You are on page 1of 255

STAR

Visualisierung von Daten


April - 04

Kerstin A. Ludwig
Universitt Konstanz

The real voyage of discovery consists not in seeking new landscapes,


but in having new eyes.
[Proust]

Inhaltsverzeichnis
Inhaltsverzeichnis ................................................................................................... 3
Abbildungs- und Tabellenverzeichnis ............................................................................ 5
Abkrzungsverzeichnis ........................................................................................... 10
1. Einleitung ........................................................................................................ 12
2. Darstellung des Themas ...................................................................................... 14
2.1 Motivation ................................................................................................... 14
2.2 Visuelle Artefakte........................................................................................... 18
2.3 Visualisierung von Daten.................................................................................. 20
2.3.1 Die menschliche Wahrnehmung .................................................................... 20
2.3.2 Pre-Computer-Phase ................................................................................. 20
2.3.3 Computer-Phase ...................................................................................... 22
2.3.4 Pre-Computer-Phase vs. Computer-Phase ....................................................... 23
2.3.5 Visualisierung.......................................................................................... 23
2.3.6 Scientific Visualization................................................................................ 24
2.3.7 Information Visualization ............................................................................. 25
2.3.8 Historie.................................................................................................. 26
2.4 Definition von Begrifflichkeiten ........................................................................... 29
2.5 Visualisierung Visualisierung ........................................................................... 32
2.5.1 Cholera Epidemie in London ........................................................................ 32
2.5.2 Space Shuttle Challenger ............................................................................ 36
2.5.3 Verflschende Visualisierungen..................................................................... 39
2.6 Herausforderung des Themas............................................................................ 43
2.7 Ausgangssituation.......................................................................................... 44
2.7.1 Mercedes-Benz........................................................................................ 45
2.7.2 Andere Automobilkonzerne .......................................................................... 49
2.8 Legitimation fr das Thema............................................................................... 51
3. Visualisierung in der Wissenschaft .......................................................................... 52
3.1 Konferenzen ................................................................................................ 52
3.2 Wissenschaftler und Institutionen........................................................................ 55
3.3 Literatur ...................................................................................................... 61
4. Thematische Auseinandersetzung........................................................................... 63
4.1 Vorstellung des Referenzmodells fr Visualisierung .................................................. 64
4.1.1 Data Transformation: Raw Data Data Tables ................................................. 65
4.1.2 Visual Mapping: Data Tables Visual Structures ............................................... 68
4.1.3 View Transformations: Visual Structures Views............................................... 70
4.1.4 Interaktions- und Transformationskontrollen ...................................................... 71
4.1.4.1 Transformationen ................................................................................ 71
3

4.1.4.2 Interaktionstechniken ............................................................................ 72


4.2 Techniken zur Visualisierung von Daten................................................................ 76
4.2.1 The Theorie of Graphics ............................................................................. 77
4.2.2 The Grammar of Graphics ........................................................................... 78
4.2.2.1 Ein objekt-orientiertes Grafiksystem........................................................... 78
4.2.2.2 From Data to Graphic............................................................................ 80
4.2.2.3 Geometry .......................................................................................... 81
4.2.2.4 Aesthetics ......................................................................................... 92
4.2.2.5 Statistics ......................................................................................... 109
4.2.2.7 Scales............................................................................................ 117
4.2.2.8 Coordinates ..................................................................................... 118
4.2.2.9 Facets............................................................................................ 137
4.2.3 Metaphern............................................................................................ 145
4.3 Einsatzmglichkeiten der Techniken .................................................................. 155
4.3.1 Task by Data Type Taxonomy for Information Visualization .................................. 157
4.3.2 Datentypen der Task by Data Type Taxonomy ................................................. 159
4.3.2.1 Eindimensional ................................................................................. 159
4.3.2.2 Zweidimensional ............................................................................... 159
4.3.2.3 Dreidimensional ................................................................................ 160
4.3.2.4 Temporal ........................................................................................ 161
4.3.2.5 Multi-Dimensional .............................................................................. 161
4.3.2.6 Tree .............................................................................................. 162
4.3.2.7 Network.......................................................................................... 163
4.3.3 Visualisierungen..................................................................................... 164
4.4 Konzeptioneller Einsatz der Techniken ............................................................... 195
4.4.1 5T-Environment ..................................................................................... 196
5. Diskussion am Beispiel ...................................................................................... 199
5.1 IST-Stand der Settings .................................................................................. 199
5.2 Analyse anhand der Faktoren der 5T-Environment ................................................. 203
5.3 Visualisierungsmglichkeiten........................................................................... 208
5.3.1 Klassenwelt (PKW) ................................................................................. 208
5.3.2 Standard- und Sonderausstattungen (PKW) .................................................... 214
5.3.3 Ergebnisdarstellung der Gebrauchtwagensuche (PKW) ...................................... 219
6. Zusammenfassung ........................................................................................... 225
7. Ausblick ........................................................................................................ 232
8. Quellenverzeichnis ........................................................................................... 235

Abbildungs- und Tabellenverzeichnis

Abbildungsverzeichnis
Abb. 1 Zeitergebnisse des Multiplikations-Experiments [CMS 1999] ...................................................................... 19
Abb. 2 Karte des Londoner Underground Transportation System (The Tube) [Spe 2001] ........................................... 21
Abb. 3 Geografische Karte vom Wohnviertel um die Broad Street, mit eingetragenen Todesfllen [Tuf 1997] ................... 33
Abb. 4 Zeitliche Darstellung der Todesflle [Tuf 1997] ...................................................................................... 34
Abb. 5 Zeitlicher Verlauf der Cholera-Epidemie [Tuf 1997] ................................................................................. 35
Abb. 6 Die Challenger etwa 60 Sekunden nach dem Start [Tuf 1997] .................................................................... 36
Abb. 7 Grafik, die der NASA zur Entscheidungsfindung fr den Start der Challenger vorlag [Tuf 1997] ............................ 37
Abb. 8 Scatterplot, der die Abhngigkeit zwischen Starttemperatur und O-Ring Schaden zeigt [Tuf 1997] ........................ 39
Abb. 9 Tgliche vs. wchentliche Darstellung der Todesflle [Tuf 1997] ................................................................. 40
Abb. 10 Wochenbergreifende Darstellung der Todesflle [Tuf 1997] .................................................................... 41
Abb. 11 Geografische Einteilung des Bereichs um die Broad Street in fnf Einzelbereiche Version 1 [Tuf 1997] ............. 41
Abb. 12 Geografische Einteilung des Bereichs um die Broad Street in fnf Einzelbereiche Version 2 [Tuf 1997] und
Geografische Einteilung des Bereichs um die Broad Street in fnf Einzelbereiche Version 2 [Tuf 1997]................... 42
Abb. 13 Geografische Karten: Hndlerstandorte (li.) und Anfahrtsroute (re.) ........................................................... 46
Abb. 14 360 Grad Ansicht aussen (li.) und innen (re.) ..................................................................................... 46
Abb. 15 Beispielabbildungen aus der Interaktiven Bedienanleitung des SLK .......................................................... 47
Abb. 16 Fahrzeugkalkulator (li.) und Wunschfahrzeug (Softfinder) (re.) .................................................................. 47
Abb. 17 Finanzierungsarten(li.) und Preis-Finder (re.) ....................................................................................... 48
Abb. 18 berblick ber die Klassen und ihre jeweiligen Modelle .......................................................................... 49
Abb. 19 Referenzmodell fr Visualisierung [CMS 1999] .................................................................................... 64
Abb. 20 2D und 3D Point-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999] ............................................ 84
Abb. 21 2D und 3D Line-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999] ............................................. 85
Abb. 22 2D und 3D Area-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999]............................................. 85
Abb. 23 2D und 3D Bar-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999] .............................................. 86
Abb. 24 2D und 3D Histogramme [Wil 1999] .................................................................................................. 86
Abb. 25 Schematischer (Box) Plot [Wil 1999] ................................................................................................. 87
Abb. 26 Tile-Grafik [Wil 1999] .................................................................................................................... 88
Abb. 27 Contour-Grafik [Wil 1999] .............................................................................................................. 89
Abb. 28 Path [Wil 1999] ........................................................................................................................... 90
Abb. 29 Komplettes Network mit acht Punkten [Wil 1999] .................................................................................. 90
Abb. 30 Stacked (Divided) Bar-Grafik (li.) und Stacked Area Chart (re.) [Wil 1999] .................................................... 95
Abb. 31 Stacked Dot Plot [Wil 1999] ............................................................................................................ 95
Abb. 32 Clustered Bar Chart [Wil 1999] ........................................................................................................ 96
Abb. 33 Jittered Scatterplot [Wil 1999] ......................................................................................................... 96
Abb. 34 Bubble Plot [Wil 1999].................................................................................................................. 97
Abb. 35 Napoleons Russland-Feldzug nach Minard [Tuf 1983] ............................................................................ 97
Abb. 36 Solid Gren [Wil 1999] ................................................................................................................ 98
Abb. 37 Symbol Shapes [Wil 1999] ............................................................................................................. 98
Abb. 38 Line Shapes [Wil 1999] ................................................................................................................. 99
Abb. 39 Solid Shapes [Wil 1999] ................................................................................................................ 99
Abb. 40 Map of Europe [Wil 1999] ............................................................................................................ 100

Abb. 41 Modifikation der Chernoff FACES von Bruckner [Wil 1999]................................................................... 100
Abb. 42 Scatterplot mit Images [Wil 1999] ................................................................................................... 101
Abb. 43 Rotation eines Symbols und eines Solids [Wil 1999] ............................................................................ 101
Abb. 44 Windgeschwindigkeiten [Wil 1999].................................................................................................. 102
Abb. 45 Brightness Variation ................................................................................................................... 102
Abb. 46 Hue Variation [Wil 1999] .............................................................................................................. 103
Abb. 47 Saturation Variation [Wil 1999] ...................................................................................................... 103
Abb. 48 Scatterplot mit farbkodierten Kategorien (li.) und Color Map (re.) [Wil 1999] ................................................ 103
Abb. 49 Matrix Plot [Wil 1999].................................................................................................................. 104
Abb. 50 Granularity [Wil 1999] ................................................................................................................. 104
Abb. 51 Line Granularity [Wil 1999] ........................................................................................................... 105
Abb. 52 Pattern Variations [Wil 1999]......................................................................................................... 105
Abb. 53 Line Textur Orientation [Wil 1999] .................................................................................................. 106
Abb. 54 Blur Variation [Wil 1999] .............................................................................................................. 106
Abb. 55 Transparency Variation [Wil 1999] .................................................................................................. 106
Abb. 56 Unterschiedliche Graph Typen, dieselbe statistische Methode (v.l.o.n.r.u.: point, line, area, bar; Methode:
region.confi.smooth.linear) [Wil 1999] .................................................................................................. 110
Abb. 57 Unterschiedliche statistische Methoden, derselbe Graph Typ (v.l.o.n.r.u.: statistic.mean, region.spread.range,
smooth.quadratic, region.confi.smooth.linear; Graph Typ: line) [Wil 1999]....................................................... 111
Abb. 58 3D Stepped Surface (li.) und Smooth of Temperature Variation (re.) [Wil 1999] ............................................ 111
Abb. 59 Error Bars [Wil 1999] ................................................................................................................. 112
Abb. 60 Bivariate Densities [Wil 1999] ....................................................................................................... 112
Abb. 61 Bivariate Box Plot [Wil 1999] ........................................................................................................ 113
Abb. 62 Two VariableHhistogram and Hexagon Binning [Wil 1999] ..................................................................... 113
Abb. 63 Short Path durch die US [Will 1999] ................................................................................................ 114
Abb. 64 Minimum Spanning Tree (li.) und Convex hull (re.) [Wil 1999]................................................................ 115
Abb. 65 Triangulation (li.) und Cluster Tree (re.) [Wil 1999] .............................................................................. 115
Abb. 66 Stretch Transformation [Wil 1999].................................................................................................. 121
Abb. 67 Shear Transformation [Wil 1999] ................................................................................................... 121
Abb. 68 Projektion einer Ebene auf eine andere [Wil 1999].............................................................................. 122
Abb. 69 Projektion [Wil 1999] .................................................................................................................. 123
Abb. 70 Conformal Mappings eines Schachbretts [Wil 1999]............................................................................. 124
Abb. 71 Conformal Mapping [Wil 1999] ...................................................................................................... 124
Abb. 72 Grafik mit rechtwickligen und polaren Koordinaten [Wil 1999] ................................................................. 125
Abb. 73 Pie Chart (li.) und Circular Pie Chart (re.) [Wil 1999] ............................................................................ 125
Abb. 74 Polar Dot Plot and Histogram (li.) und Bar-Grafik und Nightingale Rose (re.) [Wil 1999] .................................. 126
Abb. 75 Polar Cluster Tree (li.) und Polar Time Series (re.) [Wil 1999] ................................................................. 126
Abb. 76 Radar Plot (li.) und Polar Contour-Grafik (re.) [Wil 1999] ....................................................................... 127
Abb. 77 Inversion einer Spirale [Wil 1999] .................................................................................................. 127
Abb. 78 Fisheye Dinosaurier [Wil 1999] ..................................................................................................... 128
Abb. 79 Fisheye Transformation [Wil 1999]................................................................................................. 129
Abb. 80 US Airline Pricing Map [Wil 1999] ................................................................................................... 129
Abb. 81 Permuted Tiling [Wil 1999] .......................................................................................................... 130
Abb. 82 Perspektivische Projektion auf eine Ebene [Wil 1999] .......................................................................... 131
Abb. 83 Triangular Koordinatenebene [Wil 1999] .......................................................................................... 131
Abb. 84 Triangular Coordinates Plot [Wil 1999] ........................................................................................... 132
Abb. 85 Planar Map Projection (li.) und Cylindrical und Conical Map Projections (re.) [Wil 1999] ................................. 133
Abb. 86 Tiles of Soil Samples [Wil 1999]..................................................................................................... 134
Abb. 87 Sphrische Verteilung der magnetische Ausrichtung [Wil 1999]............................................................... 134

Abb. 88 3D Triangular / Rectangular Cordinates [Wil 1999] .............................................................................. 135


Abb. 89 Cylindrical Plot [Wil 1999] ............................................................................................................ 135
Abb. 90 Parallel Coordinates [Wil 1999]...................................................................................................... 136
Abb. 91 Parallel Coordinates in Polar Form [Wil 1999] .................................................................................... 137
Abb. 92 Tabelle mit Scatterplots [Wil 1999].................................................................................................. 138
Abb. 93 Tabelle mit 3D Bars [Wil 1999] ...................................................................................................... 139
Abb. 94 Two-Way Tabelle mit Line-Plots [Wil 1999] ....................................................................................... 139
Abb. 95 3D Objekt mit tabellarischer Darstellung [Wil 1999].............................................................................. 140
Abb. 96 Scatterplot eines Scatterplots [Wil 1999]........................................................................................... 140
Abb. 97 Scatterplot Matrix (SPLOM) [Wil 1999]............................................................................................. 141
Abb. 98 Regression Tree [Wil 1999] .......................................................................................................... 142
Abb. 99 Age-Sex Pyramide fr die US [Wil 1999] .......................................................................................... 142
Abb. 100 Polar Reihe mit Polar Plots [Wil 1999] ............................................................................................ 143
Abb. 101 Two-Way Mosaic Plot [Wil 1999] .................................................................................................. 143
Abb. 102 Linked Micromap Plot [Wil 1999] .................................................................................................. 144
Abb. 103 Document Lens [RM 1993] ......................................................................................................... 164
Abb. 104 Galaxies [PNN 2004] ................................................................................................................ 165
Abb. 105 TileBars [Hea 1995].................................................................................................................. 166
Abb. 106 ThemeView (ThemeScapes) [MIK 2003] ......................................................................................... 167
Abb. 107 WebBook [CRY 1996] (li.) und Blttern im WebBook [CRY 1996] (mi.) und Document Lens View [CRY 1996] (re.)
................................................................................................................................................ 168
Abb. 108 Video-on-Demand Presentation [Spe 2001] ..................................................................................... 168
Abb. 109 Connex [PNN 2004].................................................................................................................. 169
Abb. 110 Rainbows [PNL 2004] ............................................................................................................... 170
Abb. 111 Visual Access for 3D Data [CSC 1996] ........................................................................................... 171
Abb. 112 DateLens (Desktop-Version) [Dat 2004] (li.) und DateLens (PDA-Version: FishCal) [Dat 2004] (mi.) und DateLens
(PDA-Version: FishCal) mit Fokus auf einen Tag [BCR 2002] (re.)................................................................ 172
Abb. 113 Perspective Wall [MIK 2003] ....................................................................................................... 173
Abb. 114 SiZer [EGK 1999] .................................................................................................................... 174
Abb. 115 ThemeRiver [MIK 2003] ............................................................................................................. 174
Abb. 116 Prinzip des Bifocal Display [Spe 2001] (li.) und Bisfocal Display aus Sicht des Benutzers [Spe 2001] (re.) .......... 175
Abb. 117 Circle Segments View [KRM 2003]................................................................................................ 176
Abb. 118 FilmFinder [CMS 1999].............................................................................................................. 177
Abb. 119 Influence Explorer [MIK 2003]...................................................................................................... 177
Abb. 120 libViewer [Lib 2004] .................................................................................................................. 178
Abb. 121 RSVP mit Abbildungen [Spe 2001] ................................................................................................ 179
Abb. 122 Starstruck [PNL 2004] ............................................................................................................... 180
Abb. 123 Supertable und 3D Scatterplot [KRM 2003]...................................................................................... 181
Abb. 124 Table Lens [RC 1994] ............................................................................................................... 181
Abb. 125 Web Forager [CRY 1996] (li.) und Bookshelf [CRY 1996] (re.)............................................................. 182
Abb. 126 Cam Tree [RMC 1991] .............................................................................................................. 183
Abb. 127 Collapsible Cylindrical Tree (CCT) [DE 2001] ................................................................................... 184
Abb. 128 Cone Tree [RMC 1991] ............................................................................................................. 185
Abb. 129 Disk Tree [Chi 2002] ................................................................................................................. 186
Abb. 130 Hyperbolic Tree [MIK 2003] ........................................................................................................ 187
Abb. 131 Pad++ [Pad 2004] (li.), Zooming Site Map fr die Pad++ Webseite [Pad 2004] (li.mi.), Zweite Hierarchietiefe der
Pad++ Webseite [Pad 2004] (re.mi.), Dritte Hierarchietiefe der Pad++ Webseite mit Detailfenster [Pad 2004] (re.)...... 187
Abb. 132 Treemap [Dae 2003]................................................................................................................. 189
Abb. 133 Grocery Purchasing Correlations [Eic 1996] ..................................................................................... 190

Abb. 134 Hot Sauce [Dae 2003] ............................................................................................................... 191


Abb. 135 Hyperspace (Narcissus) [Dae 2003] .............................................................................................. 191
Abb. 136 Narcissus [HDW 1995] (li.) und Narcissus Variation [HDW 1995] (re.) .................................................... 192
Abb. 137 SeeNet [CEH 1996] (li.), SeeNet Helix [CEH 1996] (mi.), SeeNet Emailverkehr [CEH 1996] (re.).................... 193
Abb. 138 Darstellung der Klassenwelt (PKW) Car Konfigurator de (oben) und se (unten) ........................................ 200
Abb. 139 Standard- (oben) und Sonderausstattung (unten) der S-Klasse Limousine S430 (hier Design) Car Konfigurator
de ............................................................................................................................................. 201
Abb. 140 Darstellung der Standard- und Sonderausstattung der S-Klasse Limousine S430 in einer kombinierten Ansicht - Car
Konfigurator se ............................................................................................................................. 201
Abb. 141 Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW).............................................................. 202
Abb. 142 Schematische Darstellung der Klassenwelt mittels eines Hyperbolic Trees................................................ 209
Abb. 143 Schematische Darstellung der Klassenwelt in Anlehnung an die Pad++ Visualisierung ................................. 211
Abb. 144 Schematische Darstellung der Klassenwelt in Anlehnung an RSVP ........................................................ 212
Abb. 145 Schematische Darstellung der Klassenwelt in Anlehnung an die Date Lens ............................................... 213
Abb. 146 Schematische Darstellung der Sonderausstattungen in Form eines Hyperbolic Trees................................... 214
Abb. 147 Schematische Darstellung der Standardausstattungen in Form eines Cam Trees........................................ 215
Abb. 148 Schematische Darstellung eines Teilbaums fr die Daten der Sonderausstattungen .................................... 218
Abb. 149 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine Table Lens. 221
Abb. 150 Systematische Darstellung der Gebrauchtwagensuche inkl. Ergebnisdarstellung in Anlehnung an den FilmFinder 222
Abb. 151 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an Circle Segments223

Tabellenverzeichnis
Tab. 1 Erklrung der Begriffe des Referenzmodells [Man 2001] ........................................................................... 65
Tab. 2 Darstellung einer Datentabelle [CMS 1999] .......................................................................................... 66
Tab. 3 Darstellung einer erweiterten Datentabelle [CMS 1999] ........................................................................... 66
Tab. 4 Interaktionstechniken [CMS 1999] ...................................................................................................... 73
Tab. 5 Graphen [Wil 1999]........................................................................................................................ 83
Tab. 6 Geometrische Graphen [Wil 1999] ..................................................................................................... 92
Tab. 7 sthetische Attribute [Wil 1999] ......................................................................................................... 93
Tab. 8 sthetische Attribute geordnet nach Geometrie [Wil 1999]....................................................................... 108
Tab. 9 Statistische Methoden [Wil 1999] ..................................................................................................... 110
Tab. 10 Statistical Methods by Dimensionality [Wil 1999] ................................................................................ 116
Tab. 11 Tasks der TTT [Shn 1996]............................................................................................................ 158
Tab. 12 Datentypen der TTT [Man 2001] .................................................................................................... 158

Abkrzungsverzeichnis

CCB

College of Computing Building

CCT

Collapsible Cylindrical Tree

CHI

Computer Human Interaction

CMY

Cyan Magenta Yellow - Farbsystem

CRB

Centennial Research Building

GCATT

Georgia Center for Advanced Telecommunications Technology

GI

Gesellschaft fr Informatik

GIS

Geografisches Informationssystem

HCC

Human-Centered Computing

HCIL

Human Computer Interaction Laboratory

HCI

Human Computer Interaction

HI

Human Interaction

HLS

Hue - Lightness - Saturation Farbsystem

IEEE

Institute of Electrical and Electronics Engineers

IGD

Fraunhofer Institute for Computer Graphics

ISR

Institute for Systems Research

IVAs

Interactive Visualisation Artifacts

IR

Information Retrieval

KI

Knstliche Intelligenz

KQML

Knowledge Query and Manipulation Language

MIKY

Rika Furuhata, Issei Fujishiro, Kana Maekawa, Yumi Yamashita

MST

Minimum Spanning Tree

NSF

National Science Foundation

OLIVE

On-line Library of Information Visualization Environments

OOD

Object Oriented Design

PARC

Palo Alto Research Center

POIs

Points of Interest

RSVP

Rapid Serial Visual Presentation

STAR

State-of-the-Art Analyse

SPIRE

Spatial Paradigm for Information Retrieval and Exploration

SPLOM

Scatterplot Matrix

10

TSRB

Technology Square Research Building

TTT

Task by Data Type Taxonomy

UMIACS

University of Maryland Institute for Advanced Computer Studies

VisMeB

Visual Metadata Browser

VOIR

Visualization Of Information Retrieval System

VRS

Virtual Reality Society

VRVIS

Zentrum fr Virtual Reality und Visualisierung Forschungs GmbH

ZUI

Zooming Graphical Interface

11

1. Einleitung

Die vorliegende State-of-the-Art Analyse fr die DaimlerChrysler AG behandelt die


Thematik der Visualisierung von Daten. Im ersten Teil der STAR folgt nach einer
einleitenden Motivation eine allgemeine Einfhrung in die Thematik der Visualisierung
von Daten. Diese umfasst sowohl den Gebrauch von visuellen Artefakten im alltglichen
Gebrauch und den damit verbundenen Bezug zu Visualisierungen, als auch die
chronologische Entwicklung der Geschichte der Visualisierung von Daten mit ihren
verschiedenen Ausprgungen. Die darauffolgende Definition von Begrifflichkeiten, grenzt
die Begriffe aus dem Bereich der Visualisierung von Daten und die damit in Verbindung
stehenden Konzepte klar voneinander ab. Um die ntige Sensibilitt hinsichtlich der
Qualitt und Aussagekraft von Visualisierungen zu schaffen, erfolgt die Darstellung und
Erluterung von Negativ- und Positivbeispielen aus dem Bereich der Visualisierung,
welche auch hufig in der Literatur zitiert werden. Das nchste Kapitel beschreibt, worin
die Herausforderung der Thematik der Visualisierung von Daten im Generellen besteht.
Eine Betrachtung der derzeit verwendeten Visualisierungstechniken in der MB OnlineWelt

(Deutschland1

Schweden2),

und

Visualisierungstechniken,

welche

bei

sowie

Webauftritten

die
anderer

Betrachtung

von

Automobilkonzerne

eingesetzt werden, ermittelt den derzeitigen IST-Stand bezglich des Einsatzes von
Visualisierungen in diesem Bereich und somit die zugrundeliegende Ausgangssituation.
Daraus resultierend erschliet sich in diesem Zusammenhang die Legitimation fr die
Auseinandersetzung mit der Thematik der Visualisierung von Daten.
Im zweiten Teil der STAR wird das Thema der Visualisierung von Daten in der
Wissenschaft behandelt. Dieses Kapitel beinhaltet die wichtigsten wissenschaftlichen
Beitrge, wie einschlgige Literatur, Konferenzen und Institutionen, zu dieser Thematik.
Der eigentliche fachliche Diskurs zum Thema Visualisierung erfolgt im dritten Teil der
STAR. Um eine einheitliche Basis fr die Prsentation und sptere Diskussion der
Visualisierungen zu schaffen, wird an dieser Stelle zunchst das Referenzmodell fr
Visualisierung von Card, Mackinlay und Shneiderman vorgestellt. In einem weiteren
Kapitel erfolgt die Vorstellung von grundlegenden Visualisierungstechniken aus Sicht der
Statistischen

Grafik,

wobei

abschlieend

auch

der

Einsatz

von

Metaphern

bei

Mercedes-Benz Deutschland

URL: http://www.mercedes-benz.de
2

Mercedes-Benz Schweden

URL: http://www. mercedes-benz.se

12

Visualisierungen vorgestellt wird. Dieses einfhrenden Kapitel dienen dem Aufbau von
Basiswissen im Bereich der Visualisierung von Daten. Praktische und/oder exemplarische
Beispiele fr Visualisierungen werden im folgenden Kapitel kurz vorgestellt, um die
Einsatzmglichkeiten von Visualisierungstechniken im Bereich der Wissenschaft und
Wirtschaft aufzeigen. Die Gliederung der Prsentation der Visualisierungen erfolgt anhand
der Task by Data Type Taxonomy von Shneiderman, welche zu Beginn des Kapitels
einleitend vorgestellt wurde. Der Diskurs zum Thema Visualisierung schliet mit den
Ausfhrungen zum konzeptionellen Einsatz von Visualisierungstechniken, welche auch die
Erfolgsfaktoren fr Visualisierungen aus der 5T-Environment von Mann und Reiterer
beinhalten.
Die Reflektion der Ergebnisse der STAR auf die MB Online-Welt, also die Verknpfung der
theoretischen Rechercheergebnisse zum Praxisbezug, findet im vierten Teil der STAR
statt. An dieser Stelle wird zunchst die Ausgangssituation dreier ausgewhlter Settings
aus der MB Online-Welt betrachtet. Basierend auf den Erkenntnissen aus dem Kapitel des
konzeptionellen Einsatzes von Visualisierungstechniken, werden diese Settings anhand
der Faktoren der 5T-Environment analysiert. Aufgrund dieser Analyseergebnisse werden
eine Reihe von Visualisierungstechniken, welche den aufgestellten Anforderungen
entsprechen, ermittelt. Eine Diskussion dieser verschiedenen Visualisierungstechniken
erfolgt anschlieend anhand der drei ausgewhlten Praxisbeispiele (Settings) aus der MB
Online-Welt sowie deren Prsentation.
Abschlieend erfolgt, basierend auf den gewonnenen Erkenntnissen aus der STAR, eine
allgemeine Prognose ber zuknftige Entwicklungen und Tendenzen im Bereich der
Visualisierung von Daten.

13

2. Darstellung des Themas

2.1 Motivation
The world is complex, dynamic, multidimensional; the paper is static, flat. How are we
to represent the rich visual world of experience and measurement on mere flatland?
[Tufte]

Information ist allgegenwrtig. Ob sich es dabei um Zeitungsartikel, Verkehrsmeldungen,


Wetterberichte, Zugfahrplne, Aktienkurse, Reisekarten, Webseiten, Geschftsberichte,
Mess- oder Verbraucherdaten oder um die Konstruktionsplne eines Automobils handelt,
Information findet sich in allen Bereichen des tglichen Lebens im Privaten sowie im
Beruflichen. Information ist heterogen. Information an sich wird von den unterschiedlichsten Quellen zu den unterschiedlichsten Zwecken produziert. Dennoch lassen
sich zwei Hauptziele von Information identifizieren: Kommunikation und Exploration. Das
heisst, Information wird verwendet um eine Idee zu kommunizieren oder mit Hilfe von
Information neue Ideen zu entwickeln. Um diese Hauptziele, die eng mit einander
verflochten sind und hufig fliessende bergnge besitzen, umzusetzen, bedient man
sich schon seit jeher unterschiedlichsten Medien, in den verschiedensten Ausprgungen.
Dazu gehren zum Beispiel Sprache, Schrift, Mathematik, Gestik, Mimik, taktile Reize,
Tne, Symbole, Bilder oder Grafiken. Information hat es schon immer gegeben, sie ist
also keine Erfindung unserer heutigen Zeit. Entsprechend lang ist auch die Geschichte
des Information Design. Jedoch hat sich im Vergleich zu frher, die Menge an
produzierter Information, mit ihren verschiedenen Ausprgungen wesentlich erhht und
ihre nahezu permanente Verfgbarkeit erzeugt einen Effekt, welcher unter dem
populren Schlagwort der Informationsberflutung bekannt geworden ist.
Aufgrund dieses neuen Stellenwertes der Information und der Tatsache, dass sich
bestimmte Formen von Medien, wie die visuelle Reprsentation, besonders fr die
Darstellung eignen, entwickelten sich eigenstndige Forschungsdisziplinen und Arbeitsbereiche, welche sich speziell mit dem Umgang und der visuellen Reprsentation von
Information

beschftigen.

Diese

Disziplinen,

zu

denen

beispielsweise

die

Computergrafik, die Statistische Grafik oder auch die Scientific oder Information
Visualization gehren, machen sich die Tatsache zu nutze, dass das menschliche
Wahrnehmungssystem stark an die effektive Verarbeitung

von

visuell

kodierten

Informationen angepasst ist [Tuf 1983]. Dadurch wird es mglich - unter Voraussetzung
einer qualitativ hochwertigen visuellen Reprsentation - groe Mengen von Information
rasch interpretieren zu knnen. Eine weitere Steigerung dieser Vorzge findet unter zu
14

Hilfenahme von Computern statt. So gehren laut Colin Ware, zu den besten
Visualisierungen nicht statische Bilder, sondern flieende dynamische Visualisierungen,
welche dem Bedrfnis nach unterschiedlichen Darstellungen (Sichten) der Informationen
nachkommen. Aufgrund dessen wurden eine Vielzahl von Visualisierungstools entwickelt,
welche mit Hilfe des Computers Informationen, bzw. Daten visualisieren und interaktiv
fr den Benutzer erfahrbar machen. Diese Tools untersttzen Personen bei dem Umgang
mit Information, sei es nun bei ihrer Arbeit oder im Privatleben, bei der Kommunikation
oder Exploration von Information. Bereits heute werden solche Tools oder auch
Visualisierungen in vielen unterschiedlichen Bereichen eingesetzt, wie beispielsweise bei
Informations- und Marktforschungsinstituten, im Marketingbereich, in der Forschung, bei
Datenanalysten,

aber

auch

auf

Webseiten,

wie

beispielsweise

Wissensportalen

(Wissen.de3) oder Firmenauftritten (Inxight4). Zunehmend beschleunigt sich der Trend


hin zu visuellen Informationen [War 1999]. Leistungsstrkere Computer und neue
Technologien

ermglichen

die

Entwicklung

immer

weiterer,

neuer

Visualisierungstechniken, welche ber einen hohen Grad an Interaktionsmglichkeiten fr


den Benutzer verfgen. Diese Visualisierungen knnen Nutzern aufgrund hherer
Datenbertragungsraten auch zunehmend ber das Web zugnglich gemacht werden.
Die Thematik der Visualisierung von Daten stellt somit ein interessantes und weitgefchertes Feld mit vielen Anwendungsbereichen dar, welches ber eine lange Tradition in
der Geschichte der Menschheit verfgt und auch in Zukunft groe Potentiale birgt.
Diese State-of-the-Art Analyse behandelt die Thematik der Visualisierung von Daten aus
Sicht der Information Visualization. Jedoch existieren viele Schnittmengen zwischen den
einzelnen Disziplinen in diesem Bereich und die Grenzen sind zuweilen flieend. Aus den
verschiedenen

Sichtweisen

der

jeweiligen

Disziplinen

und

der

unterschiedlichen

Verwendung von Begriffen fr dieselbe Thematik entsteht eine Reihe von Unklarheiten,
aber durchaus auch eine Reihe von Synergieeffekten. Die vorliegende STAR fokussiert
hauptschlich den Bereich der Information Visualization, nutzt aber in Kapitel 4.2 zur
Verdeutlichung

von

allgemeingltigen

Techniken

zur

Visualisierung

von

Daten,

Beschreibungen aus dem Bereich der Statistischen Grafik. Dies wird damit begrndet,
dass viele Visualisierungen statistische Grafiken enthalten, wie z.B. Bar Charts,
Histogramme,

Pie

Charts

oder

auch

Scatterplots.

Bei

den

Beschreibungen

von

Visualisierungen aus dem Bereich der Information Visualization wird zumeist nicht mehr
auf diese grundlegenden Techniken eingegangen, da sie als gegeben vorausgesetzt
werden. Um aber Visualisierungen, ohne jegliche Vorkenntnisse in diesem Bereich,
3

Wissen.de

URL: http://www.wissen.de
4

Inxight

URL: http://www.inxight.com

15

besser beurteilen zu knnen, ist dieses Wissen unabdingbar. Mit Hilfe dieser allgemeinen
Beschreibungen aus dem Bereich der Statistischen Grafik ist es mglich, die immense
Flle an verschiedenartigen Visualisierungen, welche sich dem Betrachter bietet, besser
klassifizieren und somit die grundlegenden Techniken von einander unterscheiden zu
knnen.

Oftmals

lassen

sich

mit

diesem

Wissen

scheinbar

unterschiedliche

Visualisierungen auf dieselbe und hnlich aussehende Visualisierungen auf vllig


unterschiedliche Visualisierungstechniken zurckfhren. Sicherlich kann im Rahmen
dieser STAR nicht auf alle Techniken eingegangen werden, jedoch soll an dieser Stelle ein
in die Thematik einfhrendes Basiswissen geschaffen werden.
Das Kapitel der Beispielvisualisierungen (4.3) fokussiert schlielich hauptschlich auf
Visualisierungen aus dem Bereich der Information Visualization, welche aber hufig
Elemente aus der Statistischen Grafik enthalten. Wnschenswert wre an dieser Stelle
eine weitere Fokussierung auf ein Kapitel gewesen, welches auf hnlich allgemeine
Weise, wie das der Visualisierungstechniken (Kapitel 4.2), Konzepte zur Visualisierung
von Daten speziell aus dem Bereich der Information Visualization vorstellt. Die
Beschftigung mit der Visualisierung von Daten im Rahmen dieser State-of-the-Art
Analyse hat gezeigt, dass dies ein sehr vielschichtiges Arbeitsfeld darstellt und wie schon
Thomas Mann in seiner Dissertation Visualization of Search Results from the World Wide
Web feststellte, es schwierig ist, einen allgemeinen berblick ber Visualisierungsideen
in

einem

eindimensionalen

strukturieren.

System

oder

Klassifizierungsschemata

fr

einer

eindimensionalen

Visualisierungen

sind

Hierarchie
deshalb

zu

hufig

multidimensional. Verschiedene Anstze und Sichten sind ntig um dieses Feld


umfassend zu beleuchten. Eine Fortsetzung der Thematik wird in meiner Masterarbeit aus
dem Bereich der Visualisierung von Daten folgen, welche auch den Gedanken der
VizBox aufgreift. Idee dieser VizBox ist es, verschiedene Visualisierungs- und
Interaktionstechniken,
vorzustellen

und

Metaphern

entsprechend

und

Konzepte

aufzubereiten,

um

zur
so

Visualisierung
einen

Pool

an

von

Daten

Ideen

zur

Visualisierung von Daten zu schaffen. Diese Idee enstand in Anlehnung an die Tech Box
von IDEO5 einer amerikanischen Designagentur, welche die Idee einer Kreativbox
optimiert hat. Designer nutzen zur Ideenfindung whrend des Designprozesses hufig die
Inspiration von bereits erprobten Ideen, Techniken, Materialien oder auch Produkten,
welche in anderen Anwendungsbereichen bereits erfolgreich ihre Anwendung fanden.
Durch Adaption dieser Ideen auf neue Anwendungsbereiche lassen sich so neue kreative
Ideen kreieren. Die TechBox von IDEO, enthlt etwa 200 unterschiedliche Artefakte,
welche in verschiedene Kategorien, wie zum Beispiel Amazing Materials, Cool
Mechanism oder auch Interesting Manufacturing Pocesses eingeteilt sind und auf einer
5

IDEO

URL: http://www.ideo.com

16

Webseite umfassend mit Hintergrundinformationen dokumentiert werden. Diese Artefakte


stellen einen Pool von unterschiedlichsten Ideen dar, welche in die kreative Phase des
Designprozesses

eingebracht

werden

knnen.

Durch

Adaption,

Kombination

und

Modifikation der Eigenschaften dieser Artefakte lassen sich so spannende Lsungen


finden, welche - zunchst als unmglich erscheinend - eventuell im Vorfeld als
Lsungsweg ausgeschlossen worden wren.
Die Idee einer solchen Kreativbox oder VizBox lebt von ihrer steten Weiterentwicklung,
indem neue Elemente gesammelt und entsprechend hinzugefgt werden, um so einen
stetig wachsenden Pool an Ideen zu schaffen.

17

2.2 Visuelle Artefakte

Visual artifacts and computers do for the mind what cars do for the feet!
[Card, Mackinlay, Shneiderman]

Die Arbeit oder auch Ttigkeiten des Menschen sind stark mit physischen externen
Hilfsmitteln, hier auch Artefakte genannt, verbunden. Die wenigsten Ttigkeiten werden
in unserer heutigen Welt ausschlielich mental erledigt. Die Kombination von mentalen
Denkprozessen und physischen Hilfsmitteln - also innerer mentaler Aktion und externer
wahrnehmbarer Interaktion - ist stark miteinander verknpft und hat schon eine lange
Tradition in der Geschichte der Menschheit. Laut [CMS 1999] ist die Verflechtung von
innerer mentaler Aktion und externer Wahrnehmung (und Manipulation) kein Zufall. Es
ist vielmehr der Schlssel dazu, wie Menschen ihre mentalen Fhigkeiten zunehmend
erweitern und somit ihre Intelligenz steigern. Auch Norman (1993) sagt:
.... The real powers come from devising external aids that enhance cognitive abilities.
How have we increased memory, thought, and reasoning? By the invention of external
aids: It is things that make us smart. (Norman, 1993, p.43)
Es gibt eine Reihe von verschiedenartigen externen Hilfsmitteln, jedoch ist die mit
Abstand wichtigste Kategorie diejenige der grafischen oder auch visuellen Hilfsmittel. Bei
grafischen

Hilfsmitteln

lassen

sich

insgesamt

zwei

unterschiedliche

Zwecke

unterscheiden. Zum einen dienen grafische Hilfsmittel dazu eine Idee zu kommunizieren.
Damit verbunden wird hufig der bekannte Ausspruch: A picture is worth ten thousand
words. Zum anderen ermglichen grafische Hilfsmittel die Idee selbst zu erzeugen oder
zu entdecken: Using vision to think. Diese beiden Zwecke von grafischen Hilfsmitteln
sind grundstzlich verschieden, auch wenn sie eng miteinander verknpft sind.
Um die Relevanz von grafischen Hilfsmitteln zu verdeutlichen, wurde von [CMS 1999] ein
einfaches informelles Experiment durchgefhrt. Es sollte zeigen, wie selbst einfachste
Hilfsmittel die kognitiven Fhigkeiten eines Menschen um eine Vielfaches erweitern.
Die mathematische Operation Multiplikation gehrt zu den meist genutzten mentalen
Aktivitten des Menschen. Bei dem Experiment sollte eine Testperson zunchst zwei
zweistellige Zahlen miteinander im Kopf multiplizieren. Anschlieend sollte sie das gleiche
mit zwei anderen zweistelligen Zahlen wiederholen, dieses mal allerdings mit Hilfe von
Stift und Papier. Bei beiden Multiplikationen wurde die Zeit gemessen, welche die Person
18

fr die Erledigung der Testaufgabe bentigte. Wie in Abb. 1 zu sehen, reduzierte die
Verwendung von Stift und Papier die Zeit, welche fr die Erledigung der Aufgaben
bentigt wurde, um den Faktor fnf.

Abb. 1 Zeitergebnisse des Multiplikations-Experiments [CMS 1999]

Wie diese Demonstration zeigt, verbessert die Verwendung von grafischen Hilfsmitteln
die gedankliche Performanz, selbst bei Aufgaben, die auch rein mental zu lsen sind. Die
Frage stellt sich, weshalb die Verwendung von Stift und Papier solch einen Unterschied
verursacht. Mentale Multiplikation fr sich selbst genommen, ist nicht schwierig. Was
Probleme bereitet, ist die Teilergebnisse im Gedchtnis zu behalten, bis sie verwendet
werden knnen. Die visuelle Reprsentation ermglicht das Festhalten der Teilergebnisse
auerhalb des Gedchtnisses und erweitert somit das Gedchtnis einer Person.
Stift und Papier ist nur ein Beispiel fr ein grafisches Hilfsmittel; andere sind zum Beispiel
Rechenschieber, Nomographen, Taschenrechner, Karten oder auch Diagramme, um nur
einige zu nennen.

Grafische oder auch visuelle Hilfsmittel bzw. Artefakte untersttzen den Denkprozess. Sie
sind seit jeher stark verflochten mit kognitiver Aktion. Man kann die Entwicklung der
Zivilisation auch an der Erfindung von visuellen Artefakten ablesen: Schrift, Mathematik,
Karten, Diagramme und Visual Computing. Viele Aktivitten in unserem Umfeld haben
mit der Erzeugung oder Verwendung visueller Artefakte zu tun. Visuelle Artefakte
erweitern die kognitiven Fhigkeiten eines Menschen, welche wiederum fr die Aneignung
oder Verwendung von Wissen verantwortlich sind. [CMS 1999]

19

2.3 Visualisierung von Daten


2.3.1 Die menschliche Wahrnehmung

Das menschliche visuelle System hat sich ber zehn Millionen Jahre hinweg als
Instrument fr die Wahrnehmung und Erkennung unserer natrlichen Umgebung
entwickelt. Das gesamte System ist darauf ausgerichtet, Informationen aus unserer Welt,
mit ihren ganz bestimmten physikalischen Eigenschaften, zu extrahieren. [War 1999]
Laut Colin Ware fhrt die Interaktion des stets wachsenden Nervensystems mit der
tglichen Realitt, zu einem mehr oder weniger standardisierten visuellen System,
weshalb dieselben visuellen Konzepte oder Entwrfe fr alle Menschen gleich effektiv
funktionieren.
Das menschliche visuelle System ist speziell darauf ausgerichtet, Muster in seiner
Umgebung zu suchen und wiederzuerkennen. Jedoch unterliegt das System eigenen
Regeln. Obwohl es sehr flexibel ist, ist es darauf abgestimmt, Daten zu erkennen, welche
auf bestimmte Art und Weise prsentiert werden. Gibt es Abweichungen in der
Darstellung,

so

bleiben

diese

Muster

unerkannt.

Sind

die

Funktionsweisen

der

menschlichen Wahrnehmung bekannt, kann dieses Wissen auf Regeln fr die Darstellung
von Daten bertragen werden. Werden diese Regeln beachtet, ist es mglich Daten so zu
prsentieren, dass fr den Menschen informative und vor allem wahrnehmbare Muster
entstehen. [War 1999]
Die Visualisierung von Daten macht sich bereits seit Jahrhunderten diese Tatsache, dass
das menschliche Wahrnehmungssystem stark an die sehr effektive Verarbeitung von
visuell kodierten Informationen angepasst ist, zu nutze. [Tuf 1983]

2.3.2 Pre-Computer-Phase

Bis vor einiger Zeit bedeutete der Begriff Visualization laut dem Shorter Oxford English
Dictionary noch: constructing a visual image in the mind. Inzwischen hat sich die
Bedeutung dieses Begriffs gewandelt. Heutzutage versteht man unter dem Begriff
Visualization: A graphical representation of data or concepts. Demnach wandelte sich
Visualisierung von einem internen Konstrukt des Verstands zu einem externen Artefakt,
welches der Erweiterung des menschlichen Verstandes dient. [War 1999]

20

Visualisierung von Daten gibt es bereits seit einigen Jahrhunderten. Die Entwicklung der
perspektivischen Projektion durch die Florentinischen Architekten whrend des 15.Jh.,
zur Zeit der Italienischen Renaissance, war ein Geschenk fr die Welt des visuellen
Denkens. Sie stellt eine einfache Erweiterung einer zweidimensionalen Oberflche dar,
durch die es Menschen mglich wird, Objekte in einem geometrisch korrekten Kontext
darzustellen und welche durch die eigene tgliche Erfahrung im dreidimensionalen Raum
verstndlich wird. [Tuf 1990][Tuf 1997]
Der bergang schlielich von verkleinerten bildhaften Darstellungen der physischen Welt,
beispielsweise in Form von Karten, hin zu abstrakten Darstellungen, wie zum Beispiel
Graphen, war ein enormer konzeptioneller Schritt. Es bedurfte 5000 Jahre um die Namen
der Koordinaten von Ost-West und Nord-Sd in empirisch messbare Variablen X und Y zu
verwandeln. Parallelen knnen hierbei zur Kunst gezogen werden. Auch in der Kunst
wurde das naturalistische Koordinatensystem erst Anfang des 20.Jh. durch die fraktalen
Bilder des Kubismus, welche gleichzeitig multiple Blickwinkel in einem Bild vereinen,
verzerrt und spter schlielich mit Abstract Painting, bei dem die zwei Dimensionen der
Leinwand nicht lnger zu einer weltlichen Szenerie, sondern nur noch zu sich selbst in
Bezug stehen, vllig aufgelst. [Tuf 1997]

Abb. 2 Karte des Londoner Underground Transportation System (The Tube) [Spe 2001]

Ein sehr bekanntes Beispiel fr die Visualisierung von Daten, welches sich die Verzerrung
der geografischen Rumlichkeiten auf einer Karte zu nutze macht, ist die Karte des
Londoner Underground Transportation System (The Tube) von Harry Beck aus dem Jahr
1931 (Abb. 2).

21

Harry Beck, ein pensionierter Konstruktionszeichner, erkannte damals, dass es keine


Relevanz hat, die eigene genaue geografische Lage zu kennen, wenn man unter Tage ist.
Er realisierte, dass solange die Stationen der U-Bahn in der richtigen Reihenfolge
prsentiert werden und ihre Verkehrsknotenpunkte klar skizziert sind, man die
Skalierung frei verzerren knnte. Der Fokus der Benutzer einer U-Bahn liegt primr auf
der geplanten Reiseroute, also auf der gewnschten Abfahrts- und Zielstation und der
richtigen

U-Bahnlinie.

Beck

gab

seiner

Karte

die

systematische

Przision

eines

elektrischen Leitungsnetzes und erzeugte somit ein gnzlich neues imaginres London,
welches nur wenig mit der Geografie der Stadt oben drber zu tun hatte. Seit 1931
wurde die Karte oftmals berarbeitet und modifiziert, beinhaltet aber immer noch Becks
brilliante Idee, aufgrund derer sie auch mehrfach weltweit kopiert wurde. [Spe 2001]
Oftmals sind Problemstellungen jedoch nicht ausschlielich auf einen zweidimensionalen
Raum beschrnkt, da die Welt fr gewhnlich multivariant ist. Die schon seit
Jahrhunderten bestehende zentrale Fragestellung bei der Darstellung von Daten lautet:
Wie prsentiert man drei oder mehr Dimensionen von Daten auf einer zweidimensionalen
Oberflche, wie beispielsweise Wnde, Steine, Gewebe, Papier oder Computerbildschirmen? Fr diese abstrakteren mehrdimensionalen Daten, welche nicht in unserer
dreidimensionalen Welt angesiedelt sind, werden schon seit einiger Zeit, von Personen,
die mit diesen Daten zu tun haben, verschiedene Methoden, bzw. Techniken zur
Darstellung entwickelt. Zum Teil sind diese Visualisierungen in alltglichen, manchmal
allgegenwrtigen Darstellungen von Daten zu finden, wie zum Beispiel die ausgeklgelte
Strukturierung der Periodentabelle der chemischen Elemente (mit Hunderten von
verschiedenen vorgeschlagenen Zusammenstellungen, um die damit zusammenhngende
Komplexitt besser festhalten zu knnen). [Tuf 1997]

2.3.3 Computer-Phase
Wie bereits erwhnt, haben grafische Hilfsmittel eine sehr lange Geschichte in der Kultur
der Menschheit. Neu ist, diese mittels Computern zu erzeugen. Auch wenn die Erzeugung
von Grafiken eine grundstzlich menschliche Aktivitt ist, kann sie sehr effektiv von
Computern untersttzt werden. [Spe 2001] Das Medium des Computers erlaubt es,
grafische Darstellungen zu erzeugen, welche automatisch Tausende von Datenobjekten
zu Bildern zusammenbauen und diese interaktiv durch einen Benutzer modifizieren zu
lassen. D.h. Visualisierungen sind nicht lnger statisch sondern knnen interaktiv von
Benutzern beeinflusst werden. [CMS 1999]

22

2.3.4 Pre-Computer-Phase vs. Computer-Phase

In der Pre-Computer-Phase musste der Erzeuger einer Grafik bereits bei deren Erstellung
Entscheidungen treffen, welche Daten er visualisieren mchte und wie er diese entsprechend

seines

eigenen

Verstndnisses

der

Aufgabe,

welche

mit

dieser

Visualisierung erledigt werden oder der Mitteilung, welche bermittelt werden sollte reprsentiert. Autor und Betrachter waren zwei verschiedene Personen. Mit Hilfe des
Computers ist es nun mglich, dass der Betrachter, also der Benutzer, - im Rahmen der
Freiheiten, die ihm der Erzeuger mit der Gestaltung des Visualisierungs-tools definiert hat
- die interaktive Kontrolle ber diese Art von Entscheidungen hat. [Spe 2001]
A graphic is no longer drawn once and for all: it is constructed and reconstructed
(manipulated) until all relationships which lie within it have been percieveda graphic is
never an end in itself: it is a moment in the process of decision making. Bertin (1981)

2.3.5 Visualisierung

Graphing data needs to be interactive because we often do not know what to expect of
the data; a graph can help discover unknown aspects of the data, and once the unknown
is known, we frequently find ourselves formulating new questions about the data.
[Cleveland]

In den letzten Jahrzehnten entwickelten sich zunehmend Visualisierungen, welche sich


den Computer zu nutze machen. Die heutige Computertechnologie ist in der Lage uerst
komplexe Visualisierungen zu erzeugen, welche eine extrem verbesserte Wiedergabe
besitzen und interaktiv modifizierbar sind. [CMS 1999] Auf der menschlichen Seite kann
die Visualisierung als dynamisches Artefakt - als Erweiterung des Denkprozesses agieren. Durch ihre Dynamik erfllt sie das Bedrfnis des Benutzers nach verschiedenen
Sichten oder nach detaillierten Informationen der Daten. [War 1999] Eine aufkommende
Sicht betrachtet den Menschen und den Computer zusammen als ein Problemlsungssystem (Zhang, 1997). In einem solchen Modell wird die Datenvisualisierung zu einem
Teil des Interfaces zwischen den Komponenten Mensch und Maschine. Die Visualisierung
ist ein bidirektionales Interface, wenn auch hochgradig asymmetrisch, mit einer weitaus
hheren Bandbreite der Kommunikation in Richtung Maschine zu Mensch als umgekehrt.
[War 1999]

23

Die

Visualisierung

von

Daten

allgemein

hat

grundstzlich

zwei

Facetten:

Datenprsentation und Datenexploration. Der Fokus der Datenprsentationen ist die


Kommunikation von bereits bekannten Fakten durch geeignete Reprsentationsformen.
Bei der Datenexploration geht es dagegen darum, mittels angemessener Visualisierungen
unbekannte Verknpfungen zwischen Thematiken aufzudecken, auch genannt Visual
Data Mining. Die bergnge zwischen den beiden Facetten knnen als flieend
betrachtet werden. Sowohl fr die Datenprsentation als auch fr die Datenexploration
erweist sich die visuelle Reprsentation als vorteilhaft. Im Fall der Prsentation, steht die
Kommunikation im Vordergrund, im Fall der Exploration ist es die Entdeckung. [Man
2002]
Visualisierungen, die sich den Computer zu nutze machen, haben sich als unabhngige
technische Disziplin innerhalb des Bereichs der Human Computer Interaction (HCI)
entwickelt. Eine Reihe anderer Disziplinen wirken ebenso an dem effektiven Gebrauch
von Visualisierungen mit. Unter ihnen befinden sich die Experimentelle oder Kognitive
Psychologie und Human Factors Engineering. Speziell seit den 80er Jahren wurden die
Konzepte der Datenvisualisierung zu vielen anderen Bereichen transferiert. [Man 2002]
Zu dieser Zeit wurden computerbasierte Visualisierungen vor allem im Bereich der
Wissenschaft angewandt, was die Entwicklung des Bereichs der Scientific Visualization
zur Folge hatte. Seit den 90er Jahren kommen diese Visualisierungen auch zunehmend in
allgemeineren

Bereichen,

wie

Firmen

oder

Ausbildung

zur

Anwendung.

