwohner pro km², Temperatur in einem Sommer, Stimmenanteile einer Partei. Die Farbe verläuft von hell (wenig) zu dunkel (viel) oder von einer Farbe zur anderen. Beispiele: Gelb-Orange-Rot, Weiß-Blau, Hellgrün-Dunkelgrün. ColorBrewer-Empfehlung: „YlOrRd", „Blues", „Greens".
2. Divergierende Paletten: Für Daten mit einem natürlichen Mittelwert oder Nullpunkt, von dem aus Werte in beide Richtungen abweichen können. Beispiel: Temperaturabweichungen vom Jahresdurchschnitt (+/−), Parteigewinne und -verluste, Haushaltssaldo (Überschuss/Defizit). Die Palette hat zwei kontrastierende Farben an den Extremen und Weiß oder Grau in der Mitte. Beispiele: Rot-Weiß-Blau, Orange-Weiß-Lila. ColorBrewer: „RdBu", „PiYG".
3. Kategoriale (qualitative) Paletten: Für nominale Daten ohne natürliche Reihenfolge – Kategorien sollen klar unterscheidbar sein, ohne dass eine Farbe als „mehr" oder „weniger" wahrgenommen wird. Beispiel: Parteien, Länder, Produktkategorien. Regeln: Farben sollen ähnliche Helligkeit und Sättigung haben (keine Farbe dominiert visuell). Maximal acht bis zehn unterscheidbare Farben. ColorBrewer: „Set1", „Set2", „Paired".
Die Regenbogenpalette (Jet) – der häufigste Fehler: Die Regenbogenpalette (Blau-Cyan-Grün-Gelb-Rot) ist die meistgenutzte und gleichzeitig schlechteste Farbpalette für Datenvisualisierungen. Ihre Probleme: (a) Die wahrgenommene Helligkeit verläuft nicht monoton – Gelb erscheint heller als Blau, obwohl beide dieselbe Datenbedeutung haben könnten. (b) Sie ist für Menschen mit Rot-Grün-Farbblindheit praktisch unlesbar. (c) Sie erzeugt falsche visuelle Grenzen durch plötzliche Farbwechsel. Für alle Anwendungen stehen bessere Alternativen bereit.
Perceptually uniform colormaps: Wissenschaftliche Visualisierungsprogramme (Python/Matplotlib) haben perceptually uniform colormaps entwickelt (Viridis, Plasma, Magma, Cividis), die beim Drucken in Graustufen korrekt funktionieren, für farbenblinde Nutzer geeignet sind und keine falschen visuellen Grenzen erzeugen. Diese sind inzwischen der Standard in wissenschaftlichen Publikationen.
Kulturelle Konnotationen: Farben haben kulturelle Bedeutungen, die bei internationalen Visualisierungen beachtet werden müssen. Rot = Gefahr/Verlust/Hitze in den meisten westlichen Kulturen; Grün = positiv/Natur/Gewinn. In der Finanzwelt ist Rot-Grün-Konvention international, aber in einigen asiatischen Ländern (z. B. China) ist Rot die Farbe für Kursgewinne. Politische Farben (Rot = SPD/Labour, Schwarz = CDU/Conservatives, Grün = Die Grünen) sind kontextspezifisch.
Farbe als Hervorhebungswerkzeug: Im Storytelling wird Farbe eingesetzt, um Aufmerksamkeit zu lenken (vgl. Storytelling mit Daten). Ein einziger farbiger Balken im grauen Balkendiagramm ist ein präattentives Attribut – das Auge springt sofort darauf. Regel: Akzentfarbe sparsam einsetzen (maximal ein bis zwei Farben für Hervorhebung, Rest in Grau oder Hellblau).
Beispiele
- ColorBrewer 2.0 (colorbrewer2.org): Das Standardreferenzwerkzeug für Kartenfarbpaletten von Cynthia Brewer. Wählt man Datenmenge und Palettentyp, erhält man barrierefreie Farbcodes in Hex, RGB und CMYK.
- Economist-Rotblau: The Economist verwendet eine klare Zwei-Farb-Palette (Blau für positive, Rot für negative Entwicklungen) konsistent durch alle Charts – sofort wiedererkennbar und effektiv.
- Viridis in der Wissenschaft: Seit 2015 Standard in Matplotlib und seither in tausenden wissenschaftlichen Publikationen für Heatmaps und Konturplots.
- Parteifarbkodierung: Deutsche Medien haben eine etablierte Konvention: Schwarz = CDU/CSU, Rot = SPD, Gelb = FDP, Grün = Grüne, Blau = AfD, Lila = Die Linke. Diese konsistente Farbkodierung erleichtert die schnelle Einordnung von Wahlgrafiken.
- Fehlbeispiel Regenbogen-Heatmap: In der Meteorologie wurden Radar-Niederschlagskarten jahrzehntelang mit der Regenbogenpalette dargestellt – wissenschaftliche Standards bewegen sich nun hin zu perceptually uniform colormaps.
In der Praxis
Empfohlene Ressourcen:
- ColorBrewer 2.0 (colorbrewer2.org): Farbpaletten für Karten, nach Typ und Barrierefreiheit filterbar
- Adobe Color (color.adobe.com): Farbharmonien für kategoriale Paletten
- Chroma.js / d3-scale-chromatic: JavaScript-Bibliotheken für Color Mapping
- Datawrapper: enthält ColorBrewer-Paletten direkt als Vorauswahl
Workflow-Tipp: Jede fertige Visualisierung durch den Sim Daltonism (Mac) oder Coblis-Simulator schicken, um die Lesbarkeit für farbenblinde Nutzer zu prüfen. Alternativ: Screenshot in Graustufen konvertieren – wenn die Information noch lesbar ist, ist die Farbwahl robust.
Vergleich & Abgrenzung
Farbwahl interagiert mit allen anderen Gestaltungsprinzipien:
- Data-Ink Ratio: Farbe kann Chartjunk sein (dekorativ) oder Data-Ink (informationstragend)
- Barrierefreiheit in Datenvisualisierungen: Farbe darf nie das einzige Unterscheidungsmerkmal sein
- Choropleth-Karte: Farbpalettenwahl bestimmt die Botschaft der Karte maßgeblich
Häufige Fragen (FAQ)
Wann sollte man welchen Palettentyp verwenden? Sequentiell für einseitig gerichtete Daten (nur positiv oder nur negativ), divergierend für Daten mit Nullpunkt oder Mittelwert, kategorial für nominale Gruppen ohne Rangordnung. Im Zweifel ColorBrewer verwenden und das Tool die Lesbarkeit unter Farbenblindheit simulieren lassen.
Welche häufigen Fehler gibt es bei der Farbwahl in Visualisierungen? Regenbogenpalette für kontinuierliche Daten, fehlende Barrierefreiheit (Rot-Grün-Kontraste ohne Formmuster), zu viele Farben in kategorialen Paletten (über acht Kategorien), dekorative Verwendung von Farbe ohne Informationsgehalt (Chartjunk) und kulturell unangemessene Farbkonventionen in internationalen Kontexten.
Verwandte Einträge
Weiterführend
- Brewer, Cynthia A. (1994): Color Use Guidelines for Mapping and Visualization. In: MacEachren, Alan M. / Taylor, D.R. Fraser (Hg.): Visualization in Modern Cartography. Oxford: Pergamon Press, S. 123–147.
- Moreland, Kenneth (2009): Diverging Color Maps for Scientific Visualization. In: Proceedings of the 5th International Symposium on Visual Computing.
- ColorBrewer 2.0: colorbrewer2.org
