Datenstorytelling

Datenstorytelling ist die Kunst, quantitative Daten durch narrative Strukturen, gezielten Kontext und visuelle Gestaltung in eine verständliche, überzeugende und erinnerbare Geschichte zu verwandeln.

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

Was ist Datenstorytelling?

Datenstorytelling kombiniert drei Elemente: Daten (die Faktenbasis), Visualisierung (die visuelle Darstellung) und Narrative (die erzählende Struktur). Nur wenn alle drei zusammenwirken, entsteht echtes Datenstorytelling. Rohe Daten allein überzeugen nicht. Schöne Diagramme ohne Kontext werden vergessen. Nur die Geschichte macht Daten bedeutsam.

Cairo (2016) definiert das Ziel von Datenkommunikation als „to help people understand the world better through visualizations." Das Mittel dazu ist nicht die perfekte Grafik, sondern die richtige Geschichte.

Erklärung

Der Narrative Arc in der Datenkommunikation

Klassische Erzählstrukturen lassen sich auf Datenstorytelling übertragen. Die einfachste Struktur ist der Dreischritt:

1. Setup / Kontext: Warum ist das Thema relevant? Was ist der Ausgangszustand? Warum sollte das Publikum weiterlesen?
2. Konfrontation / Daten: Die Daten enthüllen ein Problem, eine Überraschung oder ein Muster. Der „Aha-Moment": Das, was die Daten zeigen, ist anders als erwartet.
3. Auflösung / Interpretation: Was bedeutet das? Welche Konsequenzen ergeben sich? Was kann oder sollte getan werden?

Diese Struktur gilt für einen einzelnen Artikel mit Grafik genauso wie für ein mehrseitiges interaktives Feature.

Die Martinez-Methode

Alicia González Martinez (Datenjournalistin und Forscherin) hat eine Methode entwickelt, um Datenstorytelling systematisch zu planen:

1. Die zentrale Botschaft formulieren: In einem Satz: Was soll das Publikum nach dem Lesen wissen oder tun?
2. Die überraschende Wendung identifizieren: Was ist in den Daten anders, als die Menschen erwarten?
3. Den menschlichen Anker finden: Welche Person, welches konkretes Beispiel macht die abstrakte Zahl greifbar?
4. Die richtige Visualisierung wählen: Welcher Chart-Typ zeigt die Botschaft am direktesten?
5. Den Kontext aufbauen: Was muss das Publikum wissen, bevor es die Daten sieht?

Die Methode verhindert den häufigsten Fehler: Visualisierungen zu erstellen, bevor eine klare Botschaft formuliert ist.

Fokussierte vs. explorative Darstellungen

Few (2012) unterscheidet zwei grundlegende Moden der Datenpräsentation:

Fokussierte Darstellung (Explanatory): Die Autorin oder der Autor hat die Analyse bereits durchgeführt und präsentiert die Schlussfolgerungen. Die Visualisierung ist ein Argument, das eine These illustriert. Beispiel: Ein Zeitungsartikel mit einer Hauptgrafik, die die Botschaft unmittelbar zeigt.

Explorative Darstellung (Exploratory): Das Publikum erkundet die Daten selbst. Interaktive Dashboards, Filter und Dropdown-Menüs erlauben individuelle Fragen an die Daten. Beispiel: Ein interaktives Dashboard auf einer Nachrichtenwebseite, wo Leserinnen und Leser ihre Gemeinde oder ihren Beruf suchen können.

Datenstorytelling im engeren Sinne meint die fokussierte Form: eine geführte Narration, keine Selbstexploration.

Humanizing Data: Die Millionen-Falle

Eine der größten Herausforderungen im Datenstorytelling ist, abstrakte Zahlen greifbar zu machen. „1,2 Millionen Menschen" ist abstrakt. „Dreimal die Einwohnerzahl von Frankfurt" ist es nicht. Techniken:

• Vergleichsgrößen: Abstrakte Zahlen in bekannte Maßstäbe übersetzen (Fußballfelder, Jahreseinkommen, Bevölkerungszahlen).
• Menschliche Anker: Ein konkretes Schicksal stellvertretend für viele beschreiben. Der erste Absatz ist oft eine Einzelperson, dann folgen die aggregierten Daten.
• Visualisierung durch Einheiten: Waffle Charts und Unit Charts zeigen jede Person als einzelnes Symbol – das erzeugt Empathie.

Cairo (2016) nennt dieses Prinzip „Humanizing Data" und betont: Daten repräsentieren immer Menschen, Orte oder Ereignisse – eine Visualisierung, die das vergisst, ist kalt und wirkungslos.

Scrollytelling als Datenstorytelling-Format

Eine besondere Form des Datenstorytelling ist das Scrollytelling (→ eigener Eintrag): Der Nutzer oder die Nutzerin scrollt durch eine Seite und die Visualisierungen verändern sich synchron. Neue Datenpunkte werden enthüllt, Annotationen erscheinen, Charts transformieren sich. Das schafft ein geführtes, kontrolliertes Erzählerlebnis – stärker als eine statische Infografik, niedrigschwelliger als ein Video.