Diese

allgemeinere Anwendung wird Information Visualization oder auch Informationsvisualisierung genannt. [Man 2002] [CMS 1999]

2.3.6 Scientific Visualization

Der Scientific Visualization liegen in erster Linie physische Daten, wie beispielsweise der
menschliche Krper, die Erde, Naturphnomene, Gebude, technische Konstruktionen
oder Molekle, zugrunde. Der Computer wird dazu verwendet um mittels oftmals
dreidimensionaler Visualisierungen und Animationen - Eigenschaften dieser physischen
Elemente darzustellen. Obwohl eine Visualisierung eines physischen Elements an sich
abstrakt ist, ist die Information selbst dennoch inhrent geometrisch. [CMS 1999]
Bei der Scientific Visualization werden die modellierten physischen 3D Objekte,
detaillierter studiert, geprft und manipuliert, um beispielsweise wissenschaftliche
Hypothesen zu testen, einen Event oder Prozess zu simulieren oder eine Vorgehensweise
praktisch auszuprobieren. Darber hinaus wird die Verwendung von Virtual Reality and
VRML, z.B. fr virtuelle Rundgnge, in diesem Zusammenhang zunehmend populrer.

24

Ziel dieser Art von 3D Welt ist es, das Innere eines Objektes zu erforschen und oftmals
zur Vorbereitung vor der realen Durchfhrung zu dienen. [OLI 2003]

2.3.7 Information Visualization

Ebenso wie die visuelle Darstellung physischer Daten ist es oftmals hilfreich, nichtphysische Daten, wie Finanzdaten, Business-Information, Sammlungen von Dokumenten
und abstrakten Konzepten zu visualisieren. Jedoch beinhaltet diese Art der Daten
keinerlei ersichtlichen rumlichen Bezug. Daher kommt zu der allgemeinen Problematik,
wie man sichtbare Eigenschaften von Objekten wiedergibt, das grundstzliche Problem
hinzu, wie man nichtrumliche Abstraktionen in effektive visuelle Formen transformiert.
Da in der heutigen Welt eine groe Masse solcher abstrakter Information existiert, gibt es
zahlreiche Versuche, Visualisierungen in den Bereich des Abstrakten zu erweitern (Card,
Robertson, and Mackinlay 1991). [CMS 1999] Zu diesem Zweck beschftigt sich die
Information Visualization mit abstrakten, multi-dimensionalen und multivarianten Daten.
Primres Ziel bei der Information Visualization ist, im Gegensatz zur Scientific
Visualization, nicht die Abbildung selbst, sondern viel mehr die Mglichkeit, Muster,
Clusterungen, Lcken oder Sonderflle in den Daten offen zu legen. [Shn 2001] Der
Nutzen die physischen Elemente abzubilden ist in diesem Bereich nicht wichtig, oftmals
sogar gnzlich irrelevant. [Spe 2001] Effektive Informationsvisualisierungen ermglichen
dem Benutzer Entdeckungen zu machen, Entscheidungen zu fllen oder Erklrungen ber
Muster (Korrelationen, Cluster, Lcken, Sonderflle) abzugeben und/oder Gruppen mit
Objekten oder individuelle Objekte zu erstellen. [Shn 2001] Auch wenn die beiden
Bereiche Scientific Visualization und Information Visualization miteinander verwandt sind,
so unterscheiden sie sich doch grundstzlich. Dennoch kann es zu berschneidungen der
beiden Bereiche - wie zum Beispiel bei einer dreidimensionalen Visualisierung eines
Gewittersturms, welche mit abstrakten Daten ergnzt wurde - kommen.
Auch

wenn

Visualization

verschiedene

Techniken

oder

der

auch

und

Scientific

Methoden
Visualization

innerhalb

der

entwickelt

Information
wurden,

um

mehrdimensionale Daten zu visualisieren und fiktive dreidimensionale Rume zu


erschaffen, so bleibt die Welt, welche auf einem Informationsdisplay dargestellt wird
zumindest bisher noch - nach wie vor zweidimensional. D.h. jegliche Kommunikation
zwischen den Betrachtern einer Visualisierung und deren Erzeugern muss auf einer
zweidimensionalen Oberflche erfolgen. [Tuf 1990]

25

Escaping this flatland is the essential task of envisioning information for all the
interesting worlds (physical, biological, imaginary, human) that we seek to understand
are inevitably and happily multivariate in nature. Not flatlands. (Edward Tufte)

2.3.8 Historie

Man nimmt an, dass die frhesten Arbeiten aus dem Bereich der Datengrafiken, also die
Verwendung von abstrakten visuellen Eigenschaften, wie Linien und Bereiche um Daten
visuell zu reprsentieren, aus der Zeit um Playfair (1786) stammen [Tuf 1983].
Beginnend mit Playfair entwickelten sich die klassischen Methoden, Daten in Grafiken
einzutragen. 1967 verffentlichte Bertin, ein franzsischer Kartograph, seine Theorie
ber Grafiken in The Semiology of Graphics (Bertin, 1967/1983; Bertin 1977/1981).
Diese Theorie identifizierte die Grundelemente von Diagrammen und beschrieb ein
Framework fr ihr Design. Zehn Jahre (1977) spter legte Tukey den Fokus seiner Arbeit
Exploratory Data Analysis nicht auf die Qualitt der Grafiken, sondern auf die
Verwendung von Bildern um einen raschen statistischen Einblick in Daten zu erhalten.
1983 verffentlichte Tufte dann eine Theorie der Datengrafiken, welche die Maximierung
der Dichte von relevanter Information betonte. Sowohl Bertins als auch Tuftes Theorie
wurde sehr bekannt und beeinflusste die verschiedensten Communities, mit der Folge,
dass die Information Visualization sich als eigene Disziplin entwickelte.
Auch das 1988 von Cleveland und McGill verffentlichte Buch Dynamic Graphics fr
Statistics, welches neue Visualisierungen von Daten erluterte, bte einen groen
Einfluss aus. Von besonderem Interesse war die Problemstellung, wie man Datenstze
mit

vielen

Variablen

visualisieren

sollte.

Inselbergs

Parallelkoordinaten-Technik

(Inselberg und Dimsdale, 1990) und Mihalisins Technik der Cycling through Variables at
different Rates (Mihalisins, Timlin und Schwegler, 1991) gehrten dabei zu den
interessanten Lsungsanstzen. Andere Gruppen, wie die von Eick arbeiteten dagegen an
Techniken zur Darstellung groer Datenstze in Form von statistischen Grafiken,
verbunden mit wichtigen Problemen in Telekommunikationsnetzwerken und in groen
Computerprogrammen (Becker et al., 1995; Eick, Steffen und Sumner,1992). Der
Schwerpunkt der Statistiker lag auf der Analyse multidimensionaler, multivariabler Daten
und auf neuartigen Typen von Daten.
1985 startete die NSF (National Science Foundation) die Initiative der Scientific
Visualization (McCormick and DeFanti, 1987). Die erste IEEE Visualization Conference
fand dann 1990 statt. Diese Community wurde von Wissenschaftlern, Physikern und
Computerwissenschaftlern im Bereich des Supercomputing geleitet.

26

Zu dieser Zeit sendeten auch Satteliten erstmalig groe Mengen an Daten zurck, so
dass Visualisierung als Methode, deren Analyse zu beschleunigen und die Identifikation
interessanter Phnomene zu verbessern, als sehr ntzlich erkannt wurde. Ebenso
versprach der Einsatz von Visualisierungen als Teil von Versuchen, teure Experimente
durch Computersimulationen (z.B. Windtunnel) zu ersetzten.
Auch die Communities der Computergrafik und Artificial Intelligence bekundeten
zunehmend Interesse bezglich automatisierter Prsentation und automatisiertem Design
visueller Reprsentationen von Daten. Diese Anstrengungen wurden angetrieben von
Mackinlays These APT (Mackinlay, 1986a), welche Bertins Design Theorie formalisiert,
psychophysische Daten hinzufgte und diese verwendete um Prsentationen zu erstellen.
1990 entwickelten Roth and Mattis ein System, um komplexere Visualisierungen zu
erzeugen als die von Tufte. 1991 fgte dann Casner noch eine Reprsentation von Tasks
hinzu. Das Anliegen dieser Community war nicht so sehr die Qualitt der Grafiken als viel
mehr das Matchen zwischen Datentypen, Kommunikationsabsichten und grafischen
Reprsentationen der Daten zu automatisieren.
Zu der Zeit entdeckte auch die User Interface Community, dass die Fortschritte in der
Grafikhardware Mglichkeiten fr neue Generationen von User Interfaces bot. Diese
Interfaces fokussierten auf die Interaktion des Users mit groen Mengen an Information,
wie multivariante Datenbnken oder Dokumentensammlungen. Die erste Verwendung
des Ausdrucks Information Visualization trat vermutlich bei Robertson, Card, Mackinlay
(1989) auf. 1990 prsentierten Feiner und Beshers (1990b) eine Methode, Worlds within
Worlds, fr die Darstellung von sechs-dimensionalen Finanzdaten in einer Immersive
Virtual Reality. 1992 entwickelte Shneiderman (1992b) eine Technik, welche Dynamic
Queries genannt wird, um Teilmengen der Datenobjekte interaktiv zu selektieren und
eine weitere Visualisierung namens Treemaps, welche eine raumfllende Reprsentation
eines

Baums

(Trees)

darstellt.

Card,

Robertson

und

Mackinlay

prsentierten

Darstellungstechniken, welche mittels Animation und Distorsion die Interaktion mit


groen Datenstzen in einem System genannt Information Visualizer (Card, Robertson
and Mackinlay, 1991; Robertson, Mackinlay, and Card, 1991; Mackinlay, Robertson, and
Card, 1991) ermglichten. Das Anliegen war auch hier nicht so sehr die Qualitt der
Grafiken, sondern viel mehr die kognitive Erweiterung. Interaktivitt und Animation
gehrten

zu

den

wichtigsten

Featuren

dieses

Systems.

Diesen

anfnglichen

Entwicklungen folgten Verfeinerungen und neue Visualisierungen, wobei sich die


verschiedenen Communitys stets gegenseitig beeinflussten. [bernommen aus CMS
1999]

27

Abschlieend erfolgt noch mal ein kurzer chronologischer berblick ber einige der
wichtigsten Schritte im Bereich der Visualisierung:

1786 Playfair
Verwendung abstrakter visueller Eigenschaften, wie Linien und Bereiche um Daten
visuall zu reprsentieren

1967 Bertin
The Semiology of Graphics Identifizierung der Grundelemente von Diagrammen
und Beschreibung eines Framework fr ihr Design

1977 Tukey
Exploratory Data Analysis Die Verwendung von Bildern um einen raschen
statistischen Einblick in Daten zu erhalten

1983 Tufte
Theory of Data Graphics - Maximierung der Dichte von ntzlicher /verwendbarer
Information

1985 NSF
Start der Initiative der Scientific Visualization

1986 Mackinlay
These APT Formalisierung von Bertins Design Theorie

1988 Cleveland und McGill


Dynamic Graphics fr Statistics Erluterungen neuer Visualisierungen von Daten

1989 Robertson, Card und Mackinlay


Erstmalige Verwendung des Ausdrucks Information Visualization

1990
Erste IEEE Visualization Konferenz

1990 Inselberg
Parallelkoordinaten Methoden

1990 Feiner und Beshers


Worlds within Worlds

1991 Mihalisin
Cycling through Variables at different Rates

1991 Card, Robertson, Mackinlay


Information Visualizer (Animation und Distorsion)

1992 Shneiderman
Dynamic Queries, Treemaps

28

2.4 Definition von Begrifflichkeiten

Terminologie ist in vielen Forschungsbereichen ein Problem. hnliche Begriffe werden


oftmals sehr frei verwendet, auch wenn damit wichtige Konzepte adressiert werden. [Spe
2001] Auch der Bereich der Visualisierung von Daten stellt dabei keine Ausnahme dar.
Eher im Gegenteil, da sich verschiedene Disziplinen mit der Visualisierung von Daten
beschftigen, werden je nach Disziplin fr prinzipiell gleiche Konzepte unterschiedliche
Begriffe verwendet. Jedoch ist auch die Verwendung der Begrifflichkeiten innerhalb einer
Disziplin, wie der Information Visualization nicht einheitlich. Entsprechend kursieren
zahlreiche Begriffe wie Information Design, Interactive Design, Interactive Visualization,
Dynamic Graphics, Information Visualization oder Data Visualization. Daher folgt an
dieser Stelle nun die Definition von Begrifflichkeiten, wie sie in der STAR verstanden wird.
Sowohl die Information Visualization als auch die Scientific Visualization gehren zu dem
weitreichenden Feld der Datengrafik (Data Graphics), welches die Verwendung von
abstrakten, gegenstandslosen visuellen Reprsentationen umfasst, mit dem Ziel die
Kognition zu steigern. Das Feld der Datengrafik (Data Graphics) gehrt wiederum zum
Bereich des Information Design, welcher sich - mit dem Ziel der Steigerung von
Kognition - allgemein mit externer Reprsentation beschftigt. Auf oberster Ebene knnte
man Information Design - Teil der externen Kognition -

als den Einsatz der externen

Welt ansehen, um einen kognitiven Prozess auszufhren. Die Beschreibung der


Zielsetzung von Information Visualization als die Steigerung von Kognition, ist absichtlich
breit gefchert. Kognition kann sowohl das Schreiben eines wissenschaftlichen Textes
sein als auch das Auswhlen eines Produktes beim Einkauf. Generell nimmt die Kognition
Bezug auf den intellektuellen Prozess bei welchem Information empfangen, transformiert,
gespeichert, abgefragt und verwendet wird. All dies kann allgemein mittels externer
Kognition und speziell durch Information Visualization erweitert werden. [Card 2003]
Die nachfolgenden Definitionen von [CMS 1999], beschreiben auf einer sehr allgemeinen
und leicht nachvollziehbaren Ebene nochmals die Beziehungen zwischen den Konzepten,
welche zum Bereich der Information Visualization in Verbindung stehen. Zahlreiche
andere Definitionen aus diesem Bereich sind oftmals spezieller ausgelegt.

29

Insight
Main goals of insight are discovery, decision making,
and explanation.

Cognition
Cognition is the acquisition or use of knowledge
with the goal to get insight.

External Cognition
Use of the external world to accomplish cognition.

Information Design
Design of external representations to amplify cognition.

Data Graphics
Use of abstract, nonrepresentational visual representations
of data to amplify cognition.

Visualization
Use of computer-based, interactive visual representations of
data amplify cognition.

Scientific Visualization
Use of interactive visual representations of scientific data,
typically physically based, to amplify cognition.

Information Visualization
Use of interactive visual representations of abstract,
nonphysically based data to amplify cognition.

Somit ergibt sich nach [CMS 1999] folgende Definition fr Information Visualization:
Information visualization can be defined as the use of computer-supported,
interactive, visual representations of abstract data to amplify cognition.

30

Fr den Begriff der Information Visualization, bzw. Visualisierung aus dem Bereich
der Information Visualization finden sich, wie bereits erwhnt, zahlreiche weitere
Definitionen. Inhaltlich hneln sich diese grtenteils. Hier nun einige Beispiele:

Rolf Dler (Fachhochschule Potsdam):


Unter Informationsvisualisierung werden heute alle Konzepte, Methoden und Tools zur
visuellen Darstellung von Informationen aus Datenbanken, digitalen Bibliotheken oder
anderen groen Dokumentensammlungen, zusammengefasst. Informationsvisualisierung
beinhaltet die computergesttzte Aufbereitung und visuelle Reprsentation abstrakter
Informationen mit dem Ziel, den kognitiven Zugang zu elektronisch gespeicherten Daten
zu erleichtern. [Dae 2003]

Colin Ware (University of New Hampshire):


Visualization can be described as the mapping of data to visual form that supports
human interaction in a workspace for visual sense making. [War 1999]

Robert Spence (Imperial College of Science, Technology and Medicine, London):


Interactive Visualization is a lively, interactive examination and interpretation of
graphically presented data, in which rearrangement is an important part and the
outcome is ususally not predictable. [Spe 2001]

31

2.5 Visualisierung Visualisierung

There are right ways and wrong ways to show data;


there are displays that reveal the truth and displays that do not.
[Tufte]

Auch wenn Visualisierungen an sich dem Menschen dabei helfen, Aufgaben zu erfllen
und ihn bei der Entscheidungsfindung untersttzen, so muss dennoch differenziert
werden, dass allein die Tatsache eine Visualisierung zu verwenden um Daten darzustellen
nicht ausreicht, um auch den gewnschten Effekt damit zu erreichen. Ob eine
Visualisierung nutzt oder eventuell sogar schaden kann hngt davon ab, wie geeignet sie
fr jeweiligen Kontext ist, in welchem sie eingesetzt wird. Dementsprechend liegt die
Anforderung

bei

Visualisierungen

darin,

eine

adquate

Visualisierung,

bzw.

ein

geeignetes visuelles Mapping fr die jeweilige Datenwelt und der damit verbundenen
kontextspezifischen Aufgabe zu finden.
Um diese theoretische Anforderung besser zu verdeutlichen und die Einstellung dahin
gehend zu sensibilisieren, werden in der Literatur hufig zwei Beispiele von [Tuf 1997]
angefhrt: die Cholera Epidemie im September 1854 in London und der Start der
Challenger am 28. Januar 1986. Diese beiden extremen Situationen zeigen exemplarisch,
welche Konsequenzen die Entscheidungen haben knnen, welche aufgrund der Qualitt
von Visualisierungen getroffen werden.

2.5.1 Cholera Epidemie in London

Laut Dr. John Snow, einem heutzutage sehr bekannten Pionier im Bereich des
Gesundheitswesens, erlebte London 1854 die schrecklichste Cholera Epidemie, die es in
England jemals gab. Am Abend des 31. August 1854 wurden in London die ersten Flle
von Cholera registriert. Nur innerhalb weniger Stunden breitete sich die Krankheit rasch
weiter aus, beschrnkte sich jedoch noch grtenteils auf den Bereich um die Broad
Street. Jedoch lag dort die Sterblichkeitsrate enorm hoch, da die Menschen nach der
Ansteckung bereits innerhalb weniger Stunden starben;

schneller als jemals bei einer

anderen Epidemie zuvor. Da man damals glaubte, dass Cholera von der Luft bertragen
wird - teilweise sogar, dass es von bsen Geistern bertragen wird - flohen viele
Menschen aus ihren Wohnungen und ganze Huser und Straen verwaisten.
32

Dr. John Snow, der bereits zuvor Epidemien in England erforscht hatte, mutmate
sogleich, dass die Cholera vom Wasser einer gemeinsam genutzten Wasserpumpe an der
Ecke Broad Street und Cambridge Street verursacht wurde. Zu der damaligen Zeit wurde
die Bevlkerung in London noch ber gemeinsam genutzte Brunnen mit Wasser versorgt.
Eine Untersuchung des Wassers brachte aber keine schlssigen Beweise, worauf er
anhand einer Liste der Toten, welche er vom General Register Office bekommen hatte,
eine Karte von London an fertigte, in die er die geografische Lage der Todesflle eintrug.
Abb. 3 zeigt das von der Cholera betroffene Wohnviertel um die Broad Street herum, mit
den eingetragenen Todesfllen in Form von schwarzen Balken fr jeden einzelnen Fall
sowie die in Verdacht stehende Wasserpumpe.

Arbeitshaus
Brauerei

Wasserpumpe
Broad Street

Abb. 3 Geografische Karte vom Wohnviertel um die Broad Street, mit eingetragenen Todesfllen [Tuf 1997]

Die ursprngliche Liste der Todesflle zhlte die Namen der Toten auf und gab eine
Beschreibung

der

Lebensverhltnisse,

geordnet

nach

Todesdatum.

Eine

davon

angefertigte Grafik der Todesflle (Abb. 4) zeigte die Anzahl der Todesflle in zeitlicher
Abfolge. Durch die zeitliche Darstellung entstand eine Chronologie der Epidemie. Jedoch
erschloss sich aus der Art der Visualisierung keinerlei mglichen Ursachen fr die
Cholera. Beschreibende Erzhlungen sind keine Ursachenerforschung und waren in
diesem Fall daher nutzlos um eine Strategie zu entwickeln, um die Epidemie zu stoppen.

33

Abb. 4 Zeitliche Darstellung der Todesflle [Tuf 1997]

Die geografische Karte von Snow dagegen bot direkte und effektive Aussagen ber die
mglichen Ursache-Wirkung Beziehungen. Er gestaltete die Originaldaten von einer
eindimensionalen temporalen Ordnung in eine 2D rumliche Ordnung um und zeichnete
die Todesflle und alle Pumpen ein, worauf sich eine Clusterung in der Broad Street
Pumpe ergab. Diese Karte enthllte eine enge Verbindung zwischen den Cholera
Todesfllen und der Nhe zu der Broad Street Pumpe, im Kontext von gleichzeitigen
Vergleichen mit anderen rtlichen Wasserquellen und der umgebenden Nachbarschaft
ohne Cholera.
Um die Ursache fr die Epidemie vollstndig zu verstehen, war es ebenfalls erforderlich
eine Analyse derer, die der Krankheit entkommen sind, durchzufhren. Die Karte zeigte
klar, dass bei dem Vergleich zwischen den Lebenden und den Todesfllen einige Lcken
existieren.

Auffallend

sind

vor

allem

die

Lcken im

Bereich

der

Brauerei

(70

Brauereiangestellte und keiner erkrankt) und einem Arbeitshaus in der Nhe der Pumpe
(siehe Abb. 3). Nachforschungen zeigten, dass sowohl das Arbeitshaus als auch die
Brauerei ber eigene Brunnen im Haus verfgten und somit berhaupt kein Wasser aus
der Broad Street Pumpe bezogen hatten. Den Arbeitern der Brauerei war es sogar
erlaubt, tglich eine bestimmte Menge des Biers, welches hergestellt wurde, selbst zu
trinken. Dagegen gab es in den direkt angrenzenden Husern zu dem Arbeitshaus und
der Brauerei Cholera-Tote. Allerdings zeigte die Karte auch einige Todesflle, welche
nicht in unmittelbarer Nhe zur Broad Street Pumpe lagen, sondern nher zu anderen
Wasserpumpen lagen. Snow ging jedem einzelnen Fall persnlich nach und konnte,
obwohl die auenliegenden Flle zufllig und nicht erklrbar schienen, nachweisen, dass
alle diese Personen aus den verschiedensten Grnden ebenfalls Wasser aus der
kontaminierten Pumpe getrunken hatten. Die Begrndungen reichten von Personen,
welche in dieser Gegend zu Besuch waren oder Personen, deren Arbeits- oder Schulweg
an der Pumpe vorbei fhrte bis zu einem Fall, in dem sich die betroffene Person speziell
34

das Wasser von der Pumpe an der Broad Street besorgt hat, da es angeblich
geschmacklich

besser

war

als

das

Wasser

anderer

Pumpen.

Aufgrund

der

Untersuchungen und Beweise von Dr. Snow wurde veranlasst, dass die Pumpe an der
Broad Street entfernt wurde. Wie sich spter herausstellte, war ein Abwasserrohr in der
Nhe gebrochen und hat das Wasser dieser Pumpe verseucht. Kurze Zeit nach
Entfernung der Wasserpumpe endete die Epidemie.

Obwohl Dr. John Snow viele Beweise fr eine Kontaminierung der Wasserpumpe der
Broad Street erbringen konnte, lsst sich bis heute nicht eindeutig beweisen wie er
auch selbst feststellte -, dass die Entfernung der Pumpe unmittelbar mit dem Ende der
Epidemie

zusammenhing,

da

die

Epidemie

zum

Zeitpunkt

der

Entfernung

der

Wasserpumpe ohnehin bereits am abklingen war (siehe Abb. 5). Ein mglicher Grund fr
das Ende der Epidemie wre auch, dass zu diesem Zeitpunkt bereits viele Menschen aus
den betroffenen Gebieten geflohen waren und daher auch die Zahl der Opfer und der
Neuansteckungen sank. Da aber sowohl die Grafik (Abb. 5) als auch die geografische
Karte (Abb. 3) nur absolute Zahlen zeigen und keine Relationen, wird auch heute noch
hufig die Entfernung der Pumpe als Grund fr das Ende der Epidemie angefhrt. Auch
wenn kein eindeutiger Beweis dafr vorliegt, so schtzte das Entfernen der Pumpe
zumindest vor einem Wiederausbruch der Cholera.

Abb. 5 Zeitlicher Verlauf der Cholera-Epidemie [Tuf 1997]

Die Manahmen gegen die Broad Street Pumpe basierten auf einer Vielfalt von Beweisen:
Die Cholera-Karte, Studien ungewhnlicher Umstnde, Vergleiche der Lebenden und
Toten, deren Wasserkonsum, sowie die Idee eine Ursache fr die Kontaminierung des
Wassers. Dr. John Snow zeigte, dass mit einer logischen Vorgehensweise und den
geeigneten Methoden sich aus Daten viele und vor allem relevante Informationen ablesen
lassen.
35

Auch wenn bis heute nicht eindeutig geklrt werden konnte, weshalb die Epidemie
endete, bewies Dr.Snow durch seine Untersuchungen, dass Cholera durch Wasser und
nicht durch Luft bertragen wird, wie bis dahin flschlicherweise angenommen wurde.
1886 festigte die Entdeckung des Vibrio Cholerae Bakteriums die Theorie von Snow. Noch
heute ist er dafr bekannt, die Art der Cholera bermittlung und die Methode der
Prvention entdeckt zu haben. 1955 gedachten die Proceedings of the Royal Society of
Medicine Snows Entdeckung. Ein renommierter Epidemiologe, Bradford Hill schrieb: For
close upon 100 years we have been free in this country from epidemic cholera, and it is a
freedom which, basically, we owe to the logical thinking, acute oberservations and simple
sums of Dr. John Snow.

2.5.2 Space Shuttle Challenger

Am 28. Januar 1986 explodierte das Space Shuttle Challenger und sieben Astronauten
verloren dabei ihr Leben. Grund dafr waren zwei Gummi O-Ringe, die aufgrund der
extremen Klte an diesem Tag ihre Elastizitt verloren hatten und deshalb gebrochen
waren (Abb. 6).

Gebrochener O-Ring

Abb. 6 Die Challenger etwa 60 Sekunden nach dem Start [Tuf 1997]

Am Tag vor dem Start uerten die Ingenieure des Space Shuttles der Firma Thiokol
Bedenken hinsichtlich des Starts der Challenger, da die Wetterprognosen fr den
nchsten Tag 26 bis 29 Grad Fahrenheit voraussagten. Bei einer solchen Klte knnten
die O-Ringe der Belastung voraussichtlich nicht standhalten, weswegen empfohlen
wurde, den Start der Challenger zu verschieben. Sie begrndeten ihre Besorgnis
aufgrund verschiedene Quellen: eine Historie von O-Ring Beschdigungen whrend
frherer Starts des Shuttles an kalten Tagen, die physische Elastizitt (welche
exponential mit zunehmender Klte abnimmt) und Versuchsdaten. Diese Quellen
36

prsentierten sie in 13 unterschiedlichen Grafiken, welche sie an die NASA - die


Regierungsbehrde, welche fr den Flug verantwortlich war - faxten. Jedoch konnten die
Verantwortlichen der NASA den Grafiken keinerlei Beweiskraft dafr entnehmen, dass die
Beschdigungen der O-Ringe mit kalten Temperaturen zusammenhingen, und lehnten es
daher ab, den Start der Challenger zu verschieben. Daraufhin erfolgte der Start der
Challenger planmig.
Unabhngig von einer ganzen Reihe von Ursachen, welche fr das Unglck der
Challenger verantwortlich waren, war auch das Unvermgen, die Verbindung zwischen
kalten Temperaturen und den Beschdigungen von O-Ringen bei frheren Flgen
glaubhaft darzustellen und somit das Risiko fr diesen Start realistisch abschtzen zu
knnen, mitverantwortlich fr die Explosion des Space Shuttles. Eine aussagekrftige,
vor dem Flug durchgefhrte Analyse htte offenbart, dass dieser Flug ein erhebliches
Risiko fr die Challenger und ihre Besatzung darstellte.
Bei der Erstellung der 13 Grafiken fr die NASA unterliefen den Ingenieuren des Space
Shuttles eine Reihe von Fehlern. Die Grafiken waren schlecht gestaltet, wie z.B. ein
schlechter Index, schlechte Farbabstufungen, vertikale Beschriftungen, schlampige
Typographie oder enthielten zum Teil nicht relevante Daten, wie Daten von Testraketen,
die niemals einem echten Flug ausgesetzt waren. Insgesamt hatten die Grafiken keine
groe Aussagekraft. Vor allem aber die richtige Auswahl der Daten kann den Unterschied,
zwischen aussagekrftigen und nicht aussagekrftigen Darstellungen ausmachen. Durch
diese Wahl wird die analytische Agenda, welche zu einer bestimmten Entscheidung fhrt,
festgesetzt.

Abb. 7 Grafik, die der NASA zur Entscheidungsfindung fr den Start der Challenger vorlag [Tuf 1997]

37

Abb. 7 stellt eine der 13 erstellten Grafiken dar, welche der NASA zur Entscheidungsfindung fr den Start der Challenger vorlag. Diese Grafik zeigt alle O-Ring Messwerte, die
fr alle 24 frheren Shuttle Starts ermittelt wurden. Die Reprsentation dieser Messwerte
erfolgt durch 48 kleine Raketenabbildungen, welche die 24 Flge reprsentieren.
Insgesamt gab es sieben Flge mit O-Ring Problemen. Die Starttemperatur wird fr jedes
Paar Raketen einzeln angegeben. Zwar enthlt diese Grafik alle Daten, die bentigt
werden um die Beziehung zwischen Temperatur und O-Ring Schaden zu diagnostizieren,
dennoch ist es nicht mglich diese zu erkennen. Die schlechte Gestaltung macht es
unmglich, die relevanten Informationen daraus ablesen zu knnen. Die fehlende visuelle
Klarheit beim Anordnen der Beweise ist ein Zeichen fr fehlende intellektuelle Klarheit
bezglich der Argumentation der Beweise.
Der grte Fehler ist jedoch die chronologische Anordnung, da sie keinerlei Bezug zur
Temperatur herstellt, obwohl dies gezeigt werden sollte. Informationsdarstellungen
sollten dem bevorstehenden analytischen Zweck dienen; d.h. wenn eine mgliche
Ursache-WirkungBeziehung dargestellt werden soll, sollte der Graph die Daten so
organisieren, dass eine solche Verbindung beleuchtet wird. Daher sollte in diesem Fall die
Ordnung der Daten nicht chronologisch sein, sondern in der Ordnung nach der mglichen
Ursache.
Obwohl die Ingenieure aufgrund kausalen Denkens das Problem erkannt hatten, war es
ihnen nicht mglich, dieses ebenso schlssig darzustellen. Die analytischen Grafiken
verfehlten die tatschlich prsente Gefahr aufzudecken und zeigten den Verantwortlichen
bei der NASA nicht die drohende Gefahr.
Tatschlich, so zeigt Tufte, bedurfte es lediglich eines einfachen Scatterplots und einer
geordnete Tabelle um die unmittelbare Beziehung zwischen Temperatur und O-Ring
Schaden zu offenbaren. In einer Tabelle wird die gesamte History der Temperatur und ORing Zustnde fr alle frheren Flge aufgefhrt. Die Eintrge sind nach der mglichen
Ursache - Temperatur - vom kltesten bis zum wrmsten Start geordnet. Zustzlich
wurde fr jeden Start ein durchschnittlicher O-Ring Schaden ermittelt. Die Tabelle lsst
den Zusammenhang von O-Ring-Schden und kaltem Wetter

- mit dem Fokus auf

Probleme, welche bei kaltem Wetter auftauchen verglichen mit Problemen, die bei
warmem Wetter auftauchen - erkennen.
Der Scatterplot (Abb. 8) zeigt die Erfahrungswerte aller 24 frheren Starts vor der
Challenger. Wie die Tabelle, zeigt der Graph das ernsthafte Risiko einen Start bei 29 Grad
durchzufhren. ber Jahre hinweg hatten O-Ringe konstante Probleme bei khleren
Temperaturen: in der Tat war das Resultat jedes Starts unterhalb von 66 Grad ein
defekter O-Ring; an wrmeren Tagen traten dagegen nur bei wenigen Flge Erosionen
auf. Dieser Graph, dessen Temperaturskala bis zu 25 Grad reicht, drckt visuell aus, wie
38

die Hochrechnung aussehen muss, wenn man bei 29 Grad startet. Der klteste Flug ohne
einen O-Ring Defekt wurde bei 66 Grad gemacht. 37 Grad wrmer als fr das Datum des
Starts der Challenger vorher gesagt wurde. D.h. die Grafik sagt klar aus, dass bei einer
Temperatur bei 29 Grad Fahrenheit nicht gestartet werden darf.

Abb. 8 Scatterplot, der die Abhngigkeit zwischen Starttemperatur und O-Ring Schaden zeigt [Tuf 1997]

Fr den Start der Challenger gab es auer den beschriebenen Grnden auch einen hohen
politischen und ffentlichen Druck. Starts von Shuttles waren zum damaligen Zeitpunkt
zur vermeintlichen Routine geworden. Der Start der Challenger wre der erste Start
eines Space Shuttles seit Jahren gewesen, welcher htte abgesagt werden mssen. Das
Ausbleiben von klarem Denken bei der Analyse und der Prsentation von Beweisen ffnet
beim Treffen von Entscheidungen die Tr fr alle Sorten von politischen oder anderen
schdlichen Einflssen. Seit dem Unglck der Challenger wurden eine Reihe von Flgen
aus guten Grnden abgesagt.

2.5.3 Verflschende Visualisierungen

Nicht jede Visualisierung gibt den Inhalt der zugrundeliegenden Daten wahrheitsgetreu
und vor allem objektiv wieder. Visualisierungen sind durchaus in der Lage wahre
Gegebenheiten oder Tatsachen zu verflschen, obwohl sie auf einer korrekten Datenbasis
erstellt wurden. Anknpfend an das Beispiel der Cholera Epidemie in London im Jahre
1854 soll gezeigt werden, dass je nach Visualisierung die Tatsachen abgeschwcht
beziehungsweise verstrkt werden knnen. Diese Darstellung erfolgt zunchst an dem
bereits beschriebenen Irrglauben, dass die Bekmpfung der Cholera Epidemie eindeutig
auf die Entfernung der Wasserpumpe in der Broad Street durch Dr. John Snow zurck
zufhren ist und nachfolgend an einer nachtrglich erstellten geografischen Bereichsaufteilung derselben Daten. Wie Abb. 9 (oben) zeigt, ging die Epidemie zum Zeitpunkt
39

der Entfernung der Wasserpumpe an der Broad Street bereits zurck. Die Entfernung der
Pumpe lsst also in der Grafik keine tatschliche merkliche nderung der Todesrate
erkennen.

Abb. 9 Tgliche vs. wchentliche Darstellung der Todesflle [Tuf 1997]

ndert sich nun in derselben Grafik mit denselben zugrundeliegenden Daten lediglich die
Art der Darstellung der Daten und zwar von einer tglichen Darstellung der Todeszahl zu
einer kumulierten wchentlichen, scheint es, dass die Entfernung der Pumpe einen
sofortigen rapiden Rckgang der Todesflle von 458 nach 112 zur Folge hatte. Die
tgliche Einteilung lsst dagegen keinen solchen Effekt erkennen.
Eine weitere Verschiebung der Einteilung der Zeitleiste und zwar von einer wchentlichen
zu einer wochenbergreifende Einteilung, lsst die Tatsache der Entfernung der Pumpe
noch dramatischer erscheinen (siehe Abb. 10). In dieser Darstellung scheint sich die
Epidemie drei Wochen lang dramatisch auszubreiten, bis schlielich Ende der dritten
Woche die Wasserpumpe entfernt wird. Nur zwei Tage spter, eine typische Zeitspanne
zwischen der Infektion durch infiziertes Wasser und dem darauffolgenden Tot durch
Cholera, erfolgte laut Grafik ein rapider Rckgang der Todesflle. Ohne Kenntnis der
anderen Grafiken, wre eine missverstndliche Deutung der Sachverhalte unabwendbar.

40

Abb. 10 Wochenbergreifende Darstellung der Todesflle [Tuf 1997]

Auch die Art der Aufteilungen von Flchen kann die Wahrheit sowohl offen legen als auch
verbergen. Dr. John Snow verwendete eine Punktekarte um die Todesflle im Bereich
Londons geografisch festzuhalten. Nimmt man eine geografische Aufteilung der Bereiche
vor, so ist es mglich, je nach Aufteilung der Bereiche die Aussagen der Grafiken zu
verflschen. Dies zeigen die von Mark Monmonier6 erstellten Grafiken, welche er auf
derselben Datenbasis erstellte, wie Dr. Snow seine Punktekarte. Abb. 11 zeigt eine
geografische Aufteilung des Gebietes in sechs Bereiche, bei der die meisten Todesflle im
Bereich

der

Broad

Street

Pumpe

vorkommen.

Ersichtlich

ist

dies

anhand

der

verschiedenen Grauwerte. Der dunkelste Grauwert steht fr die meisten Todesflle, der
hellste Grauwert entsprechend fr die wenigsten Todesflle. Die Ergebnisse hinsichtlich
der Zentrierung der Todesflle in der Nhe der Wasserpumpe der Broad Street,
entspricht den Ergebnissen, die auch Dr. Snow erhielt.

Wasserpumpe
Broad Street

Abb. 11 Geografische Einteilung des Bereichs


um die Broad Street in fnf Einzelbereiche
Version 1 [Tuf 1997]

Mark Monmonier, How to Lie with Maps (Chicago, 1991), pp.142-143.

41

Abb. 12 links teilt dagegen das Gebiet geografisch so ein, dass die Anzahl der Todesflle
in vier der fnf Bereich nahezu gleich hoch ist und es somit keine Zentrierung in einem
Bereich gibt. In einer weiteren Einteilung des Gebietes (Abb. 12 rechts) in fnf Bereiche,
liegt die infizierte Wasserpumpe nicht einmal in den beiden am strksten von Todesfllen
betroffenen Gebieten.

Abb. 12 Geografische Einteilung des Bereichs um die Broad Street in fnf Einzelbereiche Version 2 [Tuf 1997]
und Geografische Einteilung des Bereichs um die Broad Street in fnf Einzelbereiche Version 2 [Tuf 1997]

Diese beiden Beispiele zeigen, dass es mglich ist, mit grafischen Darstellungen
Tatsachen zu verflschen, ohne die zugrundliegende Datenbasis selbst manipulieren zu
mssen. Mittlerweile ist es leicht geworden mittels computergesttzten Berechnungen
und Erstellungen von Grafiken, Tausende von mglichen Variationen von grafischen und
statistischen

Zusammenfassungen

zu

durchsuchen.

Dies

fhrt

dazu,

dass

man

mittlerweile fr Publikationen oder hnliches ausschlielich die Grafiken heraus sucht,


welche die eigene Sichtweise auch vorteilhaft untersttzen. Somit knnen auch
Visualisierungen,

hnlich

wie

Worte

oder

mitunter

sogar

strker,

Sachverhalte

verflschen.

42

2.6 Herausforderung des Themas

The purpose of visualization is insight, not pictures.


[Card, Mackinlay, Shneiderman]

Die Thematik der Visualisierung von Daten ist, wie bereits erwhnt, ein breitgefchertes
Feld, mit dem sich verschiedenen Disziplinen, wie die Computer Grafik oder die
Information Visualization beschftigen und welches ber zahlreiche Anwendungsmglichkeiten in vielen unterschiedlichen Bereichen verfgt. Die vorliegende State-ofthe-Art Analyse beschftigt sich mit der Thematik aus Sicht der Information Visualization,
jedoch sind viele der Aspekte auch bertragbar auf die anderen Disziplinen.
Die Herausforderung der Thematik der Visualisierung von Daten im allgemeinen liegt
darin, die oftmals propagierten Vorzge der visuellen Darstellung von Daten Untersttzung

der

menschlichen

Wahrnehmung

bei

der

Informationssuche

und

Hilfestellung beim Verstehen und Erkennen von Informationsstrukturen [Lin 1998] - mit
einer konkreten Visualisierung auch zu erreichen. Die Verwendung einer visuellen
Darstellung, bzw. Visualisierung anstatt einer andersartigen Darstellungsform ist kein
Garant fr eine Verbesserung der Darstellung selbst. Ganz im Gegenteil, dies kann auch
zu einer Verschlechterung, bzw. zu einer verflschenden Darstellung fhren (siehe
Kapitel 2.5.3). Der Fokus bei Visualisierungen sollte daher mehr auf dem Nutzen der
Visualisierung liegen als auf den Mitteln [CMS 1999]. Jedoch wird diese Tatsache hufig
auer Betracht gelassen und manche Visualisierungen nur um ihrer selbst Willen
entwickelt.

Hypothetische

Konstrukte

oder

Annahmen,

gepaart

mit

technischer

Machbarkeit sind der Motivator fr die Entwicklung solcher Visualisierungen. Untersttzt


wird diese Vorgehensweise hufig von der Tatsache, dass Visualisierungen bisher
generell kaum Evaluationen unterzogen werden und hufig nur vereinzelt den Weg in die
praktische Anwendung finden. Jedoch konnte man in jngerer Zeit einen Wandel in
diesem Trend beobachten, da immer mehr Visualisierungen evaluiert werden, so dass die
Anzahl von empirischen Studien in diesem Bereich zunehmend steigt [CY 2000]. Wie in
Kapitel 4.4 gezeigt wird, hngt der erfolgreiche Einsatz einer Visualisierung von einer
Reihe von Faktoren ab, jedoch ist das Hauptziel von Visualisierungen stets der Nutzen fr
den Benutzer, unabhngig davon wie dieser im Einzelfall definiert wird.

43

2.7 Ausgangssituation

Dieser Teil der STAR behandelt die Darstellung der Ausgangssituation, d.h. in wie weit
Visualisierungen

bei

den

derzeitigen

Webauftritten

der

Automobilbranche

bereits

eingesetzt werden. Ziel dabei ist, einen berblick ber den allgemeinen IST-Stand,
insbesondere bezglich der Darstellung der Produktwelt, in dieser Branche zu gewinnen.
Dabei lag der Fokus der Betrachtung vor allem auf der Darstellung der Automobilwelt
(PKW), wie sie dem Kunden insbesondere im Car Konfigurator, welcher bereits viele
Interaktionsmglichkeiten mit den Daten bietet, prsentiert wird.
Um zunchst einen allgemeinen Eindruck des Webauftrittes Mercedes-Benz Deutschland7
und der dabei verwendeten Visualisierungen zu erhalten, erfolgte eine umfassende
Betrachtung des gesamten Webseite, inklusive des Car Konfigurators. Zustzlich wurde
auch die schwedische Version des Car Konfigurators8 von Mercedes-Benz betrachtet, da
dieser die aktuellere Version im Vergleich zum deutschen Car Konfigurator darstellt. Da
Car Konfiguratoren ein weitverbreitetes Tool auf Automobil-Webseiten darstellen, war
es mglich auch die Lsungen anderer Automobilkonzerne zu prfen und somit einen
Eindruck ber den IST-Stand in diesem Bereich zu erhalten. Die Auswahl der
Webauftritte erfolgte mglichst breitgefchert - unabhngig von Image oder Marktanteil
der jeweiligen Automobilkonzerne - da nicht zwangslufig davon ausgegangen werden
kann, dass diese Faktoren unmittelbar mit der Qualitt der jeweiligen Webauftritte
zusammenhngen. Jedoch bercksichtigt die Betrachtung ausschlielich mit Ausnahme
des schwedischen Car Konfigurators deutsche Webauftritte. Diese Spezialisierung fand
statt,

da

aus

der

Vielzahl

an

unterschiedlichen

Webauftritten,

die

grtenteils

Lnderspezifisch sind, in irgendeiner Form eine Teilmenge zur Betrachtung selektiert


werden musste. Die Einschrnkung auf ausschlielich deutsche Webauftritte begrndet
sich damit, dass die deutschen Webseiten anderer Automobilkonzerne in unmittelbaren
Vergleich zur Webseite von Mercedes-Benz Deutschland stehen.

Mercedes-Benz Deutschland [http://www.mercedes-benz.de]

Mercedes-Benz Schweden [http://www.mercedes-benz.se]

44

Zu den betrachteten Webauftritten anderer Automobilkonzerne9, mit Fokus auf die Car
Konfiguratoren gehren (in alphabetischer Reihenfolge): Alfa Romeo, Audi, BMW,
Citroen, Daihatsu, Fiat, Ford, Lancia, Nissan, Opel, Peugeot, Porsche, Renault, Saab,
Seat, Skoda, Toyota, Volkswagen und Volvo. Da, zumindest zum Zeitpunkt der Analyse
(April 2004), nicht alle Automobilkonzerne Car Konfiguratoren auf ihren Webseiten
anbieten, fehlen an dieser Stelle einige Namen, wie zum Beispiel Honda oder Mitsubishi.
Davon abgesehen war es auch nicht Ziel dieser Betrachtung, Vollstndigkeit zu erreichen
sondern einen mglichst Markenbergreifenden Eindruck bezglich der Darstellung der
Produktwelt - insbesondere in Car Konfiguratoren - zu gewinnen.
Nachfolgend werden nun die Ergebnisse dieser Betrachtung wieder gegeben. Die
Darstellung der Ergebnisse erfolgt an dieser Stelle nicht detailliert sondern wird kurz, im
Stil eines Fazits, zusammengefasst.

2.7.1 Mercedes-Benz

Der Webauftritt von Mercedes-Benz Deutschland umfasst eine Vielzahl von Informationen
und Funktionen. Bei der Betrachtung der gesamten Webseite konnte jedoch festgestellt
werden, dass insgesamt gesehen, verhltnismig wenig Visualisierungen eingesetzt
werden um die Inhalte darzustellen. Die Darstellung des Kontents erfolgt vorrangig in
Textform, in Kombination mit Bildmaterial. Dazu werden hufig Flietext, Bildreihen,
tabellenartige

Strukturen

und

Listendarstellungen

in

Kombination

mit

Hyperlinks

verwendet. Visualisierungen werden nur an einigen wenigen Stellen eingesetzt. Der


nachfolgende Abschnitt soll hierfr einige Beispiele zeigen.
So verfgt beispielweise die Hndlersuche ber geografische Karten, in welchen die
verschiedenen Standorte von Mercedes-Benz Hndlern markiert, bzw. die Anfahrtsroute
zu einem bestimmten Hndler eingezeichnet ist (siehe Abb. 13). Allerdings lassen die
Karten keinerlei Form der direkten Interaktion, wie zum Beispiel Zoom oder Selektion
durch den Benutzer zu, sondern haben einen rein statischen Bildcharakter.

Betrachtete Car Konfiguratoren anderer Automobilhersteller: Alfa Romeo (de) [http://www.alfaromeo.de/],

Audi (de) [http://www.audi.de], BMW (de) [http://www.bmw.de], Citroen (de) [http://www.citroen.de],


Daihatsu (de) [http://www.daihatsu.de], Fiat (de) [http://www.fiat.de], Ford (de) [http://www.ford.de], Lancia
(de) [http://www.lancia.de], Nissan (de) [http://www.nissan.de], Opel (de) [http://www.opel.de], Peugeot
(de) [http://www.peugeot.de], Porsche (de) [http://www.porsche.de], Renault (de) [http://www.renault.de],
Saab (de) [http://www.saab.de], Seat (de) [http://www.seat.de], Skoda (de) [http://www.skoda.de], Toyota
(de) [http://www.toyota.de], VW (de) [http://www.volkswagen.de], Volvo (de) [http://www.volvo.de]

45

Abb. 13 Geografische Karten: Hndlerstandorte (li.) und Anfahrtsroute (re.)

Interaktion fr den Benutzer bieten dagegen die 360 Grad Ansicht der Fahrzeuge (Abb.
14)

und

insbesondere

die

Interaktive

Bedienungsanleitung

der

jeweiligen

Fahrzeugklassen (Abb. 15). Hier kann der Benutzer Fahrzeug- und Bedienelemente, wie
zum Beispiel Regler und Knpfe selber testen und das entsprechende Feedback
beobachten.

Abb. 14 360 Grad Ansicht aussen (li.) und innen (re.)

46

Abb. 15 Beispielabbildungen aus der Interaktiven Bedienanleitung des SLK

Der

Fahrzeugkalkulator

(Abb.

16

links),

welcher

zu

der

Kategorie

der

Finanzdienstleistungen gehrt, nutzt fr die Visualisierung einer Online-Kalkulation die


Metapher eines Armaturenbretts. Der Benutzer hat so die Mglichkeit die gewnschten
Werte bzw. Kategorien mittels direkter Manipulation der Zeiger der jeweiligen Tachos
auszuwhlen. Eine direkte Texteingabe durch den Benutzer wird somit berflssig.

Abb. 16 Fahrzeugkalkulator (li.) und Wunschfahrzeug (Softfinder) (re.)

Ein weiteres Tool, das zu den Finanzdienstleistungen gehrt und ebenfalls eine
Visualisierung nutzt, ist der Softfinder (Abb. 16 rechts). Mit diesem Tool ist es dem
Benutzer mglich, Fahrzeuge je nach Hhe der monatlichen Finanzierungsrate und
Laufzeit entsprechend zu ermitteln. Mittels Slidern knnen die gewnschten Angaben zu
diesen Kriterien vom Benutzer eingestellt werden. Der Softfinder liefert schlielich die in
Frage

kommenden

Fahrzeuge

in

Form

von

Fahrzeugsymbolen

zurck,

wobei

entsprechende nderungen in Gre und Transparenz der Symbole zustzlich die


Relevanz der Treffer kodieren.
47

Auch das Tool der Finanzierungsarten arbeitet mit einer Visualisierung. Hier kann der
Benutzer je nach Finanzierungsart verschiedene Angaben, wie zum Beispiel die Hhe der
Anzahlung oder die Laufzeit mittels einer Balkendarstellung interaktiv verndern. Bei
nderung einer Angabe, also der Hhe, bzw. Breite eines Balkens, vernderen sich
entsprechend die Proportionen der jeweils anderen Balken.

Abb. 17 Finanzierungsarten(li.) und Preis-Finder (re.)

Der Preis-Finder (Abb. 17 rechts) schlielich stellt eine Scatterplot-Darstellung dar. Die
verikale Achse ist mit den einzelnen Fahrzeugklassen belegt (kategorische Achse), die
horizontale Achse mit dem Preis (kontinuierliche Achse). Durch die direkte Manipulation
der Preisachse kann der Benutzer sich die gewnschte Preisrange interaktiv einstellen.
Entsprechend verndert sich die Positionierung der Fahrzeugsymbole, bzw. kommen
Fahrzeuge hinzu oder fallen aus der Darstellung heraus.
Car Konfigurator
Der Car Konfigurator der deutschen Webseite von Mercedes-Benz beinhaltet selbst keine
expliziten Visualisierungen. Die Darstellung der Inhalte des Konfigurators erfolgt
hauptschlich ber horizontale oder vertikale Listen- oder Tabellendarstellungen, wobei
diese sowohl Bilder als auch Texte enthalten knnen. Weitere Elemente, welche hufig
verwendet werden sind Hyperlinks (Text oder Bild), Pull-Down-Menues, Radio Buttons
und Check Boxes. ber diese Elemente erfolgt in der Regel die jeweilige Auswahl des
Benutzers.

48

Abb. 18 berblick ber die Klassen und ihre jeweiligen Modelle

Der schwedische Car Konfigurator bietet im Gegensatz zum deutschen Konfigurator dem
Benutzer einen Scatterplotartigen berblick ber die jeweiligen Klassen und ihre Modelle,
bzw. Preise oder Motorleistungen (Abb. 18). Der Wechsel zwischen den jeweiligen
Darstellungen, von welchen es insgesamt drei gibt, gleicht einem Wechsel der Achsenbelegung der horizontalen Achse. Die kategorische Belegung der vertikalen Achse mit
den einzelnen Fahrzeugklassen bleibt jeweils bestehen.
Bis auf diesen Unterschied entspricht der schwedische Car Konfigurator jedoch prinzipiell
der Beschreibung des deutschen Car Konfigurators, auch wenn sich die jeweiligen
visuellen Ausgestaltungen voneinander unterscheiden. Denn auch der schwedische Car
Konfigurator setzt bis auf obige Ausnahme keine weiteren Visualisierungen ein.

2.7.2 Andere Automobilkonzerne

Die Betrachtung von Car Konfiguratoren anderer Automobilkonzerne10 ergab, dass die
Beschreibung des deutschen Car Konfigurators ebenfalls auf alle weiteren betrachteten
Konfiguratoren zutrifft. Das heisst, es gibt ein auffallend bereinstimmendes Bild, was die
prinzipielle Darstellung der Daten in den Konfiguratoren angeht. Sicherlich gibt es
Unterschiede zwischen den einzelnen Konfiguratoren, wie die visuelle Ausgestaltung,
Kategorisierungen, Zugangsmglichkeiten oder auch angebotene Funktionen. So verfgt
zum Beispiel der Car Konfigurator von Porsche ber die Funktion Sound, mit welcher
sich der Benutzer das Motorgerusch der jeweiligen Fahrzeuge anhren kann. Andere
10

Die Auflistung der einzelnen Automobilkonzerne erfolgte bereits im einleitenden Teil des Kapitels.

49

Automobilkonzerne bieten Zugangsmglichkeiten zum Konfigurator ber Preis oder


Modellwahl, wie Citroen oder verfgen ber sortierbare Listen, wie Renault oder Porsche.
Die Schemata, welche zur Darstellung der jeweiligen Daten verwendet werden sind
jedoch

prinzipiell

immer

dieselben:

Horizontale

oder

vertikale

Listen-

oder

Tabellendarstellungen mit Bildern oder Texten, Hyperlinks (Text oder Bild), Pull-DownMenues,

Radio

Visualisierungen

Buttons
fr

die

und

Check

Inhalte

des

Boxes.
Car

Eine

Verwendung

Konfigurators

konnte

von
bei

expliziten

keinem

der

bercksichtigten Automobilkonzerne festgestellt werden.

Zusammenfassend kann man also sagen, dass explizite Visualisierungen fr die


Darstellung von Daten, bisher nur wenig bei den Webauftritten von Automobilkonzernen
eingesetzt werden. Einige Ausnahmen bietet hier, wie oben gesehen, die deutsche
Webseite

von

Mercedes-Benz.

Jedoch

bestehen

vor

allem

im

Bereich

der

Car

Konfiguratoren diesbezglich Defizite. Dabei bilden auch die Car Konfiguratoren von
Mercedes-Benz Deutschland und Schweden hierbei keine Ausnahme.

50

2.8 Legitimation fr das Thema

A picture is often said to be worth a thousand words.


