Visualisierungsdesign für Dinge, die noch nicht existieren

• Die meisten Datenvisualisierungen befassen sich mit der Vergangenheit, und selbst wenn sie die Zukunft zeigen, verlängern sie meist nur eine einzelne Linie nach vorn und bilden damit die strukturellen Eigenschaften von Unsicherheit nicht angemessen ab
• Wenn sich der Gegenstand der Visualisierung von Prognosen bis hin zu kontrafaktischen Szenarien nicht mehr auf „Daten“, sondern auf einen „Raum der Möglichkeiten“ richtet, treten drei zentrale Herausforderungen auf: Multiplizität, Unsicherheit und Abhängigkeit
• Geschichtete Unsicherheit, verzweigende Zeitachsen und Szenario-Oberflächen sind drei Muster, die als strukturelle Ansätze bestehende prognostische Visualisierungen mit Fokus auf eine einzelne Trajektorie ersetzen können
• An realen Beispielen wie dem Hurrikan-Prognosekegel, COVID-Kurven, Klimaszenarien und Erdbeben-Risikokarten wird konkret erläutert, wie bestehende Prognosevisualisierungen Fehlinterpretationen begünstigen
• Das Ziel von Zukunftsvisualisierung ist nicht Vorhersage, sondern die Gestaltung einer erkundbaren Struktur, damit verständlich wird, wie viele Zukünfte möglich sind und welche Faktoren sie formen

---

Probleme von Prognosevisualisierungen

• Die meisten Prognosecharts bestehen aus einer sauberen einzelnen Linie, die nach vorn weiterläuft, umgeben von einem schattierten Band, und vermitteln damit den Eindruck von Präzision und Kontrolle
• Diese einzelne Linie enthält falsche Annahmen: „Es gibt eine wahrscheinlichste Zukunft“, „Abweichungen sind symmetrisch und vorhersehbar“ und „Unsicherheit ist keine strukturelle Eigenschaft, sondern nur eine einfache Marge“
• In realen Systemen wird die Zukunft nicht verlängert, sondern verzweigt sich; Unsicherheit nimmt mit der Zeit zusammengesetzt zu, und Ergebnisse sind nichtlinear und asymmetrisch
• Beispiel Hurrikan-Prognosekegel: Der Kegel wird oft so gelesen, als würde der Sturm größer werden, tatsächlich zeigt er aber die Unsicherheit der Position über die Zeit
• Beispiel COVID-Prognosen: Viele Visualisierungen zeigten eine einzelne Kurve, obwohl die tatsächlichen Ergebnisse je nach Verhalten, Politik und Timing völlig unterschiedlich ausfielen
• Alberto Cairo behandelte in seinem Nightingale-Beitrag „The Day I Thought I Misled the President of the United States“, wie Prognosevisualisierungen unbeabsichtigt das öffentliche Verständnis verzerren können, und untersuchte in einer interaktiven Hurrikan-Prognosevisualisierung für The New York Times alternative Wege, Unsicherheit wirksamer zu vermitteln

Zentrale Herausforderung: Das visualisieren, was noch nicht passiert ist

• Bei Prognosen, Simulationen und kontrafaktischen Situationen ist der Gegenstand nicht ein Datensatz, sondern ein Raum möglicher Ergebnisse (space of outcomes)
• Die Frage verschiebt sich von „Was sagen die Daten?“ zu „Was könnten die Daten werden?“
• Es gibt drei zentrale Herausforderungen
  • Multiplizität (Multiplicity): Es gibt nicht eine Zukunft, sondern viele
  • Unsicherheit (Uncertainty): Nicht alle Möglichkeiten sind gleich wahrscheinlich
  • Abhängigkeit (Dependency): Ergebnisse unterscheiden sich je nach Entscheidungen, Ereignissen und Bedingungen
• Die meisten Prognosevisualisierungen glätten diese Dimensionen aus Gründen der Lesbarkeit zu einer einzelnen Trajektorie, doch das ist ein wenig wahrheitsgetreuer Ansatz

Kontrafaktische Szenarien (Counterfactuals)

• Kontrafaktische Szenarien wie „Was wäre passiert, wenn …?“ existieren nicht in den Daten; sie sind konstruierte hypothetische Szenarien und oft modellabhängig
• Trotzdem sind es wichtige Fragen: Was wäre, wenn der Tsunami stärker gewesen wäre? Wenn die Modellprognose falsch gewesen wäre? Wenn sich die Politik geändert hätte?
• Kontrafaktische Szenarien bringen die Aufgabe mit sich, eine Version der Realität zu zeigen, die nie eingetreten ist, also „Abwesenheit“ darzustellen
• Die meisten Visualisierungen ignorieren das vollständig oder reduzieren es auf einen Toggle-Wechsel, was nicht ausreicht
• Die Lösung für das Problem, Möglichkeiten auf einen einzelnen Pfad zu komprimieren, besteht darin, Struktur statt Einfachheit zuzulassen

Muster 1: Geschichtete Unsicherheit (Layered Uncertainty)