Wann einsetzen / wann nicht

Datenstorytelling einsetzen, wenn:

• Eine klare Botschaft in den Daten vorhanden ist, die kommuniziert werden soll.
• Das Publikum nicht von Haus aus mit den Daten vertraut ist und geführt werden muss.
• Daten politisch oder gesellschaftlich relevant sind und Entscheidungen beeinflussen sollen.
• Emotion und Verständnis gleichzeitig geweckt werden sollen.

Nicht einsetzen (oder anders framen), wenn:

• Die Daten keine klare Botschaft haben – dann ist Exploration ehrlicher als erzwungenes Storytelling.
• Das Publikum Experten sind, die Rohdaten oder interaktive Dashboards benötigen.
• Die Geschichte in Konflikt mit den Daten steht – dann muss die Geschichte angepasst werden, nicht die Daten.
• Manipulation die Intention wäre: Daten selektiv auswählen, um eine vorher feststehende Schlussfolgerung zu „belegen".

Beispiele (5 konkrete)

1. New York Times „The Upshot – Year in Graphics": Jährliche Rückblicke auf die besten Datenjournalismus-Grafiken des Jahres mit kurzen Kontexttexten. Jede Grafik ist für sich ein kleines Datenstory-Fragment.
2. Spiegel Online „Klimawandel in Zahlen": Ein Scrollytelling-Feature, das durch 10 Grafiken führt – jede mit einem erklärenden Text, der die Daten in historischen Kontext einbettet. Klare Botschaft: Der Klimawandel ist messbar und dramatisch beschleunigt.
3. FiveThirtyEight Wahlprognosen: Klassisches Datenstorytelling mit probabilistischen Daten. Die zentrale Botschaft ist nicht der Prozentwert, sondern die Unsicherheit – und wie man mit Unsicherheit umgeht.
4. Tagesspiegel „Berliner Wohnungsmarkt": Eine interaktive Datenstory zeigt, in welchen Stadtteilen Mieten besonders stark gestiegen sind. Menschlicher Anker: Eine Mieterin in Mitte erzählt von ihrer Verdrängung – dann folgen die Daten für alle Stadtteile.
5. Zeit Online „Schule in Deutschland": Eine mehrteilige Datenserie mit Grafiken zu PISA-Ergebnissen, Lehrermangel und Schulfinanzen. Jeder Teil eine Botschaft, alle Teile eine übergreifende Argumentation.

In der Praxis

Der Datenstorytelling-Prozess:

1. Frage stellen: Was will ich über die Daten herausfinden?
2. Daten analysieren: Explorative Datenanalyse (EDA) in Excel, R oder Python.
3. Botschaft formulieren: Welches Ergebnis ist überraschend, relevant, kommunizierbar?
4. Visualisierung prototypen: In Datawrapper oder Flourish schnell Entwürfe testen.
5. Narrative aufbauen: Text und Grafik verzahnen. Welche Grafik braucht welchen Text?
6. Iterieren: Mit echten Leserinnen und Lesern testen. Wird die Botschaft verstanden?

Tools für Datenstorytelling:

• Datawrapper: Einzelne Grafiken, Embeds in Artikel.
• Flourish Story: Mehrseitige, interaktive Datenstories.
• Shorthand: Vollständige Longform-Features mit Scrollytelling.
• Canva / Illustrator: Statische Infografiken für Social Media und Print.

Vergleich & Abgrenzung

Häufige Fragen (FAQ)

Was ist der Unterschied zwischen Datenstorytelling und Datenjournalismus? Datenjournalismus ist eine journalistische Methode: Daten als Quelle für Recherche, Analyse und Berichterstattung. Datenstorytelling ist die Darstellungsform: Wie werden die Ergebnisse dieser Recherche kommuniziert? Datenjournalismus ohne Datenstorytelling ist ein Faktenreport; Datenstorytelling ohne Datenjournalismus kann Infotainment oder Werbung sein. In der besten Praxis überschneiden sie sich vollständig.

Wie vermeide ich, dass meine Datenstory manipulativ wirkt? Drei Grundregeln: (1) Die Daten bestimmen die Geschichte, nicht umgekehrt. Wenn die Analyse kein klares Ergebnis zeigt, sollte das transparent kommuniziert werden. (2) Methode offenlegen: Woher kommen die Daten? Wie wurden sie bereinigt? (3) Gegenargumente und Einschränkungen benennen: Was zeigen die Daten nicht? Was sind alternative Erklärungen?

Verwandte Einträge

• Scrollytelling — Daten durch Scrollen enthüllen
• Infografik-Typen — Die richtigen visuellen Formate für jede Geschichte
• Flourish — Tool für narrative Datenpräsentationen

Weiterführend

• Cairo, A. (2016). The Truthful Art, Kap. 3 (The truth continuum). New Riders.
• Few, S. (2012). Show Me the Numbers (2. Aufl.). Analytics Press.
• Tufte, E. R. (2001). The Visual Display of Quantitative Information (2. Aufl.). Graphics Press.
• Knaflic, C. N. (2015). Storytelling with Data. Wiley.