Similarily, an interface is worth a thousand pictures.
[Bederson, Shneiderman]

Wie bereits erwhnt, sind Visualisierungen in vielen Anwendungsbereichen denkbar und


werden dort zum Teil auch bereits eingesetzt. Der Trend geht zu immer mehr
Anwendungen, welche sich die Vorteile interaktiver visueller Darstellung von Information
oder Daten zu nutze machen.
Die Betrachtung der Webauftritte von Automobilkonzernen hat gezeigt, dass die
Thematik der Visualisierung hier bisher nur eine auffallend untergeordnete Rolle spielt.
Dabei bieten gerade Tools, wie der Car Konfigurator bereits jetzt schon Benutzern viele
Interaktionsmglichkeiten mit den Daten. Demnach ist die Interaktivitt mit den Daten
bereits

vorhanden,

die

Darstellung

der

Daten

erfolgt

dagegen

bisher

noch

in

konventioneller Form - hufig in Listendarstellungen. Dies bietet die Mglichkeit,


Visualisierungen in die Darstellung von Daten miteinzubringen und die Vorteile
interaktiver visueller Gestaltung von Daten zu nutzen. Die Auseinandersetzung mit der
Thematik der Visualisierung von Daten zeigt also neue Mglichkeiten fr die visuelle
Reprsentation und Interaktion mit Daten auf, deren adquater Einsatz zu verbesserten
Lsungen fhrt.

51

3. Visualisierung in der Wissenschaft

Teil 3 der STAR beinhaltet die Ergebnisse der Recherchen zum Thema Visualisierung in
der Wissenschaft. Dieser Teil der Studie gibt einen kurzen berblick ber die wichtigsten
Beitrge zum Thema Visualisierung von Daten auf wissenschaftlicher Ebene, wie zum
Beispiel einschlgige Literatur, Konferenzen, Wissenschaftler und Institutionen. Die
Darstellung der Ergebnisse erfolgt in gekrzter Listenform, welche entsprechende
Hinweise auf weiterfhrende Informationen zu den jeweiligen Ergebnissen enthlt.

3.1 Konferenzen
Die nachfolgenden Konferenzen stehen alle mit der Thematik der Visualisierung von
Daten in Beziehung. Da sich mit dieser Thematik, wie schon bereits erwhnt, eine Reihe
von Disziplinen beschftigen, fllt auch die Auflistung entsprechend heterogen aus. Die
unten angefhrte alphabetische Auflistung erhebt keinen Anspruch auf Vollstndigkeit.

ACM SIGSOFT 2004


http://www.isr.uci.edu/FSE-12/
International Symposium on Foundations of Software Engineering
Newport Beach, Californien, USA

CGIM 2004
http://www.iasted.com/conferences/2004/hawaii/cgim.htm
The 7th IASTED International Conference on Computer Graphics and Imaging
Kauai, Hawaii, USA

CHI2004
http://www.chi2004.org/index.html
The premier international conference for human-computer interaction
Wien, sterreich

52

CVPR 2004
http://cvl.umiacs.umd.edu/conferences/cvpr2004/
IEEE Computer Society Conference on Computer Vision and Pattern Recognition.
Washington, DC, USA

DIS 2004
http://www.cc.gatech.edu/gvu/events/conferences.html
Designing Interactive Systems: the premier Multiple Discipline Conference
Cambridge, Massachusetts

ECCV 2004
http://cmp.felk.cvut.cz/eccv2004/
The 8th European Conference on Computer Vision
Prag, Tschechische Republik

Eurographics 2004
http://eg04.inrialpes.fr/
Annual Conference of the European Association for Computer Graphics
Grenoble, Frankreich

HFES 2004
http://www.hfes.org/meetings/2004menu.html
Human Factors and Ergonomic Society: 48th Annual Meeting
New Orleans, Louisiana, USA

ICSE 2004
http://conferences.iee.org/icse2004/
The premier Software Engineering Conference
Edinburgh, Scotland, UK

InfoVis 2004
http://infovis.org/infovis2004/
Tenth annual IEEE Symposium on Information Visualization. InfoVis is the primary
meeting in the field of information visualization, and is held in conjunction with
the IEEE Visualization 2004 (Vis04) conference in Austin, Texas.
Austin, Texas, USA

53

INTERACT 2005
http://giove.cnuce.cnr.it/interact2005.html
Tenth IFIP TC13 International Conference on Human-Computer Interaction
Rom, Italien

ISSTA 2004
http://eecs.oregonstate.edu/issta2004/
International Symposium on Software Testing and Analysis
Boston, Massachusetts, USA

Mobile HCI 04
http://www.cis.strath.ac.uk/~mdd/mobilehci04/
6th International Conference on Human Computer Interaction with Mobile Devices
and Services
Glasgow, Scotland

SCI 2004
http://www.iiisci.org/sci2004/website/default.asp
The 8th World Multi-Conference on Systemics, Cybernetics and Informatics
Orlando, Florida, USA

SIGGRAPH 2004
http://www.siggraph.org/s2004/
The 31st International Conference on Computer Graphics and Intercative
Techniques
Los Angeles, Kalifornien, USA

Smart Graphics 2004


http://www.smartgraphics.org/sg04/
The 4th International Symposium on Smart Graphics
Alberta, Kanada

UIST 2004
http://www.acm.org/uist/index.html
Seventeenth Annual ACM Symposium on User Interface Software and Technology
Santa Fe, New Mexico

54

Vis 2004
http://vis.computer.org/vis2004/cfp/
Premier forum for Visualization Advances in science and engineering for academia,
government, and industry
Austin, Texas, USA

VisSym 2004
http://www.inf.uni-konstanz.de/cgip/vissym04/index.shtml
The sixth joint Eurographics IEEE TCVG Symposium on Visualization
Konstanz, Deutschland

VolVis 2004
http://www.volvis.org/volvis2004
IEEE/SIGGRAPH Symposium on Volume Visualization and Graphics 2004
Austin, Texas, USA

3.2 Wissenschaftler und Institutionen


Der folgende Abschnitt nennt einige der bekanntesten Wissenschaftler aus dem Bereich
der

Information

Visualization

und

listet

Institutionen

auf,

welche

sich

mit

der

Visualisierung von Daten beschftigen. Diese knnen aus verschiedenen Disziplinen, wie
der Computer Grafik oder der Information Visualization stammen, wobei einzelne
Institutionen auch mehrere Disziplinen - entsprechend ihrer spezifischen Forschungsbereiche - abdecken knnen.
Zu den sicherlich bekanntesten Forschern und Wissenschaftlern aus dem Bereich der
Information Visualization, welche auch einige der populrsten Visualisierungen in dem
Bereich mitentwickelt haben, gehren zum Beispiel:

Benjamin B. Bederson ist Assistenzprofessor am Fachbereich Informatik der


Universitt Maryland. Zudem leitet er das Human-Computer Interaction Lab
(HCIL) und wirkt am UMIACS, dem Institut for Advanced Computer Studies der
Universitt Maryland mit.
Homepage: http://www.cs.umd.edu/~bederson/

55

Stuart K. Card ist Ph.D. der Psychologie mit Studienausrichtung auf Knstliche
Intelligenz (KI), Psychologie und Informatik. Seit Juni 2002 ist er Leiter der User
Interface Forschungsgruppe am Xerox Palo Alto Research Center (PARC). Sein
Forschungsschwerpunkt liegt auf Entwicklungen im Bereich der Human-Computer
Interaction.

Jock D. Mackinlay, Ph.D. der Informatik, ist Mitglied der User Interface
Forschungsgruppe

am

Xerox

Palo

Alto

Research

(PARC).

Zu

seinen

Forschungsschwerpunkten gehrt die Entwicklung von User Interfaces im Bereich


der Information Visualization. Zudem gehrt er zum redaktionellen Ausschu der
ACM Transactions on Computer Human Interaction.
Homepage: http://www2.parc.com/istl/members/mackinlay/

Ben Shneiderman ist Professor am Fachbereich Informatik der Universitt


Maryland. Von 1983 bis 2000 leitete er das Human-Computer Interaction
Laboratory (HCIL). Heute gehrt er zu den Mitgliedern des Institute for Advanced
Computer Studies und des Institute for Systems Research an der Universitt
Maryland. 1997 wurde er Mitglied der ACM, 2001 Mitglied der American
Association for the Advancement of Science und erhielt im selben Jahr den ACM
CHI

(Computer

Human

Forschungsschwerpunkte

Interaction)
liegen

in

Lifetime

den

Achievement

Bereichen

der

Award.

Seine

Human-Computer-

Interaction und User Interface Design. Ausser einer Reihe von Bchern, welche er
verffentlichte, gehrte er dem redaktionellen Ausschu mehrerer Journale, wie
dem ACM Transactions on Computer Human Interaction oder dem ACM
Interactions an.
Homepage: http://www.cs.umd.edu/users/ben/

Robert Spence ist Professor fr Information Engineering am Imperial College of


Science, Technology and Medicine, London. Seit ber 40 Jahren ist er im
Forschungsbereich der Human-Computer Interaction ttig. Er gehrt zu den
Mitgliedern der IEEE und der Royal Acadamy of Engineering.
Homepage: http://www.iis.ee.ic.ac.uk/~r.spence/

56

Auer den zahlreichen Forschungsgruppen, welche sich an den Universitten mit der
Thematik der Visualisierung von Daten beschftigen - zu denen zum Beispiel auch die
Forschungsgruppe HCI unter der Leitung von Prof. Dr. Harald Reiterer der Universitt
Konstanz gehrt - existieren noch eine Reihe weiterer Institutionen in diesem
Ttigkeitsbereich. Die folgende alphabetische Auflistung beinhaltet solche Institutionen,
welche sich ebenfalls mit der Thematik der Visualisierung von Daten beschftigen. Diese
stellt lediglich eine Auswahl dar und erhebt daher keinen Anspruch auf Vollstndigkeit.

Bell Labs
http://www.bell-labs.com
Entwicklungs- und Forschungslabor der Lucent Technologies
Aktivitten: Entwicklung von Produkten und Dienstleistungen sowie
Grundlagenforschung in den Bereichen der Kommunikationstechnologie, wie zum
Beispiel Physical Sciences, Computer Sciences & Software, Mathematical Sciences,
Network Applications, Optical Networking und Wireless Networking.
New York, USA

Eurographics
http://www.eg.org/
European Association for Computer Graphics
Aktivitten: Organisation von Konferenzen, Workshops, Seminaren,
Kommunikationsforen, Herausgabe von Online-Publikationen fr Mitglieder, etc.
Aire-la-Ville, Schweiz

Fraunhofer Institute for Computer Graphics (IGD)


http://www.igd.fhg.de/
Institut fr Grafische Datenverarbeitung
Aktivitten: Entwicklung von Produkten (Hard- und Software) und Erstellung
von Konzepten, Modellen und Umsetzungslsungen fr die graphische Datenverarbeitung und ihre Anpassung an spezifische Anwendungsflle.
Darmstadt, Deutschland

57

Georgia Institute of Technology GVU Center


http://www.cc.gatech.edu/gvu/
Kooperation des Technology Square Research Building (TSRB), College of
Computing Building (CCB), Centennial Research Building (CRB) und Georgia
Center for Advanced Telecommunications Technology (GCATT)
Aktivitten: Erforschung und Entwicklung von Technologien in den Bereichen
der Kommunikation, wie zum Beispiel Human Capabilities, Needs, and Practices,
Graphical Display Techniques, Augmented Spaces, Intelligent Sensing, Novel
Input, Output and Wearable Technologies
Atlanta, USA

Gesellschaft fr Informatik (GI)


http://www.gi-ev.de/
Verein fr die Frderung des Informatikbereichs zu gemeinntzigen Zwecken
Aktivitten: Publikation von Fachliteratur, Ausrichtung von InformatikWettbewerben, Bereitstellung fachlicher Kommunikationsforen durch
Veranstaltung von Arbeitstreffen, Fachtagungen, Kongressen und Ausstellungen,
Mitwirkung im Bereich von Normen, Standards und Validierungen, etc.
Bonn, Deutschland

Human-Centered Computing (HCC)


http://www.cs.berkeley.edu/~jfc/hcc/
Interdisziplnres Konsortium an der UC Berkeley
Aktivitten: Untersuchungen des Einflusses von Informationstechnologien
im Alltag. Aufbau von entsprechenden Verarbeitungszentren.
Kalifornien, USA

Human-Computer Interaction Lab (HCIL), University of Maryland


http://www.cs.umd.edu/hcil/
Interdisziplinres Forschungslabor der Universitt Maryland, USA
Aktivitten: Forschung in den Bereichen Advanced User Interfaces und ihren
Entwicklungsprozessen. Entwicklung von neuen Theorien, Methoden und
Technologien.
Maryland, USA

58

IEEE Computer Society


http://www.ieee.org/portal/
Verband zur Kontrolle und Einfhrung von Standards in der Elektrotechnik und
Kommunikationstechnologie
Aktivitten: berwachung, Weiterfhrung und Entwicklung von bestehenden und
neu definierten Standards.
Piscataway, New York und Washington, USA; Singapur

INI-GraphicsNet
http://www.inigraphics.net/
Internationales Netzwerk von Institutionen aus dem Bereich der Computergrafik,
wie zum Beispiel der Fraunhofer IGD
Aktivitten: Aus- und Fortbildung, Forschung und Entwicklung in den Bereichen
der Techniken, Systemen und Anwendungen der Computergrafik; angewandte
Auftragsforschung bis hin zur Entwicklung von Technologie- bzw. Anwendungsprototypen
Coimbra, Portugal; Darmstadt, Rostock, Deutschland; Providence, USA; Singapur

Institute for Systems Research (ISR), University Maryland


http://www.isr.umd.edu/ISR/HP.htm
Joint Venture der Universitt Maryland und Harvard Universitt, National
Science Foundation (NSF) Engineering Research Center der USA.
Aktivitten: Entwicklung, Anwendung und Lehre von fortgeschrittenen Designund Analysemethoden. Erarbeiten von Lsungen fr komplexe, hierarchische,
heterogene und dynamische Probleme in den Ingenieurwissenschaften und
Systemen fr Industrie und Regierung.
Maryland, USA

MIT Media Lab


http://www.media.mit.edu/
Institut fr Medientechnologien an der Universitt Massachusettes
Aktivitten: Grundlagenforschungen und anwendungen in der berschneidung
von EDV und Kunst. Entwicklungen in den Bereichen wie z.B. Softwareagenten,
Wearable Computers, Advanced Interface Design, Interaktives Kino, Digital
Expression (von Text ber Grafiken zu Sound), Rumliche Darstellung, etc.
Cambridge, USA

59

SIGCHI
http://www.sigchi.org/
ACM's Special Interest Group on Computer-Human Interaction
Aktivitten: Zusammenfhrung von Design, Evaluierung, Implementierung und
Untersuchung von interaktiven Computersystemen fr die Nutzung durch den
Menschen. Pflege eines internationalen Forums im Bereich Mensch-ComputerKommunikation (HCI).
New York, USA

SIGGRAPH
http://www.siggraph.org/index.html
ACM`s Special Interest Group on Computer Graphics
Aktivitten: Frderung von Informationsbeschaffung und austausch in
den Bereichen Theorie, Design, Implementierung und Anwendung von
Computergenerierten Grafiken sowie interaktiven Techniken.
New York, USA

University of Maryland Institute for Advanced Computer Studies


(UMIACS)
http://www.umiacs.umd.edu/
Forschungsinstitut der Universitt Maryland im Bereich der Advanced Computer
Studies
Aktivitten: Frderung von interdisziplinrer Forschung und Ausbildung in der
EDV, insbesondere in den Bereichen Computer Science, Electrical and Computer
Engineering, Geography, Linguistics, Philosophy, Life Sciences, Information
Studies.
Maryland, USA

Virtual Reality Society (VRS)


http://www.vrs.org.uk/
Internationale Gesellschaft fr die Diskussion und Frderung der Bereiche der
Virtual Reality und Synthetic Environments
Aktivitten: Publikation internationaler Journale, Organisation spezifischer
Interessengruppen, Konferenzen, Seminare und Tutorials.
West Sussex, UK

60

Xerox Palo Alto Research Center (PARC)


http://www.parc.xerox.com
Gegrndet von der Xerox Corporation als Office of the Future
Aktivitten: Interdisziplinre Forschung in den Bereichen Physik, EDV und
Sozialwissenschaften, wie zum Beispiel in Projekten von Micro-Scale Devices,
Biomedical Sciences, Mobile & Wireless, Image Processing, Document Content,
Sensemaking und Community.
Palo Alto, USA

Zentrum fr Virtual Reality und Visualisierung Forschungs GmbH (VRVIS)


http://www.vrvis.at/
Anwendungsorientierte Forschungseinrichtung sterreichs im Bereich Virtual
Reality und Visualisierung
Aktivitten: Forschung in den Bereichen der Virtual Reality fr Marketing und
Edutainment, Virtuelle Stdte, Anwendungen der wissenschaftl. Visualisierung,
Virtual Reality Grundlagen, Interaktive Visualisierung. Technologietransfer
zwischen Hochschulen und Industrie.
Wien, sterreich

3.3 Literatur

Ausser diversen Journalen, welche zum Beispiel von Institutionen, wie der ACM
herausgegeben werden, ACM Transactions on Computer Human Interaction oder
ACM Interactions - gehren auch die jeweiligen Konferenzbnde zur Fach-, bzw.
Standardliteratur im Bereich der Visualisierung von Daten. Zu den Standardwerken der
Bcher speziell im Bereich der Information Visualization gehren:

Information Visualization
Robert Spence. Harlow, ACM Press (Addison-Wesley) 2001.

Information Visualization. Perception for Design


Colin Ware, Morgan Kaufmann Publishers, San Francisco, CA, 2000.

61

Information Visualisation and Virtual Environments


Chaomei Chen, Springer-Verlag, London, 1999.

Readings in Information Visualization: Using Vision to Think


Stuart K. Card, Jock D. Mackinlay, Ben Shneiderman (Eds.), Morgan Kaufmann,
San Francisco, CA, 1999.

The Craft of Information Visualization: Readings and Reflections


Benjamin B.Bederson, Ben Shneiderman, San Francisco, CA (Morgan Kaufmann),
2003.

Envisioning Information
Edward R. Tufte, Graphics Press, Cheshire, Connecticut, 1990.

The Visual Display of Quantitative Information


Edward R. Tufte, 2nd Edition, Graphics Press, Cheshire, Connecticut, 2001.

Visual Explanations
Edward R. Tufte, Graphics Press, Cheshire, Connecticut, 1997.

62

4. Thematische Auseinandersetzung
Innerhalb der thematischen Auseinandersetzung erfolgt der eigentliche fachliche Diskurs
zum Thema Visualisierung und stellt somit auch den Schwerpunkt der Studie dar. Ziel
dieses Kapitels ist es, eine Vorstellung von der groen Vielfalt an Ideen zu vermitteln,
welche bereits entwickelt wurden, um Daten in visuelle Strukturen zu verwandeln, ihre
Anwendungsbereiche kennen zu lernen und anhand dieser Ergebnisse ein Konzept
aufzustellen, wann welche Visualisierungstechnik sinnvollerweise zum Einsatz gebracht
werden soll.
Langbestehende wissenschaftliche Domnen, wie die Physik oder Chemie verwenden fr
ihrer

Arbeit

strenge

quantitative

Gesetzte

und

Formeln,

wie

beispielsweise

mathematische Formulierungen. Neuere Disziplinen dagegen, wie die Psychologie,


Soziologie oder auch die HCI nutzen dagegen dafr eher qualitative Frameworks und
Modelle. Frameworks entstehen aus einem allgemeineren Verstndnis und Generalisierungen der Thematik. Sie werden oftmals in kompakten Tabellen oder Charts
prsentiert, welche informell ein, zwei oder mehr Variablen und ihre Interaktionen
beschreiben.

Formalisiertere

Modelle

knnen

Prozessbeschreibungen

(wie

in

Don

Normans (1993) Sieben-Stadien-Modell der Interaktion) oder ausfhrbare Simulationen,


deren Ergebnisse mit der Realitt konform sind, beinhalten. [BS 2003]
In der jungen Disziplin des Forschungsbereichs der Human Computer Interaction hat
diese Suche nach Generalisierungen bereits eine Vielzahl von Theorien und Modellen
hervorgebracht, welche Begrndungen und Prognosen untersttzen und helfen neue
Entwicklungen hervorzubringen. Eines der bekanntesten und oftmals zitierten Modelle ist
das Referenzmodell fr Visualisierung von Ben Shneiderman. Dieses Modell soll auch hier
als Grundlage dienen um den Transformationsprozess von den originren Daten in eine
oder mehrere visuelle Darstellungen zunchst konzeptionell zu erlutern und um spter,
auf dieser Basis bestehende Visualisierungen vorstellen und diskutieren zu knnen.

63

4.1 Vorstellung des Referenzmodells fr Visualisierung

Bei der Erzeugung von Visualisierungen geht es prinzipiell darum, Daten in visuelle
Formen umzuwandeln. Ziel dabei ist es, eine entsprechende adquate Umwandlung zu
finden. Um diesen Transformationsprozess konzeptionell zu beschreiben, werden Modelle
verwendet.

Die

Verwendung

von

Modellen

erleichtert

die

Diskussion

ber

Visualisierungen und ermglicht es, diese zu beschreiben und einander gegenber zu


stellen. [CMS 1999].
Das Referenzmodell fr Visualisierung wurde unter der Leitung von Ben Shneiderman am
Human Computer Interaction Lab (HCIL) an der Universitt Maryland entwickelt. Dieses
Modell (Abb. 19) beinhaltet zum einen den Datenfluss, welcher vom Input der originren
Daten (Rohdaten) ber diverse Transformationsschritte bis zu den endgltigen visuellen
Darstellungen verluft, sowie eine Reihe von Interaktionsmglichkeiten, welche es dem
Benutzer ermglichen auf diese Transformationen einzuwirken.

Abb. 19 Referenzmodell fr Visualisierung [CMS 1999]

Das Referenzmodell besteht insgesamt aus drei Transformationsschritten. Die erste


Transformation, die Datentransformation (Data Transformations) wandelt die Rohdaten
(Raw Data) - zumeist unstrukturierte Daten in spezifischen Formaten - in Datentabellen
(Data Tables) um. Datentabellen sind relationale Beschreibungen der Daten, welche
Metadaten

enthalten.

Das

visuelle

Mapping

(Visual

Mappings)

transformiert

die

Datentabellen in visuelle Strukturen (Visual Structures). Die visuellen Strukturen


bestehen aus rumlichen Bereichen, diversen Zeichen (Marks) und deren grafischen
Eigenschaften. Die Viewtransformation (View Transformations) schlielich erzeugt durch
das Spezifizieren von grafischen Parametern, wie Position, Skalierung und Ausschnitte,
aus den visuellen Strukturen die endgltigen Views.
Tab. 1 gibt nochmals einen kurzen berblick ber die einzelnen Begriffe.
64

Begriff

Erklrung

Rohdaten
(Raw Data)

Idiosyncratic formats

Datentabellen
(Data Tables)

Relations (cases by variables) + metadata

Visuelle Strukturen
(Visual Structures)

Spatial substrates + marks + graphical properties

Views

Graphical parameters (position, scaling, clipping, )

Tab. 1 Erklrung der Begriffe des Referenzmodells [Man 2001]

Der gesamte Prozess wird von der eigentlichen Aufgabe (Task) des Benutzers ausgelst
und von der menschlichen Interaktion, also dem Benutzer (Human Interaction)
manipuliert. Durch die Interaktionsmglichkeiten ist es dem Benutzer mglich, die
Parameter dieser Transformationen zu kontrollieren und dadurch beispielsweise die View
auf bestimmte Datenbereiche zu begrenzen oder die Art der Transformation zu ndern.
Die Visualisierungen und ihre Bedienungselemente dienen der Aufgabenerfllung.
[CMS 1999] Im nachfolgenden wird noch mal detaillierter auf die einzelnen Schritte des
Referenzmodells und die Interaktionsmglichkeiten des Benutzers eingegangen.

4.1.1 Data Transformation: Raw Data Data Tables

Bei der Datentransformation erfolgt die Umwandlung der Rohdaten in Datentabellen.


Die Rohdaten, welche in vielfltigen Formaten vorliegen knnen, wie zum Beispiel als
Suchergebnisse oder auch als Text eines Romans, dienen der Visualisierung als Input. Bei
der Umwandlung dieser Rohdaten in Datentabellen, werden diese Daten fr gewhnlich
in eine Relation oder eine Gruppe von Relationen umgewandelt, welche strukturierter und
deshalb einfacher in visuelle Formen transformiert werden kann. Theoretisch knnte
dieser Schritt auch bersprungen werden, da eine direkte Umwandlung der Rohdaten in
visuelle Strukturen ebenfalls mglich, wenn auch um ein Vielfaches komplexer wre.
Daher ist es wichtig diesen Zwischenschritt zu machen, vor allem bei abstrakten Daten,
ohne direkten rumlichen Bezug.

65

Mathematisch gesehen sind Relationen eine Gruppe von Tupeln {<Valueix, Valueiy, ...>,
<Valuejx, Valuejy, ...>}. Wie in Tab. 2 zu sehen, kombinieren Datentabellen Relationen
mit Metadaten, die diese Relationen beschreiben.

Metadaten

Case i

Case j

Case k

Variable x

Value ix

Value jx

Value kx

Variable y

Value iy

Value jy

Value kj

Relationen

Tab. 2 Darstellung einer Datentabelle [CMS 1999]

Die Zeilen in der Tabelle reprsentieren Variablen, also Gruppen, welche den Bereich der
Werte in den Tupeln reprsentieren. Die Spalten reprsentieren Cases, Gruppen von
Werten fr jede dieser Variablen. Die Relationen werden also aus Variablen und Cases
definiert. [CMS 1999]

Case

Case i

Case j

Case k

Metadaten

Variable x

Value ix

Value jx

Value kx

Relationen

Variable y

Value iy

Value jy

Value kj

Tab. 3 Darstellung einer erweiterten Datentabelle [CMS 1999]

Betrachtet man nun einen Case als eine weitere Variable und die einzelnen Cases
(i,j,k,...) als Output einer Funktion f(Casei) = <Valueix, Valueiy, ...>, welche die soeben
neu gewonnene Variable Case als Input und eine beliebige Anzahl an Outputs hat
(meistens aber mehr als einen), so erhlt man eine erweiterte Datentabelle, welche
letztendlich fr die Transformation in eine visuelle Struktur verwendet wird. Die Funktion
verwendet Metadaten als Input und liefert wiederum eigentlich Metadaten als Output,
welche in Verbindung mit den folgenden Variablen die entsprechenden Relationen
definieren. Der Vorteil, die Datentabelle auf diese Art und Weise zu erweitern liegt darin
begrndet, dass sich die Anzahl der durch die Funktion ermittelten Outputs dynamisch
generieren lsst und man so eine weitere Spalte fr den Wertebereich der Daten
66

hinzufgen kann, welche wiederum Metadaten enthlt und zusammen mit den folgenden
Variablen (Zeilen), wie bereits oben beschrieben, auch die Relationen dynamisch
hinzufgt. Durch eine solche Transformation mit Metadaten als Input knnen also sowohl
Metadaten als auch gleichzeitig Variablen gewonnen werden. Dadurch erweitert sich die
Datentabelle samt neuen Relationen als Beziehungen zwischen Variablen und Variablen,
bzw. Variablen und Metadaten. Diese Strukturnderung muss nicht zwangslufig am
Ende der Datentabelle stattfinden, sondern kann vielmehr mittendrin neue Spalten
anlegen und somit auch die Struktur zu einer vorherigen Variante der Datentabelle
oftmals grundlegend verndern. Die Variablen knnen grundstzlich in drei verschiedene
Basistypen unterschieden werden:

N = Nominal (only = or to other values),

O = Ordinal (obey a < relation) oder

Q = Quantitative (can do arithmetic on them).

Eine nominale Variable ist eine ungeordnete Gruppe, wie zum Beispiel Filmtitel
{Goldfinger, Ben Hur, Star Wars}; eine ordinale Variable ist eine geordnete Gruppe, wie
Filmbewertungen oder Wochentage {Montag, Dienstag, Mittwoch,...}. Eine quantitative
Variable stellt einen numerischen Bereich dar, wie beispielsweise Spielfilmlngen
{0,360}. Darber hinaus knnen zum Beispiel quantitative Variablen in ordinale Daten
transformiert werden oder aber ordinale Variablen in nominale. Dies fhrt auch zu einer
weiteren Unterscheidung von Variablentypen:

Classing: e.g. Q -> O by dividing film lengths


(type Q) in ranges (type O)

Special subtypes: Qs = Quantitative Spatial;


Qt = Quantitative Time

Classing ist eine allgemeine Transformation, welche Werte in Klassen von Werten einteilt.
Dabei kann es zu einem Wechsel des Variablentyps kommen, wie beispielsweise bei der
Unterteilung der Spielfilmlnge in Klassen: [0,360] in <Short, Medium, Long>. Zustzlich
wird noch zwischen wichtigen Subtypen, wie rumlichen oder geografischen quantitativen
Daten

oder

quantitativer

oder

ordinaler

Zeit,

unterschieden.

Diese

prinzipielle

Unterscheidungen sind wichtig, da sie den Typ der Achse bestimmen, welcher bei der
visuellen Struktur verwendet werden soll, bzw. da die Subtypen als Eigenschaften der
realen Welt normalerweise mit speziellen visuellen Konventionen verbunden werden.
Die Datentransformation von Rohdaten in Datentabellen beinhaltet typischerweise einen
Verlust oder einen Zugewinn von Daten. Dies kann durch Fehler oder fehlende Werte in
den Rohdaten verursacht werden. Ebenso knnen statistische Berechnungen zustzliche
67

Information erzeugen. Daher enthalten Datentabellen oftmals auch abgeleitet Daten oder
Strukturen. Prinzipiell knnen vier Typen dieser Transformationen unterschieden werden,
wobei vor allem Transformationen, welche zwischen Werten und Strukturen stattfinden
von komplexerer Natur sind, (Tweedie, 1997):

values

derived values (e.g. mean)

structure

derived structure

values

derived structure (e.g. sorting, clustering)

structure

derived values

Datentransformationen sind komplex, ebenso wie die Arten von Transformationen,


welche man visualisieren und eventuell durch die Visualisierungen kontrollieren mchte.
Jede Version der Datentabelle enthllt verschiedene Aspekte der Daten und fhrt
mglicherweise zu einer anderen Wahl einer visuellen Struktur.

4.1.2 Visual Mapping: Data Tables Visual Structures

Wichtigster Schritt des Modells ist das Visual Mapping. Datentabellen basieren auf
mathematischen Relationen, visuelle Strukturen basieren dagegen auf grafischen
Eigenschaften. Bei der Visualisierung werden Datentabellen in Visuelle Strukturen
umgewandelt, welche einen rumlichen Bereich durch Zeichen (Marks) und grafische
Eigenschaften erweitern um Informationen zu kodieren. Es gibt zumeist mehrere
Mglichkeiten Datentabellen in visuelle Strukturen umzuwandeln. Ein gutes Mapping zu
finden ist jedoch eine Herausforderung und gelingt nicht immer, wie dies bereits in
Kapitel 2.5. gezeigt wurde.
Eine

qualitativ

hochwertige

visuelle

Struktur

muss

die

Daten

erhalten

und

ausdrucksstark, sowie effektiv sein. Ausdrucksstark heit, dass wenn alle Daten, aber
auch nur die Daten der Datentabelle in der visuellen Struktur reprsentiert werden.
Effektiv bedeutet, dass die visuelle Struktur schneller zu interpretieren ist, mehr
Unterschiede bertrgt oder weniger zu Fehlern fhrt als einige andere Mappings.
Visuelle Strukturen bestehen aus insgesamt drei Komponenten:

spatial substrate (= use of space),

marks (= visible things that occur in space) and

the graphical properties of the marks (= Gestalt principles,


connection, enclosure).
68

Spatial Substrate
Die Verwendung von Raum stellt den grundlegendsten Aspekt von visuellen Strukturen
dar. Raum ist aus Sicht der Wahrnehmung dominant (MacEachren, 1995). Die rumliche
Position ist eine gute visuelle Kodierung fr Daten. Aufgrund der Dominanz wird es an
dieser Stelle separat von den anderen Features als Bereich behandelt, in welchen andere
Teile der visuellen Struktur eingefgt werden. Leerer Raum an sich kann behandelt
werden, als ob er eine metrische Struktur hat. Man beschreibt diese Struktur mit den
Begriffen Achsen und ihren Eigenschaften. Es gibt vier elementare Typen von Achsen:

U = Unstructured Axis (no axis) (Engelhardt et al., 1996),

N = Nominal Axis (a region is divided in subregions),

O = Ordinal Axis (the ordering of these subregions is meaningful), and

Q = Quantitative Axis (a region has a metric).

Eine weitere Unterteilung der Achse ist mglich, wenn der quantitative Mastab der
Achse sich in weitere Untereinheiten einteilen lsst. Dasselbe gilt, wenn die Achseneinheit
eine weiterunterteilbare Kennziffer, physikalische Einheit oder eine sonstige bergeordnete Einheit darstellt. Achsen knnen linear oder radial verlaufen und sind ein
wichtiger Baustein fr die Entwicklung von visuellen Strukturen. Da die rumliche
Positionierung eine gute Kodierung darstellt, wurden einige Techniken entwickelt, welche
die Menge der Informationen, die damit kodiert werden kann erhhen:

Composition

Alignment

Folding

Recursion

Overloading

Composition ist die orthogonale Platzierung von Achsen, um so einen metrischen Raum
zu erzeugen. Diese Technik eignet sich vor allem fr mehr als zwei Variablen und mehr
als drei Dimensionen. Speziell bei drei Dimensionen besteht aber oftmals das Problem in
den resultierenden metrischen Raum nicht hineinblicken zu knnen, wenn der Inhalt zu
dicht beieinander platziert ist. Alignment ist die Wiederholung einer Achse an einer
anderen Position im Raum. Folding ist die Fortsetzung einer Achse in einer orthogonalen
Dimension. Recursion ist die wiederholte Teilung von Raum. Overloading ist die
Wiederverwendung desselben Raums fr dieselbe Datentabelle. Die Technik sttzt sich
69

vor allem auf die Tatsache, dass die Daten lediglich einen Bruchteil des zur Verfgung
stehenden Raums bentigen, um so den Raum fr eine zweite Nutzung zu verwenden.
Marks
Zeichen (Marks) sind sichtbare Elemente, welche innerhalb des Raums erscheinen. Es
gibt vier grundstzliche Typen von Zeichen, wobei die sogenannten Area Marks sowohl
Oberflchen

in

drei

Dimensionen

als

auch

zweidimensional

begrenzte

Regionen

umfassen:

P = Points (=0D or zero dimensional)

L = Lines (1D)

A = Areas (2D)

V = Volumes (3D)

Graphical Properties of the Marks


Die grafische Eigenschaften der Zeichen (Marks) tangieren eine Reihe unterschiedlicher
Disziplinen. Entsprechend existieren diesbezglich auch eine Reihe von Normen, Regeln
und Gesetzten, wie beispielsweise diverse Gestaltungsregeln, Farblehren, Formung neuer
Strukturen durch Anordnung, Eigenschaften der Wahrnehmung, temporale Kodierung,
etc. Jedoch soll zu diesem Zeitpunkt hier nicht weiter darauf eingegangen werden, da
dieser Bereich auch fr sich genommen von hohem Umfang ist und weitschweifiger
Ausfhrungen bedarf. Regeln und Guidelines hierzu finden sich in einer Vielzahl an
Publikationen.

4.1.3 View Transformations: Visual Structures Views

View Transformations modifizieren und erweitern visuelle Strukturen interaktiv, um


statische

Prsentationen

durch

das

Etablieren

von

grafischen

Parametern

in

Visualisierungen umzuwandeln, um so Views von visuellen Strukturen zu erzeugen. View


Transformations nutzen den Aspekt der Zeit, um mehr Informationen von der
Visualisierung zu extrahieren, als es bei statischen Prsentationen mglich wre. Es gibt
drei allgemeine View Tranformationen:

Location probes

Viewpoint controls

Distortions
70

Location Probes
Location Probes verwenden spezifische Positionen in einer visuellen Struktur, um
zustzliche Informationen aus der Datentabelle zu prsentieren. Ebenso knnen Proben
die visuelle Struktur selbst erweitern. Beispiele fr Location Probes sind: Details-onDemand (Pop-up Windows), Brushing und Magic Lenses oder Moveable Filters.
Viewpoint Control
View Point Controls verwenden affine Transformationen, um den Blickwinkel durch
zooming, panning, oder clipping zu ndern. Diese Transformationen sind gebruchlich, da
sie visuelle Strukturen vergrern oder den Blickwinkel ndern, um Details besser
darstellen zu knnen. Viewpoint Kontrollen knnen sowohl separiert, als auch in die
Visualisierung integriert auftreten. Beispiele fr Viewpoint Controls sind: Zoom, Overview
+ Detail und Camera Movement.
Distorsion
Distorsion modifiziert visuelle Strukturen um Focus + Context Views zu erzeugen.
Overview + Detail werden so zu sagen in einer einzelnen visuellen Struktur kombiniert.
Distorsion erweist sich dann als effektiv, wenn dem Benutzer durch die Verzerrung
(Distorsion) grere entzerrte visuelle Strukturen dargestellt werden knnen. Als
ineffektiv erweist sich es, sobald die Eigenschaften oder Muster fr die Task des
Benutzers nachteilig verzerrt werden. Beispiele fr Distorsion sind: Perspective Wall,
Fisheye-View.

4.1.4 Interaktions- und Transformationskontrollen

Der Part der menschlichen Interaktion schliet den Kreis zwischen visuellen Formen und
der Kontrolle der Visualisierungsparameter, ber welche die Mappings modifiziert
werden. Die naheliegenste Form von Interaktion stellt die direkte Manipulation dar.

4.1.4.1 Transformationen

Wie bereits erwhnt, gibt es insgesamt drei Transformationsarten, auf welche der
Benutzer mittels diverser Interaktionstechniken einwirken kann:

71

Raw Data Data Tables


Diese Kontrollform ermglicht die interaktive Kontrolle der Data Mappings. Die
Vernderungen der Datentabellen kann zum Beispiel ber Rangeslider erfolgen.

Data Tables Visual Structures


Die interaktive Kontrolle des Mappings von der Datentabelle in eine visuelle
Struktur kann entweder in einem separaten User Interface oder in die visuelle
Struktur integriert, angeboten werden. Bei separaten User Interfaces erfolgt die
Kontrolle zumeist ber Beeinflussung visueller Reprsentanten der Datentabellen
und visuellen Strukturen. Integrierte Lsungen erlauben dem Benutzer dagegen
direkt auf Teile der visuellen Struktur zu klicken und das Mapping zu verndern.

Visual Structures Views


Interaktive Kontrollen der Views knnen separiert oder in das Interface integriert
werden. Location Probes und Viewpoint Manipulationen sind typischerweise
integriert. Distorsion Techniken haben oftmals einen globalen Einfluss, welcher ein
externes User Interface erfordert, knnen jedoch auch integriert werden.

4.1.4.2 Interaktionstechniken

Viele Interaktionstechniken sind im Wesentlichen eine Form der Selektion, d.h. eine
Auswahl einer Untermenge von Objekten in der Datentabelle. Dies ermglicht es mittels
dieser Untermenge Daten zu lokalisieren, Muster in den Daten aufzudecken oder die
Argumente anderer Transformationen zu selektieren. Andere erlauben wiederum die
Modifikation

der

Datentransformationen.

Tab.

zeigt

eine

bersicht

ber

alle

Interaktionstechniken, geordnet nach dem Einfluss auf die jeweilige Transformationsart.


Anschlieend erfolgt eine ausfhrlichere Beschreibung der jeweiligen Interaktionstechniken.

72

Modifies
Data
Transformation

Modifies
Visual
Mappings

Modifies
View
Transformation

Dynamic Queries

Data Flow

Direct Selection

Direct Walk

Pivot Tables

Camera Movement

Details-on-Demand

Magic Lens

Attribute Walk

Overview + Detail

Brushing

Zoom

Direct Manipulation
Tab. 4 Interaktionstechniken [CMS 1999]

Data Transformation
Fr die Modifikation der Data Transformation stehen verschiedene Techniken zur
Verfgung.

Dynamic Queries
Unter Dynamic Queries versteht man dynamische Anfragen an ein aktives
Softwareprogramm, z.B. mittels Slider oder Radio Buttons, welche den
(gegenwrtigen) Zustand des Programms im zeitlichen Ablauf ndern. Damit wird
es mglich, dynamische Sachverhalte besser zu analysieren.

Direct Walk
Diese Interaktionstechnik zeichnet sich durch Verlinkung aus, wie zum Beispiel
Hyperlinks auf Internetseiten. Durch eine Serie von Klicks auf Visualisierungen
kann der Benutzer Informationen suchen oder sie modifizieren.

Details-on-Demand
Details-on-Demand erweitert eine Gruppe von Objekten, um mehr ihrer
Variablen und somit mehr ihrer Details prsentieren zu knnen. Diese Technik
erlaubt es quantitativ mehr Variablen auf die Visualisierung zu mappen.

Attribute Walk
Der Benutzer selektiert einige Cases und sucht anschlieend nach anderen Cases,
welche hnliche Attribute aufweisen.

Brushing

73

Brushing wird bei multiplen Visualisierungen derselben Objekte verwendet.


Selektiert der Anwender einen bestimmten Case in einer der Sichten, so wird
dieser auch in den anderen Ansichten automatisch ausgewhlt.

Direct Manipulation
Direct Manipulation ist eine Technik, welche benutzt werden kann, um Transformationen zu modifizieren.

Visual Mappings
Interaktion kann neben der Modifikation der Data Transformation ebenso visuelle
Mappings modifizieren, welche die bereinstimmung zwischen Daten und visuellen
Formen reprsentieren.

Dataflow
Dataflow ist eine allgemeine, bei kommerziellen Produkten gngige Interaktionstechnik, um Daten in eine visuelle Form zu transformieren. Sie basiert auf der
Idee, Daten und Informationen explizit darzustellen, beispielsweise ber
Diagramme mit Knotenstrukturen.

Pivot Table
Diese Technik wird bei modernen sog. Spreadsheet-Programmen verwendet und
lsst den Anwender rasch das Mapping der Daten in Zeilen und Spalten der
Kalkulationstabelle

transformieren.

Ein

bekanntes

Beispiel

hierfr

ist

das

Programm Excel von Microsoft.

View Transformation
Auch auf die View Transformation kann der Benutzer mittels diverser Interaktionstechniken Einfluss nehmen.

Direct Selection
Diese Interaktionstechnik bezieht sich auf eine Gruppe mit Schemata, welche
durch die Selektion und das Highlighting von Objekten und Gruppen von Objekten
entstanden sind. Sie erweitern die Erscheinung visueller Strukturen auf spezifische
Art. Oftmals identifizieren sie die Gruppe von Objekten, welche die Argumente
einiger Aktionen darstellen.

Camera Movement

74

Camera Movement drckt den Wechsel der Position des Beobachters aus, speziell
im 3D Raum. Dies ermglicht eventuell Elemente zu sehen, welche zuvor verdeckt
wurden.

Magic Lens
Diese Technik selektiert Objekte in Abhngigkeit ihrer x- oder y-Position und
verwendet dann weitere Interaktionstechniken, wie zum Beispiel Dynamic
Queries.

Zudem

knnen

auf

den

selektierten

Objekten

Daten-

oder

Visualisierungstransformationen durchgefhrt werden. Da multiple Magic Lenses


auch bereinander angeordnet werden knnen, ist es mglich, auf diese Weise
komplexe Boolesche Anfragen zu generieren.

Overview & Detail


Overview & Detail verwendet zwei oder mehr Ebenen von miteinander verlinkten
Visualisierungen (Plaisant, Carr, Shneiderman, 1995). Dabei zeigt ein Fenster der
Visualisierung entweder alle Objekte oder aber mindestens eine Art von visuellem
Framework, welches alle Objekte umfasst, wie zum Beispiel eine Karte von der
Welt der Keynotes in einem Tree. Ein anderes Fenster stellt eine detailliertere
Sicht auf die Objekte dar. Die Knoten in der Detailansicht sind dabei als Regionen
markiert, welche im bersichtsfenster bewegt werden knnen.

Zoom
Diese Technik umfasst den Zoom in eine visuelle Struktur, wodurch die Anzahl der
Objekte, welche dargestellt werden, reduziert wird. Gleichzeitig erhht sich jedoch
eventuell die Anzahl der Variablen, welche pro Objekt gezeigt werden. Die
Kombination mit weniger komprimierenden Techniken ermglicht es, die einzelnen
Objekte zu betrachten.

75

4.2 Techniken zur Visualisierung von Daten

The principles of information design are universal like mathematics


and are not tied to unique features of a particular language or culture.
[Tufte]

In diesem Kapitel erfolgt die Identifikation und Prsentation von grundlegenden


Techniken zur Visualisierung von Daten und Erluterung der Auswahlkriterien. Um ein
grundlegendes Verstndnis fr Visualisierungen und den damit verbundenen Techniken
zu erhalten, ist es zunchst erforderlich, den Aufbau von Visualisierungen und damit von
visuellen Strukturen und ihren Views nher zu betrachten. Wie bereits erwhnt, erfolgt
das

Erzeugen

von

visuellen

Strukturen

durch

das

Visual

Mapping,

also

der

Transformation der Datentabellen einem mathematischen Konstrukt - in visuelle


Strukturen grafische Objekte.
Prinzipiell ist es mglich, eine Flle von verschiedenartigen visuellen Strukturen aus ein
und derselben Datenbasis zu erzeugen. Viele Visualisierungssysteme machen sich dies
zunutze, um dem Benutzer grundstzlich verschiedene Sichten auf die Datenwelt zu
bieten. Dabei ist es mglich, dem Benutzer zum einen durch verschiedenartige visuelle
Strukturen und zum anderen durch Modifikation derselben visuellen Struktur mittels
diverser Interaktionstechniken wie bereits zuvor beschrieben diese unterschiedlichen
Sichten auf die Daten zu ermglichen.
Aufgrund

der

immensen

Vielfalt

an

Visualisierungen,

kann

diese

STAR

keinen

vollstndigen berblick ber alle existenten Visualisierungen geben. Ziel des folgenden
Abschnitts

ist

es

daher,

ein

grundlegendes

Verstndnis

fr

den

Aufbau

von

Visualisierungen zu schaffen, um auf dieser Grundlage, diese besser beurteilen und


klassifizieren zu knnen. Denn oftmals liegt zwei scheinbar unterschiedlich ausehenden
Darstellungen

dieselbe

Visualisierungstechnik

zugrunde,

wogegen

zwei

hnlich

aussehende Darstellungen durchaus auf zwei vllig verschiedenen Techniken basieren


knnen. Die Darstellung dieser grundlegenden Techniken zur Visualisierung von Daten
erfolgt aus Sicht der Statistischen Grafik. Dies wird damit begrndet, dass viele
Visualisierungen
Histogramme,

statistische

Pie

Charts

Grafiken
oder

auch

enthalten,

wie

Scatterplots.

zum

Bei

den

Beispiel

Bar

Charts,

Beschreibungen

der

Visualisierungen aus dem Bereich der Information Visualization wird jedoch zumeist nicht
mehr nher auf diese grundlegenden Techniken eingegangen, da sie als gegeben
vorausgesetzt werden.

76

Die nun folgende Beschreibung dieser grundlegenden Techniken zur Visualisierung von
Daten findet anhand der von Leland Wilkinson entwickelten Grammar of Graphics statt.
Da diese aus der Perspektive eines Software-Architekten entwickelt und beschrieben
wurde, sind fr ein besseres Verstndnis des folgenden Kapitels entsprechende
Vorkenntnisse ntig. Da an dieser Stelle, die Grammatik auerdem nur oberflchlich
behandelt werden kann, wird fr ein tiefergehendes Verstndnis die Lektre des Buches
The Grammar of Graphics von Leland Wilinson empfohlen.
Vereinfacht

gesagt,

gelingt

es

Wilkinson

durch

die

grundstzliche

Trennung

mathematischer und sthetischer Regeln, welche fr die Erzeugung einer Grafik bentigt
werden, ein allgemeingltiges System zu erzeugen, welches aus den verschiedenen
Grundelementen der Grafik besteht. Zu diesen Grundelementen gehren: ihre Geometrie
(Graphtypen),

ihre

sthetischen Attribute (Farbe, Form, etc.), ihre statistischen

Methoden, ihre Skalierung und ihr Koordinatensystem, in welchem sie eingebettet ist.
Dabei knnen Grafiken entweder aus einer einzelnen Grafik bestehen oder aus so
genannten Facetten, welche aus vielen kleinen Grafiken bestehen, die Variationen einer
einzelnen Grafik darstellen. Durch Kombination der verschiedenartigen Ausprgungen der
einzelnen Grundelemente miteinander - wie zum Beispiel Point-Grafik, Blau, etc. lsst sich so eine groe Vielzahl an unterschiedlichen Grafiken erzeugen.
Auch wenn diese Thematik der Grammar of Graphics auf den ersten Blick komplex
erscheinen mag, so ist die Auseinandersetzung damit doch lohnenswert. Birgt sie doch
ein groes Potential in sich, welches den Benutzer befhigt aufgrund der erlernten
Grammatik auch neuartig erscheinende Grafiken richtig klassifizieren zu knnen.

4.2.1 The Theorie of Graphics

Wie bereits im Kapitel 2.3.8 dieser STAR erwhnt, gilt Jaques Bertin als der Pioneer in
der strukturellen Theorie ber Grafiken. Aufbauend auf seiner Arbeit erarbeiteten eine
Reihe weiterer Wissenschaftler weiterfhrende Theorien und Variationen zu der Thematik
von Grafiken. Diese Wissenschaftler und Forscher, zu denen auch Leland Wilkinson
gehrt, betrachten die Thematik der quantitativen Grafiken als einen Bereich, dem
eigene Regeln und eine tiefgreifende grammatische Struktur innewohnt. Dies zeigt auch
die Tatsache, dass man es als selbstverstndlich erachtet, eine Grafik lediglich mittels
des Zusammenspiels aus Betrachtung und allgemeingltigen Regeln verstehen zu
knnen. [Wil 1999]

77

Whrend Bertin sich bei seiner Theorie auf papierbasierte Grafiken bezieht, entwickelte
Wilkinson seine Theorie ber Grafiken aus Sicht eines Software-Architekten, wobei ihm
jedoch die Arbeiten von Bertin als Grundlage dienten. Durch nur geringe Modifikationen
war es Wilkinson mglich, die Theorien Bertins in die digitale Welt zu bertragen.
In seinem Buch The Grammar of Graphics behandelt Wilkinson allgemeingltige
Grammatikregeln fr die Erzeugung von Grafiken aus Daten, wobei es ihm jedoch nicht
um Thematiken wie guter Geschmack oder Grafik Design geht. Fr Richtlinien bezglich
der Gestaltung guter Grafiken verweist Wilkinson auf Cleveland, Tufte oder Kosslyn.
[Cle 1985] [Cle 1995] [Tuf 1983] [Tuf 1990] [Tuf 1997] [Kos 1994] Die Inhalte der
folgenden Kapitel sind dem Buch The Grammar of Graphics von Leland Wilkinson
entnommen.

4.2.2 The Grammar of Graphics

Form (Ever) Follows Function.


[Sullivan]

Die Grundidee von Wilkinson ist es, durch Trennung der mathematischen und
sthetischen Regeln, die Grammatik von Grafiken zu identifizieren und somit ein
allgemeingltiges System zu erzeugen. Dem Benutzer soll so die Mglichkeit gegeben
werden auf Basis der erlernten Grammatik auch neuartig erscheinende Grafiken richtig
klassifizieren zu knnen. Auch Entwicklern kann diese Grammatik dienlich sein, da die
Kenntnis der Grundelemente von Grafiken zu neuartigen Kombinationsmglichkeiten oder
bisher noch nicht existenten Elementen fhren kann. hnlich einem Baukastensystem, ist
die Vielzahl der mglichen Kombinationen, bzw. Ausprgungen hher, wenn man bei
deren Zusammenbau die eigentlichen Grundelemente miteinander kombiniert, anstatt
bereits vorgefertigte Komponenten zu nutzen.

4.2.2.1 Ein objekt-orientiertes Grafiksystem

Wilkinson entwickelte fr die Umwandlung von Rohdaten in Grafiken ein sogenanntes


objekt-orientiertes Grafiksystem. Ein solches System erfordert explizite Definitionen fr
die Realisierung von Grafiken und Regeln um diese mit den Daten in Bezug setzen und
ihr Verhalten in einer Rechnerumgebung organisieren zu knnen. Aus OOD Perspektive
stellen Grafiken Objektsammlungen dar. Wenn die Kommunikation zwischen diesen
Objekten einer einfachen Grammatik folgt, dann werden sie sich konsistent und flexibel
78

verhalten. Um diese Idee umzusetzen, liegt fr Wilkinson der Fokus auf den folgenden
drei Stufen: Specification, Assembly und Display.

Specification
Die Specification umfasst die bersetzung der Aktionen der Benutzer in eine formale
Sprache. Eine Grafik verfgt, im Gegensatz zu einem Bild, ber eine hoch organisierte
und erzwungene Gruppe von Regeln. Ein Bild hat ebenfalls seine eigenen Regeln, jedoch
ist es einem Knstler mglich, die Regeln zu biegen, um einen Punkt an einer von ihm
gewnschten Stelle zu machen (Bosch, Dali oder Picasso, aber ebenso Rembrandt,
Cezanne oder Close). Nicht so mit Grafiken. Man kann die Position eines Punktes oder die
Farbe

eines

Objektes

nicht

willkrlich

ndern

(unter

der

Annahme,

dass

dies

datenreprsentierende Attribute sind), ohne die Daten verflschend darzustellen und den
Zweck der statistischen Grafik Daten exakt und sachgem zu reprsentieren - zu
verletzen.

Assembly
Ein Grafikcomputerprogramm muss in der Lage sein, eine grafische Szene aus einer
Specification zusammen bauen zu knnen. Um eine Szene zu portrtieren, muss man
ihre Geometrie, ihr Layout und ihre sthetik koordinieren, damit sie exakt wieder
gegeben wird. Das Resultat wird bestimmt von der Art und Weise wie eine Szene aus
einer Specification zusammengebaut wurde. Eine Szene kann entweder dynamisch oder
statisch,

zu

externen

Daten

verlinked

oder

isoliert

sowie

modifizierbar

oder

unvernderlich, sein; abhngig davon wie sie zusammengebaut wird.

