Choropleth-Karte

Choropleth-Karte ist eine thematische Karte, bei der geographische Gebiete (Länder, Regionen, Wahlkreise) proportional zu einem Datenwert eingefärbt werden.

Rubrik: Mediendesign & Digitale Medien · Unterrubrik: Infografik & Datenvisualisierung · Niveau: Einsteiger

Was ist eine Choropleth-Karte?

Der Begriff „Choropleth" stammt aus dem Griechischen: choros (Ort, Region) + plethos (Menge). Eine Choropleth-Karte verbindet geographische Grenzlinien (Shapefiles oder TopoJSON-Dateien) mit einem Datensatz und färbt jede Einheit entsprechend ihrer Datenwertausprägung ein.

Das Ergebnis ist eine intuitiv lesbare Karte, auf der räumliche Muster sofort sichtbar werden: Regionen mit hohen Werten erscheinen in einer kräftigeren Farbe, Regionen mit niedrigen Werten in einer blasseren.

Beispielanwendungen: Wahlergebnisse nach Wahlkreis, Arbeitslosigkeit nach Bundesland, COVID-Inzidenzwerte nach Landkreis, Niederschlagsmengen nach Klimaregion.

Erklärung

Absolutwerte vs. Relativwerte:

Einer der häufigsten Fehler bei Choropleth-Karten ist die Darstellung absoluter Zahlen (z. B. Gesamtzahl der Infizierten pro Landkreis). Große Regionen mit vielen Einwohnern erscheinen dadurch automatisch dunkler, obwohl die Lage dort vielleicht weniger kritisch ist als in einem kleinen Landkreis mit hoher Infektionsdichte. Choropleth-Karten müssen immer normalisierte Werte zeigen: Infizierte pro 100.000 Einwohner, Arbeitslose in Prozent der Erwerbsbevölkerung, BIP pro Kopf.

Klassenbildung (Classification):

Rohe, kontinuierliche Datenwerte müssen in diskrete Farbklassen eingeteilt werden. Datawrapper bietet mehrere Methoden:

• Natural Breaks (Jenks): Klassen werden an natürlichen Sprüngen im Datensatz getrennt. Gut für heterogene Daten.
• Quantile: Jede Klasse enthält gleich viele Einheiten. Gut für gleichmäßige visuelle Verteilung, kann aber irreführend sein, wenn die Daten geclustert sind.
• Gleiche Intervalle: Klassen haben denselben Wertebereich. Intuitiv, aber schlecht bei schiefen Verteilungen.
• Manuell: Sinnvoll, wenn bestimmte Schwellenwerte inhaltlich bedeutsam sind (z. B. gesetzliche Grenzwerte).

Cairo (2016) empfiehlt, die Klassenmethode im Titel oder in einer Anmerkung zu dokumentieren, da sie die Darstellung erheblich beeinflusst.

Farbpaletten:

Für sequenzielle Daten (z. B. Bevölkerungsdichte: von gering bis hoch) eignen sich sequenzielle Paletten (z. B. Hellgelb bis Dunkelgrün). Für divergierende Daten (z. B. Parteivorsprung: links vs. rechts, oder Veränderungsraten: Zunahme vs. Abnahme) sind divergierende Paletten (z. B. Blau–Weiß–Rot) besser. ColorBrewer (colorbrewer2.org) von Cynthia Brewer bietet kartographisch optimierte, barrierefreie Paletten – direkt in Datawrapper integriert.

Geografische Verzerrung:

Choropleth-Karten bevorzugen optisch große Gebiete. In der USA-Wahlkarte erscheinen dünn besiedelte Bundesstaaten wie Alaska oder Montana riesig, obwohl sie wenige Wahlmännerstimmen haben. Als Alternative: Kartogramme (Gebiete nach Einwohnerzahl oder Wert skaliert) oder Hex-Maps (alle Einheiten als gleichgroße Sechsecke). Diese verzichten auf geografische Genauigkeit zugunsten statistischer Fairness.

Shapefiles und Geodaten:

Technisch braucht eine Choropleth-Karte Grenzliniendaten als Shapefile, GeoJSON oder TopoJSON. Datawrapper bietet eingebaute Grenzkarten für Deutschland, Europa und die Welt in verschiedenen Auflösungsstufen. Für individuelle Regionen (z. B. österreichische Bezirke, Schweizer Kantone) müssen Geodaten von Behörden (z. B. Statistisches Bundesamt) heruntergeladen und importiert werden.

Wann einsetzen / wann nicht

Einsetzen, wenn:

• Die räumliche Verteilung einer normalisierten Kennzahl interessiert (Pro-Kopf-Werte, Prozentzahlen).
• Regionale Muster und geographische Cluster erkannt werden sollen.
• Das Publikum geographisch vertraut ist (kennt die Regionen auf der Karte).
• Daten auf administrativer Ebene vorliegen (Landkreise, Bundesländer, Länder).