• Statt eines einzelnen Konfidenzintervalls sollte Unsicherheit hierarchisch klassifiziert werden
• Hierarchische Struktur
  • Ergebnisse mit hoher Sicherheit: ein enger, dunkler Bereich
  • Bereich mittlerer Sicherheit: ein breiterer, hellerer Bereich
  • Extreme mit geringer Wahrscheinlichkeit: fragmentierte, kaum sichtbare Bereiche
• Diese Schichten müssen ihre Form verändern — denn Unsicherheit ist nicht gleichförmig
  • Sie kann in eine Richtung verzerrt sein, sich in mehrere Cluster aufteilen oder sich unter bestimmten Bedingungen verengen
• Das Ziel ist nicht zu zeigen, wie viel Unsicherheit es gibt, sondern wie sie funktioniert
• Meteorologische Ensemble-Prognosen gehen bereits in diese Richtung: „Spaghetti-Plots“ visualisieren Dutzende möglicher Ergebnisse gleichzeitig, und Dichte sowie Clusterbildung der Linien drücken Vertrauen, Divergenz und Instabilität deutlich wirksamer aus als eine einzelne geglättete Prognoselinie

Muster 2: Verzweigende Zeitachsen (Branching Timelines)

• Eine einzelne Trajektorie suggeriert Unvermeidlichkeit, eine Verzweigungsstruktur macht dagegen Entscheidungspunkte sichtbar
• Statt „eine Linie → viele mögliche Abweichungen“ sollte man in „ein Ausgangspunkt → viele sich aufspaltende Pfade“ denken
• Jede Verzweigung steht für Bedingungen, Entscheidungen oder das Überschreiten von Schwellenwerten und ermöglicht sinnvolle interaktive Visualisierungen, in denen Nutzer nicht Daten, sondern Folgen (consequences) erkunden
• Besonders wirkungsvoll ist das für Politiksimulationen, Klimaszenarien und Modellverhalten unter verschiedenen Eingaben
• Die Erzählung verschiebt sich von „Das wird hier passieren“ zu „Je nachdem, was sich ändert, kann Folgendes passieren“
• Klimavisualisierungen sind das klarste Beispiel: Unterschiedliche Emissionsszenarien erzeugen im Zeitverlauf völlig verschiedene Erwärmungstrajektorien, und die Zukunft hängt von Politik, Energieverbrauch und kollektivem Verhalten ab (Quelle: IPCC 2021)

Muster 3: Szenario-Oberflächen (Scenario Surfaces)

• Statt einzelne Zukünfte zu plotten, wird der Raum selbst visualisiert
• Auf einer 2D- oder 3D-Oberfläche steht jeder Punkt für ein Szenario; die Achsen repräsentieren Variablen (Zeit, Intensität, Wahrscheinlichkeit usw.), während Farbe oder Textur die Qualität des Ergebnisses oder das Risiko codieren
• So können Nutzer stabile Bereiche, Zonen mit hoher Volatilität und abrupte Übergänge zwischen Ergebnissen erkennen
• Im Mittelpunkt steht eher Exploration als Storytelling
• Erdbeben-Risikokarten funktionieren auf ähnliche Weise: Statt ein einzelnes Ereignis vorherzusagen, visualisieren sie Risikobereiche je nach Kombination aus Magnitude, Tiefe und Ort und sind darauf ausgelegt, die Topografie möglicher Auswirkungen verständlich zu machen (Quelle: USGS)
• Damit wird etwas anerkannt, das die meisten Visualisierungen ignorieren: Die Zukunft ist nicht diskret, sondern kontinuierlich

Für Interpretation gestalten (Designing for Interpretation)

• Der schwierigste Teil dieses Ansatzes ist nicht technisch, sondern kognitiv
• Wenn man viele Zukünfte zeigt, können sich Nutzer überfordert fühlen, Muster werden weniger klar, und Interpretation erfordert Aufwand
• Wenn man zur Vereinfachung eine Visualisierung „leicht“ machen will, entsteht oft gerade dadurch eine irreführende Visualisierung
• Das Ziel muss sich von der Reduktion von Komplexität hin zur Strukturierung von Komplexität verschieben
• Hier wird Interaktion wichtig
  • Schrittweise Offenlegung (Progressive disclosure)
  • Geführte Pfade durch Szenarien (Guided pathways)
  • Verankerung der Nutzer mit Referenzpunkten (Reference points)
• Man gestaltet nicht nur eine Visualisierung, sondern auch eine Art des Denkens über Unsicherheit

Fazit: Die Kernprinzipien der Zukunftsvisualisierung

• Wer visualisieren will, was noch nicht existiert, muss aufhören, so zu tun, als existiere es bereits
• Drei zentrale Prinzipien
  • Nicht eine, sondern viele Möglichkeiten darstellen
  • Nicht bloß Bereiche, sondern Struktur darstellen
  • Für Exploration statt für Konsum gestalten
• Ziel ist nicht, die Zukunft vorherzusagen, sondern verständlich zu machen, wie viele Zukünfte möglich sind und was sie formt