Display
Um einen Graphen, welcher ein rein mathematisches Konstrukt ist, wahrnehmen zu
knnen, muss er unter der Verwendung seiner sthetischen Attribute und eines Display
Systems (z.B. Papier, Video, Hologramm) wiedergegeben werden. Dynamische Grafiken
bentigen dabei ein hoch entwickeltes Design, um Brushing, Zooming und Linking
und andere Operationen, welche Daten mit Grafiken in Verbindung bringen, zu
ermglichen (vgl. [CMS 1999] [BC 1987] [CM 1988] [CW 1994] [SCB 1998]). Neuere
Bereiche, wie die Virtual Reality und Immersive Environments, erweitern die zur
Verfgung stehenden sthetischen Attribute um die Attribute Touch und Sound.

79

4.2.2.2 From Data to Graphic


Wilkinson stellt die Erzeugung von Grafiken in einem Modell dar, welches dem von
Shneiderman (vgl. Kapitel 4.1) nicht unhnlich ist. Auch er gelangt von den Rohdaten,
welche eine einfache Sammlung von Information darstellen - und nicht notwendigerweise
organisiert sein oder eine Struktur besitzen mssen - ber Datentabellen zu Grafiken
(vgl. Shneiderman: visuelle Strukturen). Jedoch gelangt Wilkinson in seinem Modell von
den Rohdaten ber eine Funktion genannt DataView zunchst zu einem Datensatz,
welcher sich lediglich durch seine Indexierung von den Rohdaten unterscheidet.
Verschiedene DataViews verwenden dazu unterschiedliche Organisationsschemata (z.B.
hierarchisch, relational,..). Das Referenz-Objekt umfasst wiederum eine Sammlung von
Funktionen, welche auf diesen indexierten Daten arbeiten und selbst wieder indexierte
Daten

erzeugen.

Solche

Funktionen

knnen

beispielsweise

die

Indices

in

einer

bestimmten Reihenfolge permutieren oder Teilmengen der Daten erzeugen. Die


Funktionen dieses Objekts werden dazu verwendet, die Daten, welche man fr die
Erzeugung von Variablen bentigt, auszufiltern und zu ordnen. Da bei der Erzeugung
einer Grafik mehr mit Variablen gearbeitet werden muss als mit den Daten selbst, mappt
eine weitere Funktion genannt VarMap den Datensatz zu einem Variablensatz. Die
Funktion

VarMap

fhrt

Variablen-Mapping

Funktionen

aus.

Dabei

wird

zwischen

kategorischen Variablen, also einem geschlossenen Variablensatz, und kontinuierlichen


Variablen unterschieden. Variablenstze sind Entitten, welche Graphen beschreiben. Das
Algebra-Objekt fhrt nun auf diesen Variablenstze algebraische Operationen aus, wobei
es insgesamt ber drei binre Operatoren (Blend, Cross und Nest) und eine Reihe damit
in

Zusammenhang

stehender

Regeln

verfgt.

Algebra

oder

irgendeine

andere

Variablentransformation wird nicht notwendigerweise bei jeder Grafik bentigt (Bsp. Pie
Chart), jedoch bei den meisten.
Der nchste Schritt in der Erzeugung von Grafiken wird von einem Objekt genannt
Grapher - ausgefhrt. Dieses erzeugt mittels bestimmter Zeichenfunktionen aus einem
Variablensatz einen Graphen. Das Graph-Objekt stellt eine Sammlung dar, welche einen
Graphen und die Methoden, welche fr seine Reprsentation als geometrisches Objekt
bentigt werden, beinhaltet. Dies umfasst die Information ber das Koordinatensystem,
in dem er eingebettet wird und die Funktion, welche fr die Erzeugung des Graphen
selbst bentigt wird. Fr die Bezeichnung eines Punktes in einem Raum werden n-Tupel
verwendet. Die Eintrge dieses Tupels werden die Koordinaten eines Punktes genannt.
Ein Koordinatensystem stellt ein Schema fr die Lokalisierung eines Punktes mittels
seiner Koordinaten in einem Raum dar. Dieses Schema beinhaltet eine Achse fr jede
Dimension, welche zu einem Tupel-Eintrag in Beziehung steht, eine Skalierung (Scale)
fr jede Achse und eine Methode fr die Lokalisierung jedes Punktes im Raum anhand
der gegebenen Werte in seinem n-Tupel. Ein Frame ist ein Koordinatensystem, welches
80

sich auf Tupel bezieht, deren Eintrge auf Intervalle limitiert sind und stellt somit eine
begrenzte Region dar. Der Frame eines bestimmten Graphen bestimmt, wie Grapher
den Graphen erzeugt. Das heisst, Grapher beschrnkt seine Berechnungen auf die Tupel,
die innerhalb der Grenzen liegen, welche von dem Frame definiert wurden. Das sthetikObjekt fhrt sthetikfunktionen aus. Eine sthetik Funktion mappt nun die Tupel oder die
Eintrge der Tupel zu Strings oder realen Zahlen, welche als Input fr eine physische
Darstellung, wie einem Videobildschirm, Drucker oder Lautsprecher dienen. Erst durch
das Mapping des sthetik-Objekts kann ein Graph wahrgenommen werden. Die daraus
resultierende Grafik ist ein Bild eines Graphen unter Anwendung einer oder mehrerer
sthetikfunktionen. Das Grafik-Objekt ist also fr die Realisierung der Grafik in einem
Display-System verantwortlich.

Die Algebra, Geometrie, sthetik und die Statistik bilden den Kern des Grafiksystems.
Diese vier Komponenten lassen sich praktisch in jeder Kombination zusammenbauen um
eine groe Vielfalt an verschiedensten Grafiken zu konstruieren. Die Algebra umfasst die
Operationen, mit denen man Variablen kombinieren und Dimensionen von Graphen
spezifizieren kann. Geometrie behandelt Graphen und die Erzeugung der geometrischen
Objekte aus Variablen. sthetik umfasst die sensorischen Attribute, welche verwendet
werden um die Grafiken zu reprsentieren. Und die Statistik bietet die Funktionen,
welche es Graphen ermglichen ihre Erscheinung und Reprsentationsschemata zu
ndern.
Die nchsten Kapitel werden auf einzelne Komponenten des Grafiksystems nochmals
detaillierter eingehen und eine Reihe von Beispielen zeigen, welche das Verstndnis
untersttzen sollen.

4.2.2.3 Geometry
Dieses Kapitel behandelt die Thematik der geometrischen Funktionen. Dabei geht es um
Funktionen zur Erzeugung von Graphen, welche durch Gren im Raum reprsentiert
werden knnen. Da nur Graphen erzeugt werden knnen, welche auch in Form von
geometrischen Objekten darstellbar sind, nennt Wilkinson diese Geometrische Graphen.
Ein geometrischer Graph ist ein Bild einer solchen geometrischen Funktion, wobei dieses
jedoch noch nicht wahrnehmbar (z.B. sichtbar) ist. Erst das Hinzufgen sthetischer
Attribute lsst es fr uns wahrnehmbar erscheinen. Eine Grafik ist somit das Bild eines
Graphen gem einer oder mehreren sthetischen Funktionen. Man unterscheidet also
zwischen Graphen und ihrer physischen Reprsentation. Wie Bertin [Ber 1967] [Ber

81

1977] aufmerksam macht, haben sichtbare Elemente Eigenschaften, welche in ihren


geometrischen Gegenstcken nicht vorkommen.
Um aber an dieser Stelle verschiedene Typen von geometrischen Graphen zeigen zu
knnen, ist es notwendig fr deren grafische Darstellung bereits stetische Attribute zu
verwenden. Die Verwendung dieser Attribute wird aber erst im nchsten Kapitel
erlutert. Wilkinson weist darauf hin, dass auch wenn an dieser Stelle Graphen unter
Verwendung von Position, Farbe, Gre und Form dargestellt werden, es theoretisch
auch mglich ist, diese mittels anderer sthetischer Attribute, wie Sound oder auch
Geruch darzustellen.
In der Literatur existieren zahlreiche Mglichkeiten Grafiken zu klassifizieren. Es gibt zum
Beispiel

Anstze,

die

Klassifizierung

anhand

ihrer

Erscheinung,

gem

ihrerer

sthetischen Funktionen vorzunehmen, wodurch beispielsweise Bars und Histobars im


Gegensatz zu Linien zusammenfassen werden wrden, obwohl diese zwei grundstzlich
unterschiedliche geometrische Objekte darstellen. Oder aber man klassifiziert Grafiken
anhand ihrer geometrischen Dimensionalitt oder anhand ihrer Datenmethoden, ohne
Rcksicht auf ihre Erscheinung. Dabei wrden Methoden gruppiert, welche zum Beispiel
bei der Berechnung einer rtlichen Abschtzung beteiligt wren. Jeder Ansatz birgt fr
sich genommen sowohl Vor- als auch Nachteile und wird in der Regel entsprechend der
jeweiligen Zielsetzung verwendet.
Wilkinson whlte einen Ansatz bei dem er Graphen anhand ihrer Daten und ihrer
Geometrie organisiert. Dieser Ansatz richtet sich nach dem geometrischen Verhalten von
Graphen bei der Reprsentation von statistischen Daten. Graphen, welche sich in vielen
verschiedenen Kontexten hnlich verhalten, werden in einer Gruppe zusammengefasst.
Somit ergeben sich fr Wilkinson vier Hauptkategorien fr Graphen: Relations,
Summaries, Partitions und Networks. Somit kann eine groe Anzahl grafischer
Elemente in eine relativ kleine Anzahl von Graphentypen gruppiert werden. Tab. 5 zeigt
diese Hauptkategorien mit ihren zugehrigen Graphentypen, wobei die Tabelle keinen
Anspruch auf Vollstndigkeit erhebt. Jedoch stellen viele Grafiken, welche zu denen, die
hier aufgefhrt werden, radikal unterschiedlich erscheinen, entweder Transformationen
der Geometrie oder Funktionen der Daten, welche den Graphen in der Tabelle zugrunde
liegen, dar. Somit knnen auch einige bekannte Grafiken, welche hier nicht in der Tabelle
erscheinen, von den Basisgraphenklassen abgeleitet werden.

82

Relations

Summaries

Partitions

Networks

point

schema

tile

path

contour

link

line (surface)
area (volume)
bar (interval)
histobar

Tab. 5 Graphen [Wil 1999]

Da Wilkinson fr einige der Graphentypen keine gebruchliche Bezeichnung unabhngig


von ihrer Dimensionalitt finden konnte, verwendet er manchmal Alias. Dies betrifft line
(surface), area (volume) und bar (interval). Tatschlich gehren Line und Surface, sowie
Area und Volume und Bar und Intervall zu denselben Graphentypen, da sie sich lediglich
durch ihre Dimensionalitt voneinander unterscheiden.

Relations
Ein Relations-Graph bildet jeden Wert in einem Bereich auf einen Wert in einer Range ab
und ermglicht es dem Betrachter so, zu jedem Wert in dem Bereich einen
dazugehrigen Wert in einer Range zu finden. Dies ist die grte Superklasse von
Graphen und enthlt die meisten Reprsentationsobjekte, welche in bekannten Charts
vorkommen.

83

Point
Die Point-Zeichenfunktion erzeugt einen geometrischen Punkt, welcher ein nTuple darstellt. Diese Funktion kann ebenso eine begrenzte Gruppe von Punkten,
genannt Multi-Point erzeugen oder eine Point-Cloud. Die Gruppe von Punkten,
welche durch die Funktion Point erzeugt wird, wird Point-Graph genannt.
Um einen Point-Graphen als Point-Grafik zu visualisieren, bentigt man ein
Shape-Attribut, welches ihm die Form eines Kreises, eines Diamanten, eines
Gesichts oder irgendeines anderen Bildes gibt. Man bentigt ein Size-Attribut,
welches ihn gro genug macht, so dass er erkennbar wird, sowie ein Hue-Attribut,
welches seine Farbe von der Hintergrundfarbe der Frame-Grafik, in der er
dargestellt

wird,

unterscheidbar

macht.

In

Abb.

20

sind

Beispiele

fr

Punktgrafiken zu sehen.

Abb. 20 2D und 3D Point-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999]

Line
Die Line-Funktion kann sowohl ein Intervall auf einer begrenzten Flche in eine
funktionale Kurve als auch eine begrenzte Flche in einem begrenzten 3D Raum
zu einem funktionalen Surface mappen. Wie auch die Point-Funktion kann die
Line-Funktion eine begrenzte Gruppe von Linien erzeugen. Eine Gruppe von Linien
wird Multi-Line genannt. Oftmals wird eine Linie wie eine Sammlung von
Polygonen oder manchmal auch Symbolen behandeln, um ihr alle mglichen
sthetischen Attribute zuordnen zu knnen. In diesem Fall unterscheidet sich eine
Linie dann von einer Point-Cloud dadurch, dass die Punkte, welche die Linie
umfasst geordnet sind. Abb. 21 zeigt Beispiele fr zwei- und dreidimensionale
Line-Grafiken.

84

Abb. 21 2D und 3D Line-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999]

Area
Die Area-Zeichenfunktion erzeugt einen Graphen, welcher alle Points in der Region
unterhalb des Line-Graphen enthlt. Das Zeichnen einer Area bedingt dieselben
Vorbehalte, wie fr Lines. Die Area-Grafik sieht aus wie eine Line-Grafik, bei der
die Area zwischen der x-Koordinate und ihr selbst aufgefllt ist. Abb. 22 zeigt
Beispiele fr zwei- und dreidimensionale Area-Grafiken.

Abb. 22 2D und 3D Area-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999]

Bar
Die Bar-Zeichenfunktion erzeugt eine Gruppe von geschlossenen Intervallen. Ein
Intervall hat zwei Enden. Fr gewhnlich werden Bars dazu benutzt einen
einzelnen Wert durch die Position eines ihrer Enden zu bezeichnen, whrend das
andere Ende an einem allgemeinen Referenzpunkt verankert (fr gewhnlich Null)
ist. Die Bar-Grafik verwendet eine default mean aggregation function. Diese
Funktion gibt das arithmetische Mittel aller Werte in der Range, fr einen gegeben
Wert oder Tupel von Werten in der Domain zurck. Abb. 23 zeigt Beispiele fr
zwei- und dreidimensionale Bar-Grafiken.

85

Abb. 23 2D und 3D Bar-Grafiken fr kategorische und kontinuierliche Daten [Wil 1999]

Histobar
Die Histobar-Zeichenfunktion erzeugt ein Histogrammelement. Im Gegensatz zu
der Bar-Grafik, welche Intervalle reprsentiert, reprsentiert die Histobar-Grafik
Areas. Jedoch reprsentiert sie nicht wie der Area-Graph eine einzelne Area,
sondern stellt eine ganze Sammlung von Areas dar - eine fr jede Bar.
Obwohl die meisten publizierten Beispiele gewhnliche Histogramme mit Bars
zeigen, welche gleichmige Intervalle reprsentieren, mssen die Bars in der
Histobar-Grafik nicht die gleiche Breite haben. Einige knnen auch Zero-Areas
haben. Im Gegensatz zur Bar-Grafik mssen die Bars in der Histobar-Grafik
jedoch miteinander verbunden sein. Lcken kann es nur geben, wenn diese sich
aus Zero-Areas ergeben. Abb. 24 zeigt Beispiele fr zwei- und dreidimensionale
Histogramme.

Abb. 24 2D und 3D Histogramme [Wil 1999]

Summaries
Summary-Graphen reprsentieren die Werte einer Variablen anhand drei oder mehr
Eigenschaften. Sie charakterisieren eine Verteilung von Werten mittels einer Sammlung
verschiedener geometrischer Elemente. Man kann einige dieser Graphen durch die
Kombination von Daten und Zeichenmethoden anderer Graphen, wie Bar, Point und Line
86

konstruieren. Unter Umstnden kann es jedoch Grnde geben, eine eigene GraphenKlasse fr Summaries zu besitzen.

Schema
Ein Schema ist ein Diagramm, welches sowohl allgemeine als auch spezielle
Eigenschaften beinhaltet, um eine Verteilung darzustellen. Solch ein Schema Plot,
welcher aufgrund seiner physischen Erscheinung unter dem Namen Box Plot
bekannt wurde, geht auf Tukey [Tuk 1977] zurck. Die Schema-Zeichenfunktion
erzeugt eine Sammlung eines oder mehrerer Points, Lines, Areas und Intervalle.
Schema-Grafiken

knnen

viele

Formen

annehmen

und

auf

verschiedenen

Statistiken basieren. Tukeys Box Plot stellt jedoch die ursprngliche Form dar.

Abb. 25 Schematischer (Box) Plot [Wil 1999]

Die zentrale vertikale Linie in der Box dieses Plots stellt dem Gesamtdurchschnittswert, die Ecken der Box die Durchschnittswerte der beiden Stapel - welche
erzeugt werden, indem die sortierten Werte anhand des Gesamtdurchschnitsswert
in zwei Stapel aufgeteilt werden - dar. Die Enden der Whiskers der Box
erstrecken sich bis zu den Extremwerten der sogenannten inneren Grenzen. Die
inneren Grenzen werden durch die Vergrsserung der Box um den Faktor 2,5
gewonnen. Werte auerhalb der ueren Grenzen (die inneren Grenzen mal zwei)
werden mit einem kleinen Kreis gezeichnet und alle brigen Werte ausserhalb der
inneren Grenzen mit einem Stern. Somit sind in diesem Plot die aussenliegenden
Werte sofort erkennbar und die Verteilung der brigen Werte werden schematisch
durch eine Box und Whiskers reprsentiert. Die allgemeinen Informationen
werden

anhand

der

Box

und

den

Whisker

und

die

aussergewhnlichen

Informationen anhand der Ausreier dargestellt. Ein Beispiel hierfr ist in Abb. 25
zu sehen, welche eine Box Plot-Verteilung der Motorstrke von Automobilen in
einer Road&Track Datenbank zeigt. Die beiden Ausreier sind anhand des Kreises
und des Sterns zu erkennen: Lamborghini Diablo (Stern) und der Ferrari 333 Race
Car (Kreis).

87

Partitions
Partitions

unterteilen

Datenstze

in

Teilmengen.

Die

Teilungen

treten

auf

zwei

unterschiedliche Arten auf. Die eine Klasse der Graphen (tile) teilt einzelne Datenpunkte
in sich gegenseitig ausschlieende Regionen (Areas oder Volume) auf. Eine Methode
dafr wird beim Mapping verwendet, bei dem unter Verwendung von polygonen
Begrenzungen ein Umkreis um einen Punkt erzeugt wird. Eine andere Methode teilt eine
Gruppe von Punkten mittels einer geometrischen Form oder eines Schemas, wie
beispielsweise Hexagone, auf. Die zweite Klasse der Graphen (contour) separiert Punkte
in zwei oder mehr Regionen, welche nach Mglichkeit geschachtelt sein sollten.

Tile
Eine Tile-Zeichenfunktion kachelt eine Oberflche oder einen Raum. Ein Tile-Graph
bedeckt und segmentiert eine begrenzte Region, welche durch einen Frame
definiert wird. Zwischen den einzelnen Kacheln knnen keine Lcken, bzw.
berlappungen auftreten. Abb. 26 zeigt eine Kachelung mit insgesamt 10 000
Kacheln, basierend auf einer mathematischen Funktion.

Abb. 26 Tile-Grafik [Wil 1999]

Contour
Die Contour-Zeichenfunktion erzeugt eine Kontur oder Level Curves. Konturen
knnen verwendet werden um jegliche durchgehende Oberflche abzugrenzen.
Abb. 27 zeigt eine solche Contour-Grafik in Kombination mit einer Karte der
Vereinigten Staaten, wodurch die durchschnittlichen Wintertemperaturen mit
Lngen- und Breitengraden in Verbindung gebracht werden.

88

Abb. 27 Contour-Grafik [Wil 1999]

Networks
Network-Graphen verbinden zwei oder mehrere Punkte mit Liniensegmenten. Obwohl
Networks Punkte verbinden, wird kein Point-Graph bentigt, um eine Network-Grafik
sichtbar zu machen. Networks beinhalten eine enorme Vielfalt an Graphen, wie Circuits,
Trees, Paths sowie Graphen, welche in einer Ebene oder in drei Dimensionen eingebettet
sind und andere Strukturen, welche Punkte verbinden.

Path
Eine Path-Zeichenfunktion erzeugt einen Path. Ein Path-Graph verbindet Punkte
so, dass jeder Punkt nicht mehr als zwei Liniensegmente berhrt. Folglich trifft ein
Path jeden Punkt in einer Sammlung von Punkten jeweils nur einmal. Wenn ein
Path geschlossen ist (jeder Punkt berhrt zwei Liniensegmente), nennt man das
einen Circuit. Paths sehen oft aus wie Lines, jedoch werden diese geometrisch von
einander unterschieden: Lines sind funktional, d.h. fr jeden Wert kann es nur
einen Punkt auf einer Linie geben. Paths knnen sich dagegen selber kreuzen und
Schleifen oder Zickzack bilden. Desweiteren bestehen Paths aus Segmenten,
welche Ecken oder Links zwischen Knoten entsprechen. Das bedeutet, dass eine
Variable dazu verwendet werden kann, fr jedes einzelne Segment des Path
Attribute zu bestimmen. Zum Beispiel kann eine Line nur eine einzige Gre
haben, ein Path kann dagegen fr jedes seiner Segmente verschiedene Gren
besitzen. Dies gilt auch fr das Anfrageverhalten oder Interaktionstechniken, wie
z.B. Brushing. Durch Klick auf ein Line-Segment, erhlt man Informationen ber
die gesamte Line. Durch Klick auf ein Path-Segment, erhlt man Informationen
ber dieses einzelne Segment. Abb. 28 zeigt ein Beispiel eines solchen Path.

89

Abb. 28 Path [Wil 1999]

Link
Die Link-Zeichenfunktion erzeugt eine Sammlung von Ecken. Diese Ecken sind
Liniensegmente, welche Punkte in einem Raum verbinden. Zwei oder mehr Punkte
sind

im

Link-Graphen

zu

einer

oder

mehreren

Ecken

verbunden.

Die

verschiedenen Graphen in dieser Klasse sind Teilmengen eines gesamten


Networks, welches jedes Punktepaar miteinander verbindet. Abb. 29 zeigt einen
Link-Graphen fr alle mglichen Links zwischen den Eckpunkte eines Oktagons.

Abb. 29 Komplettes Network mit acht Punkten [Wil 1999]

90

Splitting vs. Shading

Wie man bereits bei der Darstellung der Graphen erkennen konnte, werden Graphen
durch

die

Verwendung

von

kategorischen

Variablen

unterteilt

(splitting).

Eine

kontinuierliche Variable erzeugt ein, zu einer kategorischen Variablen hnliches visuelles


Ergebnis, jedoch mit dem Unterschied, dass sie die Grafik nicht splittet. Fr dieses
Verhalten wird der Begriff shading verwendet. Bei vielen Grafiken kann man nicht mit
bloem Auge erkennen, ob eine Variable teilt (split) oder verbindet (shade). Diese
Aussage kann man nur treffen, wenn der Variablentyp entweder bekannt ist oder man
mit der Grafik mittels Interaktionstechniken interagieren kann (vgl. Abschnitt Path).
Theoretisch ist es auch mglich, Splitting explizit zu spezifizieren, indem man die
Funktion split() den sthetik-Methoden hinzufgt.

Tab. 6 fasst die Graphen dieses Kapitels nochmals fr 1D bis 3D zusammen. Die
Abbildungen entsprechen grafischen Beispielen derjenigen Graphen, welche in Tab. 5
aufgefhrt wurden.
Die 1D Rendering-Umgebung lsst nur wenig Spielraum, um zwischen Graphentypen zu
unterscheiden. Beispielsweise knnte man Gre verwenden, um einige Aspekte der
Daten zu reprsentieren, solange dies zum Beispiel kein Datenattribut oder eine
Symbolform bemisst. Jedoch muss das Zentrum aller Symbole immer noch auf eine Linie
fallen und ihre Gre hat keine Bedeutung bezglich der Daten. hnlich hat die Gre
von Bar, Histobar, Schema und Tile keine Bedeutung bezglich der Daten in 1D. 2D
Grafiken bieten einen zustzliche Freiheitsgrad um Datenvariationen zu reprsentieren.
Grafiken, wie Area, Contour, Path und Link erfordern mindestens zwei Dimensionen, um
berhaupt

verwendbar

zu

sein.

3D

Grafiken

bieten

so

gesehen

am

meisten

Mglichkeiten. In 3D wird der Line-Graph zu einer Oberflche und die Area zu einem
Volume. In gleicher Weise segmentiert der Tile-Graph einen 3D Raum so, dass jede
Kachel ein Volume umgibt, hnlich wie auch der Contour-Graph den 3D Raum
segmentiert.

91

Tab. 6 Geometrische Graphen [Wil 1999]

4.2.2.4 Aesthetics

Das

Wort

sthetik

stammt

ursprnglich

vom

dem

griechischen

Wort

fr

Wahrnehmung ab. Die abgeleiteten modernen Bedeutungen von sthetik, wie


Schnheit, Geschmack und gestalterische Kriterien kamen erst im 18.Jahrhundert auf.
Wilkinson whlte diesen Begriff fr die Beschreibung von Objekten aufgrund seiner
ursprnglichen Bedeutung und da er der Auffassung ist, dass das moderne Wort
Wahrnehmung,

bzw.

Perception

stark

mit

Subjektivitt

in

Verbindung

steht.

Wahrnehmung bezieht sich mehr auf den Wahrnehmenden als auf das Objekt selbst.
sthetik

verwandelt

Graphen

in

Grafiken.

Ohne

sthetik

sind

Graphen

nicht

wahrnehmbar (zum Beispiel unsichtbar oder unhrbar). Die sthetik umfasst Funktionen,
welche bestimmen, wie ein Graph als eine sichtbare oder andere wahrnehmbare Grafik
92

reprsentiert wird. Jede Dimension eines Graphen muss durch ein sthetisches Attribut,
wie Farbe oder Sound reprsentiert werden. Das nachfolgende Kapitel befasst sich mit
spezifischen sthetischen Attributen. Wilkinson legte hier das Klassifizierungsschema von
Bertin [Ber 1967] [Ber 1977], welches zu psychologischen Theorien der Wahrnehmung in
Beziehung gesetzt werden kann, zugrunde. Whrend Bertins Arbeit gnzlich auf visuellen
Darstellungen basiert, gelten Wilkinsons Variablen mit kleinen Modifikationen auch fr
andere sensorische Modalitten. Fr eine psychologische Perspektive auf Bertins Arbeit
verweist Wilkinson auf Kosslyn [Kos 1985], fr einen berblick in kartografische
Erweiterungen von Bertins System auf MacEachren [Mac 1995].

sthetische Attribute
Wilkinson teilt die sthetikattribute in insgesamt fnf Hauptkategorien ein: Form,
Surface, Motion, Sound und Text. Tab. 7 fasst diese sthetikattribute zusammen,
beansprucht jedoch keine Vollstndigkeit, da theoretisch auch andere Attribute, wie
Geruch oder Geschmack denkbar wren. Sieben dieser Attribute sind abgeleitet von den
Visual Variables von Bertin [Ber 1967]: position (position), size (taille), shape (forme),
orientation (orientation), brightness (valeur), color (couleur) und garnularity (grain).
Wilkinson weist darauf hin, dass Bertins grain oftmals mit texture bersetzt wird, er
damit jedoch tatschlich Granularitt meint. Granularitt steht also in diesem Sinne in
Bezug zu der rumlichen Frequenz einer Textur.

Form
position

Surface
color

Motion

Sound

direction

tone

stack

hue

speed

volume

dodge

brightness

acceleration

rhythm

jitter

saturation

size
shape

voice

pattern
granularity

glyph

orientation

rotation

label

texture

polygon

image

Text

blur
transparency
Tab. 7 sthetische Attribute [Wil 1999]

93

Im Gegensatz zu Bertin trennt Wilkinson jedoch Form- von Texturattributen. Die Ursache
hierfr begrndet Wilkinson mit der bertragung der Theorien von Bertin in die Welt der
Computerprogramme.

Grafiken

mssen

bezglich

ihrer

sthetischen

Attribute

unabhngig reagieren knnen. Zur selben Zeit mssen diese unabhngigen Reaktionen
bereinstimmend funktionieren, so dass die Grafik, welche erzeugt wird, sich konsistent
und kohrent verhlt. Daher ist es erforderlich, einige von Bertins Kategorien von
einander zu lsen. So verwendet Bertin Size, Shape und Orientation um sowohl die
uere Form von Objekten (wie Symbolformen) als auch ihr inneres Texturmuster (so
wie

die

Kreuzschraffierung)

zu

charakterisieren.

Diese

Vorgehensweise

scheint

naheliegend, eignet sich jedoch nicht fr eine Implementierung dieser Attribute.


Wie in Tab. 7 zu sehen, verfgen einige der Hauptattributsfunktionen, wie z.B. Position
ber verschiedene Methoden. Wenn Position als Transformation angesehen wird, so kann
man die Funktion zusammensetzen. D.h., man kann die Funktion so oft wiederholen, bis
die vorgegebene Position letztendlich erreicht wurde. Daher bietet es sich an, Bertins
Attribut in verschiedene Positionsmethoden zu unterteilen. D.h. die Elternklasse
Position setzt eine Position innerhalb eines Frames. Die Kinder von Position modifizieren
dann die lokale Position auf verschiedene Arten, wie z.B. stack, welches veranlasst, dass
Grafikelemente entlang einer Dimension gestapelt werden (Abb. 30 und Abb. 31).

Position
Die Verwendung von Position fr eine Grafik ermglicht eine Vielzahl von
Variationsmglichkeiten, wie z.B. die Einbettung multipler Grafiken durch die
Verwendung verschiedener positionsbezogener Variablen in ein gemeinsames
Frame oder die Platzierung von Grafiken nebeneinander oder bereinander.
Bertin restringiert seine Analyse auf ein Blatt Papier oder eine Ebene, jedoch muss
die rumliche Position in einem Grafiksystem nicht auf genau drei Dimensionen
beschrnkt

sein.

Zum

Beispiel

kann

ein

Frame

(mit

einem

Verlust

der

Allgemeingltigkeit) durch eine Vielzahl an Projektionen in einen 3D, 2D oder 1D


Raum reprsentiert werden. Ein Positionsattribut erfordert lediglich, dass Werte
einer quantitativen Skala zu Koordinaten in einem Raum gemappt werden. Wobei
kontinuierliche Variablen zu eng liegenden Positionen in einer Dimension und
kategorische Variabeln zu einem Gitter mappen. Diese Positionen sind geordnet.
Die Skalierung der Grenordnungen, welche durch die Variable reprsentiert
werden knnen, muss sich aber nicht notwendigerweise, sich auf die Ordnung
auswirken.

94

Einige Projektionen knnen zwei verschiedene Koordinaten auch zu derselben


Position projizieren und sie somit ununterscheidbar machen. Manchmal wird
Position auch einfach nur dazu verwendet, Objekte vom berlappen abzuhalten
oder Objekte einander zuzuordnen. Eine der Kindklassen von Position ist stack,
welches veranlasst, dass Grafikelemente entlang einer Dimension gestapelt
werden. Diese Methode wird verwendet um z.B. Stacked Bar Charts (Abb. 30
links), Stacked Area Charts (Abb. 30 rechts) oder Stacked Dot Plots (Abb. 31) zu
erzeugen.

Abb. 30 Stacked (Divided) Bar-Grafik (li.) und Stacked Area Chart (re.) [Wil 1999]

Abb. 31 Stacked Dot Plot [Wil 1999]

Eine andere Kindklasse ist dodge, welches Grafikelemente dazu veranlasst, sich
selber symmetrisch aufzuheben, wenn sie eng beieinander liegende Werte bei
einem Grenwert besitzen. Diese Methode wird verwendet, um Clustered Bar
Charts (Abb. 32) und symmetrische Dot Plots (Abb. 31) zu erzeugen.

95

Abb. 32 Clustered Bar Chart [Wil 1999]

Jitter fgt den Positionen entlang der Dimension absichtlich eine kleine Anzahl
einheitlicher

und

zuflliger

Fehler

hinzu,

sodass

Grafikelemente

weniger

wahrscheinlich kollidieren. Diese Methode wird verwendet um Jittered Scatterplots


zu erzeugen (Abb. 33).

Abb. 33 Jittered Scatterplot [Wil 1999]

Size
Bertin definiert Grenvariationen in Ausdrcken von Lnge oder Area. Die
Erweiterung dieser Definition auf drei Dimensionen wre Volume. Das SizeAttribut eignet sich am besten bei Point-Grafiken, jedoch hat es auch anderswo
interessante Anwendungen. Eine der bekanntesten Anwendungen des SizeAttributs ist der Bubble Plot (Abb. 34).

96

Abb. 34 Bubble Plot [Wil 1999]

Bei Lines verhlt sich Gre fr gewhnlich quivalent zu Dicke. Die Funktion Size
kann zum Beispiel die Dicke einzelner Segmente eines Paths kontrollieren, wie in
der bekannten Grafik von Minard aus dem Jahr 1869, in welcher er den
fortlaufenden Verlust an Mnnern in der franzsischen Armee von Napoleon
whrend des Russland-Feldzugs, visualisierte (siehe Abb. 35)

Abb. 35 Napoleons Russland-Feldzug nach Minard [Tuf 1983]

Areas knnen ihre Gre nur dann ndern, wenn ihr Umfang nicht fest definiert
ist. Eine Area wird durch einen Umfang definiert, welcher entweder durch Daten,
durch eine Kachelung oder durch irgendein anderes begrenzendes Element
bestimmt wird. Surfaces knnen ihre Gre hnlich wie Lines ndern. Solids
knnen ihre Gre dagegen in jeder Dimension ndern.

97

Abb. 36 Solid Gren [Wil 1999]

Shape
Shape bezieht sich auf die uere Form oder Begrenzung eines Objektes. Die
Shape-Attribut Funktion wird oft verwendet um die Shape eines gezeichneten
Symbols in Point-Grafiken zu bestimmen, jedoch hat jeder Graph das Potential
seine Shape zu variieren. Das Attribut beeinflusst also die Shape von Bars und
anderen Grafiken. Abb. 37 zeigt verschiedene Beispiele von Shape-Variationen bei
Symbolen. Die oberste Reihe zeigt einen Morph eines Hexagons in eine
Kreisform. Morphing ist die Technik, welche verwendet wird, um eine Shape
entlang einer fortlaufenden Dimension zu variieren. Die zweite Reihe zeigt das
Morphing einer Ellipse in eine andere Ellipse. Dieses Beispiel ist jedoch
problematisch, da es sich nicht rotationsinvariant verhlt. Shape muss variieren,
ohne Size, Rotation oder andere Attribute zu beeinflussen. Die unterste Reihe
zeigt kategorische Shape-Variationen.

Abb. 37 Symbol Shapes [Wil 1999]

Es gibt eine Reihe von Forschern, welche sich damit auseinandergesetzt haben
optimale Symbolformen fr Kategorisierung zu erforschen. Dazu gehren zum
Beispiel Lewandowsky und Spence [LS 1989] und Cleveland [Cle 1993].
Abb. 38 zeigt verschiedene Beispiele fr kontinuierliche und kategorische
98

Shapevariationen fr Lines. Die linke Grafik variiert die Grobheit der Linie um eine
fortlaufende Grenunterteilung der Shape zu erzeugen. Die rechte modifiziert
dagegen die Auenkonturen der Linie um eine kategorische Shape-Variation zu
erzeugen.

Abb. 38 Line Shapes [Wil 1999]

Areas knnen ihre Shape nur dann ndern, wenn ihr Umfang von einer
Positionvariablen nicht fest definiert ist. Die Tile-Grafik kann zum Beispiel als
Hexagonformen definiert werden um ein Surface zu teilen oder als Umrissform
eines Staates, um eine geografische Karte zu erzeugen. Ebenso knnen auch
Surfaces ihre Shape ndern. Abb. 39 zeigt kontinuierliche und kategorische
Shape-Variationen fr Solids. Einige Solids, wie Intervallgrafiken sind in einer oder
mehreren Achsen festgelegt. Dabei lsst sich fr gewhnlich wenigstens eine
physische Dimension frei variieren und somit die Shape verndern. Die Solids in
Abb. 39 haben konstante Hhen, variieren jedoch in ihrer Shape entlang der
beiden anderen Dimensionen.

Abb. 39 Solid Shapes [Wil 1999]

Symbol-Shapes mssen nicht von einem festgelegten Repertoire von Symbolen


bestimmt werden. Sie knnen ebenso von einer Gruppe beliebiger Polygone
festgesetzt werden. In Abb. 40 ist beispielsweise eine geografische Karte zu
sehen, die mit der Kindklasse Polygon von Shape erzeugt wurde.

99

Abb. 40 Map of Europe [Wil 1999]

Symbol-Shapes knnen auch von wesentlich komplexeren Algorithmen bestimmt


werden, wie zum Beispiel von Glyph-Funktionen. Diese werden verwendet, um
die Shape von Point-Grafiken zu bestimmen. Glyphen sind geometrische Formen,
welche verwendet werden um mehrere Variablen gleichzeitig zu reprsentieren
[Fie 1979] [COW 1992] [HM 1990]. Abb. 41 zeigt eine Modifikation der bekannten
FACES von Herman Chernoff [Che 1973] durch Bruckner [Bru 1978], welche
durch eine solche Glyphen-Funktion erzeugt wurden. Die Merkmale der Gesichter
stehen dabei stellvertretend fr ihre Variablen.

Abb. 41 Modifikation der Chernoff FACES von Bruckner [Wil 1999]

100

Auch Images knnen verwendet werden, um die Shape von Points, Bars und
anderen

Grafiken

zu

bestimmen.

Abb.

42

zeigt

einen

Scatterplot

mit

verschiedenen Gesichtsausdrcken, welcher mittels der Image-Funktion erzeugt


wurde. In diesem Beispiel wird das Zentrum der Konfiguration von einem Gesicht
ohne Emotion markiert. Die radiale Distanz von diesem Punkt aus in jede Richtung
reprsentiert die Intensitt von Emotion und die Polarwinkel den Typ der Emotion.

Abb. 42 Scatterplot mit Images [Wil 1999]

Rotation
Die Rotation einer Grafik stellt ihren Rotationswinkel dar. Abb. 43 zeigt Rotationsvariationen fr 2D und 3D Objekte. Lines, Areas und Surfaces knnen nur dann
rotieren, wenn sie in Bezug auf die Position ungebunden sind.

Abb. 43 Rotation eines Symbols und eines Solids [Wil 1999]

101

Abb. 44 zeigt besipielhaft wie Windgeschwindigkeiten mittels eines Pfeilsymbols


und den Funktionen Rotation und Size visualisiert werden knnen.

Abb. 44 Windgeschwindigkeiten [Wil 1999]

Color
Color ist ein psychologisches Phnomen, ein Erzeugnis des visuellen Systems [LS
1991]. Der physische Stimulus fr Color ist Licht. Da unser Farbwahrnehmungssystem dreidimensional ist, kann man alle sichtbaren Farben mit allen drei nichtkollinearen Achsen in diesem Raum reprsentieren. Beispiele fr Farbmodelle
sind: RGB (Computermonitore und TV), CMY (Drucker) und HLS, welches sich auf
Hue, Lightness und Saturation bezieht und von Newtons Analyse des Spektrums
abgeleitet ist. Viele Forscher haben sich mit der Farbtheorie und deren Einsatz
auseinander gesetzt. Fr einen Einblick in diese Thematik siehe beispielweise [Tra
1991] [Bre 1994] [Bre 1996] [OB 1997].
Die Funktion Color besitzt verschiedene Kinder: Brightness, Hue und Saturation.
Brightness ist gleichbedeutend mit Helligkeit, also der Spanne zwischen hell und
dunkel. Abb. 45 zeigt eine Skala fr Brightness fr insgesamt fnf quadratische
Felder.

Abb. 45 Brightness Variation

102

Hue stellt die reine spektrale Komponente (konstante Intensitt) einer Farbe,
ohne Bercksichtigung von Brightness oder Saturation dar. Abb. 46 zeigt fnf
verschiedene Farbtne: rot, gelb, grn, blau, lila.

Abb. 46 Hue Variation [Wil 1999]

Saturation stellt den Grad der reinen Farbe (Hue), also die Stting, dar.
Abb. 47 zeigt fnf verschiedene Sttigungslevel fr ein rotes Feld, von grau (0%
Hue) bis zu rot (100% Hue). Die Brightness der Felder sollte konstant sein.

Abb. 47 Saturation Variation [Wil 1999]

Color kann beispielsweise in diversen Grafiken wie Scatterplots, Karten oder


Matrix Plots verwendet werden um verschiedene Kategorien zu kennzeichnen, wie
in den Abb. 48 und Abb. 49 zu sehen ist.

Abb. 48 Scatterplot mit farbkodierten Kategorien (li.) und Color Map (re.) [Wil 1999]

103

Abb. 49 Matrix Plot [Wil 1999]

Texture
Texture beinhaltet Pattern, Granularity und Orientation. Pattern kann man sich
vorstellen wie, die fill-style Funktion in Grafikprogrammen, Granularity ist die
Wiederholung eines Pattern pro Einheit in einem Bereich und Orientation stellt den
Winkel der Patternelemente dar.
Eine mathematische Definition von Texture ist die rumliche Verteilung von
Brightness-Werten

eines

zweidimensionalen

Bildes

auf

einem

beleuchteten

Surface. Diese Definition unterliegt der Texturwahrnehmungsforschung von Julesz


[Jul 1965] [Jul 1971] [Jul 1975]. Rumliche Verteilung kann auf verschiedene
Arten reprsentiert werden. Eine der gebruchlichsten ist zum Beispiel die Fourier
Transform,

welche

ein

Gitter

von

Brightness-Werten

in

Summen

von

trigonometrischen Komponenten zerlegt. Zu beachten ist, dass Ausprgungen der


einzelnen Attributsfunktionen von Texture durchaus miteinander interagieren und
sich gegenseitig beeinflussen knnen. Beispiele hierfr finden sich bei Julesz [Jul
1981]. So kann auch schon die Texture allein fr die Wahrnehmung einer Form
verantwortlich sein. Abb. 50 zeigt Variationen der Granularity, also eine
Rasterung konstanter Brightness, die in ihrer rumlichen Frequenzen variiert.

Abb. 50 Granularity [Wil 1999]

104

Abb. 51 zeigt verschiedene Grade von Granularittsvariationen fr Lines. Jede


Reihe von Abb. 51 kann als vertikal zusammengepresstes Muster von den
Elementen

in

Abb.

50

betrachtet

werden.

Beide

Abbildungen

beinhalten

tatschlich 1D Texture-Karten.

Abb. 51 Line Granularity [Wil 1999]

Abb. 52 zeigt kontinuierliche und kategorische Variationen von Pattern. Die


kontinuierlichen

Beispiele

(obere

Reihe)

verwenden

zunehmend

hhere

Zufallsgrade in einer einheitlichen rumlichen Verteilung. Die kategorischen


Beispiele verwenden verschiedene Shapes fr ihre Elemente. Die Brightness fr
jedes Feld wird durch denselben prozentualen Anteil an schwarzen Pixeln geregelt.

Abb. 52 Pattern Variations [Wil 1999]

Linienmuster knnen durch das Fllen dicker Linien mit verschiedenen Mustern
variiert werden. Eine gestrichelte Linie kann beispielsweise durch Fllung des
Inneren einer dicken Linie mit einem eindimensionalen Gittermuster konstruiert
werden, wie in Abb. 51 zu sehen.
Abb.

53

zeigt

verschiedene

Variationsgrade

von

Orientation.

Orientation

beeinflusst auch andere Komponenten der Textur. So ist Orientation auch im


hohen Ma fr das Entstehen von visuellen Vibrationen, Moire Mustern und
anderen unerwnschten Effekten verantwortlich. Abb. 53 zeigt wie die Variation in
der Texturorientierung eine visuelle Illusion einfhrt, so dass die Linien nicht
parallel erscheinen. Viele solcher Beispiele bezglich der Verwendung von
Orientation finden sich bei Tufte [Tuf 1983].
105

Abb. 53 Line Textur Orientation [Wil 1999]

Blur
Blur beschreibt den Effekt, welcher die nderung der Fokuslnge in einer
Darstellung hervorruft, also das Entstehen von Unschrfe. Abb. 54 zeigt von links
nach rechts fnf verschiedene Unschrfelevel.

Abb. 54 Blur Variation [Wil 1999]

Transparency
Das Attribut Transparency erzeugt verschiedene Stufen von Transparenz. Abb. 55
zeigt Beispiele fr fnf verschieden transparente Level.

Abb. 55 Transparency Variation [Wil 1999]

Motion
Der Einsatz von Motion, also Animation ist vor allem bei Visualisierungssoftware
stark verbreitet. Nheres dazu findet man zum Beispiel bei Cleveland und McGill
[CM 1988] und Earnshaw and Watson [EW 1993].

106

Sound
Die potentielle Dimensionalitt einer Soundumgebung ist mindestens so gro wie
die einer visuellen. Auch im Bereich von Sound gibt es verschiedene Anstze
Grafiken darzustellen. Beispielsweise kann man Tonlagen, Amplituden, Textur und
andere

Wellenformeigenschaften

verwenden,

um

separate

quantitative

Dimensionen zu reprsentieren [Bly 1983] [MFS 1984] [BFL 1985] [Fis 1994].
Oder man kann jedes Objekt in einer Grafik als eine Soundquelle behandeln und
alle Objekte in eine virtuelle rumliche Umgebung einbetten [JL 1966] [BSG
1989] [Brg 1990] [SBG 1990] [Hol 1994]. In diesem Soundscape-Ansatz ist die
Metapher einer Symphonie oder eines Operauftritts nicht ungeeignet. Eine
Scatterplotwolke

kann

von

Chorsngern

reprsentiert

werden,

welche

entsprechend im Raum verteilt sind. Krygier [Kry 1994) beschftigt sich mit der
Verwendung von Sound fr multidimensionale Datenreprsentationen. Siehe
ebenso Shepard [She 1964) und Kramer [Kra 1994].

Text
Text wird im Allgemeinen nicht als ein sthetisches Attribut betrachtet. Wilkinson
klassifiziert es auf diese Weise, da Lesen Wahrnehmungs- und kognitive Prozesse
beinhalten, welche die Dekodierung einer Grafik auf dieselbe Weise untersttzen,
wie dies wahrnehmbare Farben oder Muster tun. Die Label Text-Attributfunktion
ermglicht es, ein beschreibendes Label mit jeglicher Grafik in Verbindung zu
bringen. Diese Funktion platziert zum Beispiel Text in der Nhe zu einem Punkt,
an das obere Ende einer Bar oder nahe einer Line. Die Label-Attributfunktion
ermglicht es, eine beschreibende Textkonstante (New York) oder einen
numerischen Wert (3.235647), welcher automatisch zu Text konvertiert wird,
mit einer Grafik in Verbindung zu bringen.

Tab. 8 fasst die Hauptattribute dieses Kapitels nochmals zusammen. Die Spalten
reprsentieren geometrische Formen, welche von den verschiedenen Graphentypen
verwendet werden: Point, Line, Area, Surface und Solid. Die Reihen reprsentieren die
Attribute, aufgeteilt in vier Superklassen: Form, Color, Texture und Optics.

107

Tab. 8 sthetische Attribute geordnet nach Geometrie [Wil 1999]

Dieses Kapitel deckt eine groe Vielzahl an Basisgrafiken ab, fr die Erstellung
komplexerer Grafiken sind jedoch statistische Funktionen notwendig.

108

4.2.2.5 Statistics

Wilkinson bezeichnet mit Statistics Methoden, welche die Position von geometrischen
Graphen verndern. Diese Methoden knnen bei allen Graphentypen angewendet
werden. Einige dieser Kombinationen von Graphen und statistischen Methoden knnen
eigenartig oder bizarr wirken, jedoch gibt es theoretisch keinen Grund sie zu
restringieren. Dennoch verfgen Graphen ber statistische Default-Methoden.
Statistiken haben das Potential die Erscheinung von Grafiken so radikal zu verndern, wie
dies Koordinatentransformationen tun. Daher ist es ist manchmal schwierig, eine Grafik,
nachdem ihre Geometrie durch eine Statistik verndert wurde, wieder zu erkennen.
Umgekehrt kann es oftmals schwierig sein, eine statistische Funktion von der Geometrie
einer Grafik abzuleiten.

Methoden
Tab. 9 listet die wichtigsten statistischen Methoden auf, welche bei Graphen anwendet
werden knnen. Wilkinson teilt diese in insgesamt fnf Hauptklassen ein: Statistics
(Basic Statistics), Region (Intervall and Region Bounds), Smooth (Regression,
Smoothing and Interpolation), Density (Desity Estimation) und Edge (Methoden fr
die Berechnung von Ecken von Graphen basierend auf einer Gruppe von Knoten oder
Punkten).
Die Statistic-Klasse umfasst statistische Algorithmen fr die Erzeugung eines einzelnen
Wertes (oder Verktorenwerte), welcher eine statistische Zusammenfassung beinhaltet.
Die Region-Klasse umfasst statistische Algorithmen, die zwei Werte, welche sich grafisch
als zwei Punkte, die einen Punkt in einer Dimension zwischen den zwei Werten springen
lsst, darstellen lassen oder eine Gruppe von Werten an den Eckpunkten einer konvexen
Region, welche einen Punkt in hheren Dimensionen springen lassen, erzeugen. Die
Smooth-Klasse umfasst eine Vielfalt an Methoden fr die Berechnung von weichen/
unscharfen Werten. Die Density-Methoden schtzen unter Verwendung einer Vielfalt von
Anstzen eine Density ab. Die Edge-Methoden schlielich fgen in einen Graphen Knoten
(Tupel) ein und geben enstprechend der verschiedenen Algorithmen Ecken zurck.
Tab. 9 erhebt keinen Anspruch auf Vollstndigkeit, soll aber einen grundstzlichen
Einblick in die verfgbaren Methoden geben. Im folgenden werden diese Methoden nicht
einzeln erklrt, da dies ber den Rahmen dieser Arbeit weit hinaus gehen wrde, jedoch
soll mit einigen Beispielen ein Eindruck bezglich der Effekte dieser Methoden gegeben
werden. Beschreibungen der einzelnen Methoden finden sich in The Grammar of
Graphics von Wilkinson.
109

statistic

region

smooth

density

edge

count

spread

linear

normal

mst

sum

sd

quadratic

kernel

delaunay

mean

se

cubic

ash

hull

median

range

log

quantile

tree

mode

confi

mean

bin

join

sd

mean

median

rect

tsp

se

sd

mode

gap

range

smooth

spline

hex

Tab. 9 Statistische Methoden [Wil 1999]

Form and Function


In dem Wilkinson die statitischen Methoden von den Grafiken, welche sie darstellen
trennt, separiert er Form von Funktion. Das heit, dieselbe Statistik kann von
verschiedenen Typen von Grafiken reprsentiert werden (Abb. 56) und derselbe Typ von
Grafik kann verwendet werden, um zwei unterschiedliche Statistiken darzustellen (Abb.
57).

Abb. 56 Unterschiedliche Graph Typen, dieselbe statistische Methode (v.l.o.n.r.u.: point, line, area, bar;
Methode: region.confi.smooth.linear) [Wil 1999]

110

Abb. 57 Unterschiedliche statistische Methoden, derselbe Graph Typ (v.l.o.n.r.u.: statistic.mean,


region.spread.range, smooth.quadratic, region.confi.smooth.linear; Graph Typ: line) [Wil 1999]

Diese Trennbarkeit von statistischen und geometrischen Objekten ist es, was einem
System die groe Breite an Reprsentationsmglichkeiten bietet. Im folgenden Abschnitt
werden nun exemplarisch die Effekte einige dieser funktionalen Methoden anhand von
Grafiken gezeigt.
Abb. 58 (links) zeigt ein Surface, das mittels der

Methode ....smooth.stepp erzeugt

wurde, Abb. 58 (rechts) zeigt dagegen ein Surface, welches mittels der Methode
....smooth.mean.cauchy erzeugt wurde.

Abb. 58 3D Stepped Surface (li.) und Smooth of Temperature Variation (re.) [Wil 1999]

111

Bar-Graphen reprsentieren interval-valued Funktionen oder Relationen, in welchen die


Range zwei Werte fr ein gegebenes Tupel in dem Bereich haben kann. Um eine BarGrafik zu erzeugen wird fr gewhnlich ein Ende eines Intervalls am Wert Null fixiert. Das
folgende Beispiel illustriert eine Anwendung, in welcher beide Enden verwendet werden.
Abb. 59 zeigt eine Bar-Grafik, die mit der Methode ....statistic.mean erzeugt wurde.

Abb. 59 Error Bars [Wil 1999]

Densities messen die relative Konzentration einer Probe an verschiedenen Werten einer
Variablen. Diese statistischen Messungen reichen dabei von gewhnlichen Histogrammen
ber Dot Plots zu Kernel Density Schtzungen. Abb. 60 zeigt Beispiele fr solche
Densities (....denisty.normal.joint, bzw. ....density.kernel.epanechinkov.joint).

Abb. 60 Bivariate Densities [Wil 1999]

112

Abb. 61 zeigt ein Beispiel eines Box Plots, welcher aus einzelnen konvexen Hllen besteht
(peeled convex hulls). Tukey [Tuk 1974] sowie Huber [Hub 1972] schlagen diese
Methode fr die Generalisierung des Box Plot fr mehr als eine Dimension vor. Jede Hlle
in diesem Box Plot enthlt einen unterschiedlichen Prozentsatz der gesamten Anzahl der
Daten (hier:Lnder). Die uerste Hlle enthlt alle Lnder und jede folgende Hlle
enthlt ca. 25 Prozent weniger Lnder. Der bivariaten Box Plot in Abb. 61 wurde, der mit
der Methode ...statistic.median.joint erzeugt.

Abb. 61 Bivariate Box Plot [Wil 1999]

Wie bereits erwhnt, ist es mglich, Funktionen, unter der Verwendung desselben TileGraphen, einzusetzten, um verschiedene Tilings zu erzeugen. Abb. 62 zeigt solch ein
Beispiel - Two Variable Histogram und Hexagon Hinning, welche mit der Methode
...density.bin.rect, bzw. ...density.bin.hex erzeugt wurden.

Abb. 62 Two VariableHhistogram and Hexagon Binning [Wil 1999]

113

Die

Path-Zeichenfunktion

berechnet

einen

Path

bezglich

der

Ordnung

einer

Punktegruppe in einer Liste. Die Ordnung kann vom originalen Datensatz stammen oder
man kann die Daten sortieren. Die folgende Methode (...edge.tsp) berechnet eine
Ordnung unter Verwendung eines Algorithmus, welcher einen kurzen Path durch die US
berechnet, welcher jeden Staat nur einmal streift und zum Anfang zurckkehrt um einen
vollstndigen Kreis zu bilden (siehe Abb. 63).