Nicht einsetzen, wenn:

• Absolute Zahlen ohne Normalisierung gezeigt werden sollen.
• Sehr viele Klassen (mehr als 7) notwendig sind – die Farbnuancen werden unterscheidbar schwierig.
• Die Regionen sehr unterschiedlich groß sind und große Regionen die Karte optisch dominieren – Kartogramm oder Hex-Map erwägen.
• Keine echte geographische Fragestellung vorliegt – dann ist ein Balkendiagramm nach Regionen klarer.

Beispiele (5 konkrete)

1. Bundestagswahl-Ergebnis nach Wahlkreis: Farbkodierung nach stärkster Partei oder Erst-Stimmen-Anteil. Standarddarstellung in deutschen Medien (Tagesschau, Spiegel). Datawrapper bietet hierfür fertige Wahlkreis-Karten.
2. COVID-19-Inzidenz nach Landkreis: 7-Tage-Inzidenz pro 100.000 Einwohner, farbkodiert mit sequenzieller Orange-Rot-Palette. Die Echtzeit-Karten des Robert Koch-Instituts basierten auf diesem Prinzip.
3. Bruttoinlandsprodukt pro Kopf in der EU: Normalisiert auf Kaufkraftstandards (KKS). Zeigt klares Ost-West-Gefälle. Divergierende Palette mit EU-Durchschnitt als Mittelpunkt.
4. Tourismus-Intensität nach Bundesland: Übernachtungen pro Einwohner und Jahr. Zeigt, welche Bundesländer touristisch stark frequentiert sind, unabhängig von ihrer absoluten Größe.
5. Sprachkarte Europas: Nicht numerische, sondern kategorische Färbung – jede Sprachfamilie eine Farbe. Kategorische Choropleth ohne Reihenfolge, deshalb kategorische Farbpalette (keine Sequenz).

In der Praxis

Datawrapper: Datawrapper ist das empfohlene Tool für einfache bis mittlere Choropleth-Karten im Journalismus und in der Kommunikation. Es bietet eingebaute Karten für Deutschland (Bundesländer, Landkreise, Wahlkreise), Europa und die Welt. Der Workflow: CSV mit Regionscode und Datenwert hochladen, Karte auswählen, Farbpalette und Klassenbildung konfigurieren, Embed-Code generieren. Keine Programmierkenntnisse notwendig.

Flourish: Flourish bietet ebenfalls Choropleth-Karten mit interaktiven Hover-Effekten und einem Story-Mode, der mehrere Karten hintereinander schalten kann. Gut geeignet für animierte Vergleiche (z. B. Entwicklung über mehrere Jahre mit Play-Button).

D3.js: Mit D3.js und GeoJSON-Grenzdaten lassen sich hochindividualisierte Choropleth-Karten programmieren. Die Projektion (z. B. d3.geoMercator()) verwandelt geographische Koordinaten in Bildschirmpixel. Über d3.scaleSequential() und ColorBrewer werden Werte in Farben übersetzt. Gut für eingebettete, interaktive Webanwendungen mit Zoom und Tooltip.

Vergleich & Abgrenzung

Häufige Fragen (FAQ)

Warum darf ich keine absoluten Zahlen in einer Choropleth-Karte zeigen? Weil große Gebiete automatisch dunkler erscheinen, wenn sie mehr Einwohner oder eine größere Fläche haben – unabhängig von der eigentlichen Intensität des gemessenen Phänomens. Ein großes Bundesland mit vielen Menschen hat naturgemäß mehr absolute Erkrankungsfälle als eine kleine Stadt. Die Karte würde große Gebiete immer als „schlimmer" zeigen, obwohl die Lage dort pro Einwohner besser sein könnte. Normalisierung (pro 100.000 Einwohner, in Prozent) behebt dieses Problem.

Wie viele Farbklassen sind optimal? Die meisten Kartographen empfehlen 5–7 Klassen. Weniger als 4 Klassen verlieren zu viele Nuancen; mehr als 7 sind für menschliche Augen schwer unterscheidbar, besonders bei ähnlichen Farbtönen. Datawrapper setzt standardmäßig 5 Klassen ein.

Verwandte Einträge

• Heatmap — Kontinuierliche Dichte ohne Gebietsgrenzen
• Farbwahl in Datenvisualisierungen — Sequenzielle und divergierende Paletten für Karten
• Datawrapper — Das empfohlene Tool für Choropleth-Karten

Weiterführend

• Cairo, A. (2016). The Truthful Art, Kap. 9 (Mapping data). New Riders.
• Wilke, C. O. (2019). Fundamentals of Data Visualization, Kap. 15 (Visualizing geospatial data). O'Reilly Media.
• Brewer, C. A. (2005). Designing Better Maps: A Guide for GIS Users. ESRI Press.
• ColorBrewer: colorbrewer2.org (Kartographisch optimierte Farbpaletten von Cynthia Brewer)