Abb. 63 Short Path durch die US [Will 1999]

Die Link-Zeichenfunktion berechnet eine Gruppe mit Links zwischen Punkten. Die edgeFunktion bietet verschiedene Methoden fr die Berechnung dieser Links. Beispiele sind
der Minimum Spanning Tree (MST) (....edge.mst), Hulls (...edge.hull), Triangulation
(...edge.delaunay) oder Trees (...edge.tree). Der MST verbindet Punkte in einem
Raum mittels Liniensegmenten, welche die geringste Gesamtlnge haben und welche alle
Punkte miteinander verbinden ohne einen Kreis (Zyklus) zu bilden (Abb. 64 links). Eine
Convex Hull verbindet auenliegende Punkte so, dass eine konvexe Begrenzung um alle
Punkte herum entsteht (Abb. 64 rechts). Eine Triangulation verbindet Punkte mit
Segmenten, so dass alle begrenzten Regionen Dreiecke bilden (Abb. 65 links). Ein Tree
stellt oftmals einen Datensatz dar, welcher als verlinkte Liste organisiert ist (Abb. 65
rechts).

114

Abb. 64 Minimum Spanning Tree (li.) und Convex hull (re.) [Wil 1999]

Abb. 65 Triangulation (li.) und Cluster Tree (re.) [Wil 1999]

Tab. 10 fasst die statistischen Methoden, welche in diesem Kapitel vorkamen noch mal
zusammen. Jede Zelle der Tabelle zeigt ein Exemplar fr einen Methodentyp in 1D, 2D
oder 3D. Wilkinson fgte Punkte mit ein, um in den grafischen Beispielen Datenwerte zu
reprsentieren; diese sind hellblau koloriert. Die Grafiken, welche die Ergebnisse von
statistischen Methoden darstellen, sind dunkelblau koloriert.
Die Conditional Methoden berechnen einen eindeutigen Wert oder ein eindeutiges
Werteset auf einer selektierten Variablen fr jeden einzelnen Wert von x. Bei 1D ist x
konstant. Bei 2D ist x eine Variable. Bei 3D ist x eine zweidimensionale vector-valued
Variable. Wenn x kategorisch ist, dann sind die berechneten Schtzungen auf einem
Gitter platziert. Wenn x kontinuierlich ist, dann sind diese Schtzungen in einem realen
Raum verteilt. Die Statistic-Methoden umfassen einen einzelnen Punkt. Die RegionMethoden umfassen Intervalle oder Typen konvexer Regionen. Die smooth-Methoden
umfassen verbundene Gruppen einzelner Punkte von jedem Wert von x. Die densityMethoden umfassen Klasseneinteilung oder Parametric Smoothing fr die Berechnung
einer Density in einer lokalen Region. Die Edge-Methoden schlielich umfassen
115

Berechnungen auf Punkten, die Knoten in gerichteten oder generellen Graphen sind.
Die Joint Methoden berechnen einen eindeutigen Wert oder ein eindeutiges Set von
Werten auf einem selektierten Set von Variablen. Bei 1D sind diese Methoden identisch
zu den Conditional Methoden, da das Angleichen an eine Konstante einem Weglassen
einer Angleichung entspricht. Daher ist die erste Spalte der Tabelle fr Conditional und
Joint Methoden identisch. Die 2D und 3D Joint Methoden unterscheiden sich auf der
anderen

Seite

von

ihren

Conditional

Gegenstcken.

Die

Unterschiede

sind

am

ersichtlichsten, wenn man die geometrischen Eigenschaften der Grafiken in der Tabelle
betrachtet.

Tab. 10 Statistical Methods by Dimensionality [Wil 1999]

Whrend statistische Methoden mit geometrischen Regionen in einem Raum verbunden


sind,

darf

man

nicht

vergessen,

dass

diese

Regionen

von

verschiedenartigen

geometrischen Graphen reprsentiert werden knnen (vgl. Abb. 56). Die Mchtigkeit
eines Systems, welches geometrische Graphen und ihre statistischen Methoden abgrenzt,
liegt mehr in der Bereitstellung einer kompletten Palette von Reprsentationsmethoden,
als in der Vorauswahl einer Teilmenge auf Basis von Gewohnheiten.
116

4.2.2.7 Scales

Scales sind die Typen von Funktionen, welche verwendet werden um Variablenstze zu
Dimensionen zu mappen. Die visuelle Reprsentation einer Scale ist eine Achse mit
Achseneinteilungen (ticks). Jedoch knnen auch Legenden und andere Formen von
Guides Scales reprsentieren. Die Konstruktion einer Scale mag den Anschein haben,
dass es hierbei lediglich um die Selektion einer Range fr die betreffenden Zahlen und
Intervalle geht, um Achseneinteilungen einzeichnen zu knnen. Jedoch messen Scales
auch den Inhalt eines Frames. Sie bestimmen, wie die Size, Shape und Position der
Grafiken dargestellt wird. Letztendlich bestimmt diese Wahl, wie eine Grafik interpretiert
wird.

Scale Transformations
Wie bereits erwhnt, transformiert man Variablen indem man Operationen, wie Logging
oder Square-Rooting anwendet. Der Zweck von Variablentransformationen in einem
Grafiksystem ist es, statistische Operationen auf Variablen mglichst adquat und
aussagekrftig durchzufhren. Scales operieren dagegen auf Gruppen von Variablen
(Dimensionen). Der Zweck von Scale Transformationen ist dem von Variablentransformationen hnlich statistische Objekte mglichst adquat und aussagekrftig auf
Dimensionen abzubilden.
Im nchsten Kapitel wird eine dritte Klasse von Transformationen behandelt werden:
Koordinatentransformationen. Zweck dieser Transformationen ist es, die Geometrie von
Grafiken zu manipulieren, um Beziehungen zu enthllen und aussagekrftige Strukturen
fr die Reprsentation von Variationen zu finden. In einigen Fllen werden Scale und
Koordinatentransformationen zusammen verwendet. Und in einigen seltenen Fllen sind
alle drei Transformationen anwendbar bei einer Variablen, bei einer Dimension und bei
einem Koordinatensystem.
Der Grund fr die Separation der Transformationen bezglich der Gruppe auf denen sie
operieren (Variablen, Dimensionen und Koordinaten), ist es eine klare Trennung zwischen
statistischen und geometrischen Operationen zu halten. Statistische Methoden (z.B.
Smoothing

und

Aggregation)

erfordern

oftmals

Annahmen

ber

die

statistische

Verteilung der Variablen auf denen sie operieren. Daher mssen Variabeln und Scale
Transformationen durchgefhrt werden bevor diese statistischen Methoden angwendet
werden. Koordinatentransformationen ndern auf der anderen Seite die Erscheinung der
Grafiken (z.B. Bars werden zu Pies), ndern jedoch nicht ihre statistischen Proportionen.

117

Daher mssen Koordinatentansformationen durchgefhrt werden nachdem statistischen


Methoden angwendet wurden.
Wilkinson listet in seinem Buch The Grammar of Graphics eine Reihe von Scale
Transformationen auf, vergleichbar der Tabelle der statistischen Methoden. Da diese
jedoch relativ abstrakt sind und somit einer nheren Auseinandersetzung bedrfen,
werden diese hier nicht weiter ausgefhrt. Fr eine nhere Betrachtung siehe The
Grammar of Graphics von Leland Wilkinson.

4.2.2.8 Coordinates

Das Wort coordinate ist abgeleitet vom lateinischen ordinare, welches ordnen oder
arrangieren

bedeutet.

Koordinaten

sind

Sets,

welche

Punkte

in

einem

Raum

lokalisieren. Diese Sets sind fr gewhnlich Zahlen, gruppiert in Tupeln - ein Tupel fr
jeden Punkt. Da Rume als Sets von geometrischen Objekten plus Axiome, welche ihr
Verhalten regeln, definiert werden knnen, knnen Koordinaten generell als Schema fr
das Mapping von Elementensets zu geometrischen Objekten betrachtet werden.
Die gelufigsten Koordinaten sind die Kartesischen Koordinaten. Ein Punkt wird auf einer
kartesischen Ebene beispielsweise durch seine Distanzen zu zwei sich berschneidenden
Geraden festgelegt. Die Distanz von einer Linie wird entlang einer Parallelen zu der
anderen Linie gemessen. Fr gewhnlich sind die Referenzlinien (Achsen) rechtwinklig
zueinander angeordnet. Die meisten bekannten Grafiken, wie Line oder Bar Charts
werden unter der Verwendung von Kartesischen Koordinaten gezeichnet. Dieselben
Zahlen dieser Grafiken knnen jedoch zu Punkten entlang eines Kreises, Kurven oder
anderen Objekten gemappt werden.
Die meisten Business- und Wissenschaftsgrafiken werden in rechteckigen Koordinaten
dargestellt. Im folgenden wird man sehen, dass Koordinatensysteme die Erscheinung von
Grafiken so radikal ndern knnen, dass die Wiedererkennung eines Grafikobjektes,
welches in ein anderes Koordinatensystem eingebettet ist, schwer fllt. Dieses Kapitel
behandelt Funktionen, welche ein Set von Koordinaten in ein anderes Set von
Koordinaten

transformieren.

Jedoch

wirken

sich

die

Effekte

von

Koordinatentransformationen nicht nur auf die Grafik an sich aus, sondern auch auf die
Achsen. So werden diese oftmals zu Kurven, ndern ihre Orientierung, ihr Scaling oder
ihre Richtung. Dies ist eine wichtige Konsequenz von Koordinatentransformationen.
Achsen oder Guides teilen sich die Geometrie mit Grafiken und unterliegen daher auch
denselben Transformationseffekten wie Bars, Boxes und anderen Grafiken.

118

Zunchst werden klassische Transformationsgruppen behandelt, welche beim Mapping


der Ebene zu sich selbst involviert sind, dann polare und andere allgemeine planare
Ebenentransformationen.

Die

Projektionen

auf

die

Ebene

enthalten

globale

Kartenprojektionen. Abschlieend werden Triangular, Spherical, Cylindrical und


Parallel Koordinaten vorgestellt.

Transformations of the Plane


Gewhnliche Grafiken wie Bars und Tiles verndern unter verschiedenen Ebenentransformationen radikal ihr Erscheinungsbild. Diese starken visuellen Effekte verleiten dazu,
diese Grafiken fr neue Grafiktypen zu halten, obwohl es sich tatschlich um eine
einfache Koordinatentransformation einer bekannten rechteckigen Grafik handelt.

Isometric Transformations
Die

Gruppe

der

Transformationen,

isometrischen
welche

die

Transformationen

Distanz

zwischen

ist

eine

Punkten

Gruppe

bewahrt.

von
Diese

Operationen befolgen die Axiome Euklidscher Geometrie. Zu den sogenannten


Rigid

Transformations

gehren:

Translation,

Rotation,

Reflection.

Translation bewegt ein Objekt vertikal oder horizontal, ohne Einfluss auf seine
Shape, Size oder Orientation zu nehmen. Die hufigste Verwendung von
Translation

sind

paneled

Grafiken.

Durch

Zusammensetzen

mit

anderen

Koordinatentransformationen kann man auch ungewhnlichere Arrangements von


Multigrafiken erzeugen. Rotation rotiert ein Objekt um einen Punkt (gewhnlich
sein Zentrum) ohne nderung seiner Shape oder Size. Diese Koordinatentransformation wird beispielsweise meistens benutzt um horizontale Bar-Grafiken zu
erzeugen. Reflection invertiert ein Objekt horizontal oder vertikal, ohne seine
Size oder Shape zu ndern. Diesen Vorgang ist mit einer Spiegelung vergleichbar.
Die Kombination von Reflection gefolgt von einer Rotation wird Transposition
genannt.
Die Ausfhrungsreihenfolge der Transformationen ist fr das Resultat relevant. So
kann eine andere Ausfhrungsreihenfolge zu einem anderen Ergebnis fhren.
Auch innerhalb ihrer eigenen Klasse (z.B. Isometrie) sind Ebenentransformationen
nicht kommutativ.

119

Similarity Transformations
Similarity Transformationen stellen eine Gruppe von Transformationen dar, welche
die Gre von einem Objekt ndern. Diese Gruppe umfasst sowohl Isometrien als
auch Dilatation. Auch wenn der Transformationsname Dilatation auf eine
Ausdehnung hinweist, so beinhaltet diese Transformation sowohl Vergrerung als
auch Verkleinerung. Der Name Similarity impliziert, dass zwei Objekte derselben
Form, jedoch verschiedener Gre und an verschiedenen Positionen dennoch
hnlich sind. Auch Multigrafiken erfordern Dilatation Transformationen um
innerhalb der Anordnung der Grafiken die Gre der Frames richtig anzupassen.
Eine andere Anwendung von Dilatation ist Zoom in um Details zu enthllen oder
Zoom

out

um

globale

Strukturen

aufzudecken.

Dieser

Graphical

Zoom

unterscheidet sich jedoch von einem Data Zoom. Der Graphical Zoom ist
vergleichbar mit einer optischen Manipulation, da man bei ihm jeden Gegenstand
Achsen und Text eingeschlossen - vergrert oder verkleinert. Er ermglicht
dem Benutzer kleine Bereiche einer Grafik zu untersuchen um detaillierte
Strukturen zu analysieren. Bei einem Data Zoom reduziert oder vergrert man
dagegen einen Frame durch Angleichen seiner Begrenzungen in Dateneinheiten.
Die physische Gre der Frame-Grafik und die Gre der anderen Grafiken
innerhalb des Frames (Points, Lines, Areas) ndern sich nicht. Stattdessen
unterteilt man bei einem Data Zoom-in die Daten in Teilmengen und bei ein Data
Zoom-out bettet man die Daten in einen greren Wertebereich ein. Diese Data
Zoom Operation hat Konsequenzen fr eingebettete Grafiken; sie mssen neu
berechnet werden, basierend auf der Teilmenge der Daten in dem Frame. Ein
Graphical Zoom erfordert dagegen keine Neuberechnung; lediglich das Bild wurde
transformiert.

Affinity Transformations
Affinity Transformationen stellen eine Gruppe von Transformationen dar, welche
bewirken, dass sich eine Dimension unabhngig von einer anderen streckt. Das
Wort Affinitt impliziert, dass linear gestreckte und gescherte Objekte ungeachtet
ihrer Gre und Position sich die Affinitt zu einer Form teilen. Zu diesen affinen
Transformationen gehren: Stretch und Shear.

120

Die Stretch Transformation variiert den Aspekt des Seitenverhltnisses - also das
Verhltnis der physischen Hhe im Vergleich zu der physischen Breite einer Grafik.
Abb. 66 zeigt eine Stretch Transformation einer Time Series Grafik. In Abb. 67 ist
eine Shear Transformation einer Datengrafik zu sehen. Diese entspricht einer
Scherung, also einer parallelen Verschiebung der Achsen, ohne die nderung des
Seitenverhltnisses einer Grafik (vgl. Parallelogramm).

Abb. 66 Stretch Transformation [Wil 1999]

Abb. 67 Shear Transformation [Wil 1999]

121

Projectivity Transformations
Eine Ebenenprojektion ist ein Mapping von einer Ebene zur anderen durch die
perseptivische Projektion von einem beliebigen Punkt aus, welcher jedoch nicht
auf einem anderen Punkt liegen darf. Abb. 68 illustriert dieses Mapping rumlich.
Fr jeden Punkt im Bild, welches in der Figur auf der unteren Ebene liegt, gibt es
einen entsprechenden einzelnen Punkt in dem Bereich der oberen Ebene.

Abb. 68 Projektion einer Ebene auf eine andere [Wil 1999]

Wie die Abbildung andeutet, kann man ein hnliches Modell verwenden um eine
perspektivische Projektion zu erzeugen, welche in Computergrafiken von 3D
Objekten perspetivische 2D Views erzeugt. Ebenenprojektionen sind jedoch
restriktiver als 3D-zu-2D Projektionen. Sie teilen sich das Composition-Verhalten
anderer Ebenentransformationen. Mit anderen Worten, man kann eine Projektion
projizieren und gleichzeitig innerhalb der Projectivity Klasse bleiben. In der 3D-zu2D Projektion ist es mglich, dass mehrere Punkte im Wertebereich auf denselben
Punkt im Bild abgebildet werden.
Projectivity Transformationen sind eine Gruppe von Transformationen, welche
gerade Linien bewahren, Winkel jedoch modifizieren knnen. Abb. 69 zeigt ein
Beispiel fr eine Projektion.

122

Abb. 69 Projektion [Wil 1999]

Conformal Mappings
Die Klasse Conformality beinhaltet Conformal Mappings. Ein Conformal Mapping
fgt einer Similarity Transformation eine eigene geometrische Charakteristik
hinzu: lokale Winkel bleiben (bei der berschneidung von zwei Kurven) erhalten,
gerade

Linien

knnen

sich

jedoch

zu

Kurven

verndern.

Eine

Ebenen-

transformation ist conformal, wenn jeder Punkt auf der Ebene so transformiert
wird, dass alle mglichen infinitesimalen Vektoren, welche von diesem Punkt
ausstrahlen, von derselben Menge in dem Bild rotiert und ausgedehnt werden.
Diese lokale Rotation und Dilatation bedeutet, dass in dem Bild sehr kleine
Quadrate als kleine Quadrate erhalten bleiben, groe Quadrate jedoch wesentlich
verzerrt werden knnen (vgl. Abb. 70). Diese Transformation sieht lokal wie eine
Similarity aus, global jedoch wie ein nicht-lineares Warping. Conformal Mappings
knnen also die globale Shape einer Grafik betrchtlich verzerren. Abb. 70 zeigt
verschiedene Beispiele fr Conformal Mappings anhand von Schachbrettmustern.
Ein weiteres Beispiel ist in Abb. 71, einer Grafik aus dem Bereich der Meterologie
zu finden, welche Luftfeuchtigkeit und Windstrke in Bodennhe zueinander in
Bezug setzt.

123

Abb. 70 Conformal Mappings eines Schachbretts [Wil 1999]

Einige dieser Transformationen sind Subklassen der Mbius Transformation, in


welcher alle Konstanten und Variablen komplex sind. Diese Transformation hat
eine

Vielzahl

von

Basisapplikationen

in

der

Physik,

Flussdynamik,

Elektromagnetischen Feldern und andere Bereiche inspiriert.

Abb. 71 Conformal Mapping [Wil 1999]

124

Polar Coordinates
Es gibt in Grafiken eine Reihe wichtiger Anwendungen von Polartransformationen.
Mathematiker

und

Polarkoordinaten,

Wissenschaftler

deren

einzelne

arbeiten

zum

Umdrehung

Beispiel

einem

gewhnlich

mit

2Pi-Radianten-Intervall

entspricht. Die bekannteste Applikation bei den Grafiken ist das Pie Chart.

Abb. 72 Grafik mit rechtwickligen und polaren Koordinaten [Wil 1999]

Es gibt jedoch verschiedene Polarkoordinatenmethoden, welche fr statistische


Grafiken verwendet werden. Die konventionelle polare Funktion erfordert zwei
Argumente.

Man

verwendet

diese

fr

die

Einbettung

von

Grafiken

in

zweidimensionale Frames, wie zum Beispiel in Scatterplots und mathematische


Graphen

von

Polarfunktionen.

Die

andere

Polarfunktion

bentigt

nur

ein

Argument. Beispiele fr solch verschiedene Polarkoordinatenmethoden sind in den


folgenden Abbildungen zu sehen. Abb. 73 (links) zeigt ein gewhnliches Pie Chart,
welches wie bereits erwhnt, ein Stacked Bar-Chart mit polaren Koordinaten
darstellt. Ein Circular Pie-Chart, eine Variation eines Divided Bar-Chart mit polaren
Koordinaten, ist in Abb. 73 (rechts) zu sehen.

Abb. 73 Pie Chart (li.) und Circular Pie Chart (re.) [Wil 1999]

125

Abb. 74 Polar Dot Plot and Histogram (li.) und Bar-Grafik und Nightingale Rose (re.) [Wil 1999]

Weitere Funktionen ermglichen es, Graphen dem Umfangs eines Kreises entlang
zu zeichnen. Abb. 74 (links) zeigt Beispiele dafr. In Abb. 74 (rechts) ist ein
sogenanntes

Nightingale

Rose

Chart

(erstmalig

verwendet

von

Florence

Nightingale) und die Bars, aus welchen dieses konstruiert wurde, zu sehen. Einen
Tree in polaren Koordinaten zu zeichnen erzeugt mehr Raum fr die Darstellung
der Bltter (Abb. 75 links).

Abb. 75 Polar Cluster Tree (li.) und Polar Time Series (re.) [Wil 1999]

Abb. 75 (rechts) zeigt eine polare Zeitserie fr drei Jahre, hier fr Aktienpreise. In
Abb. 76 (links) ist ein so genannter Radar Plot zu sehen, hier fr Wetterdaten. Die
beiden

polaren

Profile

zeigen

die

durchschnittliche

Winter-

und

Sommertemperatur fr acht Regionen der USA. Gut zu erkennen ist, dass die
Sommertemperaturen in allen acht Regionen im Durchschnitt hher liegen als im
Winter. In Abb. 76 (rechts) ist eine Polar Contour-Grafik fr Luftdruck,
Windgeschwindigkeit und Windrichtung zu sehen.

126

Abb. 76 Radar Plot (li.) und Polar Contour-Grafik (re.) [Wil 1999]

Inversion
Komplexe Inversion ist das Kehren der Innenseite der Ebene nach auen. Abb. 77
zeigt die Inversion einer Spirale. Die Punkte ausserhalb der Einheit Kreis sind nach
innen gewendet und die Punkte innerhalb nach auen.

Abb. 77 Inversion einer Spirale [Wil 1999]

Bendings
Die Klasse der Bendings umfasst Koordinatentransformationen, welche eine Ebene
vergleichbar einer Plastikfolie biegen. Bendings strecken die Ebene entlang der x
oder y-Achse oder in beide Richtungen. Es gibt unterschiedliche Bendings.
Einzelne Bendings werden am hufigsten dazu verwendet Kurven zu begradigen
und Scales zu linearisieren. Doppelte Bendings dagegen um Bereiche der Ebene zu
stauchen oder zu dehnen. Bendings beinhalten jedoch keine Scherungen. Im
folgenden werden einige Beispiele fr Koordinatentransformationen gegeben,
welche in die Klasse der Bendings fallen.

127

Lensing and Fisheye Transformations gehren zum Beispiel zu dieser


Transformationsklasse. Die Fisheye Transformation dehnt eine Grafik von einer
beliebigen Stelle aus - gewhnlich das Zentrum eines Frames oder einer Viewing
Area. Diese Klasse der Transformationen hat von den Computer Interface
Designern viel Aufmerksamkeit erhalten, da diese hufig darauf angewiesen sind
auf einem begrenzten Screen mglichst viel Information anzuordnen, z.B. wenn
man durch dichte Netzwerke navigiert [Fur 1986] [SB 1994] [LA 1994]. Abb. 78
zeigt die Darstellung eines Dinosauriers aus Abb. 72, welcher durch eine simple
Transformation scheinbar an Gewicht zugenommen hat.

Abb. 78 Fisheye Dinosaurier [Wil 1999]

Zu beachten ist die Unabhngigkeit der Transformation bezglich x and y. Das


Zentrum des Dinosauriers wurde zu den Ecken eines Quadrates gezogen, nicht zu
einem Kreis. Abb. 79 zeigt eine Fisheye Transformation einer kreisfrmigen
Gaussian Scatterplot Cloud, in deren Zentrum eine Mitteilung eingebettet ist.
Diese Transformation ist speziell zugeschnitten auf dynamische Darstellungen, bei
denen das Zentrum der Vergrerung vom Benutzer bewegt werden kann. [CCF
1997] behandeln in diesem Zusammenhang Applikationen fr 3D Grafiken.

128

Abb. 79 Fisheye Transformation [Wil 1999]

Warpings
Warpings fhren Scherung in die allgemeine Bending Transformation ein. Viele
globale und lokale Transformationen setzen dieses Modell ein (wobei Wilkinson
hier auf ein lokales parametrisches Beispiel fokussiert). Warpings strecken eine
Ebene ber eine Gruppe von unregelmig verteilten Unebenheiten - eine
Methode, welche von Kartographen Rubber Sheeting genannt wird. Abb. 80
zeigt ein Beispiel fr Warping. Auf dieser Abbildung ist eine Karte zu sehen,
welche die Kosten fr Flugreiseverkehr in den US darstellt. Die Karte ist an keiner
Stelle zentriert, sondern reflektiert stattdessen die Verzerrung der Ebene infolge
von Variationen der Flugpreise zwischen allen Stdtepaaren. Sie wurde so
entworfen, dass die Flugkosten durch Berechnung einer geraden Distanz zwischen
zwei Punkten geschtzt werden knnen. Gleiche Distanzen entsprechen also
gleichen Flugkosten.

Abb. 80 US Airline Pricing Map [Wil 1999]

129

Permutations on the Plane


Die Permutationstransformation einer Ebene in einem one-to-one Mapping
sendet jeden Punkt zu einem entsprechenden anderen Punkt. Die Permutierung
eines Reihen-Spalten-Gitters von Punkten innerhalb der Reihen und Spalten, mit
dem Ziel, somit Muster von Beziehungen zu enthllen, ist keine neue Idee [Ber
1967] [Har 1972] [Ling 1973] [Len 1974] [SCH 1975] [Wil 1979]. Mit moderner
Rechenleistung und Display-Technologien ist jedoch mittlerweile die Permutation
von groen Wertematrizen mglich geworden.Abb. 81 zeigt ein Beispiel einer
Permutation einer kleinen Matrix, deren Werte durch farbige Kacheln reprsentiert
werden.

Abb. 81 Permuted Tiling [Wil 1999]

Projections onto the Plane


Whrend die bisherigen Koordinatentransformationen die Wahrnehmung von Mustern
und

Strukturen

in

zwei

Dimensionen

untersttzen,

erlauben

die

folgenden

Transformationen die Erforschung drei- und hherdimensionaler Welten durch ein 2D


Fenster.

130

Perspective Projections
Abb. 82 illustriert eine lineare Projektion eines 3D Objekts auf eine Ebene. [RA
1990]

zeigen,

wie

man

die

Projektionsmatrix

aus

den

Koordinaten

des

Projektionspunktes, Projektionsebene und dem Objekt konstruiert. Dies entspricht


nicht exakt dem Modell fr das Erkennen eines Bildes auf der menschlichen Retina
und definitiv nicht dem Modell, wie Bilder im menschlichen visuellen Kortex
verarbeitet werden, jedoch bietet es ein Ergebnis, welches gut genug ist, dem
visuellen System die Rekonstruktion einer dreidimensionalen Szene aus einem
Bild zu ermglichen.

Abb. 82 Perspektivische Projektion auf eine Ebene [Wil 1999]

Triangular (Barycentric) Coordinates


Wenn die Summe von drei Variablen eine Konstante ergibt, liegt die Gruppe aller
mglichen Werte, die sie annehmen knnen, auf einer Ebene. Wenn alle diese
Werte positiv sind, werden sie von einem Dreieck begrenzt. Abb. 83 zeigt ein
Beispiel eines solchen Dreiecks.

Abb. 83 Triangular Koordinatenebene [Wil 1999]

131

Eine der bekanntesten Anwendungen ist das CIE Farbdiagramm, welches


wahrnehmbare Mischungen der drei Primrfarben rot, grn und blau [LS 1991]
zeigt. Abb. 84 zeigt einen dreieckigen Koordinatenplot fr Bodenproben.

Abb. 84 Triangular Coordinates Plot

[Wil 1999]

Um die Werte auf einer gegebenen Achse abzulesen, whlt man die Gitterlinien,
die parallel zu der Achse verlaufen, welche die gegebene Achse in ihrem Nullpunkt
schneidet. Zum Beispiel: die Silt-Achsen Gitterlinien verlaufen in der obigen
Abbildung horizontal und die Clay-Achsen Gitterlinien kippen 30 Grad nach rechts.

Map Projections
Map Projektionen umfassen alles von linearen Projektionen der Hemissphere auf
die Ebene bis zu nicht-linearen und stckweisen Projektionen des ganzen Globus
auf die Ebene. Map Projektionen haben eine lange Historie in der Kartographie
(siehe [Mal 1992] [Sny 1989]). Die meisten kartografischen Projektionen knnen
bezglich

ihrer

Projektionsoberflche:

Planes,

Cylinders

oder

Cones

klassifiziert werden. Abb. 85 (links) zeigt drei normale Ebenenprojektionen der


stlichen Hemisphere. Alle drei dieser Ebenenprojektionen sind eine Form von
perspektivischer Projektion.

132

Abb. 85 Planar Map Projection (li.) und Cylindrical und Conical Map Projections (re.) [Wil 1999]

Abb. 85 (rechts) zeigt zylindrische und kegelfrmige Projektionen. Durch


Krmmung der Ebene ermglichen diese Modelle mehr der globalen Oberflche zu
reprsentieren und verzerren in manchen Fllen bestimmte Bereiche weniger.
Normale zylindrische Methoden projektieren Longituden und Lattituden zu geraden
Linien. In der normalen konischen Projektion dagegen, werden Longituden als
schrge Linien und Latituden als gerade Linien oder Kurven eingezeichnet. Karten
werden in globale Karten, also Karten welche den gesamten Globus abbilden,
und lokale Karten - Karten welche einen Teilbereich des Globus abbilden unterschieden. Lokale Karten dulden im Gegensatz zu globalen Karten weniger
globale

Verzerrung.

Kartenprojektionen

transformieren

die

Geometrie

von

Grafiken. Bis auf Symbole, welche ihre Shape ungeachtet des Koordinatensystems
beibehalten,

werden

die

Formen

der

Grafiken

von

den

Koordinatentransformationen modifiziert. Abb. 86 zeigt ein solches Beispiel. Diese


Grafik stellt weniger eine kartografische Karte dar, sondern viel mehr eine
statistische

Verteilung

gemessen

in

geografischen

Koordinaten.

133

Abb. 86 Tiles of Soil Samples [Wil 1999]

3D Coordinate Systems
Die Koordinatensysteme in diesem Abschnitt hneln polaren und anderen nichtrechtwicklingen 2D Koordinaten. Fr die Darstellung der 3D Koordinatensysteme wrden
sich auch Virtual Reality Systeme und insbesondere Immersive Environments eignen.

Spherical Coordinates
Abb. 87 zeigt ein Beispiel fr sphrische Koordinaten, in der die Grafik die Sphre
unter Verwendung von geografischen Daten aufteilt.

Abb. 87 Sphrische Verteilung der magnetische Ausrichtung [Wil 1999]

134

Triangular-Rectangular Coordinates
Abb. 88 zeigt einen dreidimensionalen dreieckigen Koordinatenplot, dessen erste
drei Dimensionen in zweidimensionale dreieckige Koordinaten eingebettet sind
und dessen vierte Dimension (die vertikale Achse) von einem rechteckigen
Koordinatensystem reprsentiert wird. Diese Reprsentation erlaubt es, ein
Surface als eine Funktion von Mischungen dreier Ingredienzen zu zeigen.

Abb. 88 3D Triangular / Rectangular Cordinates [Wil 1999]

Cylindrical Coordinates
Ein Beispiel fr Cylindrical Koordinaten wird in Abb. 89 gezeigt. [Kru 1979]
analysierte die Wahrnehmung von Musiktonlagen in einem tonalen Kontext. Sie
prsentierte

ihre

multidimensionalen

Scaling

Ergebnisse

in

einer

drei-

dimensionalen Grafik, welche die Konfiguration der Musiktne zeigt, die auf der
Oberflche eines Cones liegen.

Abb. 89 Cylindrical Plot [Wil 1999]

135

Parallel Coordinates
Inselberg [Ins 1984] schlgt fr die Darstellung hochdimensionaler Objekte ein
Koordinatensystem vor, welches Punkte auf Achsen, die parallel auf einer Ebene
eingezeichnet werden, miteinander verbindet.

Rectangular Parallel
Der Parallel Coordinates Plot

([Ins 1984] [Weg 1990]) setzt eine separate,

parallele reale Anzahl von Achsen fr jede Dimension fest. Abb. 90 illustriert
diesen Plot fr die Daten der Weltlnder. Die Line-Grafik ist eine der wenigen,
welche in diesem Koordinatensystem verwendbar ist. Die meisten anderen
Grafiken werden lediglich zu Punkten auf Linien. Auch wenn sie koloriert sind,
wren sie nur schwer zu erkennen.

Abb. 90 Parallel Coordinates [Wil 1999]

Polar Parallel
Parallele Koordinaten, welche eine polare Transformation vollzogen haben, werden
auch Spider Web oder Star Plot genannt. Abb. 91 zeigt ein Beispiel hierfr.

136

Abb. 91 Parallel Coordinates in Polar Form [Wil 1999]

4.2.2.9 Facets

Bisher wurden einzelne Grafiken behandelt, jedoch ist es auch mglich Tabellen und
andere Strukturen von Grafiken zu generieren. Das folgende Kapitel beschreibt Facets,
welche solche Multiplicities erzeugen.
Der Ausdruck Facets eignet sich fr die Beschreibung eines Objektes, welches viele
kleine Grafiken erzeugt, die Variationen einer einzelnen Grafik darstellen. In einem
Grafiksystem stellen Facets Frames von Frames dar. Aufgrund dieser Rekursion erzeugen
Facets Frames, welche sich im dem Sinne wie Punkte verhalten, als dass das Zentrum
eines Frames, anhand von einer Facet abgeleiteten Koordinaten, lokalisiert werden kann.
Daher kann man Facets verwenden um Graphen von Graphen oder Tabellen von Graphen
zu erzeugen. Letztendlich sind auch Tabellen wieder Graphen. Diese allgemeine
Konzeption erlaubt es, Strukturen von Graphen zu erzeugen, die allgemeiner sind als die
spezifischen Beispiele von Multigrafiken, wie Scatterplot Matrizen [CCK 1983] Row-Plots
[Car 1994] oder Trellises [BCS 1996]. Man kann ebenso Bume oder andere Netzwerke
von Graphen konstruieren, da man Frame-Grafiken auf dieselbe Weise miteinander
verlinken kann, wie man Punkte in einem Netzwerk verlinkt. Und man kann Facets
ebenso wie Frames transformieren um z.B. rechteckige Felder von Polar Grafiken oder
polaren Arrangements von rechteckigen Grafiken zu erzeugen.
Facets sind Einbettungen. Eine Facette einer Facette spezifiziert einen Frame, welcher in
einen Frame eingebettet ist. Eine Facette einer Facette einer Facette spezifiziert einen
Frame, welcher in einen Frame eingebettet ist, der wiederrum in einen Frame eingebettet
ist. Jeder Frame ist eine begrenzte Gruppe, welche ihrem eigenen Koordinatensystem
137

zugeordnet ist. Die Facets Koordinatentransformation bestimmt eine separate Facette.


Komplexere

Facettenstrukturen

folgen

demselben

Modell.

Das

heisst,

ein

vierdimensionaler Graph kann zum Beispiel als vier 1D-Frames oder als ein in einem 2D
Frame eingebetteter 1D Frame, welcher wiederum in einem 1D Frame eingebettet ist
oder als zwei 2D Frames oder als ein in einem 1D Frame eingebetteter 3D Frame
realisiert werden.
Multiplots sind Grafiken, welche auf extrinsischen Variablen facettiert sind. Zum Beispiel
ist es mglich, Grafiken fr verschiedene Personengruppen separat zu erstellen. Dies
wren dann kategorische Multiplots. Ebenso ist es mglich, Scatterplots von Scatterplots
zu erzeugen. Im Fall von kontinuierlichen Variablen wren dies kontinuierliche Multiplots.
Im folgenden Abschnitt werden einige Beispiele hierfr gegeben.

One-Way Tables
Abb. 92 zeigt eine Tabelle mit Scatterplots, bzw. geordneten Kategorien. Die
Daten

stammen

von

einem

Predation

Datensatz.

Jeder

Scatterplot

mit

Krpergewicht und Schlaf als Achsen ist anhand eines Danger-of-Being-Killed


Index geordnet. Dies ermglicht es, durch die Orientierung und Position der
Scatterplot-Wolke einen Trend zu erkennen. Die Darstellung zeigt, dass die Tiere,
welche am gefhrdesten sind, dazu tendieren den niederigsten Schlaf-Level und
das hchste Krpergewicht zu haben.

Abb. 92 Tabelle mit Scatterplots [Wil 1999]

Abb. 93 zeigt eine entsprechende Tabelle fr 3D Grafiken. Jede Bar misst den
Gewinn, welcher mit Krebsen erzielt wurde, fr jede Grafik an derselben Position.
Die Grafiken sind nach Jahren geordnet und enthllen somit den Rckgang des
Gewinns ber eine 6-Jahresperiode.

138

Abb. 93 Tabelle mit 3D Bars [Wil 1999]

Multi-Way Tables
Multi-Way Tabellen werden von kategorischen Facettenvariablen erzeugt. Das
populre Wort dafr ist Cross-Tabs. Das folgende Beispiel zeigt, wie man
Grafiken im Innern von Multi-Way Tabellen einbettet. Abb. 94 zeigt eine Two-Way
Tabelle mit Line-Plots. Die Arten der Gerstengewinne wurden in ein Feld mit Site
und Year als Achsen eingezeichnet. Die Durchschnittsgewinne wurden von links
nach rechts geordnet.

Abb. 94 Two-Way Tabelle mit Line-Plots [Wil 1999]

139

Tabellen mit Grafiken eignen sich auch fr die Visualisierung verschiedener


Schnitte durch hher-dimensionale Objekte. Abb. 95 zeigt ein Beispiel eines 3D
Objekts, welches sich tabellarisch darstellen lsst. Links die Originalfigur, rechts
eine Tabelle mit Schnitten fr unterschiedliche Parameterwerte durch dieses
Objekt. Die Querschnitte sind auf der Diagonalen der Tabelle von unten links nach
oben rechts zu sehen.

Abb. 95 3D Objekt mit tabellarischer Darstellung [Wil 1999]

Continuous Multiplots
Continuous Multiplots finden selten Anwendung, haben jedoch durchaus ihre
Berechtigung. Scatterplots knnen zum Beispiel auf einer Karte positioniert
werden

um

geografischen

die

Beziehungen

Positionen

zu

zwischen

zeigen.

Variablen

Scatterplots

an

von

unterschiedlichen

Scatterplots

knnen

manchmal ebenso Beziehungen zweiter Ordnung unter nicht-rumlichen Daten


enthllen. Abb. 96 zeigt solch einen einen Scatterplot von einem Scatterplot.

Abb. 96 Scatterplot eines Scatterplots [Wil 1999]

140

Scatterplot Matrizen (SPLOMs)


Die Idee der Scatterplot Matrix (SPLOM) wurde von John Hartigan [Har 1975]
entwickelt. Seither wurde sie verschiedene Male wieder entdeckt und wurde am
intensivsten von der Forschungsgruppe am Bell Lab [CCK 1983] [Cle 1985] weiter
entwickelt. SPLOMs ersetzen die Zahlen in einer Kovarianz- oder KorrelationsMatrix durch die Scatterplots der Daten auf denen sie berechnet wurden. Die
meisten SPLOMs sind symmetrisch, jedoch knnen sie ebenso aus rechteckigen
Sub-Matrizen konstruiert werden. Hartigan fgte Scatterplots in die Zellen ein,
welche nicht auf einer Diagonalen liegen und Histogramme in diejenigen, welche
auf der Diagonalen liegen (siehe Abb. 97). Jedoch knnen hierfr auch andere
Grafiken verwendet werden.

Abb. 97 Scatterplot Matrix (SPLOM) [Wil 1999]

Facet Graphen
Bei der Strukturierung der Organisation einer Facette durch eine Funktion, kann
man Grafiken in komplexere oder mageschneiderte Strukturen ausrichten. Siehe
beispielsweise [BP 1989]. Facet Graphen erweitern Zeichenfunktionen wie zum
Beispiel die Funktion Link. Sie bentigen Daten um Graphen von Graphen zu
konstruieren. Wie Karten verwenden Facetten Graphen Sets von Variablen
(relationale Tabellen), welche durch gewhnliche Keys oder Funktionen verlinkt
sind. Die folgenden Beispiele illustrieren, wie dies funktioniert. Organisierende
Charts, Clustering Trees, Prediction-Trees und andere gerichtete Graphen bieten
eine Superstruktur fr das Einbetten von Grafiken. Abb. 98 zeigt zum Beispiel

141

einen Regression Tree [BFO 1984] fr die Vorhersage von Unfallraten von
soziometrischen Variablen, welche von den Staaten der US zusammengetragen
wurden.

Abb. 98 Regression Tree [Wil 1999]

Facet Coordinates
Facetten knnen in verschiedenen Koordinatensystemen eingebettet werden. Die
folgenden Abbildungen zeigen Beispiele hierfr. Das Reflektieren von Facetten
ermglicht es die Vorteile der Symmetrie zu nutzen, um gepaarte Grafiken
gegenberzustellen. Die bekannteste Anwendung dieser Methode ist ein Plot der
Demographen, genannt Population Pyramid [Cox 1986]. Dieser Plot platziert
Age Histogramme Rcken-an-Rcken - eines fr Mnner und ein anderes fr
Frauen. [DF 1977] erweiterten diese Idee zu allgemeinen dualen Histogrammen.
Abb. 99 zeigt eine age-sex Pyramide fr die US.

Abb. 99 Age-Sex Pyramide fr die US [Wil 1999]

142

Abb. 100 zeigt einen Polar Plot eines Polar Plots der Winddaten von Grnland. Der
Plot enthlt zylindrische Trends, welche in einem rechteckigen Time-Series Plot
nur schwer zu erkennen wren.

Abb. 100 Polar Reihe mit Polar Plots [Wil 1999]

Mosaiken sind ein weiteres Beispiel fr Facet Koordinaten. Der Mosaic Plot ist
eine Methode fr die Darstellung kategorischer Daten in einer ContingencyTabelle, deren Zellbereiche sich zur Anzahl der jeweiligen zugrunde liegenden
Daten proportional verhalten [HK 1981] [HK 1984]. Der Mosaic Plot ist vom Typ
Tiling. Er variiert den Bereich jeder Kachel entsprechend einer anderen Variablen fr gewhnlich die Anzahl der Flle, welche diese Kachel reprsentiert. Abb. 101
zeigt einen Two-Way Mosaic Plot, bei dem allerdings in der Darstellung die Achsen
fehlen.

Abb. 101 Two-Way Mosaic Plot [Wil 1999]

143

In einem Mosaic Plot verhlt sich die Breite der Kacheln proportional zu der Anzahl
der Spalten und die Hhe proportional zu der Anzahl der Reihen innerhalb jeder
Spalte.

Mutiple Frame Models


Bei einigen Grafik-Tabellen hat man keine andere Wahl als multiple Frames zu
bilden. [COC 1998] prsentieren eine paneled Grafik - genannt Linked
Micromap Plot - welche fr die Darstellung rumlicher, indexierter statistischer
Zusammenfassungen entwickelt wurde. Abb. 102 zeigt einen Linked Micromap
Plot.

Abb. 102 Linked Micromap Plot [Wil 1999]

144

Facets ermglichen eine groe Vielzahl an tabellarischen Grafiken in einer einzigen


Frame Spezifikation zu konstruieren, jedoch gibt es Grenzen. Einige tabellarische
Grafiken sind in Wirklichkeit zwei oder mehr Grafiken, welche miteinander
kombiniert wurden. Da jedoch gemeinsame Variablen durch eine einzelne
DataView definiert sind, sind all diese Grafiken miteinander verlinkt, z.B. fr
Brushing, Drill-Down und andere Operationen.

Die Kapitel dieses Abschnitts haben Einblick in die Vielfalt der mglichen Grafiken
gegeben. Selbstverstndlich konnten nicht alle Techniken, welche exisitieren, abgedeckt
werden. Die Auswahl der Techniken erfolgte aufgrund des Ziels, mit diesem Abschnitt ein
generelles

Verstndnis

fr

die

Erzeugung

von

Grafiken

und

somit

auch

von

Visualisierungen zu schaffen. Aus diesem Grund wurden vorrangig grundlegende


Techniken erklrt. Eine ausfhrliche Beschreibung jeder einzelnen Techniken war
aufgrund des berblick-Charakters des Kapitels nicht immer mglich. Detaillierte
Beschreibungen finden sich jedoch bei Wilkinson The Grammar of Graphics [Will 1999].

4.2.3 Metaphern

Die grafische Darstellung ist in der Regel das erste, das der Benutzer von einer
Visualisierung, bzw. von einem System wahrnimmt. Um Visualisierungen und die damit
zusammenhngenden Funktionen dem Benutzer verstndlich zu machen, werden
gelegentlich Metaphern benutzt. Dabei kann eine Metapher einem System, bzw. einer
Visualisierung entweder global zugrunde liegen oder partiell, oftmals in Form von
mehreren miteinander kombinierten Metaphern. [Man 2002] behandelt in seiner
Dissertation Visualization of Search Results from the Worls Wide Web die Thematik der
Metaphern und gibt einen kurzen berblick ber Systeme, welche Metaphern nutzen. Die
Inhalte dieses Kapitels sind dieser Arbeit entnommen.
Das Ziel von Metaphern in einem Software System ist es, die Komplexitt des User
Interfaces anhand von spezifischem Wissen, welches Benutzer zu einem frheren
Zeitpunkt in anderen Bereichen erworben haben, zu minimieren. [CMK 1988] Es gibt
zahlreiche Literatur, welche die Vor- und Nachteile der Verwendung von Metaphern
diskutiert. Paper wie [CMK 1988] stellen viele Beispiele zur Verfgung und diskutieren
Metaphern von unterschiedlichen Blickwinkeln aus. Dies beinhaltet beispielsweise Aspekte
zusammengesetzter Metaphern oder auch mgliche Vorzge von Metapherfehldeutungen.
145

Weiterhin zeigen Analysen von Metaphern die Notwenigkeit fr den Benutzer auf, dass
einem Software System nicht nur Metaphern, sondern ein kohrentes und komplettes
mentales Modell, zugrunde liegen sollte. [Stu 1998] veranschaulicht die Rolle von
Metaphern nicht nur fr die Benutzer eines Systems, sondern auch fr Entwickler. Fr
eine Diskussion ber die Nachteile von Metaphern, welche ebenfalls Designaspekte
beinhaltet, siehe [BH 1994][BHP 1996].
Im nachfolgenden Abschnitt gibt [Man 2002] einen kurzen berblick ber die
verschiedenen Ausprgungen von Metaphern, welche in Systemen verwendet werden. Zu
den vorgestellten Metaphern gehren: Book, Bookshelf, Newspaper, City, Landscape,
Rooms, Building, Tower plus Elevator, Guided Tour, Lens, Butterfly, Pile, Galaxy /
Starfield / Universe, Magnet, Sculpture, Television, Wall, Aquarium, Water Flowing.

Die Book-Metapher wird in verschiedenen Systemen verwendet, wie SuperBook,


BOOK HOUSE, WebBook und libViewer. SuperBook / MiteyBook [ERG 1989] ist
beispielsweise ein Hypertext-Browsing-System, welches jedes Dokument als einzelnes
Buch darstellt. Die Texte in Buchformat verfgen ber ein Inhaltsverzeichnis und eine
Reihe von Funktionen, wie Suchfunktionen oder Highlighting von Suchbegriffe innerhalb
des Textes. Das System BOOK HOUSE [Pej 1989], welches eine elektronische
Nachbildung einer realen Bibliothek mit einem Bibliotheksgebude, Rumen und
Menschen

darstellt,

verwendet

die

Abbildung

eines

geffneten

Buches,

um

die

Informationen zu den Dokumenten einer Ergebnisliste zu prsentieren. Die Suche wird in


Form

von

Icons

Klassifizierungssystems

dargestellt,

welche

symbolisieren.

Ein

die

verschiedenen

Kategorien

des

Globus

reprsentiert

beispielsweise

die

geografische Position des Buches, eine Uhr die Zeit oder eine Theatermaske die
emotionale Erfahrung, welche durch ein Buch vermittelt wird. Das WebBook [CRY 1996]
gehrt zum Information Workspace von Web Forager, welcher Teil des Information
Visualizer Systems [RCM 1993] ist. WebBook stellt ein dreidimensionales interaktives
Buch dar, welches HTML Seiten enthlt. Dabei wurden eine Reihe von HTMLEigenschaften adaptiert, wie z.B. die Farbkodierung verschiedenartiger Links, welche
auch die Interaktion mit mehreren Objekten gleichzeitig ermglichen. Darber hinaus
untersttzt das WebBook eine Reihe von Funktionen, die in Anlehnung zur realen Welt
entstanden sind, wie zum Beispiel das Blttern von Seiten und das Einfgen von
Lesezeichen. Zudem ist es dem Benutzer mglich, das Buch so auseinander zu ziehen,
dass alle Seiten parallel zu sehen sind und unter Verwendung einer Fisheye-Technik,
genannt Document Lens [RM 1993], betrachtet werden knnen. In der libViewer
Anwendung, welche Teil des SOMlib Projektes ist, werden die Suchergebnisse eines
Suchsystems als dreidimensionale Bcher dargestellt, wobei die Attribute der Bcher die
146

Metadaten der Dokumente kodieren. Die Anwendung kann auch dazu verwendet werden
die Ergebnisse einer Websuche darzustellen [RB 1999]. Weitere Beispiele fr Systeme,
welche ebenfalls Buchmetaphern verwenden finden sich bei [CRY 1996].

Manche Systeme, wie Web Forager oder libViewer verwenden zustzlich zu der
Book

Metapher

eine

Bookshelf-Metapher.

Web

Forager

bietet

dem

Benutzer

beispielsweise, neben einem direkten Speicherplatz und einem virtuellen Schreibtisch als
Zwischenspeicher, einen tertiren Speicherplatz in Form eines virtuellen Bcherregals,
auf welchem der Benutzer Bcher platzieren kann [RCM 1993]. libViewer verwendet ein
virtuelles Bcherregal um die Bcher (Dokumente) in bestimmter Ordnung oder
Gruppierung darzustellen. Die Bcher knnen so entweder anhand der vorhandenen
Metadaten, wie z.B. Gre oder Relevanz, angeordnet werden oder mit Hilfe eines
neuralen Netzwerks in Form einer Self-Organizing Map [Koh 1998], welche Dokumente
mit hnlichen Themen gruppiert. Jede dieser Gruppierungen wird auf einem einzelnen
Regalbrett im Bcherregal dargestellt, welches mit Hilfe einer sogenannten LabelSOM
Technik beschriftet wird. [Bae 1996] schlgt ebenfalls eine Bookshelf-Metapher vor,
welche er je nach Ausrichtung library oder bookpile nennt. Dabei kann der Benutzer,
hnlich wie im libViewer, Dokumentenattribute, wie Relevanz, Gre oder Alter, auf
grafische Eigenschaften wie Position, Farbe, Breite oder Hhe mappen. In der
Implementation von [AB 1998] wird die library-View auch horizontal bookpile genannt.

Im VOIR (Visualization Of Information Retrieval) System verwendet [Gol 1997]11


eine Newspaper-Metapher fr die Visualisierung von Suchergebnissen, beziehungsweise
fr die Navigation in einem Hypertext. Newspaper-Metaphern kommen vor allem im Web
recht hufig vor. Beispiele hierfr sind elektronische Newspaper oder personalisierte
elektronische Newspaper12. Der besondere Aspekt des VOIR System ist die Verwendung
einer Newspaper-Metapher fr die Visualisierung von Text, welcher im allgemeinen nichts
mit Nachrichten zu tun hat. Die Idee ist, die Metapher einer Newspaper zu nutzten um
Texte, welche miteinander in Beziehung stehen und mittels unterschiedlicher Techniken
ermittelt wurden, zu organisieren.

Die Verwendung einer City-Metapher als konzeptionelle User Interface Metapher


fr groe Informationsrume wurde von [Die 1994] vorgeschlagen. In dem Ansatz einer
Information City beschreiben die Autoren eine Ontologie fr Systeme rumlicher

11

Siehe ebenso [Gol 1997a], [Gol 1997b] und [GC 1997]

12

The Kraktatoa Chronicle [KBA 1995] gehrte vermutlich zu den ersten, welcher neben der Verwendung von

Nachrichten als Content, auch ein Newspaper hnliches Layout hatten.

147

Metaphern und ihren Verknpfungen. Diese Ontologie beinhaltet Container, Landmarks


und Paths in Form von Stadtteilen, Gebuden, Rumen, Tren, Taxis, U-Bahnen und
anderem. Einen berblick, welcher weitere Anwendungen der City-Metapher behandelt
findet sich bei [DFr 1998].

Die Landscape-Metapher wird in einer Reihe von Systemen verwendet, wie zum
Beispiel dem Harmony Hyper-G / Hyper View Browser, der ThemeView im SPIRE System
und den Landscapes in Vineta oder Bead. Der Harmony VRweb 3D Scene Viewer [And
1995] beinhaltet dreidimensionale Landscapes, welche entweder manuell erzeugt wurden
(z.B. eine Karte des Stadtzentrums von Graz, welche Hyperlinks zu Informationen ber
Sehenswrdigkeiten

beinhaltet)

oder

automatisch.

Diese

automatisch

erzeugten

Landscapes werden von den jeweiligen Navigationsschritten oder den Suchanfragen, die
der Benutzer im Hypertext durchfhrt, beeinflusst. Eine zustzliche zweidimensionale
Kartenbersicht hilft dem Benutzer die Orientierung in der dreidimensionalen Landscape
nicht zu verlieren. ThemeView [WTP 1995] ist eine der Views, welche innerhalb des
MVAB (Multidimensional Visualization and Advanced Browsing project) / SPIRE (Spatial
Paradigm for Information Retrieval and Exploration) Projektes entwickelt wurden. Dies
sind abstrakte, dreidimensionale Landscapes, welche durch eine automatische Analyse
des thematischen Inhalts von Dokumentensammlungen erzeugt werden. Die Hhen
innerhalb der Landscape reprsentieren die Menge der zu einer Thematik vorhandenen
Dokumente. Die Visualisierungen des deutschen Prototypen Vineta wurden in einer
frheren Version [Kro 1995] als Sphren in einem 3D Raum beschrieben. Spter benutzt
Vineta auch eine Landscape und eine Galaxy View13 [EK 1997]. Whrend die automatisch
erzeugten Landscapes im Harmony VRweb 3D Scene Viewer wie Sockel und Ksten
aussehen,

welche

mittels

Leitungen

miteinander

verbunden

wurden14,

ruft

die

ThemeView den Eindruck von Bergen oder natrlichem Terrain hervor. Auch das Bead
System

von

[Cha

1993]

verwendet,

hnlich

wie

SPIRE,

eine

Technik

um

hochdimensionale Daten in niedrig-dimensionalen Raum zu prsentieren. Das System


ermittelt hnlichkeiten zwischen Dokumentenpaaren. In der Visualisierung sind die
Dokumente hnlich wie Bume oder kleine Pyramiden ber eine Landscape verteilt.
Dokumente,

welche Keywords enthalten, werden dabei in einer anderen Farbe

dargestellt. In spteren Versionen hnelt die Landscape eher Wrfeln zwischen denen
einzelne Leitungen verlaufen [Cha 1995]. [Bek 1999] verwendet eine Landscape um den
geografischen Rahmen eines elektronischen Einkaufszentrums im VR-emb15 Prototypen

13

Um die Brauchbarkeit und Akzeptanz verschiedener Darstellungsformen besser testen zu knnen, wurden

zwei Modelle realisiert: Die Galaxie (Fig.6 und 7) und die Landschaft (Fig. 5). [EK 1997]
14

Vergleichbar dem FSN (pronounced fusion) 3D File System Navigator fr IRIX, entwickelt von [TS 1992].

15

Virtual Reality electronic mall bodensee (Lake Constance, Germany Switzerland Austria)

148

zu symbolisieren. Die Navigation im elektronischen Einkaufszentrum selbst erfolgt dabei


jedoch innerhalb eines Towers (siehe unten). An der Frontseite des Towers ermglichen
Straenzeichen die Navigation zu Stdten und Institutionen im geografischen Bereich des
Einkaufszentrums. Die Landscape um den Tower herum beinhaltet darber hinaus Autos
und einen Helikopter, welche die Navigation zu anderen Einkaufszentren oder Orten
ermglichen.

[HC 1986] verwenden in ihrem Rooms System eine Rooms-Metapher. Dieses


System erweitert den verfgbaren Bildschirmplatz virtuell, indem es dem Benutzer
ermglicht Fensterpositionen einzurichten, zu sichern und wieder aufzurufen, sowie
andere Funktionen auszufhren. Eine zustzliche Darstellung bietet dem Benutzer einen
berblick ber das gesamte System und ermglicht ihm auch so das Wechseln zwischen
Rumen. Dabei gibt es die so genannten Pockets oder Baggage, welche das
Transportieren der Fenster zwischen den einzelnen Rumen ermglichen. Die Logik der
zweidimensionalen Version des Systems wurde spter in den 3D/Rooms des Information
Visualizer zu einer dreidimensionalen Version erweitert. Dabei wurden die ursprnglichen
Bedienelemente wie Tren fr das Walking16 von einem zum anderen Raum
beibehalten, whrend weitere Funktionen, wie zum Beispiel Zooming, hinzugefgt
wurden [RCM 1993a]. Die Idee der Rooms wurde dabei mit Techniken fr Browsing und
Searching kombiniert. Das bereits erwhnte BOOK HOUSE [Pej 1989] verwendet Rume
um die Suchfunktion in Bereiche wie Kinderbcher oder Erwachsenenbcher zu
strukturieren. Die ersten Schritte des Suchprozesses sind in Form einer Route durch die
verschiedenen Rume angelegt. Die Eingabe fr die Anfrage selbst und die Darstellung
der Suchergebnisse verwenden jedoch andere Metaphern. Auch die Information City
Ontologie umfasst Rooms.

Die Building-Metapher wird hufig in Kombination mit anderen Metaphern bei der
Visualisierung von Suchergebnissen oder fr Browsing verwendet. In [DF 1998] stellen
Gebude den Teil einer Information City Ontologie dar und beinhaltet Rume, Tren oder
Fenster. Im Information Visualizer [RCM 1993a] wird die rumliche Struktur eines
Gebudes als struktureller Browser verwendet. Das BOOK HOUSE nutzt die BuildingMetapher als globale Metapher um das Framework fr die vorhandenen Rume
darzustellen.

16

Walking ist eine zustzliche Metapher, die von [RCM 1993a] verwendet wird.

149

Die Tower plus Elevator-Metapher - eine spezielle Form eines Gebudes - wird, wie
bereits oben erwhnt von [Bek 1999] im VR-emb Prototypen verwendet. Nach dem
Betreten des Turms, findet sich der Benutzer in einem Fahrstuhl wieder, mit dem er die
Mglichkeit hat mittels der Fahrstuhlkontrollen innerhalb des Einkaufszentrums zu
navigieren. Die Teilnehmer des elektronischen Einkaufszentrums bewegen sich virtuell
auf verschiedenen Ebenen des Towers.

[GS 1992] kombinieren die Guided Tour-Metapher von [HA 1987] mit Information
Retrieval Techniken um dynamisch eine Guided Tour als direkte Antwort auf eine
Benutzeranfrage zu erzeugen. Das System ist jedoch auf einen einzelnen Hypertext mit
speziellen Linkkategorien, welche verschiedene Typen von Beziehungen kennzeichnen,
beschrnkt. Der Hauptunterschied zu den meisten anderen Guided Tours liegt jedoch in
der dynamischen Erzeugung der Guided Tour als Antwort auf eine Anfrage.

Wie

bereits

oben

erwhnt,

enthlt

der

Information

Visualizer

ebenfalls

eine

Visualisierung, welche Document Lens [RM 1993] genannt wird. Diese Visualisierung
verwendet fr einen grafischen Fisheye-View der Seiten eines Buches eine LensMetapher. Die Lens-Metapher wird auch fr die See-Through-Tools von [BSF 1994]
verwendet, welche Magic Lenses als Movable Filter enthalten. Diese ndern die Sicht auf
die Objekte, welche sich unter der Lupe, bzw. Linse befinden [SFB 1994] oder werden fr
die Formulierung von Datenbank-Anfragen verwendet [FS 1995]. Die Table Lens [RC
1994] nutzt ebenfalls eine Lens-Metapher fr das Betrachten von Tabellen oder
Ergebnislisten. Obwohl alle diese Systeme eine Lens-Metapher verwenden, gibt es
dennoch Unterschiede zwischen ihnen. Die Table Lens verwendet die Metapher
beispielsweise in abstrakter Form. Obwohl es keine richtig erkennbare Lupe oder Linse
gibt, knnen mittels dieser Funktion Zeilen der Tabelle detaillierter betrachtet werden.
Whrend die See-Through Beispiele von [BSF 1994], [SFB 1994] und [FS 1995] nur
Objekte unter der eigentlichen Lupe, bzw. Linse beeinflusst, verzerrt die Document Lens
alle Seiten des dargestellten Dokuments. Auch das Group Lens System von [RIS 1994]
verwendet eine Lens-Metapher. Die Group Lens ist ein Tool fr das kollaborative Filtern
der Postings von Newsgroups. Das System basiert auf den Ratings der Benutzer und den
Vergleichen der Ratings und Profile. Der Ausdruck Lens fr den Filtermechanismus wird
an dieser Stelle geradezu metaphorisch verwendet.

150

Die Butterfly-Metapher wird von [MRC 1995] im Information Visualizer Projekt


verwendet. Das System ist darauf ausgerichtet asynchrone Anfragen dreier DIALOG
Datenbanken zu untersttzen: Science Citation Index, Social-Science Citation Index und
IEEE Inspec Database. Die Butterfly-Visualisierung zeigt die References eines Artikels als
Venen eines stilisierten linken Flgels und die Articles Citers als Venen eines
stilisierten rechten Flgels von einem Schmetterling.

Die Pile-Metapher wird in einer Reihe von Systemen verwendet, um Suchergebnisse


zu visualisieren. [RMO 1993] verwenden die Metapher A Pile of Documents, welche in
[MSW 1992] prsentiert wird, fr den Prototypen eines Tools, welches die Organisation
von Information auf einem Macintosh untersttzt. Neben den Mglichkeiten der
manuellen Organisation der Dokumente in Piles17, umfasst das System ebenso
Mechanismen fr die automatische Archivierung und Indexierung von Dokumenten. Der
Prototyp

untersttzt

Funktionen,

wie

Wechseln

von

Dokumenten,

Ordnen

oder

automatisches Erzeugen von Untergruppen der Piles. [BSh 1995] entwickelten einen
Browser

namens

DeckScape,

welcher

auf

einer

Deck-Metapher

basiert.

Dieser

reprsentiert Web Dokumente in Form von einfachen gestapelten Rechtecken, welche die
Titel der Dokumente enthalten. Das System untersttzt Mechanismen, wie zum Beispiel
das Einfgen von gelesenen Dokumenten in einen Stapel oder das Expand One Level
Kommando, wodurch alle Links auf einer bestimmten Seite ausgefhrt und die
entsprechenden Ergebnisseiten in einem neuen Stapel abgelegt werden. Wie bereits
erwhnt, nannte [Bae 1996] / [AB 1998] seine Library View auch Horizontal Bookpile,
wenn sie horizontal ausgerichtet war, oder nur Bookpile bei vertikaler Ausrichtung. Die
Butterfly-Metapher [MRC 1995], als Teil des Information Visualizer Projektes, verwendet
ebenfalls eine Pile-Metapher in Form eines stilisierten Pile unterhalb des Schmetterlings,
auf dem Artikel aufgestapelt werden, welche der Benutzer selektiert hat.

Eine Galaxy-, Starfield- oder Universe-Metapher wird in einer Reihe von


Systemen verwendet, wie den Galaxies im SPIRE System und in Vineta. [WTP 1995]
beschreiben die Galaxies, welche in SPIRE verwendet werden als zweidimensionale
Scatterplots mit Docupoints, welche Sterne am Nachthimmel hneln. Sie zeigen die
Wechselwirkungen zwischen Clustern und Dokumenten durch die Reduzierung einer

17

[RCL 1998] implementierten ebenfalls einen Prototypen, welcher es Benutzern ermglicht, Dokumente in

Piles zu organisieren. Das System wird fr Bookmarks verwendet. Jedoch sprechen sie nicht von einer PileMetapher, sondern verwenden stattdessen den Ausdruck Data Mountain, da der Benutzer einen virtuellen
Berg in Form einer schrgen Flche hat um die Thumnbails der Dokumente abzulegen und zu organisieren.

151

hochdimensionalen Reprsentation auf zwei Dimensionen. Die Cluster sind mit so


genannten Key Terms gekennzeichnet. Je hnlicher sich zwei Dokumente oder Cluster
sind, desto nher liegen sie in der Visualisierung beieinander. Die Galaxies in Vineta [EK
1997] wurden in 3D implementiert. Die Verwendung der Metapher ist hier abstrakter als
bei den Galaxies von SPIRE, die Hauptkonzepte sind jedoch dieselben.

[ML 1997] verwenden im WebVIBE System eine Magnet-Metapher, um die


Referenzpunkte / Points of Interest (POIs), welche Dokumente in einem virtuellen 2DDokumentenraum anziehen, zu symbolisieren.

Der Information Visuslizer [RCM 1993] beinhaltet auch eine Sculpture-Metapher fr


eine Visualisierung, welche Data Sculpture genannt wird. Diese visualisiert in einem
Beispiel 65.000 Punkte eines Datensatzes in Form einer Skulptur in einem Museum. Die
Visualisierung stellt eine dreidimensionale Oberflchenzeichnung dar, welche es dem
Benutzer ermglicht sich um das Objekt herum zu bewegen.

Beeinflusst vom FRIEND2118 Projekt [NU 1991] wird beim WebStage Prototypen
eine Television-Metapher verwendet [YHM 1997]. Ziel des Projektes ist es, die
Benutzeroperationen zu reduzieren, welche ntig sind um Zugang zum Web zu erhalten.
Die Idee dabei ist, Informationen von Webseiten im Stil von Fernsehprogrammen zu
prsentieren.

Beispiele

hierfr

sind

Darstellung

von

Titeln

und

berschriften,

gesprochene Texte oder die Verwendung von Musik oder Sound Effekten entsprechend
der jeweiligen Informationstypen19. Auch die Suche oder Selektion von Webseiten ist in
einem TV-hnlichen Stil implementiert. Beispiele hierfr sind die Anordnung von URLs in
ber den Tag verteilte Zeitspannen oder das automatische Starten einer gerade aktuellen
Prsentation whrend der Aktivierung des Systems. Cluster mit URLs, welche auf einer
Fernsehbedienung dargestellt werden, knnen durch die Verwendung von anderen WebSuchmachinen oder Datenverzeichnis-Services abgefragt werden.

18

FRIEND21 = Future Personalized Information Environment Development Projekt, initiiert 1988 vom

Japanischen Ministerium fr internationalen Handel und Industrie


19

[Bec 1999] beschrieb ebenfalls die Idee Hintergrundmusik zu verwenden. Im Fall des VR-emb sollen

verschiedene Arten von Hintergrundmusik dem Benutzer die Orientierung im elektronischen Einkaufszentrum
erleichtern.

152

Der Einsatz einer Wall-Metapher im Information Visualizer von [MRCa 1991] in


Form einer Perspective Wall, hat das Ziel zwei prinzipielle Probleme bei Visualisierungen
von groen Mengen linear strukturierter Daten zu lsen: die Darstellung groer Mengen
an Information und die Schwierigkeit der Aufteilung einer linearen Struktur auf einem
Bildschirm [RCM 1993]. Die Visualisierung kombiniert eine detaillierte mit einer
kontextuellen Sicht. In der Implementation wird die horizontale Dimension fr die Zeit
benutzt und die vertikale um die Schichten in einem Informationsraum zu visualisieren.
Beispiele hierfr sind Visualisierungen von Dateien mit dem nderungsdatum in der
horizontalen Achse und dem Dateityp in der vertikalen Achse. Die Perspective Wall stellt
eine Variante eines eindimensionalen Bifocal Displays dar, welches bei [SA 1982]
vorgestellt wird. Das Bifocal Display verwendet keine Wall-Metapher und hat fr die
Bereiche ausserhalb des Fokus eine konstante Verkleinerungsrate, im Gegensatz zur
Perspective Wall, die in diesem Bereich mit einer zunehmenden Verkleinerungsrate
arbeitet. [MRCa 1991] verwenden fr die Erklrung der Funktionalitt der Perspective
Wall zahlreiche andere Metaphern. So vergleichen sie die Navigation auf der Wall mit den
Saiten eines Klaviers und das Verhltnis zwischen detaillierter und kontextueller
Information mit den Eigenschaften einer Gummiunterlage oder Plastikfolie. Die Metapher
eines Rubber Sheet wird auch von anderen Autoren verwendet um die Funktionalitt
ihrer Systeme zu erklren. Beispiele sind [JS 1995] fr den Filmfinder (rubber mat,
rubber carpet) oder [BHP 1996 ] fr Pad++ (rubber sheet). [LA 1994] verwenden die
Rubber Sheet-Metapher um die Prsentationstechnik der Distorsion im allgemeinen
zu erklren und nennen weitere Visualisierungen, welche eine solche Technik einsetzen.

[BG 2000] verwenden fr das Interface eines groen Online Stores eine
Aquarium-Metapher. Das Interface untersttzt eine Mischung aus Browsing und
Searching, welches sie opportunistic exploration nennen. Die Motivation fr ihr Projekt
lag in den Mngeln der Gebrauchstauglichkeit aktueller Stores, die sie wie folgt
kommentierten: This is not shopping; this is information retrieval and order entry. Das
neue Interface zeigt Produkte vor einem Hintergrund, welcher einem blauen Aquarium
hnelt, der sich, hnlich wie Fische, langsam und zumeist zufllig bewegt. Die Auswahl
der Produkte erfolgt durch ein Relevance Feedback oder kann durch eine Suchanfrage
verndert werden. Ohne die Benutzerinteraktion ndert sich der Inhalt automatisch um
die Vielfalt der Produktwelt zu zeigen. Das System untersttzt auch Funktionen von
Hypertext Browsern, wie Bookmarks sowie das vorwrts oder rckwrts Navigieren.

153

Die letzte Metapher, welche hier vorgestellt wird ist die Water Flowing-Metapher.
Dabei flieen Dokumente durch eine Reihe von Rhren und Filtern. Das Konzept,
welches auch bekannt ist als Filter/Flow, wird bei [Shn 1991] / [YS 1993] verwendet, um
Probleme bei der Formulierung von Booleschen Anfragen entgegenzuwirken. Die Idee
dabei ist, dass die Filter nur die in Frage kommenden Dokumente durchlassen und das
Layout der Rhren bestimmt, ob die Beziehung AND oder OR lautet. Der Ansatz
ermglicht ebenso das Speichern und Wiederverwenden von Kombinationen von Filtern
und Rhren, so dass diese bei anderen Anfragen wiederverwendet werden knnen.

Die Vielfalt an Metaphern, welche in der Literatur gefunden und oben dargestellt wurden,
illustriert

die

Vielzahl

an

Mglichkeiten

fr

die

Visualisierung

von

Anfragen,

Suchergebnissen oder Browsing. Es wurde gezeigt, dass eine Metapher hinter einem
ganzen System stehen kann, hinter einer einzelnen Visualisierung oder auch einem Teil
einer Visualisierung. Jedoch existieren auch zahlreiche Visualisierungsmglichkeiten ohne
die explizite Verwendung von Metaphern.
Das folgende Kapitel soll nun einen kleinen Einblick in die Welt der Visualisierungen und
Visualisierungsssysteme geben. Wenn schon die Anzahl der verschiedenen Techniken und
Metaphern hoch war, so liegt die Anzahl der Umsetzungen und Ausprgungen in diesem
Bereich noch um ein Vielfaches hher.

154

4.3 Einsatzmglichkeiten der Techniken

Dieses Kapitel beinhaltet eine Sammlung von Visualisierungen, welche praktische


und/oder exemplarische Beispiele der zuvor beschriebenen Techniken beinhalten.
Idealerweise htte an dieser Stelle eine explizite Verknpfung zum Technikkapitel der
Visualisierungen (Kapitel 4.2) stattgefunden. Das heisst, fr jede der dort aufgefhrten
grundlegenden Visualisierungstechniken wre an dieser Stelle eine entsprechende
Beispielvisualisierung vorgestellt worden, welche diese Technik beinhaltet und so die
Einsatzmglichkeiten dieser Visualisierungstechnik aufzeigen wrde. Da diese Techniken
jedoch sehr grundlegender Art sind, wre der Fokus der an dieser Stelle aufgefhrten
Visualisierungen nicht auf einer Auswahl der in der Community der Information
Visualization bekanntesten Visualisierungen gelegen, sondern wrde lediglich der
weiteren Erklrung der grundlegenden Techniken dienen. Demnach htte diese Auswahl
grtenteils

eher weniger bekannte Visualisierungen

enthalten, welche aber die

jeweiligen Techniken explizit veranschaulicht htten. Um aber einen berblickartigen


Eindruck von den derzeit existenten und auch prominenten Visualisierungen zu erhalten,
welche auch in der Community der Information Visualization viel diskutiert sind, werden
an dieser Stelle primr Visualisierungen aufgefhrt, welche einen entsprechend hohen
Bekanntheitsgrads genieen. Diese Visualisierungen enthalten aber nicht zwangslufig,
eine der vorgestellten Techniken aus Kapitel 4.2. Aus diesem Grund wurde im Kapitel der
Visualisierungstechniken von Daten bereits eine umfassende Menge an visuellen
Beispielen geliefert, um dieses Defizit wieder auszugleichen. Darber hinaus, ist auch die
Zuordnung der Techniken, wie auch schon Wilkinson erwhnt, nur aufgrund von
Abbildungen der Visualisierung manchmal schwierig. Oftmals erfordert die genaue
Zuordnung der Techniken die Interaktion mit der Visualisierung selbst, bzw. detaillierte
Kenntnisse ber deren zugrundeliegenden Daten. Einige der zuvor aufgefhrten
Techniken werden dennoch in diesem Kapitel referenzierend angefhrt. Wie schon in der
Motivation beschrieben, wre an dieser Stelle die Fokussierung auf ein weiteres Kapitel
wnschenswert gewesen, welches auf allgemeiner Basis Konzepte zur Visualisierung von
Daten speziell aus dem Bereich der Information Visualization vorstellt. Entsprechend
htten diese Konzepte dann in den Beispielvisualisierungen referenzierend aufgefhrt
werden knnen.

Die Techniken zur Visualisierung von Daten aus Kapitel 4.2 sind, wie bereits erwhnt,
sehr grundlegender Art und bieten in erster Linie eine Basis fr das Verstndnis bezglich
der Erzeugung von Grafiken und Visualisierungen. Aufbauend auf diesen grundlegenden
Techniken wurden eine Vielzahl von Visualisierungsideen entwickelt. Diese Ideen
erfuhren zum Teil unterschiedlichste Grade an Ausarbeitung. So wurden manche
155

Visualisierungsideen beispielsweise im Laufe der Zeit stets weiterentwickelt und


zunehmend verbessert oder auch von anderen Forschern aufgegriffen und modifiziert.
Andere

wurden

miteinander

kombiniert

oder

wirkten

beeinflussend

auf

andere

Visualisierungen ein. Wieder andere fanden kaum Beachtung oder sind auf spezifische
Anwendungsflle spezialisiert. Aus diesem Grund gibt es heute eine Vielzahl von
Visualisierungen in den unterschiedlichsten Ausprgungen, welche von Ideen, die bisher
lediglich als theoretische Konstrukte auf Papierbasis existieren, ber Protoypen bis hin zu
Umsetzungen in kommerziellen Produkten in Form von Applikationen reichen.
Es soll nun Einblick in die Welt der Visualisierungen gegeben werden. Unter den
angefhrten Beispielen befinden sich Visualisierungen unterschiedlichster Art und
unterschiedlichster Ausprgung. Viele Visualisierungen sind relativ komplex und nutzen
eine Vielzahl an Visualisierungsideen, andere wiederum knnten fr sich selbst betrachtet
wieder als Technik, bzw. Konzept beschrieben werden, da sie in zahlreichen anderen
Visualiserungen

Anwendung

gefunden

haben.

Aus

diesem

Grund

knnen

sich

Visualisierungen durchaus auch untereinander referenzieren. Die Visualisierungen selbst


werden nur knapp beschrieben, da eine detaillierte Beschreibung aufgrund der
Komplexitt vieler Visualisierungen ber den Rahmen dieser Arbeit hinausginge. Fr
detaillierte Informationen ber die jeweiligen Visualisierungen werden daher Hinweise auf
weiterfhrende Informationen gegeben. Aufgrund der enormen Vielzahl an existierenden
Visualisierungen kann an dieser Stelle nur ein kleiner Einblick gewhrt werden. Die
Auswahl der hier aufgefhrten Visualisierungssysteme erfolgte primr aufgrund des
Bekanntheitsgrades der jeweiligen Visualisierung, bzw. sekundr aufgrund der darin
enthaltenen Technik. Fr einen Einblick der ber dieses Kapitel hinausgeht, werden die
folgenden Online-Sammlungen fr Visualisierungen empfohlen:

MIKY (MIKY database - Information Visualization and Visualization Techniques)


http://www.imv.is.ocha.ac.jp/~miky/
oder
http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/index.html

OLIVE (On-line Library of Information Visualization Environments)


http://otal.umd.edu/Olive
Diese Sammlungen fhren referenzierend eine groe Anzahl an Visualisierungsideen, systemen und Projekten in diesem Bereich auf und bilden so einen guten Ausgangspunkt
fr weitere Recherchen im Bereich der Thematik der Visualiserung von Daten.

156

Um die Vielzahl der Visualisierungen nicht nur im Detail darzustellen, sondern auch einen
konzeptionellen berblick zu erhalten, ist es erforderlich die groe Vielzahl an
Visualisierungen zu strukturieren. Ein oftmals verwendeter Ansatz hierfr ist, die
Klassifizierung anhand der zugrundeliegenden Daten der jeweiligen Visualisierung.
Daten, die visualisiert werden sollen, knnen sehr ungleich sein. Dabei kann es sich
ebenso um Messdaten bezglich der jhrlichen Flchenreduktion der Polarkappen, um die
Verbraucherdaten einer groen Handelkette als auch um das Netzwerk der Pariser Metro
oder die Baukomponenten eines Automobils handeln. [Spe 2001].

Da das Ziel von Visualisierungen ist, Daten in visuelle Formate zu transformieren, ist es
hilfreich in diesem Zusammenhang einige Datentypen zu definieren, anhand derer die
Kategorisierung vorgenommen werden kann. Jedoch ist schon die Terminologie von
Daten in der Literatur nicht konsistent (Gallop, 1994; Wong, Crabb, and Bergeron,
1996), da sie von einer Vielzahl von Disziplinen erzeugt wird Mathematik, Statistik,
Ingenieurwissenschaften oder den Computerwissenschaften. [CMS 1999] Entsprechend
existiert auch keine eindeutige Klassifizierung von Daten, da dies stark mit der
Klassifizierung von Wissen zusammenhngt, welches eine sehr sensible Aufgabe darstellt
[War 1999]. Aus diesem Grund existieren auch hier verschiedene Anstze in der
Literatur, was die Klassifizierung von Daten angeht. [Shn 1996] entwickelte fr die
Lsung dieses Problems eine Task by Data Type Taxonomy (TTT) for Information
Visualization, die unter anderem eine Unterscheidung der existierenden Datentypen von
Visualisierungen in insgesamt sieben verschiedene Kategorien (one-, two-, threedimensional data, temporal and multi-dimensional, and tree and network data)
vornimmt.
Nachfolgend wird nun diese Klassifizierung von [Shn 1996] nher vorgestellt und anhand
dieser die Visualisierungen, welche bei den Recherchen gefunden wurden eingeteilt.

4.3.1 Task by Data Type Taxonomy for Information Visualization


Die Idee hinter der Task by Data Type Taxonomy for Information Visualization ist, die
Datentypen von Visualisierungen und die Aufgaben, die durch sie untersttzt werden
mssen, zu identifizieren. [Shn 1996] setzt fr seine Taxonomie voraus, dass Benutzer
Objekt-Sammlungen betrachten, in denen die Objekte mehrere Attribute besitzen.
Attribute eines Objektes knnen zum Beispiel die Lnge eines Spielfilms oder die Sprache
sein. Bei allen sieben Datentypen der Taxonomie (one-, two-, three-dimensional data,
temporal and multi-dimensional, and tree and network data) besitzen die Objekte
Attribute und das Selektieren aller Objekte, welche einer Gruppe von Attributen
entsprechen, stellt eine grundstzliche Suchaufgabe dar.
157

Die insgesamt sieben Aufgaben (Tasks), die Visualisierungen prinzipiell untersttzen


sollten, befinden sich auf einem hohen Grad der Abstraktion. Eine kurze bersicht ber
diese Aufgaben (Tasks) findet sich Tab. 11 und ber die verschiedenen Datentypen in
Tab. 12.

Task

Description

Overview

Gain an overview of the entire collection.

Zoom

Zoom in on items of interest.

Filter

Filter out uninteresting items.

Details-on-demand

Select an item or group and get details when needed.

Relate

View relationships among items.

History

Keep a history of actions to support undo, replay, and


progressive refinement.

Extract

Allow extraction of subcollections and of the query


parameters
Tab. 11 Tasks der TTT [Shn 1996]

Data type

Examples

1-D Linear

Textual documents, program source code, alphabetical lists of


names.

2-D Map

Planar or map data include geographic maps, floor plans,


newspaper layouts.

3-D World

Real-world objects such as molecules, the human body,


buildings

Temporal

Timelines used in medical records, project management,


historical presentations. Special form of 1-D Linear.

MultiDimensional

Relational- and statistical-database contents.

Tree

Hierarchies and tree structures, with each item having a link


to one parent item (except root)

Network

Network structures with items linked to an arbitrary number


of other items
Tab. 12 Datentypen der TTT [Man 2001]

158

Es erfolgt nun eine detailliertere Beschreibung der sieben Datentypen und die Vorstellung
der Rechercheergebnisse in Bezug auf Visualisierungen zu den jeweiligen Bereichen.
Diese Reflektion der sieben Datentypen stellt eine Abstraktion der Realitt dar. Es
existieren viele Variationen zu diesen Themen (2 oder 4D Daten, Multi-Trees,) und
viele Visualisierungen benutzen Kombinationen dieser Datentypen. [Shn 1996] Weiterhin
kann es vorkommen, dass die zugrundeliegenden Datentypen in einer anderesdimensionierten Umgebung prsentiert werden, wie zum Beispiel multidimensionale oder
dreidimensionale

Daten

in

einem

zweidimensionalen

Modell.

Die

Kategorisierung

orientiert sich dann oftmals am Hauptnutzen der Anwendung. Die Zuordnung der
Visualisierungen in die jeweiligen Kategorien ist also nicht immer eindeutig mglich und
die bergnge zuweilen flieend. [OLI 2003]

4.3.2 Datentypen der Task by Data Type Taxonomy


4.3.2.1 Eindimensional

Eindimensionale, also lineare Daten treten zumeist in Form von oftmals textbasierten
sequentiellen Listen auf. Dies knnen beispielsweise Textdokumente, Programmquellcode, Programmverzeichnisse, Dokumente mit Suchergebnissen oder alphabetische
Namenslisten sein. [Shn 1996] blichweise werden solche Dokumente durch das Scrollen
durch lange Listen, welche oftmals von einem Art Ordnungssystem fr die Navigation
untersttzt wird oder durch die Verwendung von Slidern charakterisiert. [OLI 2003]
Jedes Objekt in der Sammlung wird durch eine Textzeile, welche einen String mit
Charakteren beinhaltet, reprsentiert. Zustzliche Zeilenattribute knnen beispielsweise
das Datum des letzten Updates oder der Autorenname sein. Aspekte bezglich des
Interfaces sind Fontart, Farbe, Gre und welche Art von bersichts-, Scrolling- oder
Selektionsmethoden verwendet werden. Hufig auftretende Probleme bei diesem
Datentyp sind: das Auffinden von bestimmten Objekten mit bestimmten Attributen oder
das Betrachten eines Objektes mit all seinen Attributen. [Shn 1996]

4.3.2.2 Zweidimensional

Die zweidimensionale Umgebung kombiniert zweidimensionale Datenreprsentationen


mit zweidimensionalen Datentypen. Beispiele fr Anwendungen sind geografische Karten,
Charts,

Grundplne,

Zeitungslayouts,

Computerchip

Design

und

Fotografie.

159

Jedes einzelne Objekt deckt einen Teilbereich des zur Verfgung stehenden Raumes zum
Beispiel in Form eines Rechtecks ab. Jedes dieser Objekte verfgt ber Attribute, wie
Name, Besitzer oder Wert und hat Merkmale das Interface betreffend, wie Gre, Farbe,
Deckfhigkeit (Deckkraft), u.s.w. [Shn 1996] Zweidimensionale Datentypen visualisieren
die gesamte Anzahl der Attribute, welche in die visuelle Umgebung miteingebunden sind.
Beispiele

sind

Lngen-

und

Breitengrade,

Breite

und

Hhe,

etc.

Attribute

wie

Lokalisierung, Gre und Distanz eignen sich besonders fr die Darstellung in einer
zweidimensionalen Umgebung. [OLI 2003] Der zweidimensionale Scattergraph oder
Scatterplot ist eine der gebruchlichsten Formen der 2D Visualisierung. Die zwei Achsen
knnen sowohl fr die individuellen Graphen verwendet werden als auch um die beiden
Graphen im Raum zu bilden. Eine andere Art von der Verwendung der 2D Achsen ist die
Erzeugung einer Topographie. Dies kann in Form einer Reprsentation einer grafischen
Tabelle

erfolgen

oder

als

reale

Topographie

wie

in

einem

geografischen

Informationssystems (GIS). [CMS 1999] Probleme, die in diesem Bereich fr Benutzer


auftreten knnen, beziehen sich auf das Auffinden von angrenzenden Objekten,
Abgrenzungen zwischen den einzelnen Objekten und den Grundtasks des Zhlen, Filtern
und Details-on-Demand.

4.3.2.3 Dreidimensional

Ein Ausdruck, welcher fr diesen Bereich hufig verwendet wird ist 3D-World. Dies
drckt aus, dass reale Objekte dargestellt werden, wie menschliche Krper, Gebude
oder Molekle, aus denen der Benutzer Informationen extrahieren kann. [OLI 2003]
Dreidimensionale visuelle Strukturen basieren in erster Linie auf physikalischen Daten.
Diese Darstellungen knnen aus drei Achsen bestehen um eine Informationslandschaft zu
erzeugen, als auch diese Achsen abstrakt verwenden. Die Visualisierung von physischen
Objekten kann auch als Trger dienen, auf welchem abstrakte Daten organisiert werden.
D.h. das physikalische Objekt dient in diesem Fall als bersicht fr die Organisation der
abstrakten Informationen (berschneidung von Scientific Visualization und Information
Visualization). [CMS 1999] In dreidimensionalen Anwendungen mssen die Benutzer bei
der Betrachtung von Objekten mit dem Verstndnis der Positionierung und Orientierung
sowie Problemen der Absorption fertig werden. Lsungen zu einigen dieser Probleme
werden in vielen Prototypen durch Techniken wie Overviews, Landmarks, Perspektiven,
Stereodisplay, Transparenz und Farbkodierung vorgeschlagen. [Shn 1996]

160

4.3.2.4 Temporal

Die Verwendung von temporalen Informationsvisualisierungen hat zwei fundamentale


Qualitten: die Tatsche, dass temporale Events entweder simultan oder berlappend
ablaufen knnen sowie die zugrundeliegende multiple Skalierung von temporalen Daten,
welche sowohl sehr feine als auch grobe Maeinheiten (rangierend von einer Sekunde bis
mehreren Jahrhunderten) erfordert. Beispiele temporaler Visualisierungen umfassen
Animationen, Zeitlinien, Video Reprsentation und Video Manipulation, medizinische
Aufnahmen,

Projektmanagement

oder

historischen

Prsentationen.

Temporale

Visualisierungen bentigen Daten, welche im Laufe der Zeit modifiziert wurden und
prsentieren basierend auf einem spezifischen Zeitrahmen und Informationen, welche fr
die Ansicht gewnscht werden, Sichten, welche schnell und dynamisch verndert werden
knnen. Dies ermglicht dem Benutzer eine grere Kontrolle ber die Informationen, als
wenn

die

Daten

in

einer

typischen

statischen

Wiedergabe

prsentiert

werden.

Insbesondere kann der Benutzer die Zeit manipulieren und die zeitliche Sortierung der
Information ndern, um somit neue Muster und/oder Sichten auf die Daten zu finden.
[OLI 2003] Hufige Aufgaben temporaler Visualisierungen beinhalten das Auffinden von
allen Ereignissen entweder vor, nach oder whrend Zeitperioden oder -punkten, sowie
den Grundtasks. [Shn 1996]

4.3.2.5 Multi-Dimensional

Die meisten Visualisierungen besitzen multivariable Datentabellen, welche zu viele


Variablen enthalten, als dass sie direkt in 1D, 2D und 3D Strukturen kodiert werden
knnten. Fr die Kodierung dieser Datentabellen bedarf es neuer Techniken. [CMS 1999]
Die meisten relationalen und statistischen Datenbestnde werden als mehrdimensionale
Daten, bei denen Objekte mit n Attributen Punkte in einem n-dimensionalen Raum sind,
gehandhabt. [Shn 1996] Jedes dieser Objektes besitzt mehr als drei Attribute. 1D, 2D,
3D und temporale Informationsvisualisierungs-Schemata knnen als Teilmengen von
multidimensionalen Visualisierungen betrachtet werden. [OLI 2003]

Multidimensionale

Visualisierungen prsentieren Daten, welche in erster Linie nicht rumlich sind. Beispiele
fr Anwendungen von multidimensionalen Visualisierungsschemas knnen AktienmarktStatistiken, eine Gruppe von Bchern in einer Bibliothek, eine Filmdatenbank und
zumeist

irgendwelche

abstrakten

und

statistischen

Informationen

ber

irgendein
161

Phnomen sein. Attribute in multidimensionalen Visualisierungen sollten keine explizite


Struktur oder Beziehungen untereinander haben, daher haben auch Datenstze, welche
zu einer unmittelbaren Hierarchie oder einer Netzwerkstruktur fhren ihre eigenen
Kategorien.

[OLI

2003]

Scientific

Visualization

arbeitet

hufig

ebenfalls

mit

multidimensionalen Daten, jedoch setzen die meisten der Datenstze, welche in diesem
Bereich verwendet werden, rumliche Attribute von Daten fr Visualisierungszwecke ein.
Dennoch sind Kombinationen aus der Scientific Visualization und multidimensionalen
Anstzen denkbar. [OLI 2003] Tasks, welche hufig mit solchen Anwendungen bearbeitet
werden, beinhalten das Auffinden von Mustern, Clustern, Querbeziehungen unter
Variabelenpaaren, Lcken und Sonderfllen. Damit verbundene Probleme fr den
Benutzer sind oftmals Desorientierung und Absorption. Mehrdimensionale Daten knnen
zum Beispiel durch zweidimensionale Spreadsheets, welche jede zustzliche Dimension
durch einen Slider kontrollieren (Ahlberg und Shneidermann, 1994), durch Buttons zur
Kontrolle der Attributswerte, fr den Fall, dass die Kardialitt relativ klein ist oder durch
Parallelkoordinaten prsentiert werden.

4.3.2.6 Tree

Hierarchien, auch bekannt als Baumstrukturen (Trees) sind Sammlungen von Objekten,
bei welchen jedes einzelne der Objekte in einer hierarchischen Beziehung zu einem
anderen Objekt steht. Hierarchische Daten sind sehr facettenreich und sind daher in
vielen Formen anzutreffen. Hierarchien tauchen natrlicherweise in Taxonomien, in
Strukturen von Organisationen, bei der Verwaltung von Speicherplatz, in der Genealogie
und dem Dewey Dezimalsystem auf. Traditionelle Prsentationen von Hierarchien
bestehen fr gewhnlich aus 2D Reprsentationen, in welchen die Knoten in Keilfrmiger
Formation

positioniert

werden.

[OLI

2003]

Visuelle

Tree

Strukturen

kodieren

hierarchische Daten typischerweise durch die Verwendung von Verbindungen oder


Eingrenzungen. [CMS 1999] Jedes Objekt besitzt einen Link zu einem Vater-Objekt
(Vorgnger) - auer dem Root-Objekt. Objekte und Links zwischen Vater und Kind
knnen mehrere Attribute haben. Die gesamte Struktur der Hierarchie und seine
umgebenden Beziehungen sind in der Regel ebenso relevant. Hierarchien knnen einen
speziellen Fall eines Networks darstellen - ausgenommen der Definition von Hierarchien,
welche duale Wege und Kreise verhindern. Auerdem hat in einer Hierarchie jedes Objekt
einen einzigartigen Weg zum Root-Objekt, was in einem Network nicht garantiert wird.
[OLI 2003] Tasks knnen einzelnen Objekten, Links, einer Gruppe von Objekten oder der
gesamten Struktur zugeordnet werden. Mgliche Interfacereprsentationen von Trees
sind: eingerckte Label wie in Inhaltsangaben, Node-Link-Diagramme, oder eine
162

Treemap Struktur. [CMS 1999] Probleme der Benutzer bei solchen Trees knnen
Desorientierung, die Navigation und das Auffinden spezifischer Knoten in solch einer
Struktur sein. [OLI 2003]

4.3.2.7 Network

Manchmal

knnen

Beziehungen

zwischen

Objekten

nicht

befriedigend

mit

einer

Baumstruktur festgehalten werden und es erweist sich als ntzlich, Objekte mit einer
angemessenen Anzahl anderer Objekte zu verlinken. Obwohl einige Spezialflle von
Networks existieren (azyklisch, Gitter, mit Rootknoten und ohne, gerichtet vs. ungerichtet), werden alle als ein Datentyp betrachtet. [Shn 1996] Network Visualisierungen
werden oftmals benutzt um Kommunikationsnetzwerke wie Telefonssysteme oder das
World Wide Web zu beschreiben. [CMS 1999] Das Ziel von Network Visualisierungen
beinhaltet das Erhalten von Einsicht in eine Struktur, welche aus vielen Datenobjekten
bestehen knnte. Networks bestehen aus Knoten und Links Knoten, welche einen
Datenpunkt reprsentieren und Links, welche eine Beziehung zwischen zwei Knoten
reprsentieren. Viele der frhen Arbeiten in diesem Bereich stammen aus dem Gebiet der
Graphen. Ein Graph mit wenigen Punkten ist einfach zu zeichnen und visuell zu
verstehen, jedoch mssen gegenwrtige Tools mit groen Datenstze umgehen knnen,
welche wiederum dazu tendieren viele ihrer Informationen zu verstecken. [OLI 2003]
Zustzlich zu den Grundtasks, welche den Objekten und Links zugeordnet werden
knnen, wollen die Benutzer solcher Strukturen oftmals etwas ber die krzesten oder
kostengnstigsten Wege, welche zwei Objekte verbindet, erfahren oder sie wollen das
gesamte Network traversieren. [Shn 1996] Hufig wird die Struktur eines Networks in
Diagrammen reprsentiert. Die meisten Interface Reprsentationen beinhalten die
folgenden

Arten

von

Visualisierungstechniken

node-and-link
fgen

auch

Diagrammen:

Animationen,

2D

Verzerrung

oder
oder

3D.
fest

Einige
verlinkte

Overview-Fenster hinzu, um mehr Information ber ein Network darzustellen. [OLI 2003]

163

4.3.3 Visualisierungen

Der

folgende

Abschnitt

listet

einige

Visualisierungen

auf,

welche

whrend

der

Recherchearbeiten gefunden wurden. Aufgrund der immensen Vielzahl an existenten


Visualisierungen kann an dieser Stelle lediglich ein kleiner Einblick in die Welt der
Visualisierungen gegeben werden. Die folgende Auswahl versucht mglichst viele
verschiedenartige

Visualisierungen

zu

beschreiben.

Manchmal

bedienen

sich

unterschiedliche Visualisierungssysteme jedoch derselben oder hnlicher Visualisierungsideen. Eine redundante Nennung derselben Visualisierungsidee wurde bewusst versucht
zu vermeiden. Die Darstellung der folgenden Visualisierungen erfolgt mittels Nennung
der jeweiligen Autoren, einer knappen Erklrung, welche einen Einblick in die jeweilige
Visualisierungsidee geben soll, der Nennung von Anwendungsbereichen, den in der
Visualisierung verwendeter Visualisierungstechniken, sowie Quellenangaben, unter denen
weitere Informationen zu der jeweiligen Visualisierung zu finden sind. Die Ordnung der
hier

vorgestellten

Visualisierungen

erfolgt

nach

der

Klassifizierung

anhand

der

zugrundeliegenden Datentypen nach der Task by Data Typ Taxonomy von Shneiderman.
Innerhalb der jeweiligen Kategorien unterliegen die Visualisierungen einer alphabetischen
Ordnung.

Weiterhin

Visualisierungssysteme,
Visualisierungen

gilt

zu

welche

bestehen,

beachten,
hufig

ganzheitlich

dass

aus

es

einer

nicht
Vielzahl

vorzustellen,

das
an

sondern

Ziel

ist,

ganze

unterschiedlichen
vielmehr

einige

unterschiedliche Visualisierungsideen anhand von Systemen darzustellen.

Document Lens
Georg G. Robertson, Jock D. Mackinlay

Abb. 103 Document Lens [RM 1993]

Mit der Document Lens ist es dem Benutzer mglich ein Textdokument, welches aus
mehreren Seiten besteht zu betrachten, wobei ihm alle Seiten des Dokuments zur selben
Zeit in einer dreidimensionalen Darstellung dargestellt werden. Innerhalb der Darstellung
befindet sich eine rechteckige Linse, welche den Inhalt der aktuellen Seite unverzerrt
164

und damit fr den Benutzer lesbar darstellt. Die anderen Seiten werden perspektivisch
verzerrt abgebildet. Mchte der Benutzer nun eine andere Seite lesen, so kann er diese
Linse interaktiv auf eine von ihm gewnschte Seite des Dokuments schieben.
Entsprechend verndert sich der Fokus des unverzerrten Bereichs, wobei sich alle
brigen Seiten ebenfalls an die Darstellung angepassen.
Datentyp

Eindimensional

Anwendungsbereich(e)

Textdokumente

VizTechnik(en)

Tile-Graph 3D, Fisheye-Technik

Metapher

Lens-Metapher

Quelle(n)

[RM 1993]

Galaxies (SPIRE)
James A. Wise, James J. Thomas, Kelly Pennock

Abb. 104 Galaxies [PNN 2004]

Die

Galaxies-View

des

SPIRE

Systems

ist

eine

zweidimensionale

Scatterplot-

Visualisierung, in welcher die gesamte Textmenge als ein Universum von so genannten
Docustars - welche mit Sternen am Nachthimmel verglichen werden knnen dargestellt wird. Jedes Dokument wird durch einen einzelnen Punkt reprsentiert,
whrend logische Gruppierungen, die sogenannten Cluster durch Cluster Centroiden
reprsentiert werden. Cluster entstehen durch die Positonierung der Dokumente. D.h.
hnliche Dokumente werden nahe zueinander und unhnliche weiter voneinander
entfernt positioniert. Die schattierten Bereiche innerhalb der View bezeichnen die
sogenannten ThemeClouds, welche analog zu den Gipfeln der ThemeView dargestellt
werden.

D.h.

ThemeClouds

bieten

eine

zweidimensionale

Reprsentation

der

Themendurchgngigkeit, wobei die Intensitt der Farbe das Aufkommen der darunter
liegenden Themen verdeutlicht. Die Label der ThemeClouds beschreiben die wichtigsten
Themen in diesem Gebiet. ber zustzliche Explorationstools ist es dem Benutzer
mglich, die Dokumentenmenge weiter zu erforschen.
165

Datentyp

Eindimensional

Anwendungsbereich(e)

Textdokumente

VizTechnik(en)

Point-Graph 2D, Scatterplot

Metapher

Galaxies-Metapher

Quelle(n)

[WTP 1995], [Wis 1999], [PNN 2004]

TileBars
Marti A. Hearst

Abb. 105 TileBars [Hea 1995]

TileBars untersttzen Information Retrieval in Textinformation. Die Lnge der Bars


kodiert dabei die relative Lnge der jeweiligen Dokumente. Die Kacheln der Tile Bars,
welche die Suchbegriffe farbig kodieren, vermittelen die Hufigkeit der gesuchten
Begriffe innerhalb des Textes. Durch Relation der Gesamtlnge des Dokuments in Bezug
zur Positionierung der einzelnen farbig markierten Kacheln, gibt dem Benutzer darber
Auskunft, wo sich die jeweilig gesuchten Begriffe innerhalb des Dokuments befinden und
welche Begriffe kombiniert miteinander auftreten.
Datentyp

Eindimensional

Anwendungsbereich(e)

Textinformation

VizTechnik(en)

Tile-Graph 2D

Quelle(n)

[Hea 1995]

166

ThemeView (SPIRE)
James A. Wise, James J. Thomas, Kelly Pennock

Abb. 106 ThemeView (ThemeScapes) [MIK 2003]

Die ThemeView des SPIRE Systems ist eine von der Galaxies (SPIRE) abgeleitete
Visualisierung, in welcher die Dominanz der Themen auf einer zustzlichen Achse der
Zeit dargestellt wird. Diese ThemeView stellt die Themenbereiche, welche innerhalb
einer Dokumentenmenge automatisch ermittelt wurden, als Reliefkarte einer natrlichen
Umgebung dar. Dabei kennzeichnen hohe Gipfel dominante Themen, wobei die Hhe der
Gipfel die relative Strke der Themen innerhalb des Dokumentenmenge anzeigt. Die
Farbe der Gipfel sowie deren Label untersttzen die Darstellung zustzlich. Die Distanz
der Gipfel kodiert die hnlichkeit der Themen zueinander. hnliche Themen erscheinen
eng beieinander, whrend

unhnliche weiter von einander entfernt liegen. ThemeView

bietet dem Benutzer so eine visuelle bersicht ber die wichtigsten Themenbereiche,
welche in einer Dokumentenmenge enthalten sind. ber zustzliche Explorationstools ist
es dem Benutzer mglich, die Dokumentenmenge weiter zu erforschen.

Datentyp

Eindimensional

Anwendungsbereich(e)

Textdokumente

VizTechnik(en)

Area-Graph 3D, Surface Chart

Metapher

Landscape-Metapher

Quelle(n)

[WTP 1995], [PNN 2004]

167

WebBook
Stuart K. Card, George G. Robertson, William York

Abb. 107 WebBook [CRY 1996] (li.) und Blttern im WebBook [CRY 1996] (mi.) und Document Lens View
[CRY 1996] (re.)

Das WebBook gehrt zum Information Workspace von Web Forager, welcher wiederum
zum Framework des Information Visualizer Systems [RCM 1993] gehrt. WebBook stellt
ein dreidimensionales interaktives Buch dar, welches HTML-Seiten enthlt. Dabei wurden
verschiedene HTML-Eigenschaften, wie z.B. farbig angelegte Hyperlinks, adaptiert.
Zudem untersttzt es eine Reihe von Funktionen, wie Blttern oder das Einfgen von
Lesezeichen. Durch Auseinanderziehen der Seiten, ist es dem Benutzer mglich, alle
Seiten parallel unter Verwendung einer Fisheye-Technik, welche Document Lens [RM
1993] genannt wird zu betrachten.
Datentyp

Eindimensional

Anwendungsbereich(e)

HTML Seiten

VizTechnik(en)

Tile-Graph 2D und 3D, Fisheye-Technik

Metapher

Book

Quelle(n)

[CRY 1996]

Video-on-Demand Presentation
Kevin Lam, Robert Spence

Abb. 108 Video-on-Demand Presentation [Spe 2001]

168

Die

Video-on-Demand

Presentation

ermglicht

das

Browsen

durch

Poster

von

Videofilmen. Eine groe Anzahl von Postern wird in drei Reihen auf einer persektivischen
Wand arrangiert. Die Anordnung der Wand ermglicht es, dass die Poster der Frontseite
in voller Gre dargestellt werden knnen. Die Bewegung des Cursors entlang der
Kanten der Seitenwnde veranlasst jedes Poster herauszupoppen, so dass es in seiner
vollen Gre zu sehen ist. Es verharrt solange in dieser Position bis der Cursor sich
weiterbewegt. Auf diese Weise ist es dem Benutzer mglich, bequem durch die groe
Menge an Postern zu browsen und diejenigen Poster lnger zu betrachten, welche fr ihn
von Interesse sind. Diese Darstellung hnelt einem Bifocal Display.
Datentyp

Zweidimensional

Anwendungsbereich(e)

Recherche in Bildbestnden (Poster, Videohllen)

VizTechnik(en)

Tile-Graph 2D

Quelle(n)

[LSp 1997]

Connex
Beth Hetzler, W. Michelle Harris, Susan Havre, Paul Whitney

Abb. 109 Connex [PNN 2004]

Die Connex Visualisierung zeigt individuelle Beziehungen zwischen Objekten, wie zum
Beispiel

Dokumenten

oder

Konzepten

innerhalb

von

Dokumenten.

In

dieser

Visualisierung entsprechen die x- und y-Achsen geordeneten Listen von Objekten. Die zAchse entspricht den verschiedenen Beziehungstypen, welche in dieser Teilmenge
auftreten. Wenn ein Objekt eine bestimmte Beziehung zu einem anderen Objekt hat,
dann wird in dieser z-Ebene eine kleine Kugel am Schnittpunkt der beiden Objektebenen
positioniert. Wenn die Objekte multiple Beziehungen haben, wird es verschiedene solcher
Kugeln, vielleicht in Form eines Stapels, an verschiedenen z-Positionen geben. Das Tool
ermglicht dem Benutzer die verschiedenen Beziehungen zu kategorisieren, bestimmte
Beziehungen nach Wunsch zu zeigen oder zu verstecken, asymetrische Beziehungen
169

hervorzuheben und die Dokumentendarstellung umzusortieren. Die Zuordnung von Farbe


kann fr Kategorien eingesetzt werden, um verschiedene Beziehungen zu gruppieren
oder zu unterscheiden.

Datentyp

Dreidimensional

Anwendungsbereich(e)

Darstellung von Beziehungen zwischen Objekten

VizTechnik(en)

Point-Graph 3D, Scatterplot

Quelle(n)

[HHH 1998], [PNN 2004]

Rainbows
Beth Hetzler, Nancy Miller, W. Michelle Harris, Susan Havre, Paul Whitney

Abb. 110 Rainbows [PNL 2004]

Rainbows ermglicht dem Benutzer, verschiedene Arten von Beziehungen zwischen


Objekten visuell zu untersuchen. Einer der Strken dieser Visualisierung ist die Art und
Weise, wie sie drei unterschiedliche Klassen von Beziehungen darstellt. Objekte (wie zum
Beispiel Dokumente, Menschen oder Konzepte) werden als kleine Punkte auf einer
zweidimensionalen Ebene abgebildet. Ihre Positionierung reprsentiert einen der drei
Beziehungstypen zwischen den Objekten. Eine zweite Klasse von Beziehungen wird als
Bogen oberhalb der Ebene dargestellt. Ein weier Bogen zwischen zwei Clustern weist
darauf hin, dass eine solche Beziehung zwischen Objekten innerhalb dieses Clusters
existiert. Der weie Bogen kann ausgedehnt werden, um mehrere Farben (wie in einem
Spektrum) darstellen zu knnen, wobei jede dieser Farben dann auf die Existenz eines
bestimmten Beziehungstypen innerhalb der Klasse hinweist. Eine dritte Klasse von
Beziehungen

wird

als

Bogen

unterhalb

der

Ebene

gezeigt.

Durch

Interaktions-

mglichkeiten mit der Visualisierung kann der Benutzer Beziehungen fr bestimmte


Objekte, bestimmte Beziehungstypen und Details ber eine spezifische Beziehung
anzeigen lassen.

170

Datentyp

Dreidimensional

Anwendungsbereich(e)

Darstellung von Beziehungen zwischen Objekten

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[PNL 2004], [HHH 1998]

Visual Access for 3D Data


David J. Cowperthwaite, M. Sheelagh, T. Carpendale, F. David Fracchia

Abb. 111 Visual Access for 3D Data [CSC 1996]

Die Problematik bei dreidimensionalen Visualisierungen, im Vergleich zu zweidimensionalen ist, dass es mglich ist, dass entweder das gesamte beziehungsweise ein Teil des
Objektes, welches fr den Benutzer von Interesse ist, von anderen Objekten verdeckt
wird. Aktuelle Lsungsanstze versuchen dieser Problematik auf die folgende Weise zu
begegnen: Cutting Planes, Layer Removal, Fly-Through und Transaparency. Die
Problematik dieser Anstze liegt aber zummeist darin, dass sie den Zusammenhang zum
Gesamtkontext der Darstellung verlieren. Ein weiterer Ansatz, welcher nicht dieser
Problematik

unterworfen

ist,

ist

die

Verwendung

einer

Fisheye-Technik

im

Zusammenhang mit dreidimensionalen Objekten. Abb. 111 zeigt ein Beispiel hierfr. Das
Ziel dieser Visualisierung ist es, dem Benutzer einen interaktiven Zugang zum
dreidimensioanlen Informationsraum zu bieten, whrend der Bezug zum Gesamtkontext
erhalten bleibt.

Datentyp

Dreidimensional

Anwendungsbereich(e)

Exploration im dreidimensionalen

VizTechnik(en)

Tile-Graph 3D, Fisheye-Technik

Quelle(n)

[Eic 1996]

171

DateLens
Benjamin B Bederson, Aaron Clamage, Mary P. Czerwinski, Georg G. Robertson

Abb. 112 DateLens (Desktop-Version) [Dat 2004] (li.) und DateLens (PDA-Version: FishCal) [Dat 2004] (mi.)
und DateLens (PDA-Version: FishCal) mit Fokus auf einen Tag [BCR 2002] (re.)

Die DateLens wurde in erster Linie fr kleine Displays - insbesondere fr die von PDAs
entwickelt ist aber auch fr andere Gerte - von Desktop Computers bis Tablet PCs einsetzbar. Die DateLens untersttzt den Benutzer in der Planung und Analyse von
Aufgaben. Dabei werden dem Benutzer die Daten in einer kompakten berblickartigen
Darstellung prsentiert. Mittels Fisheye-Technik hat der Benutzer die Mglichkeit sich die
Informationen innerhalb einer Zelle detailliert darstellen zu lassen, ohne die Ansicht
verlassen zu mssen. Dies ermglicht es Benutzern einen berblick ber die Daten zu
erhalten, einfach durch die Kalenderstruktur zu navigieren und Muster und Ausreier zu
erkennen.
Die grundstzliche Organisation der Darstellung ist tabellarisch, wobei jede Zeile eine
Woche reprsentiert, deren Spalten wiederum die Tage der Woche anzeigen. Die Anzahl
der sichtbaren Zeilen kann von einer Zeile (eine Woche) bis zu 52 (ein Jahr) variieren.
Durch Antippen irgendeines Tages erweitert sich diese Zelle graduell und enthllt die
Liste mit Terminen, welche mit diesem Tag in Verbindung stehen. So knnen Benutzer
den Tag wechseln, weiter hineinzoomen um eine Gesamt-Tagesansicht zu erhalten und
nach Terminen suchen. Zu den weiteren Views der DateLens gehren z.B.: eine Agenda
View (zeitlich geordnete, textuelle Liste der Termine) oder eine Full Day View
(traditionelle, nach Uhrzeiten aufgeteilte Darstellung eines ganzen Tages).
Datentyp

Temporal

Anwendungsbereich(e)

Terminplanung, Kalender

VizTechnik(en)

Tile-Graph 2D, Histobar-Graph 2D, Fisheye-View

Quelle(n)

[BCR 2002], [BCC 2004], [Dat 2004]

172

Perspective Wall
Jock D. Mackinlay, Georg G. Robertson, Stuart K. Card

Abb. 113 Perspective Wall [MIK 2003]

Die Perspective Wall reprsentiert eine sequentielle Darstellung von Dateien auf einer
Zeitachse, wobei sie eine detaillierte mit einer kontextuellen Sicht kombiniert. In der
Implementation wird die horizontale Dimension fr die Zeit benutzt und die vertikale um
die Schichten in einem Informationsraum zu visualisieren. Beispiele hierfr sind
Visualisierungen von Dateien mit dem nderungsdatum in der horizontalen Achse und
dem Dateityp in der vertikalen Achse. Die Perspective Wall stellt eine Variante eines
eindimensionalen Bifocal Displays dar, wobei diese im Gegensatz zum Bifocal Display fr
die Bereiche ausserhalb des Fokus mit einer zunehmenden Verkleinerungsrate in der
Darstellung arbeitet. Der Benutzer hat die Mglichkeit, die Wand interaktiv zu
verschieben, so dass die Dokumente, des von ihm gewnschten Zeitabschnitts in den
Vordergrund geschoben werden.

Datentyp

Temporal

Anwendungsbereich(e)

Zeitliche Darstellung von Dokumenten

VizTechnik(en)

Tile-Graph 2D

Metapher

Wall-Metapher

Quelle(n)

[MRCa 1991]

173

SiZer
Stephen G. Eick, Todd L. Graves, Alan F. Karr, J.S. Marron, Audris Mockus

Abb. 114 SiZer [EGK 1999]

Der SiZer stellt den Schwierigkeitsgrad einer nderung von Programmiercodeeinheiten


bei der Implementierung von neuen Softwaremodulen dar. Dabei werden verschieden
gewichtete Funktionen auf der Zeitachse bereinander dargestellt. Eine ineffiziente oder
sogar fatale Entwicklung des Gesamtproduktes lsst sich so schnell erkennen. Fr jeden
neuen Gewichtungsfaktor erscheint eine neue Funktion in der Visualisierung. Trends
werden anhand der Anzahl vernderter Dateien ber die gesamte Entwicklungszeit
ermittelt.

Datentyp

Temporal

Anwendungsbereich(e)

Code Decay Change Management Data

VizTechnik(en)

Line-Graph 2D

Quelle(n)

[EGK 1999]

ThemeRiver
Susan Havre, Brth Hetzler, Lucy Nowell

Abb. 115 ThemeRiver [MIK 2003]

Die ThemeRiver Visualisierung untersttzt den Benutzer bei der Identifizierung zeitrelevanter Patterns, Trends und Beziehungen innerhalb einer groen Dokumentenmenge.
Die Themen innerhalb dieser Sammlung werden durch einen Flu (River), welcher von
links nach rechts durch die Zeit fliet, reprsentiert. Der Flu weitet oder verjngt sich,

174

um nderungen in der kollektiven Strke der Themen, welche in den zugrunde liegenden
Dokumenten selektiert wurden, zu bezeichnen. Einzelne Themen werden werden als
kolorierte Strmungen innerhalb des Flusses dargestellt. Diese Themenstrmungen
weiten oder verjngen sich, um zu jedem Zeitpunkt nderungen in der jeweiligen
Themenstrke anzuzeigen.
Datentyp

Temporal

Anwendungsbereich(e)

Zeitliche Darstellung von Themennderungen

VizTechnik(en)

Area-Graph 2D

Quelle(n)

[PNN 2004]

Bifocal Display
Robert Spence, M.D. Apperley

Abb. 116 Prinzip des Bifocal Display [Spe 2001] (li.)


und Bisfocal Display aus Sicht des Benutzers [Spe 2001] (re.)

Das Prinzip des Bifocal Displays kann man mit einem Papierstreifen, auf welchem
verschiedenartige Objekte (Bilder, Texte, etc.) dargestellt werden und welcher um zwei
Pfosten gezogen wurde, erklren (Abb. 116 links). Die Seiten des Papierstreifens mssen
jedoch immer noch zu sehen sein. Durch diese Vorgehensweise entsteht eine visuelle
Reprsentation, welche die Objekte im Zentrum der Darstellung unverzerrt und an den
Seiten rechts und links verzerrt darstellt (Abb. 116 rechts). Das Bifocal Display
verwendet, im Gegensatz zum Beispiel zur Perspective Wall, fr die Bereiche ausserhalb
des Fokus eine konstante Verkleinerungsrate. Durch Interaktionsmglichkeiten mit der
Darstellung ist es dem Benutzer mglich, die Darstellung zu scrollen und so die fr ihn
relevanten Objekte in den unverzerrten Fokusbereich zu schieben.

Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Exploration von mehrdimensionalen Datenbestnden

Quelle(n)

[Spe 2001], [SA 1982]

175

Circle Segments View (CSV) - VisMeB


Peter Klein, Harald Reiterer, Frank Mller, Tobias Limbach

Abb. 117 Circle Segments View [KRM 2003]

VisMeB (Visual Metadata Browser) stellt ein vielfach anwendbares Tool zur Explorationen
von Datenbestnden dar, welches auf den Ideen von INSYDER beruht. Dieser Javabasiert Browser lsst sich leicht auf die jeweilige Thematik anpassen, um dem Benutzer
das

Auffinden

relevanter

Informationen

innerhalb

von

groen

Datenmengen

zu

erleichtern. Er kombiniert verschiedene Visualisierungstechniken, um dem Benutzer


sowohl einen gesamten, als auch eine detaillierte bersicht zu bieten. Eine der
Visualisierungen

ist

der

Circle

Segment

View

(CSV),

bei

welchem

zwei

Kreissegmentgrafiken von zwei mittels dem Boolschen Operator AND verknpften


Variablen (in Abb. 117 sind dies Servertyp und Sprache) nebeneinander dargestellt
werden. Der Benutzer kann somit leicht erkennen in welchen Kreisabschnitten, die
Kategorien darstellen, die jeweiligen Daten liegen. Mittels einem seitlichen Slider (in Abb.
117 fr die Relevanz) und einem unter der Kreisgrafik liegendem Slider (in Abb. 117 fr
die Jahreszahl) knnen interaktiv Bereiche fr die Attribute, welche den Slidern
zugewiesen wurden, eingestellt werden, was zur einer Reduktion oder einem Zuwachs
der sichtbaren Datenpunkte fhrt.
Datentyp

Multidimensional

Anwendungsbereich(e)

Datenexploration

VizTechnik(en)

Bar-Graph 2D (polar)

Quelle(n)

[KRM 2003]

176

FilmFinder
Christopher Ahlberg, Ben Shneiderman

Abb. 118 FilmFinder [CMS 1999]

Der FilmFinder ermglicht es Benutzern umfangreiche Filmdatenbanken zu durchforsten.


Er stellt Filme in Form von Punkten in einem Scatterplot dar, welcher durch User
Interface Slider und Radio Buttons erweitert wird. Diese Punkte kodieren farbig zustzlich
die jeweiligen Filmkategorien, wie zum Beispiel Action oder Sience Fiction. Mittels der
Interaktionstechnik der Dynamic Queries, ist es dem Benutzer mglich, mittels direkter
Manipulation eine Anfrage rasch zu spezifizieren. Durch Kopplung dieser Anfrage mit der
visuellen Darstellung, erhlt er ein sofortiges visuelles Feedback.

Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Filmdatenbank

VizTechnik(en)

Point-Graph 2D, Scatterplot

Quelle(n)

[AS 1994a], [AS 1994b]

Influence Explorer
Lisa Tweedie, Robert Spence, Huw Dawkes, Hua Su

Abb. 119 Influence Explorer [MIK 2003]

177

Durch sogenannte Interactive Visualisation Artifacts (IVAs) knnen wichtige abstrakte


mathematische Modelle offen gelegt werden. Dies erfolgt dadurch, dass man Daten,
welche

durch

abstrakte

mathematische

Modelle

generiert

wurden,

in

einfachen

miteinander verlinkten Graphen darstellt. Der Influence Explorer stellt ein solches IVA
dar. In diesem Beispiel des Prozesses einer Glhbirnenproduktionsplanung werden links
zwei horizontale und rechts vier vertikale Histogrammen zu den darunter, bzw. links
daneben stehenden Parametern angezeigt. Dabei werden die Glhbirnen, welche fr eine
Produktion noch in Frage kommen, visuell hervorgehoben. Die sechs Parameter knnen
vom Benutzer verndert und somit unter anderem der Zusammenhang zwischen
Helligkeit und Arbeitsumgebung interaktiv untersucht werden.
Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Produktionsplanung

VizTechnik(en)

Histobar-Graph 2D, Parallele Koordinaten

Quelle(n)

[TSD 1996]

libViewer
Andreas Rauber, Harald Bina

Abb. 120 libViewer [Lib 2004]

In der libViewer Anwendung, welche Teil des SOMlib Projektes ist, werden die
Suchergebnisse eines Suchsystems als dreidimensionale Bcher dargestellt, wobei die
Attribute der Bcher (Farbe, Gre, Typ, ...) die Metadaten der Dokumente kodieren.
libViewer

verwendet

ein

virtuelles

Bcherregal

um

die

Bcher

(Dokumente)

in

bestimmter Ordnung oder Gruppierung darzustellen. Die Bcher knnen so entweder


anhand der vorhandenen Metadaten, wie z.B. Gre oder Relevanz, angeordnet werden
oder mit Hilfe eines neuralen Netzwerks in Form einer Self-Organizing Map [Koh 1998],
welche Dokumente mit hnlichen Themen gruppiert. Jede dieser Gruppierungen wird auf
178

einem einzelnen Bcherbrett im Bcherregal dargestellt, welches mit Hilfe einer


sogenannten LabelSOM Technik beschriftet wird.
Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Dokumentenrecherche

Metapher

Book, Bookshelf

Quelle(n)

[RB 1999]

Rapid Serial Visual Presentation (RSVP)


Oscar de Brujin, Robert Spence

Experiment 2

New

Abb. 121 RSVP mit Abbildungen [Spe 2001]

Rapid Serial Visual Presentation oder RSVP entspricht der elektronischen Version des
Durchblttern eines Buches um seinen Inhalt einschtzen zu knnen. RSVP eignet sich
vor allem sowohl fr das Durchbrowsen als auch fr die Suche elektronischer Information
auf kleinen Displays. Diese Information kann dabei aus Text- oder aus Bilddaten
bestehen. Im Beispiel der Abb. 121, ist es dem Benutzer mglich den Inhalt des Ordners
New mittels RSVP zu erforschen. Ein Mausklick auf das Symbol des halbkreisfrmigen
Bereichs auf dem Ordner aktiviert eine RSVP mit Abbildungen vom Inhalt. Dabei
erscheinen die Abbildungen auf der einen Seite des Ordners, laufen in einem Halbkreis
um den Ordner herum, um auf der anderen Seite wieder zu verschwinden. Das schwarze
Segment innerhalb des Symbols des Halbkreises zeigt dabei den Fortschritt der
Prsentation an. Ein zweiter Klick auf das Symbol stoppt das Blttern.

Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Browsen durch Text- und Bildinformation

VizTechnik(en)

Path-Graph 2D

Quelle(n)

[BSp 1999], [BSp 2000], [BSC 2001]

179

Starstruck
Beth Hetzler, Paul Whitney, Lou Martucci, Jim Thomas

Abb. 122 Starstruck [PNL 2004]

Die Starstruck-Visualisierung soll zwei Ziele erreichen: Erstens, verschiedene Levels von
Granularitten innerhalb des Informationsraumes darstellen und zweitens der Form von
Clustern

innerhalb

des

Informationsraumes

eine

Bedeutung

beimessen.

In

der

Starstruck-Visualisierung wird jedes Dokument als eine Flchenexplosion von TopicStrahlen, welche an Sterne erinnert, dargestellt. Die Lnge von jedem Strahl gibt die
Strke der zugehrigen Topics oder Themen in diesem Dokument an. Die Reihenfolge der
Themen-Strahlen ab der 12-Uhr-Position in Richtung Uhrzeigersinn ist fr jedes
Dokument gleich. Die Strahlen sind dabei so angeordnet, dass Themen, welche inhaltlich
miteinander zu tun haben, in der Flchenexplosion nahe aneinander liegen. Dies
ermglicht dem Benutzer themenschwache und themenstarke Gebiete zu erkennen. Die
Visualisierung soll thematische Muster innerhalb einer Gruppe oder einem Cluster von
Dokumenten zeigen. Die einzelnen Flchenexplosionen fr eine Gruppe sind entlang einer
unsichtbaren Linie in dem Raum ausgerichtet. Der Benutzer kann die Ansicht wechseln,
so dass alle Flchenexplosionen berlagert dargestellt werden und so die Verteilung der
Themen innerhalb dieser Gruppe in einer Gesamtansicht klar erkennbar ist. Indem der
Benutzer die Ansichtsrotation variiert, kann er von dieser Gesamtansicht der Gruppe zu
einer Ansicht der einzelnen Dokumente schwenken.

Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Dokumentenexploration

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[PNL 2004], [HWM 1998]

180

Super Table - VisMeB


Peter Klein, Harald Reiterer, Frank Mller, Tobias Limbach

Abb. 123 Supertable und 3D Scatterplot [KRM 2003]

Die Supertable gehrt, wie auch die Circle Segments View zu den verschiedenen
Visualiserung von VisMeB (Visual Metadata Browser). Die Super Table, welche unter
anderem mit einem dreidimensionalen Scatterplot kombiniert werden kann (Abb. 123),
bietet dem Benutzer mittels Bar-Charts, im Text hervorgehobenen Worten und
Histogrammen eine bersicht ber den gesamten Datenbestand. Der 3D Scatterplot
erlaubt dem Benutzer ber Rotation, Zooming und Selektieren der Datenobjekte, welche
in diesem 3D-Gitter als Wrfel dargestellt werden, den durch zuvor eingestellte
Parameter reduzierten Datenbestand genauer im Detail zu erforschen.
Datentyp

Multidimensional

Anwendungsbereich(e)

Datenexploration

VizTechnik(en)

Point-Graph 3D, Scatterplot 3D, Histobar-Graph 2D,


Bar-Graph 2D

Quelle(n)

[KRM 2003]

Table Lens
Ramana Rao, Stuart Card

Abb. 124 Table Lens [RC 1994]

181

Die Table Lens ist eine Visualisierung fr die Suche nach Patterns und Ausreiern in
multivariaten Datenstzen, welche sich besonders fr numerische und kategorische
Daten geeignet. Die Table Lens bietet eine strukturierte grafische Reprsentation, welche
das Browsen durch groe Mengen von Werten, Variablen und Cases untersttzt. Dabei
reprsentieren die Zeilen Cases und die Spalten Variablen. Durch Verwendung der
Fisheye-Technik ist es dem Benutzer mglich, eine oder mehrere Zeilen zu ffnen um
zum Beispiel in Form von Text, detaillierte Informationen zu den einzelnen Werten zu
erhalten. Fr die Reprsentation von Werten quantitativer Variablen wird eine grafische
Bar verwendet, welche stets an der linken Kante der Zelle verankert ist. Diese bezeichnet
entweder einen Minimalwert, Null oder eine untere Grenze. Die Lnge der Bars verhlt
sich proportional zu der relativen Gre des reprsentierten Wertes. Die Verwendung von
grafischen Reprsentationen bietet nicht nur einen Skalierungsvorteil, sondern bietet
ebenso einen Vorteil fr die Exploration, da groe Mengen von schmalen Bars vom
Benutzer wesentlich schneller berflogen werden knnen als eine vergleichbare Menge an
textuell reprsentierten Zahlen. Weitere wichtige Funktionen der Table Lens sind zum
Beispiel: das Sortieren einer Spalte anhand ihrer Werte (auf- oder absteigend) und das
Erzeugen einer neuen Spalte, welche anhand einer auf anderen Spalten basierenden
Formel errechnet wird.
Datentyp

Multi-Dimensional

Anwendungsbereich(e)

Baseball Statistiken

VizTechnik(en)

Tile-Graph 2D, Bar/Histobar-Graph 2D, Fisheye-Technik

Metapher

Lens-Metapher

Quelle(n)

[PR 1996], [RC 1994]

Web Forager
Stuart K. Card, George G. Robertson, William York

Abb. 125 Web Forager [CRY 1996] (li.) und

Bookshelf [CRY 1996] (re.)

182

Whrend das WebBook ein einzelnes Buch darstellt, ermglicht Web Forager dem
Benutzer mit mehreren solcher WebBooks in einem Information Workspace zu arbeiten.
Web Forager ist Teil des Information Visualizer Systems [RCM 1993]. In einem
dreidimensionalen Raum werden WebBooks, bzw. einzelne HTML-Seiten dargestellt, mit
welchen der Benutzer interagieren kann (Links, Speichern, Einfgen von einzelnen Seiten
in WebBooks). Dieser Raum, in welchen der Benutzer auch hineinfliegen kann, ist
hierarchisch geordnet. Die vorderste Ebene (groes Buch oder Seite) zeigt entweder eine
Seite, ein Buch oder ein geffnetes Buch in voller Gre, welches dem Benutzer die
direkte Interaktion mit dem Inhalt ermglicht. In der mittleren Ebene (Luftraum und
Tisch) knnen Seiten oder Bcher, wenn sie zwar verwendet, jedoch nicht im
unmittelbaren Fokus liegen, platziert werden. Die dritte Ebene (das Bcherregal)
ermglicht die permanente Speicherung einer Vielzahl von Seiten und Bcher.

Datentyp

Multi-Dimensional

Anwendungsbereich(e)

HTML Seiten, WebBooks

VizTechnik(en)

Fisheye-Technik

Metapher

Book, Bookshelf

Quelle(n)

[CRY 1996], [PF 2003], [PFR 2002]

Cam Tree
Georg G. Robertson, Jock D. Mackinlay, Stuart K. Card

Abb. 126 Cam Tree [RMC 1991]

Cam Trees stellen ein alternatives Layout zu Cone Trees dar. Ihre Orientierung ist im
Gegensatz zu Cone Trees horizontal ausgerichtet. Dies hat den Vorteil, dass die einzelnen
Knoten mit Text beschriftet werden knnen. Davon abgesehen haben Cam Trees
dieselben Eigenschaften wie Cone Trees.

183

Datentyp

Tree

Anwendungsbereich(e)

Hierarchische Strukturen

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[RMC 1991], [Chi 2002]

Collapsible Cylindrical Tree (CCT)


Raimund Dachselt, Jrgen Ebert

Abb. 127 Collapsible Cylindrical Tree (CCT) [DE 2001]

Collapsible Cylindrical Trees eignen sich fr die Visualisierung mittelgroer Hierarchien.


Dabei werden die verschiedenen Topics, wie z.B. die Themenbereiche einer Webseite,
durch gleichgroe, verschiedenfarbige Zylinder reprsentiert. Die Unterpunkte zu den
jeweiligen Topics werden auf der Oberflche der Zylinder, welche interaktiv vom
Benutzer

rotiert

werden

knnen,

dargestellt.

Durch

Auswahl

eines

bestimmten

Unterpunkts verkleinern sich alle brigen Zylinder und eine weitere Hierachieebene fhrt
in Form eines kleineren Zylinders teleskopartig aus dem ausgewhlten Zylinder aus. Auf
der Oberflche dieses Zylinders sind wiederum die zugehrigen Unterpunkte abgebildet.
Die Auswahl kann entsprechend fortgesetzt werden. Die Idee dahinter ist, nicht die
gesamte Baumhierarchie auf einmal darzustellen, sondern nur die ersten beiden Ebenen
eines Baums plus den gewhlten Hierachiepfad in die unteren Ebenen. Durch das
dynamische Erscheinen und Verbergen soll eine sinnvolle Balance der Darstellung von
Details und Kontext erzielt werden. Ziel ist neben einer verstndlichen dreidimensionalen
Visualisierung von Hierarchien, dem Benutzer eine schnelle und intuitive Interaktion mit
den Knoten zu ermglichen. Lediglich ein Mausklick ist ntig, um jeden Knoten zu
erreichen und eine Aktion auf ihm auszulsen, wie z.B. die Darstellung einer Webseite.
Ursprnglich wurden die CCTs fr die Darstellung von Webhierarchien entwickelt, jedoch
ist ihr Einsatz auch in anderen Bereichen denkbar.

184

Datentyp

Tree

Anwendungsbereich(e)

Webhierarchien

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[DE 2001]

Cone Tree
Georg G. Robertson, Jock D. Mackinlay, Stuart K. Card

Abb. 128 Cone Tree [RMC 1991]

Cone Trees sind Visualisierungen, welche die Darstellung von hierarchischen Strukturen hier eine Verzeichnisstruktur - in einem dreidimensionalen Raum ermglichen. Die
Anordnung der Knoten, der einzelnen Hierarchieebenen erfolgt kegelfrmig, wobei die
Kegel derselben Ebene stets dieselbe Hhe besitzen. Die Reprsentation der Knoten
erfolgt mittels Indexkarten. Wird ein Knoten vom Benutzer selektiert, dreht sich der Cone
Tree in solch eine Position, dass der entsprechende Knoten und alle Knoten in dem Pfad
in der Hierarchie ber ihm, fr den Benutzer zu sehen sind. Darber hinaus wird der
entsprechende Pfad visuell hervorgehoben. Um durch die Hierarchie zu browsen, ist es
dem Benutzer mglich, den Cone Tree langsam zu drehen. Die Dreidimensionalitt
ermglicht die volle Ausnutzung des verfgbaren Bildschirmplatzes, so dass die gesamte
Struktur des Trees dargestellt werden kann. Cone Trees sind Teil des Information
Visualizer.
Datentyp

Tree

Anwendungsbereich(e)

Hierarchische Strukturen

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[RMC 1991], [Chi 2002]

185

Disk Tree
Ed H. Chi

Abb. 129 Disk Tree [Chi 2002]

Disk Trees stellen hierarische Informationen dar. Die Visualisierung reprsentiert im Fall
von Abb. 129 den Informationsgebrauch der 7588 Dokumente auf der Webseite
www.xerox.com innerhalb einer Woche. Das Zentrum des Disk Trees stellt die Startseite
dar und jede davon ausgehende Linie repsentiert einen Link innerhalb dieser Seite zu
einer anderen Seite. Gelbe Linien reprsentieren Links zu gelschtem Inhalt und rote
Links zu hinzugefgtem Inhalt. Je heller die grnen Links und je breiter die Linien sind,
um so hufiger wurde der Link benutzt. Links, welche nur einen Schritt entfernt sind,
liegen auf dem ersten konzentrischen Ring. Links, welche zwei Schritte entfernt sind,
liegen auf dem zweiten konzentrischen Ring, und so weiter. Fr jeden Knoten auf den
einzelnen

konzentrischen

Ringen

belegt

der Basic

Disk Tree Algorithmus einen

winkelfrmigen Raum, welcher sich zu der Anzahl der Kinder dieses Knotens proportional
verhlt. Das System stellt an der Seite des Bildschirms zu jedem Knoten, welchen der
Benutzer mit der Maus berfhrt, detaillierte Informationen ber die Verwendung dar.
Der Benutzer hat so die Mglichkeit die Struktur des Disk Trees zu erforschen, um zu
verstehen, welche Webseite an welcher Stelle auf dem Disk Tree dargestellt wird.
Datentyp

Tree

Anwendungsbereich(e)

Webhierarchien

VizTechnik(en)

Link-Graph 2D

Quelle(n)

[Chi 2002]

186

Hyperbolic Tree
John Lamping, Ramana Rao and Peter Pirolli

Abb. 130 Hyperbolic Tree [MIK 2003]

Der Hyperbolic Tree nutzt fr die Visualisierung und Manipulation groer Hierarchien eine
Fisheye-Technik. Diese Technik ordnet einem Teil der Hierarchie einen greren
Darstellungsraum zu, whrend dieser nach wie vor noch in den Kontext der gesamten
Hierarchie eingebettet ist. Das Wesentliche dieses Schemas ist es, die Hierarchie auf
einheitliche Art und Weise auf einer hyperbolischen Ebene anzuordnen und diese Ebene
dann auf einen kreisfrmigen Darstellungsbereich zu mappen. Durch Selektion (Mausklick
oder Drag and Drop) eines der Knoten einer tiefergelegenen Hierarchiebene, wird dieser
in den Fokusbereich gezogen und somit die gesamte Struktur des Hyperbolic Tree neu
ausgerichtet.
Datentyp

Tree

Anwendungsbereich(e)

Hierarchische Strukturen

VizTechnik(en)

Link-Graph 2D, Polar Tree, Fisheye-Technik

Quelle(n)

[LRP 1995]

Pad++
Benjamin B. Bederson, James D. Hollan

Abb. 131 Pad++ [Pad 2004] (li.), Zooming Site Map fr die Pad++ Webseite [Pad 2004] (li.mi.),
Zweite Hierarchietiefe der Pad++ Webseite [Pad 2004] (re.mi.),
Dritte Hierarchietiefe der Pad++ Webseite mit Detailfenster [Pad 2004] (re.)

187

Pad++ ist ein so genanntes Zooming Graphical Interface (ZUI), welches eine
Alternative zu traditionellen Window- und Icon-basierten Anstzen des Interface Designs
darstellt. Es untersttzt die Erzeugung und Manipulation von mehrfach-skalierten
Objekten und die Navigation durch den Objektraum. Zu den Standardobjekten, welche
Pad++ untersttzt gehren Text, Textdateien, Hypertext, Grafiken und Bilder. Die
einzelnen Funktionen, wie Zoom in oder Zoom out erfolgen immer im Umkreis des
Kursors, so dass der Benutzer das Zooming durch dessen Positionierung dynamisch
kontrollieren kann. Pad++ nutzt so genanntes Semantic Zooming. Dabei bestimmt die
Gre des dargestellten Objektes immer die Art der Darstellung des Objektes. D.h. wird
ein Ordner sehr klein dargestellt, wird lediglich ein bloes Rechteck angezeigt. Je weiter
der Benutzer hineinzoomt, desto grer wird dieser Ordner und enthllt entsprechend
mehr Details, wie z.B. Beschriftung (Label) oder Inhalt.
Abb. 131 zeigt Ausschnitte aus einer Demonstration des ZUI, welche die Navigation
durch die Webseite von Pad++20 ermglicht. Klickt der Benutzer auf ein farbiges Objekt,
wie z.B. dem pinkfarbenen Kreis links unten (In the press), wird das entsprechende
Objekt herangezoomt und enthllt dadurch die hierarchisch tieferliegenden Menuepunkte
(Abb. 131 mitte). Die eigentlichen Objekte, wie zum Beispiel Presseartikel, werden dann
in einem zustzlichen Detailfenster angezeigt (Abb. 131 rechts). Mchte der Benutzer zu
hher liegenden Hierarchiebenen wieder zurckkehren, klickt er auf den Hintergrund des
jeweiligen Objektes.

Datentyp

Tree

Anwendungsbereich(e)

Hierarchische Strukturen (Webseiten)

VizTechnik(en)

Tile-Graph 2D

Quelle(n)

[BH 1994]

20

Demonstration des ZUIs anhand der Sitemap auf der Pad++ Projektseite

URL: http://www.cs.umd.edu/hcil/pad++/sitemap/

188

Treemaps
Brian Johnson, Ben Shneiderman

Abb. 132 Treemap [Dae 2003]

Treemaps

eignen

sich

fr

die

Visualisierung

groer,

hierarchisch

organisierter

Informationsmengen. Dabei werden die verschiedenen Hierarchieebenen als ineinander


geschachtelte Rechtecke dargestellt. Treemaps ermglichen die Visualisierung der
gesamten Hierarchie in einer einzelnen Darstellung. Abb. 132 zeigt die Visualisierung
eines kompletten Dateisystems. Jedes Verzeichnis und jede Datei wird als farbiges
Rechteck, dessen Gre sich proportional zur jeweiligen Verzeichnis- bzw. Dateigre
verhlt,

dargestellt.

Die

Farben

der

Rechtecke

kodieren

dabei

unterschiedliche

Dateitypen, wie z.B. Text, Bild, Applikation, etc. Klickt der Benutzer auf eine der farbigen
Flchen, erhlt er nhere Informationen zu dieser Datei, wie z.B. Dateiname, Pfad,
Erstellungsdatum, etc.

Datentyp

Tree

Anwendungsbereich(e)

Hierarchische Daten

VizTechnik(en)

Tile-Graph 2D

Quelle(n)

[JoS 1991]

189

Grocery Purchasing Correlations


Stephen G. Eick

Abb. 133 Grocery Purchasing Correlations [Eic 1996]

Da es fr viele Beziehungstypen kein natrliches Layout gibt, muss man sich auf
Layoutalgorithmen sttzen, um Knoten, welche zueinander in Beziehung stehen zu
positionieren. Die Hauptidee hinter diesem Algorithmus ist, dass sich alle Knoten gleich
stark abstossen, wogegen die Beziehungen zwischen den Knoten eine anziehende
Wirkung haben. Die Daten aus Abb. 133 stammen aus einer Analyse von Warenkrben in
einem

Einkaufsmarkt.

Die

Knotengren

und

farben

zeigen

die

Einkaufs-

wahrscheinlichkeit und die Verbindungen die Zusammenhnge zwischen den einzelnen


Waren an. Je grer und farbintensiver eine Verbindung ist, desto hher ist die
Wahrscheinlichkeit, dass diese beiden Waren zusammen gekauft werden. Im oberen
rechten Bereich sieht man die Waren Hot-Dogs, Hot-Dog-Brtchen und Chips,
welche sehr hufig zusammen gelauft werden.

Datentyp

Network

Anwendungsbereich(e)

Netzwerk

VizTechnik(en)

Link-Graph 2D

Quelle(n)

[Eic 1996]

190

Hot Sauce
Apple Computer Incorporation

Abb. 134 Hot Sauce [Dae 2003]

Hotsauce ist eine visuelle Benutzerschnittstelle zur Exploration des Verlinkunsschemas


von Webseiten. In Form eines dreidimensionalen Informations- und Navigationssystems,
ermglicht es dem Benutzer die interaktive Exploration von Webinhalten. Durch eine
einfache Fly-Through-Navigation kann der Benutzer tiefer in das Hyperlinkschema
vordringen. Durch diesen interaktiven Zoom erscheinen neue Unterkategorien, wogegen
andere Kategorien aus dem Sichtfeld verschwinden.

Datentyp

Network

Anwendungsbereich(e)

Verlinkungsschema von Webseiten

VizTechnik(en)

Link-Graph 2D

Quelle(n)

[Hot 2004]

Hyperspace (Narcissus)
R.J.Hendley, N.S.Drew, A.M.Wood & R.Beale

Abb. 135 Hyperspace (Narcissus) [Dae 2003]

Hyperspace

ermglicht

es,

die

Hyperlinkstruktur

von

Teilbereichen

des

Webs

darzustellen. Die Anordnung der Webseiten im Informationsraum erfolgt so, dass


zusammengehrige, d.h. ber Hyperlinks verbundene Webdokumente, rumlich nahe
beieinander positioniert werden. Andere Dokumente, welche nicht ber Hyperlinks
191

verbunden sind, rcken dagegen weiter auseinander. Jede Webseite wird durch eine
Kugel reprsentiert, wobei die Gre einer Kugel die Anzahl von Hyperlinks kodiert,
welche von dieser Seite ausgehen. Die Hyperlinks werden in dieser Darstellung als
einfache Verbindungslinien dargestellt. Die Gesamtstruktur des Netzwerkes wird in einem
3D-Raum zufllig verteilt positioniert. Mit Hilfe nichtlinearer Optimierungsverfahren
knnen sich die Objekte im Raum selbst organisieren. Whrend sich Kugeln, also
Webseiten abstoen, bewirken Links eine Anziehung. Nach Ablauf des iterativen
Verfahrens zeigen sich oftmals interessante Raumstrukturen. In Abb. 135 ist eine klare
Separation von Indexseiten zu erkennen, die optisch mit Stecknadelkissen verglichen
werden knnen.

Datentyp

Network

Anwendungsbereich(e)

Netzstruktur und Linkverhalten im Internet

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[Dae 2003]

Narcissus
R.J.Hendley, N.S.Drew, A.M.Wood & R.Beale

Abb. 136 Narcissus [HDW 1995] (li.) und Narcissus Variation [HDW 1995] (re.)

Durch die stndig wachsende Zahl an Internetdomains wird die Notwendigkeit, groe
Datenmengen durch Visualisierungstechniken einfacher verstndlich und handhabbar zu
machen immer grer. Das System Narcissus verwendet selbstorganisierende Systeme
und virtuelle Realitten fr die Darstellung solcher Daten. Die Kernidee dabei ist, Objekte
und deren Verhalten darzustellen. Dabei wird ein steter Prozess verwendet, welcher mit
verschiedenen Applikationen wie Webbrowsern oder Softwareprogrammumgebungen
ber KQML (Knowledge Query and Manipulation Language) kommuniziert. Diese
Applikationen sind zumeist heterogen. Die stndige Vernderung in den Verhaltens192

mustern fhrt zu einer stndigen Vernderung in der Visualisierung. Hat sich ein gewisser
Zustand eingependelt spricht man von einer organisierten Struktur. Abb. 136 links zeigt
die Reprsentation einer Sammlung von Webseiten. In diesem Beispiel, welches mehrere
hundert Knoten reprsentiert, werden wichtige strukturelle Informationen deutlich. Zum
Beispiel stellt die Struktur auf der rechten Seite der Visualisierung eine Sammlung von
Seiten eines Handbuches und zugehrige Beispiele dar. Die groen Knoten sind dabei die
Indexverzeichnisse zu diesen Seiten, die Ball-hnliche Struktur reprsentiert eine Gruppe
von querverlinkten Handbuchseiten und die Struktur darunter die zugehrigen Beispiele.
Mittels diverser Tools ist es dem Benutzer mglich, durch diese Objekte zu navigieren,
diese zu selektieren, manipulieren und einige Aspekte des Verhaltens dieser Objekte zu
kontrollieren. Abb. 136 rechts stellt eine Variation zu Abb. 136 links dar. In dieser
Visualisierung werden einzelne Knotenpunkte, welche durch Icons auf der Oberflche
eines neuen fiktiven Knotens dargestellt werden, zusammengefasst. Dies soll dem
Benutzer eine bersichtlichere Darstellung der Struktur des Netzeswerkes bieten.
Datentyp

Network

Anwendungsbereich(e)

Netzwerkstruktur von Webseiten

VizTechnik(en)

Link-Graph 3D

Quelle(n)

[HDW 1995]

SeeNet
Kenneth C. Cox, Stephen G. Eick, Taosong He

Abb. 137 SeeNet [CEH 1996] (li.), SeeNet Helix [CEH 1996] (mi.), SeeNet Emailverkehr [CEH 1996] (re.)

Mittels SeeNet lassen sich Visualisierungen von Netzwerken erstellen, welche Benutzer
dabei untersttzen sollen, das Verhalten von Netzwerken zu verstehen. Die Haputidee
dabei ist, nicht nur die Struktur eines Netzwerkes, sondern vielmehr die mit diesem
Netzwerk assoziierten Daten zu visualisieren. Abb. 137 zeigt den Internettraffic zu und
aus den USA. Diese Darstellung ist vergleichbar mit den Speichen eines Rades. Die Gre
und Farbe der Links (Speichenden) symbolisiert den Traffic zu und von diesen Links.
193

Whrend die meisten Informationstypen als Grafik oder Netzwerk, dessen Knoten die
Objekte und deren Verbindungen die Beziehungen zwischen den Objekten symbolisieien,
nutzt diese Visualisierung die Vorteile einer dreidimensionalen Darstellung. Dies hat den
Vorteil, dass die Positionen der Links in Relation zu deren tatschlichen geografischen
Lage dargestellt werden knnen.
Eine weitere Visualisierung von SeeNet, welche in Abb. 137 rechts zu sehen ist,
visualisiert den Emailverkehr zwischen verschiedenen Personen. Die Knoten stellen dabei
die einzelnen Personen dar und die Verbindungslinien zwischen den Knoten die
ausgetauschten Emails. Die Farbe und Dicke der Linien kodiert dabei die Intensitt des
Emailverkehrs. Darber hinaus kann der Benutzer aus der Darstellung die Anzahl der
Personen in den jeweiligen Regionen ersehen, welche sich am Emailverkehr beteiligen.

Datentyp

Network

Anwendungsbereich(e)

Netzwerkstrukturen (Internettraffic, Emailverkehr)

VizTechnik(en)

Link-Graph 2D, 3D

Quelle(n)

[CEH 1996]

194

4.4 Konzeptioneller Einsatz der Techniken

God is in the details.


[Mies van der Rohe]

The devil is in the details.


[Shultz]

Die Frage, welche sich bei der groen Vielzahl an Visualisierungstechniken stellt, ist:
Wann wird welche Technik sinnvollerweise zum Einsatz gebracht? Idealerweise gbe es
hierfr ein allgemeingltiges Konzept oder eine Liste - vergleichbar einem Telefonbuch in der man lediglich unter den bekannten Angaben, wie zum Beispiel den Ausgangsdaten,
nachsehen msste und eine, bzw. eine Auswahl an Lsungen geliefert bekme, welche
den sicheren Erfolg der Visualisierung garantieren knnte.
Tatschlich ist der sinnvolle und damit erfolgreiche Einsatz einer Visualisierung jedoch
komplex und hngt von einer Vielzahl von Faktoren ab. Eine Pauschalisierung im Sinne
von: Sind die vorliegenden Daten vom Typ X, dann nehme man Visualisierungstechnik
Y. ist fragwrdig. Sicherlich gibt es Visualisierungen, welche sich fr manche Daten
mehr, fr andere weniger eignen, jedoch hngt der Einsatz letztendlich immer von der
jeweiligen

individuellen

Situation

ab.

Nicht

ohne

Grund

bedienen

sich

viele

Visualisierungssysteme parallel einer Vielzahl von unterschiedlichen Techniken und


Interaktionsmglichkeiten um dem Benutzer so die Mglichkeit zu geben, verschiedene
Sichten auf die Datenbasis zu erzeugen und diejenigen zu nutzen, welche ihm am
geeignesten erscheinen. Dies liegt mit darin begrndet, dass hufig nicht alle Faktoren,
welche am Erfolg einer Visualisierung mageblich beteiligt sind, im Vorfeld bekannt sind.
Um eben dem entgegenzuwirken versuchen Visualisierungssysteme hufig dem Benutzer
ein mglichst breites Feld an Auswahl- und Interaktionsmglichkeiten mit den Daten zu
bieten.
So identifizierte beispielsweise [Mar 1997] fr den Prozess der Informationssuche eine
Reihe von Faktoren, welche diesen generell beeinflussen. Zu diesen Faktoren gehren der
Informationssuchende selbst mit seinem mentalen Modell und andere Faktoren, so wie
die eigentliche Aufgabe (Task), das Suchsystem oder der Anwendungsbereich.

195

4.4.1 5T-Environment

Dieser Ansatz, der 4T-Environment wurde von Thomas Mann und Harald Reiterer
zunchst als Klassifizierungsmodell fr Visualisierungen vorgeschlagen und in einem
spteren Schritt um eine zustzliche Dimension erweitert [MR 2000]. Dieser 5TEnvironment zufolge gibt es somit insgesamt fnf Hauptfaktoren, welche den Nutzen,
bzw. Erfolg von Visualisierungen beeinflussen:

Target user group

Type and number of data

Task to be done

Technical possibilities

Training

Target user group


Gemeint sind damit nicht nur Benutzergruppen kategorischer Art, wie zum Beispiel
Wissenschaftler oder Handwerker, sondern auch Unterschiede in der individuellen
Wahrnehmung und Verarbeitung von Information von einzelnen Personen. Diese hngt
zum Beispiel von der Art und Weise ab, wie Personen in rumlichen Dimensionen denken.
Fr weitere Informationen siehe [Ega 1988], [Bor 1989], [Shn 1998] oder [Hea 1999].
[Man 2002]
Type and number of data
Nicht nur der Datentyp ist fr die Wahl einer grafischen Reprsentation wichtig, sondern
auch die inhrente Ordnung der Daten selbst. Unterliegen die Daten beispielweise einer
hierarchischen Ordnung, so ist es sinnvoll diese fr die Visualisierung zu nutzen. Auer
dem Datentyp ist auch die Anzahl der Daten relevant, da diese ebenso den Erfolg einer
Visualisierung

beeinflusst.

So

mag

sich

beispielsweise

das

berprfen

von

50

Dokumenten, welche als TileBars dargestellt werden, als sinnvoll erweisen, wren es
jedoch 5000 Dokumente, so wre die Verwendung von TileBars an dieser Stelle sicherlich
fr den Benutzer unzumutbar. [Man 2002]

196

Task to be done
Ein sehr wichtiger Faktor, welcher die Effektivitt einer gewhlten Visualisierung
beeinflusst, ist die Aufgabe (Task), welche erledigt werden soll. Es gibt eine beachtliche
Anzahl von Versuchen, Visualisierungen fr verschiedene Formen der Aufgaben (Tasks)
zu klassifizieren oder zu bewerten, wobei die Definition von Tasks weit gefchert ist. Eine
gute Darlegung, wie wichtig der Aufgabentyp fr den Erfolg einer bestimmten
Visualisierung ist, siehe [Cas 1991]. [Man 2002]
Technical possibilities
Die technischen Mglichkeiten gehren ebenfalls zu den bestimmenden Faktoren fr die
Ntzlichkeit und den Erfolg einer Visualisierungsidee. Beispiele fr solche technischen
Faktoren sind, die Entscheidung ein Webbrowser basiertes User Interface oder einen
Computer mit nur geringer Rechenleistung zu verwenden.
Training
Training oder Erfahrung scheinen ebenso wichtige Faktoren zu sein, welche den Erfolg
von Visualisierungen beeinflussen. Wie fr alle anderen User Interfaces, ist es wichtig,
die richtige Balance zwischen Erlernbarkeit und Effizienz zu finden [Nie 1998]. Jedoch ist
der Kompromiss zwischen Simplizitt und Leistung [Hea 1999] nicht der einzige Faktor,
welcher hierbei relevant ist. Auch die Vertrautheit des Benutzers mit der Form einer
Reprsentation beeinflusst die Performanceergebnisse mageblich. [Man 2002]

Wie auch schon im Referenzmodell fr Visualisierung von [CMS 1999] zu sehen (Kapitel
4.1), stellt vor allem die eigentliche Aufgabe (Task) des Benutzers den wichtigsten Faktor
dar, da sie den Visualisierungsprozess triggert. Somit hngt der eigentliche Nutzen der
Visualisierung immer von der Aufgabe des Benutzers ab, und nur zweitrangig von den
zugrundeliegenden Daten. Der Nutzen von Visualisierungen ist also stark kontextabhngig. Der Einsatz einer oder mehrerer Visualisierungstechniken muss daher immer
individuell geprft und den gegebenen Anforderungen entsprechend angepasst werden.
Dabei liegt die Schwierigkeit und Herausforderung nicht darin, irgendeine Form der
Visualisierung fr die Daten zu finden, sondern eine sinnvolle und damit fr den Benutzer
auch ntzliche Visualisierung. Dazu ist es erforderlich jede Situation auf ihre Faktoren hin
zu berprfen und aus diesen Zusammenhngen heraus, eine oder mehrere geeignete
Visualisierungstechniken auszuwhlen. Daher wird ein Konzept, welches lediglich die
einzelnen Visualisierungstechniken und ihre Daten bercksichtigt, also die einzelnen
Visualisierungstechniken vom ihrem Kontext trennt als kritisch betrachtet.

197

Eine Erstellung solch eines Konzeptes fr den sinnvollen Einsatz von Visualisierungen mit
allgemeingltigen Charakter ist also an dieser Stelle in diesem Sinne nicht mglich.
Jedoch kann nicht generell ausgeschlossen werden, dass eine weitere Beschftigung mit
der

Thematik

der

Visualisierung

von

Daten,

mehr

Zusammenhnge

zwischen

Visualisierungstechniken und sinnvollen Einsatzbereichen, aufdeckt um daraus Regeln


bezglich der Verwendung von Visualisierungstechniken ableiten zu knnen.
Als Hilfestellung bei der Auswahl von Visualisierungstechniken kann an dieser Stelle
bereits jedoch die Task by Data Type Taxonomy (TTT) for Information Visualization von
[Shn 1996] dienen. Kapitel 4.3.1 beinhaltet unter anderem eine tabellarische bersicht
der sieben Datentypen mit jeweils zugehrigen Beispieldaten (Tab. 12). Anhand dieser
Klassifizierung

ist

es

mglich,

eigene

Ausgangsdaten

dem

jeweiligen

Datentyp

zuzuordnen. Da die Einteilung der Beispielvisualisierungen aus Kapitel 4.3.2 auf eben
dieser Klassifizierung beruht, beinhaltet dieses Kapitel sozusagen eine Reihe von
Visualisierungsmglichkeiten fr jeden Datentyp. Es gilt zu beachten, dass dies jedoch
kein Regelwerk darstellt. Die Einteilungen der Visualisierungen zu den einzelnen
Kategorien anhand der Datentypen ist, wie bereits erwhnt, nicht bindend. Mit der
entsprechenden Begrndung knnen manche Visualisierungen auch anderen Kategorien
zugeordnet werden. Dennoch knnen diese Kategorisierungen und ihre entsprechenden
Visualisierungen als Orientierungshilfe bei der Suche und Auswahl von Visualisierungstechniken dienen.

198

5. Diskussion am Beispiel

In Teil 5 der Studie findet die Verknpfung der theoretischen Rechercheergebnisse zum
Praxisbezug der MB Online-Welt statt. Anhand von drei ausgewhlten Settings21 aus dem
Webauftritt von Mercedes-Benz Deutschland und Schweden werden verschiedene
Visualisierungsmglichkeiten, welche in den vorangegangenen Kapiteln vorgestellt
wurden, diskutiert und bewertet. Die Auswahl der Visualisierungen findet anhand der
ebenfalls zuvor vorgestellten 5T-Environment statt, welche die Faktoren nennt, die am
erfolgreichen Einsatz von Visualisierungen mageblich beteiligt sind.
Zunchst werden die spezifischen Settings, bei denen es sich um die Reprsentation der
Klassenwelt (PKW), der Standard- und Sonderausstattungen (PKW) und um die
Ergebnisdarstellung der Gebrauchtwagensuche (PKW) handelt, kurz in ihrer derzeitigen
Darstellungsform, also dem IST-Stand vorgestellt. Anschlieend erfolgt die Betrachtung
der Settings bezglich der fnf Faktoren der 5T-Environment - Target User Group,
Type and number of data, Task to be done, Technical Possibilities und Training.
Basierend auf diesen Erkenntnissen werden dann eine Reihe von Visualisierungsmglichkeiten diskutiert, welche den erforderlichen Bedingungen entsprechen.

5.1 IST-Stand der Settings

Setting 1 :: Klassenwelt (PKW)


Die Reprsentation der Klassenwelt (PKW) erfolgt, wie in Abb. 138 zu sehen, bisher
sowohl im deutschen als auch im schwedischen Car Konfigurator vorrangig in Form von
Listendarstellungen. Diese Listen bestehen sowohl aus Text- als auch aus Bildmaterial.

21

Die Auswahl der konkreten Settings fand bei einem Meeting am 04.02.04 durch MB statt.

199

Abb. 138 Darstellung der Klassenwelt (PKW) Car Konfigurator de (oben) und se (unten)

Setting 2 :: Standard- und Sonderausstattungen (PKW)


Wie auch schon die Reprsentation der Klassenwelt (PKW), erfolgt die Darstellung der
Standard- und Sonderausstattungen (PKW) bisher sowohl im deutschen als auch im
schwedischen Car Konfigurator, in Form von vornehmlich textbasierten Listen. Die
deutsche Version des Car Konfigurators unterteilt die Listen streng nach Standard- und
Sonderausstattung (Abb. 139), in der schwedischen Version hat der Benutzer die
Mglichkeit, sich diese Ausstattungsmglichkeiten auch in einer kombinierten Liste
darstellen zu lassen (Abb. 140). Die Reprsentation, der zu den Ausstattungsdetails
verfgbaren Bilder, erfolgt in einer getrennten Darstellung.

200

Abb. 139 Standard- (oben) und Sonderausstattung (unten) der S-Klasse Limousine S430
Car Konfigurator de

(hier Design)

Abb. 140 Darstellung der Standard- und Sonderausstattung der S-Klasse Limousine S430 in einer kombinierten
Ansicht - Car Konfigurator se

201

Setting 3 :: Ergebnisdarstellung der Gebrauchtwagensuche (PKW)


Auch die Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW) erfolgt in
Listenform. Auch hier werden Text- und Bildmaterial miteinander kombiniert. Bei dieser
Reprsentation stellt das Bild jedoch ein integraler Bestandteil der Darstellung dar. Diese
Listendarstellung ermglicht dem Benutzer zustzlich die einzelnen Spalten interaktiv
auf- oder absteigend zu sortieren.

Abb. 141 Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW)

202

5.2 Analyse anhand der Faktoren der 5T-Environment

Target User Group


Die Zielgruppe (Target User Group) ist fr alle drei Settings dieselbe die Besucher der
Webseite von Mercedes-Benz. Da dies eine sehr groe Gruppierung von Benutzern
darstellt, ist mit einer entsprechenden Heterogenitt innerhalb der Gruppierung zu
rechnen. Entsprechend verschiedenartig werden die jeweiligen Vorkenntnisse und damit
einhergehend, die individuellen Fhigkeiten sein. Es empfiehlt sich also Visualisierungen
auszuwhlen, welche sowohl Benutzer mit vielen Vorkenntnissen zufrieden stellen als
auch Benutzer mit wenig Vorkenntnissen nicht ausschlieen. Mit Vorkenntnissen sind
an dieser Stelle sowohl technisches Knowhow in Bezug auf Anwendungen gemeint als
auch Knowhow bezglich Mercedes-Benz spezifischer Belange, wie Typenbezeichnungen
von Fahrzeugen etc. Im vorliegenden Fall muss diese Entscheidung rein hypothetisch
getroffen werden, basierend auf der subjektiven Meinung der Autorin. Im Idealfall
werden

solche

Entscheidungen

mit

zustzlichen

Hilfsmitteln,

wie

Evaluationen

untersttzt.

Type and number of data


Wie bereits erwhnt ist nicht nur der Datentyp an sich wichtig fr die grafische
Reprsentation der Daten sondern auch die inhrente Ordnung der Daten selbst, wie zum
Beispiel Hierarchien. Darber hinaus entscheidet auch die Anzahl der Daten inwieweit
Visualisierungen sich fr den Benutzer effektiv verhalten.

Setting 1 :: Klassenwelt (PKW)


Die Daten der Klassenwelt (PKW) stellen nominale Variablen dar, d.h. sie besitzen eine
ungeordnete Gruppe von Werten22. Dies betrifft sowohl die Variable Klassenwelt selbst
als auch auch die Variablen der Fahrzeugklassen, wie zum Beispiel A-Klasse oder CKlasse. Die Werte von Variablen knnen, wie im vorliegenden Beispiel, selbst wieder
Variablen mit dazugehrigen Werten darstellen. Dadurch ergibt sich eine Schachtelung
der Daten. Die Anzahl der jeweiligen Werte der Klassenwelt ist verhltnismig gering

22

Diese Annahmen beruhen auf den Beobachtungen der derzeitigen Darstellung der Daten auf der Webseite

von Mercedes-Benz Deutschland. Es kann jedoch nicht ausgeschlossen werden, dass die Werte der Variablen
einer Ordnung unterliegen, welche der Autorin zum derzeitigen Zeitpunkt nicht bekannt ist.

203

(etwa zwischen eins bis zehn). Fr die Daten der Klassenwelt ergibt sich somit die
folgende Notation:

Klassenwelt

{A-Klasse, C-Klasse, E-Klasse, S-Klasse, CLK-Klasse,


CL-Klasse, SLK-Klasse, SL-Klasse, M-Klasse, G-Klasse}

A-Klasse

{Limousinen mit Abbildung, Limousinen lang mit Abbildung}

C-Klasse

{Limousinen mit Abbildung, Coups mit Abbildung, T-Modelle mit


Abbildung}

E-Klasse

{Limousinen mit Abbildung, T-Modelle mit Abbildung}

S-Klasse

{Limousinen mit Abbildung, Limousinen lang mit Abbildung}

CLK-Klasse

{Coups mit Abbildung, Cabriolets mit Abbildung}

CL-Klasse

{Coups mit Abbildung}

SLK-Klasse

{Roadster mit Abbildung}

SL-Klasse

{Roadster mit Abbildung}

M-Klasse

{Off Roader mit Abbildung}

G-Klasse

{Off Roader mit Abbildung, Cabriolets mit Abbildung, Off Roader


Lang mit Abbildung}

Setting 2 :: Standard- und Sonderausstattungen (PKW)


Die Daten der Standard- und Sonderausstattungen (PKW) bestehen aus ordinalen sowie
quantitativen

Variablen.

Die

Werte

der

Variablen

Standardausstattung

und

Sonderausstattung unterliegen einer alphabetischen Ordnung, weshalb diese beiden


Variablen vom Typ ordinal sind. Diese Werte, wie zum Beispiel Design oder
Klimatisierung stellen selbst wiederum Variablen dar, welche ebenfalls vom Typ
ordinal sind, denn auch hier unterliegen die zugehrigen Werte einer alphabetischen
Ordnung. Weitere Hierarchieebenen finden sich bei der Variable Sonderausstattungen.
So stellen hier manche Werte wie zum Beispiel Innraumzierteile, aufgrund der
alphabetischen Ordnung ihrer Werte, wiederum ordinale Variablen dar. Im Gegensatz zu
den vorherigen Variablen sind die Werte dieser Variablen zwar selbst auch wieder
Variablen, sind aber vom Typ quanitativ, da sie einen numerischen Wert nmlich den
Preis - enthalten. Insgesamt liegt die Anzahl der Werte der Daten der Standard- und
Sonderausstattungen, welche auf mehreren Hierarchieebenen organisiert sind, im
Verhltnis zur Klassenwelt wesentlich hher. Man wrde die Anzahl aber immer noch im
mittleren Bereich anordnen. Die Anzahl der Werte der einzelnen Variablen kann jedoch
stark zueinander differieren. In der folgenden Notation wird die Schachtelung der
Variablen anhand des Beispiels einer S-Klasse Limousine S430 nochmals verdeutlicht.
204

Standardausstattung {Design, Klimatisierung, Komfort, Lenkung/Schaltung,


Radio/Kommunikation, Rder und Fahrwerk, Sicherheit, Sitze,
Technik}
Design {Ausstiegsleuchten in den Tren}
Klimatisierung {...}
...

Sonderausstattung

{Design, Klimatisierung, Komfort, Lenkung/Schaltung,


Radio/Kommunikation, Rder und Fahrwerk, Sicherheit, Sitze,
Technik}

Design {AMG Styling, Innraumzierteile, Wegfall Typkennzeichen auf Heckdeckel}


AMG Styling {4848,80 }
Innenraumzierteile {Holzausfhrung Kastanie, Holzausfhrung
Wurzelnuss, Keine dieser Ausstattungen}
Holzausfhrung Kastanie {394,40 }
Holzausfhrung Wurzelnuss {394,40 }
Wegfall Typkennzeichen auf Heckdeckel {0 }
Klimatisierung {...}
...

Setting 3 :: Ergebnisdarstellung der Gebrauchtwagensuche (PKW)


Die

Ergebnisliste

der

Gebrauchtwagensuche

beinhaltet

Variablen

von

allen

drei

Basistypen nominal, ordinal und quantitativ. Dabei sind die Variablen Bild und
Garantie vom Typ nominal, die Variablen Typ, Karosserieform, Farbe, PLZ und
Ort dagegen ordinal. Die Ordnung der Werte erfolgt zum Beispiel alphabetisch oder
anhand von Zahlenwerten. Die Variable Erstzulassung ist quantitativ (Time). Auch
Kilometerstand und Preis/Rate in EUR stellen Variablen von Typ quantitativ dar.
Einige Variablen aus der Ergebnisdarstellung der Gebrauchtwagensuche haben sehr viele
Werte. Trotzdem gibt es auch Wertemengen von nur sehr geringer Gre. Die Anzahl der

205

Werte der einzelnen Variablen kann also stark zueinander differieren. Fr die Daten der
Ergebnisdarstellung der Gebrauchtwagensuche ergibt sich die folgenden Notation.

Bild

{vorhanden, nicht vorhanden}

Typ

{190 D, 190 D 2.5,..., E 220}

Karosserieform

{Cabriolet/Roadster, Coup, Gelndewagen, Kombi, Limousine,


Van}

Farbe

{Blau, Braun, Gelb, Grau, ..., Weiss}

Erstzulassung

{1/1950, 04/2004}

Kilometerstand

{0, 100.000}

Preis/Rate in EUR {2500, 100.000}


PLZ

{0, 1, 2, 3, ... , 9}

Ort

{Ahrensburg, Albstadt, Aschersleben,..., Zwickau}

Garantie

{vorhanden, nicht vorhanden}

Task to be done
Wie bereits erwhnt, stellt die Aufgabe, die erledigt werden soll ein wichtiger Faktor dar,
welcher die Effektivitt einer gewhlten Visualisierung beeinflusst. Sie triggert so zu
sagen den Visualisierungsprozess. Die Definition von Aufgabe (Task) ist weit gefchert.
In der vorliegenden STAR wurden als Aufgaben die Tasks von [Shn 1996] definiert
(Kapitel 4.3.1), welche sich auf einem sehr hohem Abstraktionsniveau befinden. Zu
diesen Tasks gehren: Overview, Zoom, Filter, Details-on-Demand, Relate,
History

und

Extract.

Im

Fall

der

drei

Settings

sind

jedoch

die

genauen

Anwendungsszenarien der Visualisierungen bekannt. Somit lassen sich spezifischere


Angaben zu den Tasks, welche mit den Visualisierungen erfllt werden sollen, machen.
Auch hier beruhen die Annahmen auf der subjektiven Meinung der Autorin. Eine
umfassendere und auch detailliertere Ermittlungen der Tasks, welche Benutzer mit den
jeweiligen Visualisierungen erledigen sollen, sollte erfolgen. Fr diesen Fall wurden
jedoch die folgenden Annahmen getroffen: Die Klassenwelt soll sowohl den Einstieg in die
Produktwelt,

als

Fahrzeugklassen

auch

einen

ermglichen.

berblick
Bei

der

ber

die

Darstellung

gesamte
der

Produktpalette

Standard-

und

der

Sonder-

ausstattungen soll ein umfassender berblick ber die verfgbaren Ausstattungsdetails,

206

weiterfhrende Informationen dazu und Vergleichsmglichkeiten geboten werden. Auch


bei der Darstellung der Ergebnisse der Gebrauchtwagensuche soll ein gesamtheitlicher
und aussagekrftiger berblick ber die Suchtreffer geboten werden. Jedoch sind an
dieser Stelle auch vergleichende Darstellungen, sowie Darstellungen von Details
wnschenswert.

Technical Possibilities
Zu den technischen Faktoren gehrt zum Beispiel, wie im vorliegenden Fall, die
Entscheidung ob eine Visualisierung den Benutzern ber das Web angeboten werden soll.
Auch die Art der Benutzergruppe ist in diesem Fall relevant, da bei einem Zugang ber
das

Web mit

unterschiedliche

einer

groen Benutzergruppe

technische

Ausstattung

zu

verfgt.

rechnen
Die

ist,

welche

Orientierung

zu

ber

sehr

geringen

technischen Anforderungen wre in diesem Fall also erstrebenswert. In dem vorliegenden


Fall wird dieser Faktor jedoch etwas vernachlssigt, da eine detaillierte berprfung der
einzelnen Visualisierungen nicht stattgefunden hat. Dennoch wurde bei dieser Auswahl
vor allem Visualisierungen bercksichtigt, welche bereits heute schon als Webversion
vorliegen, bzw. vorgesehen sind. Damit entsprechen zumindest diese Visualisierungen
den erforderlichen Kriterien.

Training
Auch die Trainingsmglichkeiten oder die Erfahrung gehren zu den Faktoren, welche bei
der Auswahl von Visualisierungen bercksichtigt werden muss. Hierbei muss die richtige
Balance zwischen Erlernbarkeit und Effizienz gefunden werden, wobei vor allem auch der
Grad der Vertrautheit mit einer Darstellung fr die Effizienz relevant ist. Da in diesem Fall
kein vorangehendes Training der Benutzer erfolgen kann, ist es wichtig, dass die
Visualisierungen intuitiv zu handhaben und leicht zu erlernen sind. Die Erfordernisse
einer Hilfefunktion fr die Handhabung drfen nicht gegeben sein. Auch technisch wenig
vertraute Benutzer mssen die Mglichkeit haben, die Visualisierung ohne grere
Schwierigkeiten benutzen zu knnen. Dies wirkt auf die Auswahl der Visualisierungen
stark restringierend, da viele Visualisierungen einen verhltnismig hohen Grad an
Erklrungsbedarf besitzen. Visualisierungen, welche nahezu ohne Erklrungsbedarf
auskommen kommen nicht hufig vor. Die Auswahl der Visualisierungen, aufgrund dieser
Kriterien, findet an dieser Stelle wie auch schon zuvor, anhand meiner subjektiven
Meinung statt. Wnschenswert fr diesen Faktor wre jedoch, wie auch schon im Fall der
Target User Group, die Durchfhrung von Evaluationen und Tests mit Benutzern um

207

eine konkrete Auswahl an Visualisierungen hinsichtlich der Selbsterklrungsfhigkeit zu


berprfen.

5.3 Visualisierungsmglichkeiten

Nach der Betrachtung der Ausgangsituation erfolgt nun die Diskussion verschiedener
Visualisierungsmglichkeiten. Dabei wurde zunchst eine Reihe von Visualisierungen
hinsichtlich der Anforderungen, welche mittels der Faktoren der 5T-Environment ermittelt
wurden, berprft. Diese Auswahl von Visualisierungen wurde dann in einem weiteren
Schritt hinsichtlich ihrer Eignung in Bezug auf die ausgewhlten Settings aus der MB
Online-Welt beurteilt, woraus sich auch Empfehlungen hinsichtlich der aktuellen
Designstudien der MB Online-Welt ergaben. In dem folgenden Abschnitt werden nun
einige dieser Visualisierungsmglichkeiten aus dieser Auswahl exemplarisch vorgestellt
und diskutiert. Ziel dabei ist es, einen Eindruck zu vermitteln, wie der Einsatz von
Visualisierungen in der MB Online-Welt mglicherweise aussehen knnte.
Zu den im folgenden Abschnitt diskutierten Visualisierungen gehren: Hyperbolic Tree,
Collapsible Cylindrical Tree (CCT), Venn Diagramme / Pad++, Cam Tree, FisheyeTechnik, Rapid Serial Visual Presentation (RSVP), Date Lens, VisMeB, Table Lens, SnapTogether-Visualization, Dynamic Queries, Scatterplot und Circle Segments.

5.3.1 Klassenwelt (PKW)


Es existieren eine Reihe von Mglichkeiten, die Daten der Klassenwelt (PKW) in eine
visuelle Darstellung zu mappen. Die nachfolgenden Darstellungen sollen hierfr einige
Beispiele zeigen. Zu den in diesem Abschnitt behandelten Visualisierungen gehren:
Hyperbolic Tree, Collapsible Cylindrical Tree (CCT), VennDiagramme / Pad++, FisheyeTechnik, Rapid Serial Visual Presentation (RSVP), Date Lens und Dynamic Queries.
Wie die Analyse der Daten gezeigt hat, unterliegen die Daten der Klassenwelt einer
inhrenten Ordnung: sie sind hierarchisch geordnet. Aufgrund dieser hierarchischen
Ordnung werden zuerst einige Mglichkeiten einer Tree-Darstellung besprochen, da dies
die naheliegendste Visualisierungsform darstellt. Da die Datenmenge insgesamt gesehen
jedoch relativ gering ist, werden anschlieend auch andere Visualisierungsformen in
Betracht gezogen.

208

Es gibt, wie bereits in Kapitel 4.3 gesehen, unterschiedliche Darstellungsmglichkeiten


von Baumstrukturen. Unter Bercksichtigung der Analyse aus Kapitel 5.2 bieten sich fr
die Visualisierung der Klassenwelt beispielsweise die folgenden Visualisierungsformen an:
Hyperbolic Tree, Collapsible Cylindrical Tree oder auch Venn Diagramme. Der
Hyperbolic Tree ermglicht dem Benutzer einen guten Gesamtberblick ber die Daten
der Klassenwelt, ermglicht ein schnelles Browsing und bietet ihm eine leichte und
intuitive Navigation. Aufgrund seiner hyperbolischen Form werden die Daten uerst
platzsparend reprsentiert, wodurch im Zentrum des Trees ein grerer Darstellungsraum entsteht, welcher sich fr die detailliertere Darstellung eines Knotens eignet, ohne
dass dem Benutzer dadurch der Kontext zu der gesamten Hierarchie verloren geht
(Fokus + Kontext (Fisheye) Technik). Abb. 142 zeigt schematisch, wie das Mapping der
Daten in einen Hyperbolischen Tree fr die C-, E- und S-Klasse aussehen knnte. Die
Klassenwelt selbst stellt den Root Knoten dar, welcher sich weiter aufteilt in die einzelnen
Fahrzeugklassen. Auf der zweiten Hierarchieebene sind die zugehrigen Karosserieformen angeordnet. Die Knoten des Trees knnen dabei sowohl aus Text- als auch aus
Bildmaterial oder aus einer Kombination von beidem bestehen. Abb. 142 zeigt dies
beispielhaft: C-Klasse (textuell), E-Klasse (Kombination: Text / Bild) und S-Klasse (Bild).
Klickt der Benutzer auf einen gewnschten Knoten, so bewegt sich dieser interaktiv in
das Zentrum des Trees und nimmt eine detailliertere Darstellung an. Die brigen Knoten
passen sich entsprechend der vernderten Darstellung an.

Limousinen
Coups
T-Modelle
Hyperbolic Tree

G-Klasse

A-Klasse

Limousinen

C-Klasse

T-Modelle

M-Klasse

E-Klasse

Klassenwelt
SL-Klasse

S-Klasse

CLK-Klasse

SLK-Klasse
CL-Klasse

Abb. 142 Schematische Darstellung der Klassenwelt mittels eines Hyperbolic Trees

209

Eigentlich werden Hyperbolic Trees fr die Visualisierung und Manipulation groer


Hierarchien verwendet, jedoch sind sie, wie auch hier fr kleinere Datenmengen
einsetzbar.

Insbesondere

bei

der

Verwendung

von

Bildmaterial,

welches

sich

raumintensiver verhlt als Textdarstellungen. Eine geringe Hierarchietiefe des Hyperbolic


Trees kommt auch eher ungebten Benutzern entgegen. Hyperbolic Trees werden, wie
zum Beispiel bei Inxight23, bereits als Webapplikationen eingesetzt.
Auch der Collapsible Cylindrical Tree (CCT) ist eine bersichtliche und intuitiv zu
handhabende Visualisierung und wrde sich daher ebenfalls fr eine visuelle Darstellung
der Daten der Klassenwelt eignen. Aufgrund seiner horizontalen Ausrichtung eignet er
sich aber vorrangig fr die Darstellung von Text. Da in diesem Zusammenhang jedoch
die Verwendung von Bildmaterial als sinnvoll erachtet wird, wre dies eher von Nachteil.
Baumstrukturen lassen sich ebenfalls durch Venn Diagramme, wie sie zum Beispiel in der
Pad++ Visualisierung eingesetzt werden, darstellen. Diese zeichnen sich ebenfalls durch
intuitive Navigationsmglichkeiten und eine bersichtliche Darstellung der Inhalte aus.
Jedoch empfiehlt sich ihr Einsatz nur bei kleineren Hierarchien. Abb. 143 zeigt
schematisch am Beispiel der A- und E-Klasse, wie der Einsatz dieser Visualisierung fr die
Klassenwelt aussehen knnte. Die einzelnen Klassen stellen die geometrischen Objekte
innerhalb der Grundflche (Klassenwelt) dar. Die Karosserieformen erscheinen in Form
von Icons oder Images innerhalb der jeweiligen Klassen. Dies vermittelt dem Benutzer
einen ersten Eindruck ber ihre Inhalte. Durch Klick auf ein geometrisches Objekt (hier:
Fahrzeugklasse)

gelangt

der

Benutzer

zu

einer

tiefergelegenen

Ebene

in

der

hierarchischen Struktur. Dieses lsst sich theoretisch gesehen beliebig fortsetzen. Ein
zustzliches Detailfenster knnte dem Benutzer, hnlich wie im Pad++ System,
detaillierte Informationen ber die jeweiligen Objekte anbieten. Auch diese Visualisierung
existiert bereits, zum Beispiel als Sitemap auf der Pad++ Webseite24, als Webapplikation.

23

Webseite von Inxight

URL: http://www.inxight.com/map
24

Sitemap der Webseite Pad++

URL: http://www.cs.umd.edu/hcil/pad++/sitemap/

210

A-Klasse

Pad++

E-Klasse

Klassenwelt

Abb. 143 Schematische Darstellung der Klassenwelt in Anlehnung an die Pad++ Visualisierung

Da die Hierarchie innerhalb der Daten der Klassenwelt nicht besonders ausgeprgt, bzw.
die

Datenmenge

der

Klassenwelt

nur

sehr

gering

ist,

kommen

auch

andere

Visualisierungsmglichkeiten in Frage, wie zum Beispiel die Rapid Serial Visual


Presentation (RSVP) von Oscar de Brujin und Robert Spence. Durch die sequentielle
Anordnung in der RSVP geht die Hierarchie der Daten in der Klassenwelt zwar verloren,
jedoch muss dies nicht zwangslufig von Nachteil sein. RSVP ermglicht dem Benutzer
schnell und intuitiv durch eine grere Anzahl von Objekten zu browsen, wobei diese
Objekte sowohl aus Bild- als auch aus Textmaterial bestehen knnen. Mittels dieser
Visualisierung ist es mglich, problemlos viele Objekte auf kleinem Raum darzustellen.
RSVP wurde bereits erfolgreich bei VisMeB eingesetzt und hat sich daher ebenfalls als
webtauglich erwiesen.
Der Einsatz dieser Technik fr die Daten der Klassenwelt ist in unterschiedlichen
Variationen denkbar. Abb. 144 zeigt zum Beispiel eine Kombination aus RSVP und
Fisheye-Technik. Die Bilder laufen in Form eines perspektivisch verzerrten Bildbandes um
ein Objekt herum. Im Zentrum der Frontseite werden die Bilder unverzerrt dargestellt,
wobei

die

verzerrten

Bilder

an

der

Seite

dem

Benutzer

zustzlich

eine

Art

Vorschaufunktion bieten. Im Fall der Klassenwelt knnte das Bildband aus den
Abbildungen der verschiedenen Fahrzeugentypen bestehen - wie A-Klasse Limousinen, AKlasse Limousinen Lang, C-Klasse Limousinen, C-Klasse Coups, usw. - und das Objekt
in der Mitte des Bildbandes aus einer dreidimensionalen Darstellung eines Fahrzeugs. Die
Kategorisierung

der

unterschiedlichen

Fahrzeugklassen

sollte

fr

eine

bessere

Orientierung des Benutzers zustzlich, beispielsweise durch Farbe, visuell hervorgehoben


werden. Dieses Bildband lsst sich mittels des Cursors interaktiv um das Fahrzeug in der
211

Mitte herum drehen. Mittels der Fisheye-Technik ist es mglich, das Bildband nach hinten
hin stark zu verkleinern, wogegen das Bild im Zentrum der Frontseite vergrert
dargestellt wird und daher gengend Platz fr eine detailreichere Darstellung bietet. Ein
zustzliches Detailfenster fr Zusatzinformationen in Form von Text wre denkbar. Ein
Mausklick auf die Abbildung im Zentrum des Bildbandes lst die Auswahl des Fahrzeugs
aus und lsst die dreidimensionale Abbildung in der Mitte in das soeben ausgewhlte
Fahrzeug morphen. Im Idealfall lsst sich diese Abbildung durch den Benutzer interaktiv
um 360 Grad drehen um ihm so einen besseren Eindruck von dem jeweiligen Fahrzeug
zu vermitteln.

RSVP

Experiment 2

New

RSVP
Details

E-Klasse
Limousine

Abb. 144 Schematische Darstellung der Klassenwelt in Anlehnung an RSVP

Um die Produktwelt PKW von Mercedes-Benz komplett abzubilden, bietet sich auch eine
Matrixdarstellung

an,

mit

den

verschiedenen

Klassen

auf

der

einen

und

den

Karosserietypen auf der anderen Achse. Die Darstellung kann dabei rein textuell, mittels
Abbildungen oder aus einer Kombination von beidem bestehen. So kann der Benutzer auf
einen Blick smtliche verfgbaren Fahrzeugtypen erkennen. Auch diese Visualisierung
bercksichtigt nicht, hnlich wie die RSVP-Visualisierung zuvor, die ursprnglich
hierarchische Ordnung der Daten. Doch auch hier wirkt sich dies nicht nachteilig auf die
Darstellung der Daten aus. Da eine solche Darstellung aufgrund der Gre der
Produktwelt PKW von Mercedes-Benz und insbesondere bei der Verwendung von
Bildmaterial nur sehr gedrngt ausfallen wrde, empfiehlt es sich die Matrix-Darstellung
mit einer Fisheye-Technik zu kombinieren, ganz nach dem Vorbild der DateLens von
Bederson,

Clamage,

Czerwinski

und

Robertson.

Diese

bietet

neben

einem

Gesamtberblick ber den Inhalt, auch die Mglichkeit, durch Auswahl einer bestimmten
Zelle innerhalb der Matrix, graduell in diese Zelle hineinzuzoomen, um so eine detaillierte
212

Ansicht des Zelleninhalts zu erhalten. Alle brigen Zellen verkleinern sich entsprechend.
Diese Detailansicht kann Abbildungen des Fahrzeugtyps, textuelle Informationen oder
auch Links zu weiteren Funktionen der MB Online-Welt enthalten. Durch einen weiteren
Klick auf die Zelle schliet sich diese wieder und der Benutzer kehrt zur ursprnglichen
Matrix-Ansicht zurck. Auch diese Technik, wie schon die anderen zuvor, ermglicht die
parallele Darstellung vieler Objekte auf kleinem Raum mit der Mglichkeit, Details zu den
jeweiligen Objekten abzurufen, ohne dass der Benutzer den Zusammenhang zu den
brigen Daten verliert (Fokus + Kontext). Durch die Erweiterung dieser Technik mit
anderen Funktionen, wie Suchanfragen oder Filtermglichkeiten, zum Beispiel in Form
von Dynamic Queries, entsteht so eine bersichtliche Darstellung der Produktwelt PKW,
mit

welcher

der

Benutzer

intuitiv

interagieren

kann.

Auch

der

Wechsel

der

Achsenbelegung, wie zum Beispiel in Fahrzeugklasse und Preis, kann eine neue Sicht auf
die Daten erzeugen. Abb. 145 zeigt eine schematische Darstellung, wie eine solche
Matrix-Visualisierung fr die A-, E-, S- und CL-Klasse der Klassenwelt aussehen knnte.
Die vertikale Achse ist dabei mit den einzelnen Fahrzeugklassen belegt, die horizontale
mit den Karosserieformen. Die Zellen der so entstandenen Matrix enthalten alle
Fahrzeugtypen, welche die MB PKW-Welt zu bieten hat.

Date Lens

Limousinen

Limousinen
Lang

Coups

T-Modelle

A-Klasse
E-Klasse
S-Klasse
CL-Klasse

Abb. 145 Schematische Darstellung der Klassenwelt in Anlehnung an die Date Lens

213

5.3.2 Standard- und Sonderausstattungen (PKW)

Geeignete Visualisierungen fr die Standard- und Sonderausstattungen zu finden, erweist


sich als schwieriger als bei dem Setting der Klassenwelt. Dies liegt zum einen daran, dass
die Datenmenge der Standard- und Sonderausstattungen um einiges umfangreicher ist
und zum anderen an der Aufbereitung der Daten selbst. Sicherlich finden sich auch hier,
nicht

zuletzt

aufgrund

der

hierarchischen

Struktur

der

Daten,

verschiedene

Visualisierungsmglichkeiten, wie zum Beispiel Tree-Visualisierungen. Dennoch bedarf es


bei den Standard- und Sonderausstattungen einer weiterfhrenden Betrachtung des
Settings. Zu den in diesem Abschnitt behandelten Visualisierungen gehren: Hyperbolic
Tree, Cam Tree, Collapsible Cylindrical Tree, Fisheye-Technik, Venn Diagramme, RSVP,
VisMeB, Table Lens und Snap-Together-Visualization.

Hyperbolic Trees oder Cam Trees eignen sich, wie bereits erwhnt, fr die Visualisierung
grerer Hierarchien, weshalb sie prinzipiell auch fr die Visualisierung der Standardund Sonderausstattungen geeignet wren. Bei einer rein textuellen Darstellung, wie dies
derzeit auf der Webseite von Mercedes-Benz der Fall ist, ist das Mapping der Daten zu
einem Hyperbolic Tree oder einem Cam Tree unproblematisch. Abb. 146 und Abb. 147
zeigen schematische Darstellungen solcher Trees fr die Beispieldaten aus Kapitel 5.2.

AMG-Styling
Innraumzierteile
Wegfall Typenkennz.

Sitze

Hyperbolic Tree

Technik

Design

Sicherheit

Klimatisierung

Sonder-

ausstattung
Rder
und Fahrwerk
Radio/
Kommunikation

Komfort
Lenkung/
Schaltung

Abb. 146 Schematische Darstellung der Sonderausstattungen in Form eines Hyperbolic Trees

214

Cam Tree

Abb. 147 Schematische Darstellung der Standardausstattungen in Form eines Cam Trees

Weitere Tree-Visualisierungen, wie zum Beispiel der Collapsible Cylindrical Tree wren
ebenfalls denkbar, mssten aber konkret fr jede einzelne Hierarchieebene der Daten
geprft werden, da die Nutzung eines CCT bei zu vielen Daten auf einer Ebene,
Darstellungsschwierigkeiten auf der Oberflche der Zylinder erzeugt. Venn Diagramme
eignen sich eher fr kleinere Hierarchien, sind also hier prinzipiell ungeeignet.
Allein

das

Mapping

der

textuellen

Ausgangsdaten

der

Standard-

und

Sonder-

ausstattungen in eine Visualisierung wird nicht als ausreichend erachtet. Dies zeigt auch
schon, die fr den Benutzer unbefriedigende derzeitige Darstellung der Daten auf der
Webseite von Mercedes-Benz. Diese Unzufriedenheit hngt nicht nur allein mit der
Listendarstellung an sich zusammen, sondern auch mit den angebotenen Daten selbst.
Dadurch fhrt ein bloes Mapping der Ausgangsdaten in eine Visualisierung zu keinem
befriedigenden Ergebnis. Bei der vorangegangenen Ermittlung der Tasks in Kapitel 5.2
hat sich gezeigt, dass die Aufgaben, welche mit dieser Darstellung erfllt werden sollen,
vielfltiger Natur sind. So lassen diese sich in die folgenden Tasks grob zusammenfassen:
berblick verschaffen, Informieren und Vergleichen. Aufgrund der verschiedenartigen Tasks, ist zu berlegen, ob diese tatschlich mit einer einzelnen Visualisierung
abgedeckt werden knnen, bzw. berhaupt sollen.
berblick verschaffen bezieht sich auf die Gesamtheit der Ausstattungsmglichkeiten;
also

welche

Ausstattungsmglichkeiten

gibt

es

berhaupt,

welche

sind

bereits

standardmig vorhanden (Standardausstattungen) und welche knnen hinzu gewhlt


werden (Sonderausstattungen). Informieren bedeutet, dass der Benutzer zu den
jeweiligen Ausstattungsmerkmalen umfassende und detaillierte Informationen erhlt,
sowohl in Form von Text- als auch von Bildmaterial. Aufgrund dieser Hintergrund215

informationen

findet

die

Entscheidungsfindung

des

Benutzers

bezglich

der

Ausstattungsmerkmale statt. Ohne diese Informationen ist er in seiner Entscheidungsfindung beeintrchtigt. Auch das Vergleichen ist eine wichtige Task in diesem
Zusammenhang. Das Schaffen von Vergleichsmglichkeiten, vor allem zwischen den
einzelnen Ausstattungsmglichkeiten, soll den Benutzer bei seiner Entscheidungsfindung
bestmglich untersttzen. Diese grundstzlichen Tasks sind in verschiedene Szenarien im
Zusammenhang mit den Standard- und Sonderausstattungen eingebunden und knnen
somit von unterschiedlichen Situationen aus aufgerufen werden.
Die Frage stellt sich nun nach der Darstellung, bzw. Visualisierung der unterschiedlichen
Daten der Standard- und Sonderausstattungen im Hinblick auf die verschiedenen Tasks.
Im Rahmen dieser Arbeit kann an dieser Stelle sicherlich keine Universallsung
prsentiert werden, da dies aufgrund der Komplexitt der Problematik ber den Rahmen
dieser Arbeit hinausginge. Dennoch sollen an dieser Stelle einige Visualisierungsmglichkeiten angedacht werden.
Grundlegend wichtig ist in erster Linie eine bersichtliche Darstellung, welche dem
Benutzer auf komprimierte Weise zeigt, ber welche Ausstattungsmerkmale das
Fahrzeug berhaupt verfgt und welche Merkmale prinzipiell hinzugenommen werden
knnen. Dies kann beispielsweise in Form einer Listen- oder Matrixdarstellung erfolgen,
welche sowohl Text als auch Thumbnails oder Symboldarstellungen enthalten kann. Ziel
einer solchen bersicht ist es, dem Benutzer einen schematischen berblick zu bieten,
welcher auf knappe Weise darstellt, welche Ausstattungsmerkmale es zu diesem
Fahrzeug berhaupt gibt und von welchem Typ (Standard- oder Sonderausstattung) sie
sind. Eine weitere Funktion, welche dem Benutzer ebenfalls einen berblick ber die
jeweiligen Ausstattungsmerkmale verschaffen wrde, jedoch einen anderen Ansatz
verfolgt, wre der Einsatz einer Rapid Serial Visual Presentation (RSVP). Whrend eine
Listen- oder Matrixdarstellung einen eher analytischen Ansatz verfolgt, bietet das RSVP
dem Benutzer die Mglichkeit, interaktiv durch den Katalog der Ausstattungsmerkmale,
z.B. in Form von ID-Cards, welche detailliertere Informationen und Abbildungen zu dem
jeweiligen Ausstattungsmerkmal beinhalten (vgl. VisMeB), zu browsen. Aufgrund der
grundlegend verschiedenen Anstze, wre eine parallele Nutzung der beiden Techniken
fr

das

Setting

der

Standard-

und

Sonderausstattungen

denkbar

und

sogar

wnschenswert, da dies dem Benutzer mehrere Mglichkeiten bieten wrde, sich einen
berblick ber die Welt der Ausstattungsmerkmale zu verschaffen. Die beiden Techniken
wrden somit ergnzend aufeinander einwirken.

216

Grundlegend ist es sicherlich sinnvoll, die jeweiligen Ausstattungsmerkmale in Bezug zum


jeweiligen Fahrzeug zu setzen, wie dies zum Beispiel im Designentwurf II25 durch die
Verlinkung der Text- und Bilddaten erfolgt. Ziel ist es, den Abstraktionsgrad der Inhalte
der Daten zu verringern, indem diese bei ihrer Auswahl durch den Benutzer am Fahrzeug
visuell dargestellt werden. D.h., whlt der Benutzer ein Ausstattungsmerkmal aus einer
textuellen Liste aus, so wird das entsprechende Detail in einer dreidimensionalen,
interaktiv

schwenkbaren

Abbildung

des

Fahrzeugs

visuell

hervorgehoben.

Dies

funktioniert auch in der entgegengesetzten Richtung. Abstraktere Ausstattungsmerkmale


erfordern diesbezglich eine kreative Lsung, wie zum Beispiel die Verwendung von
Symbolen, Animationen oder hnlichem. Zustzliche Informationen ber das jeweilige
Ausstattungsmerkmal knnten dem Benutzer, wie bereits oben erwhnt, in Form von IDCards

angeboten

detaillierte

werden.

Informationen

Diese
und

beinhalten

ausreichendes

in

einer

bersichtlichen

Bildmaterial,

wodurch

Darstellung

der

Benutzer

umfassende Hintergrundinformationen ber die von ihm gewnschten Ausstattungsmerkmale erhlt. Diese ID-Cards knnten sowohl zu jedem Ausstattungsmerkmal einzeln
aufgerufen und wieder geschlossen werden oder, wie bereits oben erwhnt, mittels der
RSVP komplett durchbrowst werden. Darber hinaus sollte es dem Benutzer mglich sein
entsprechende Ausstattungsmerkmale untereinander zu vergleichen. Dies kann auf einer
analytischen Ebene, wie der von textuellen Auflistungen oder auch von einfachen
Analysetools, wie zum Beispiel Tabellen mit Bargrafiken (vgl. Table Lens), erfolgen oder
aber auf einer semantischen Ebene, wie der von ID-Cards, zum Beispiel mit SnapTogether-Technik.

Fr

die

Visualisierung

der

Beziehungen

zwischen

bestimmten

Ausstattungsmerkmalen, wre zum Beispiel der Einsatz von Tree-Visualisierungen, wie


dem Hyperbolic Tree, denkbar. Dies knnte sich auch nur auf die Darstellung von
Teilbumen beschrnken. Abb. 148 zeigt eine schematische Darstellung einer solchen
Visualisierungsform fr die Daten der Sonderausstattungen aus Kapitel 5.2. Der
Rootknoten der Hierarchie (Sonderausstattung) befindet sich in einem Navigationspfad
oberhalb der eigentlichen Tree-Darstellung. Die folgende Hierarchieebene wird in
kreisfrmiger Form um das Fahrzeug herum angeordnet. Die Daten dieser Ebene, hier die
Kategorien der Ausstattungsmerkmale Design,

Klimatisierung, Komfort, usw.

knnen in Form von Text, Symbolen oder Abbildungen dargestellt werden. Die dritte
Hierarchieebene knnte in einer Art Vorschau bereits als Knoten eines Trees dargestellt
werden. Diese Knoten knnten entweder permanent zu sehen sein, vergleichbar mit
einem

Hyperbolic

Tree

mit

Fisheye-Technik

oder

aufgrund

einer

Benutzeraktion

erscheinen. Durch solch eine Aktion, wie zum Beispiel einen Mausklick oder einen MausOver-Effekt knnte diese Hierarchieebene ein- oder ausgefahren werden. Eine weitere

25

Designerntwurf II wurde von Alan Ross im Rahmen des BEST-Projektes (Kooperation Daimler Chrysler und

Universitt Konstanz) entwickelt.

217

Mglichkeit wre, durch die Verwendung der RSVP-Technik die gesamte zweite
Hierarchieebene (Design, Klimatisierung, etc.) interaktiv um das Fahrzeug zu
rotieren, um so einen bestimmten Knoten in einen festgelegten Fokus-Bereich zu drehen.
In diesem Bereich wrden dann mehr Details, wie zum Beispiel Unterknoten dargestellt
werden.

Knoten,

hervorgehoben

welche

werden.

ber

Weitere

weitere

Unterknoten

Vorschaueffekte

verfgen,

knnten

durch

knnten
ein

visuell

zustzliches

separates Detailfenster erreicht werden, welches weitere Informationen zu den jeweiligen


Knoten enthlt, vgl. ID-Cards. Wrde nun ein Knoten der zweiten Hierarchieebene
ausgewhlt, wie z.B. in diesem Beispiel Innenraumzierteile, so wrde der Name des
hierarchisch hher liegenden Knotens (Design) dem Navigationspfad hinzugefgt
werden (Sonderausstattungen > Design) und die Hierarchieebene gewissermaen
eins nach oben aufrutschen. D.h. die Knoten AMG-Styling, Innenraumzierteile und
Wegfall Typenkennzeichen wrden kreisfrmig um das Fahrzeug angeordnet werden,
wobei sich bei dem Knoten Innenraumzierteile eine weitere Ebene mit den Knoten
Holzausfhrung Kastanie bzw. Holzausfhrung Wurzelnuss, erscheinen wrde. Die
Navigation zu hher gelegenen Knoten erfolgt ber den Navigationspfad. Der Bezug der
Ausstattungsmerkmale

zum

Fahrzeug,

knnte

zum

Beispiel

bei

Aktivierung

der

Detailansicht durch die visuelle Hervorhebung der entsprechenden Ausstattungsdetails im


und am Fahrzeug hergestellt werden.

Sonderaustattung

>
AMG-Styling
Innenraumzierteile
Wegfall Typenkennz.
...

Sicherheit

Design

Details
Rder
und Fahrwerk

Klimatisierung

Komfort

Radio /
Kommunikation
Lenkung /
Schaltung

Abb. 148 Schematische Darstellung eines Teilbaums fr die Daten der Sonderausstattungen

218

Die Ausfhrungen zu den obigen Visualisierungsmglichkeiten sollen als Anregung dienen


und sind daher rein exemplarischer Art. Inwieweit sich eine solche Visualisierung
berhaupt auf die gesamten Daten der Standard- und Sonderausstattungen bertragen
lsst, bleibt zu prfen.
Wie bereits erwhnt, wurden in diesem Abschnitt verschiedene Lsungen fr die
Darstellung der Standard- und Sonderausstattungen und der damit zusammenhngenden
Problematik angedacht. Prinzipiell gibt es fr dieselbe Problemstellung meistens mehrere
Visualisierungsmglichkeiten. Eine universelle Lsung in diesem Zusammenhang wrde
ber

den

Rahmen

dieser

Arbeit

hinausgehen,

da

dies

eine

intensivere

Auseinandersetzung mit dieser relativ komplexen Thematik erfordert htte. Idealerweise


beinhaltet

eine

Darstellung

der

Standard-

und

Sonderausstattungen,

wie

oben

beschrieben, mehrere Visualisierungsanstze, welche aufeinander abgestimmt und


miteinander verlinkt sind. Dem Benutzer darf sich eine solche Kombination von
verschiedenartigen Visualisierungen nicht als Konglomerat darstellen, sondern als ein
Visualisierungssystem, welches ihn bei der Auswahl der Ausstattungsmerkmale seines
Fahrzeugs bestmglichst untersttzt.

5.3.3 Ergebnisdarstellung der Gebrauchtwagensuche (PKW)

Die Ergebnisdarstellung der Gebrauchtwagensuche (PKW) hngt stark mit der Suchanfrage selbst zusammen. Sicherlich gibt es auch Mglichkeiten, lediglich die Darstellung
der Ergebnisse in eine andere Visualisierungsform zu mappen, jedoch bietet es sich auch
an, die Suchanfrage strker mit der Ergebnisdarstellung zu verknpfen und somit fr den
Benutzer einfach handhabbar zu machen. Zu den in diesem Abschnitt diskutierten
Visualisierungen gehren: Table Lens, VisMeB, Dynamic Queries, Scatterplot, FilmFinder,
Circle Segments und RSVP.
Die tabellarische Darstellung von Suchergebnissen bietet aufgrund ihres komprimierten
und stark strukturierten Erscheinungsbildes durchaus Vorteile fr den Benutzer. Jedoch
stellt sie einen eher analytischen Ansatz dar, mit dem Ziel bestimmte Schlsse, bzw.
konkrete Suchergebnisse aus der Treffermenge ziehen zu knnen. Die Visualisierungsform der Table Lens, welche auch bei VisMeB verwendet wird und somit webtauglich ist,
stellt fr den Benutzer eine bequeme Mglichkeit dar, die bersichtliche Struktur einer
Tabelle in Kombination mit Detailansichten der einzelnen Treffer nutzen zu knnen
(Fokus + Kontext). Diese Technik wrde sich auch fr eine tabellarische Visualisierung
der Ergebnisse der Gebrauchtwagensuche von Mercedes-Benz eignen. Wie die Analyse
der Daten der Ergebnisdarstellung der Gebrauchtwagensuche gezeigt hat, bestehen die
219

Daten aus verschiedenen Variablentypen. So eignet sich zum Beispiel fr quantitative


Werte

die

Darstellung

Symboldarstellungen.

in

Abb.

Form
149

eines
zeigt

Balkens

eine

oder

fr

schematische

kategorische
Darstellung,

Daten

wie

die

Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine Table Lens ausshe.


Dabei knnte beispielweise die Variable Erstzulassung umgewandelt werden in eine
Variable namens Alter, um so eine sinnvolle Balkendarstellung verwenden zu knnen.
Die Balken stellen Wertebereiche dar, wobei die jeweiligen Enddaten klar definiert sein
mssen. Zustzlich mit der Sortierfunktion der einzelnen Spalten - welche bereits in der
Ergebnisliste

der

Gebrauchtwagensuche

auf

der

Webseite

von

Mercedes-Benz

Deutschland eingesetzt wird - ergibt sich so eine bequeme Mglichkeit fr den Benutzer
durch die Suchtreffer zu browsen und Tendenzen in der Treffermenge ablesen zu knnen.
Mittels der Fisheye-Technik ist es ihm mglich, bestimmte Treffer zu lokalisieren und
konkrete Daten ber das jeweilige Fahrzeug abzurufen. hnlich wie in VisMeB, wre es
sinnvoll die Markierung von einzelnen Zeilen, also Suchtreffern zuzulassen, um dem
Benutzer so die Mglichkeit zu geben fr ihn interessante Treffer zu markieren und somit
spter auch wieder zufinden. Darber hinaus ergbe sich auch die Mglichkeit, in
Anlehnung an das Granularittskonzept von VisMeB, markierte Treffer in eine weitere
Granularittsstufe zu berfhren, um so eine weitere Verfeinerung der Treffermenge
vornehmen zu knnen. In dieser nchsten Granularittsstufe knnte eine detailliertere
Darstellung der Suchtreffer dem Benutzer mehr Informationen zu den einzelnen
Fahrzeugen bieten, um ihm so die weitere Auswahl und Verfeinerung der Treffermenge
zu erleichtern. Denkbar wren auch weitere Verfeinerungsschritte, welche dann nach
dem gleichen Prinzip funktionieren wrden. Ziel ist es, am Ende des Prozesses zu einem
Fahrzeug zu gelangen, welches den Vorstellungen des Benutzers entspricht. Zustzlich
knnten die einzelnen Granularittsstufen, ebenso wie in VisMeB von einem Detailfenster
untersttzt werden, welches bei der Markierung eines Fahrzeugs in der Tabelle die
gesamten Informationen zu dem jeweiligen Fahrzeug zeigt (Vorschaufunktion).

220

Table Lens

Bild

Typ

Karosserie

Farbe

230 CE

COUP

BLAU

Alter in Mtn.
(Erstzulass. )

184 (01/89)

km

Preis/Rate

225.000

5.900,-

PLZ

Ort

54 290

TRIER

Abb. 149 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine
Table Lens.

Prinzipiell ist es jedoch auch mglich, den Prozess der Suchanfrage dynamisch in die
Datenexploration

mit

einzubinden.

Eine

Trennung

der

Suchanfrage

von

der

Ergebnisdarstellung inklusive ihrer Verfeinerungsschritte, wie beim obigen Beispiel


beschrieben, findet dabei nicht statt. Eine Visualisierungstechnik, welche dafr bekannt
geworden ist, sind die Dynamic Queries, wie sie beispielsweise auch beim FilmFinder von
Christopher Ahlberg und Ben Shneiderman eingesetzt werden. Diese ermglichen die
direkte und dynamische Manipulation der Visualisierung der Treffermenge mittels User
Interface Slidern und Radio Buttons. Im Falle des FilmFinders handelt es sich bei der
Visualisierung um einen zweidimensionalen Scatterplot, jedoch lsst sich diese Technik
auch mit anderen Visualisierungen kombinieren, wie zum Beispiel der Matrix-Darstellung
aus Setting 1 oder auch Circle Segments, wie in VisMeB. Mit Hilfe der Technik der
Dynamic Queries ist es dem Benutzer mglich, die Anfrage dynamisch nach seinen
individuellen Wnschen formulieren zu knnen. D.h. er hat die Mglichkeit die Anfrage zu
stellen und sie gegebenenfalls aufgrund des sofortigen Feedbacks ber die Visualisierung,
nochmals umformulieren zu knnen. Diese Technik wre auch fr die Gebrauchtwagensuche

(PKW)

von

Mercedes-Benz

geeignet,

da

sie

ber

eine

intuitive

Benutzerfhrung verfgt und den Suchprozess fr den Benutzer wesentlich vereinfacht,


indem sie die Anfrage direkt mit der Ergebnisdarstellung kombiniert. Abb. 150 zeigt eine
schematische

Darstellung

der

Gebrauchtwagensuche,

inkl.

Ergebnisdarstellung

in

Anlehnung an den FilmFinder. Die Achsenbelegung des Scatterplots kann variabel


221

gestaltet werden. In dieser Darstellung ist die x-Achse mit der kategorischen Variable
Karosserieform und die y-Achse mit der kategorischen Variablen Fahrzeugklassen
belegt, wodurch die Objekte der Ergebnismenge auf einem Gitter zu liegen kommen. Die
Werte der quantitativen Variablen, wie Preis / Rate, Erstzulassung und Kilometer
lassen sich, da sie eine Range darstellen, mittels eines User Interface Sliders bestimmen.
Denkbar wre auch der Einsatz von Double Slidern, welche die Definition eines ganzen
Wertebereichs durch den Benutzer ermglichen. Kategorische Variablen, wie zum Beispiel
Farbe lassen sich mittels Check Boxes auswhlen. ber solche Check Boxes knnen
auch weitere Auswahlkriterien vom Benutzer zu- oder abgewhlt werden. Whlt der
Benutzer einen der Datenpunkte im Scatterplot aus, so werden ihm die Daten zu dem
von ihm ausgewhlten Objekt in einem zustzlichen Detailfenster gezeigt. Dies knnen
zum Beispiel alle von ihm in der Suchanfrage definierten Kriterien sein, sowie zustzliche
Informationen, wie Hndler oder Bildmaterial. Im Fall von Multidata-Points, also
Datenpunkte, auf denen mehrere Objekte zu liegen kommen, knnen Techniken, wie
zum Beispiel RSVP eingesetzt werden, um diese Wertemenge zu durchbrowsen.

Preis / Rate
FilmFinder

100.000

500

Erstzulassung
1/1950

Fahrzeugklasse

4/2004

Kilometer
0

100.000

Farbe

...

blau

E-Klasse

rot

wei

...

CE Coup

C-Klasse

Garantie

A-Klasse

Limousine

Limousine
Lang

Coup

...

Karosserie

Abb. 150 Systematische Darstellung der Gebrauchtwagensuche inkl. Ergebnisdarstellung in Anlehnung an den
FilmFinder

222

Eine Variation zum Scatterplot, stellt die Kombination von Dynamic Queries und Circle
Segments dar. Abb. 151 zeigt eine schematische Darstellung der Ergebnisdarstellung der
Gebrauchtwagensuche in Anlehnung an Circle Segments. Auch hier kann, hnlich wie
beim obigen Beispiel die Ergebnismenge mittels Dynamic Queries vom Benutzer
beeinflusst werden. Die Menge der gefundenen Fahrzeuge wird prozentual zum Beispiel
nach Fahrzeugklassen auf einen Kreis gemappt, wobei die einzelnen Treffer (Objekte) als
Punkte dargestellt werden. Auch hier kann es wieder zur Bildung von Multidata-Points
kommen, welche dann wie oben besprochen behandelt werden. Zustzlich ist es mglich,
den Kreis von innen nach auen zum Beispiel nach Karosserieformen aufzuteilen. So
lgen zum Beispiel die Limousinen im Innenkreis und die Limousinen Lang im
darauffolgenden Ring. Theoretisch ist auch hier ein Wechsel der Einteilungen denkbar.
Die einzelnen Kreissegmente knnten auch Karosserieformen kodieren und Ringe eine
quantitative Variable, wie zum Beispiel Preis. Mittels Beschrnkung der Suchbereiche
bei der Anfrage, wie z.B. Preis, wrde sich auch die Darstellung der Circle Segments
entsprechend anpassen.

Circle Segments
(VisMeB)

G-Klasse
M-Klasse

A-Klasse

SLK-Klasse

C-Klasse

SLK-Klasse
E-Klasse

CL-Klasse

S-Klasse
CLK-Klasse

Abb. 151 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche


in Anlehnung an Circle Segments

223

Das

vorangegangene

Kapitel

hat

gezeigt,

dass

es

oftmals

unterschiedliche

Visualisierungsmglichkeiten fr denselben Datensatz gibt. Auer den hier vorgestellten


Visualisierungsmglichkeiten fr die definierten Settings aus der MB Online-Welt
existieren sicherlich noch zahlreiche weitere, welche sich ebenfalls fr die Visualisierung
dieser Daten geeignet htten. Jede Visualisierungsform birgt sowohl Vor- als auch
Nachteile in sich. Wie in der Diskussion gesehen, gibt es oftmals nicht die richtige
Lsung. Vielmehr existieren hufig mehrere durchaus sinnvolle Mglichkeiten Daten zu
visualisieren. Die Faktoren der 5T-Environment helfen zwar Visualisierungen auszuschlieen, fhren aber nicht zwangslufig zu einer einzelnen Lsung. Wie bereits
erwhnt, empfiehlt es sich die Festlegung auf eine bestimmte Visualisierungsform anhand
mehrerer Faktoren, wie die der 5T-Environment, abzuwgen und mittels Benutzerumfragen und tests die Entscheidung zustzlich zu untersttzen.

224

6. Zusammenfassung

In diesem Kapitel werden die Inhalte der State-of-the-Art Analyse Visualisierung von
Daten fr die DaimlerChrysler AG nochmals reflektiert und die Erkenntnisse berblickartig zusammengefasst.
Information ist keine Erfindung unserer heutigen Zeit. Die Verwendung von Information
und damit auch das Information Design haben eine lange Historie in der Geschichte der
Menschheit. Im Vergleich zu frher hat sich die Menge an produzierter Information mit
ihren

verschiedenen

Ausprgungen

jedoch

wesentlich

erhht

und

ihre

nahezu

permanente Verfgbarkeit erzeugt einen Effekt, welcher unter dem populren Schlagwort
der Informationsberflutung bekannt geworden ist. Aufgrund dieses neuen Stellenwertes der Information und der Tatsache, dass sich bestimmte Formen von Medien, wie
die visuelle Reprsentation, besonders fr die Darstellung von Information eignen,
entwickelten sich eigenstndige Forschungsdisziplinen und Arbeitsbereiche, welche sich
speziell mit dem Umgang und der visuellen Reprsentation von Information und damit
auch

von

Daten

beschftigen.

Diese

Disziplinen,

zu

denen

beispielsweise

die

Computergrafik, die Statistische Grafik, die Scientific oder auch Information Visualization
gehren, machen sich die Tatsache zu nutze, dass das menschliche Wahrnehmungssystem extrem an die Verarbeitung von visuell kodierten Informationen angepasst ist. Da
die innere mentale Aktion und die externe wahrnehmbare Interaktion (externe
Wahrnehmung) beim Menschen stark miteinander verknpft sind, kommt externen
Hilfsmitteln, auch genannt Artefakte, allgemein eine bedeutende Rolle zu. Diese
Artefakte, zu deren wichtigsten mit Abstand jedoch die grafischen oder auch visuellen
Hilfsmittel

zhlen, erweitern die kognitiven Fhigkeiten eines Menschen, welche

wiederum fr die Aneignung oder Verwendung von Wissen verantwortlich sind. Bei den
visuellen

Artefakten

lassen

sich

zwei

verschiedene

Zwecke

unterscheiden:

die

Kommunikation einer Idee (A picture is worth ten thousand words.) und die
Entwicklung einer Idee (Using vision to think.). Das menschliche visuelle System ist
speziell darauf ausgerichtet Informationen aus unserer Welt, mit ihren ganz bestimmten
physikalischen Eigenschaften zu extrahieren und Muster in seiner Umgebung zu suchen
und wiederzuerkennen. Die Visualisierung von Daten macht sich dies bereits seit
Jahrhunderten zu nutze. Bis vor einiger Zeit bedeutete der Begriff Visualization laut
dem Shorter Oxford English Dictionary jedoch noch: constructing a visual image in the
mind. In einem spteren Verstndnis verstand man dann unter Visualization: a
graphical prepresentation of data or concepts. Demnach wandelte sich Visualisierung
von einem internen Konstrukt des Verstandes zu einem externen Artefakt, welches der
Erweiterung des menschlichen Verstandes dient. Mit der Entwicklung von Computern
225

nderte sich wiederum das Verstndnis vom Begriff der Visualisierung. Mit Hilfe des
Mediums Computer war es nun mglich, grafische Darstellungen automatisch zu
erzeugen, welche aus Tausenden von Datenobjekten bestanden und interaktiv von
Benutzern modifiziert werden konnten. D.h. Visualisierungen waren nicht lnger statisch
sondern konnten nun interaktiv vom Benutzer beeinflusst werden: use of computerbased, interactive visual representations of data to amplify cognition. Die Revolution
bestand darin, dass sich der Betrachter einer Visualisierung zu deren Autor wandelte. Der
Benutzer war nicht mehr lnger abhngig von einer einmal getroffenen Entscheidung
ber die Art der Reprsentation der Daten, sondern konnte im Rahmen der Freiheiten,
welche ihm das Visualisierungstool bot diese Entscheidung nun selbst kontrollieren und
wieder interaktiv modifizieren. A graphic is no longer drawn once and for all: it is
constructed and reconstructed (manipulated) a graphic is never an end in itself: it is a
moment in the process of decision making. Bertin (1981).
Entsprechend der Verwendung von visuellen Artefakten hat die Visualisierung von Daten
grundstzlich zwei Facetten: Datenprsentation und Datenexploration. Der Fokus der
Betrachtung von Datenreprsentationen ist die Kommunikation von bereits bekannten
Fakten durch geeignete Reprsentationsformen. Bei der Datenexploration geht es
dagegen darum, mittels angemessener Visualisierungen unbekannte Verknpfungen
zwischen Thematiken aufzudecken, auch genannt Visual Data Mining. Im Fall der
Prsentation steht die Kommunikation im Vordergrund, im Fall der Exploration ist es die
Entdeckung. Aufgrund des hohen Potentials der Visualisierung von Daten beschftigen
sich mit dieser Thematik zahlreiche verschiedenartige Disziplinen. Speziell seit den 80er
Jahren wurden die Konzepte der Datenvisualisierung zu vielen anderen Bereichen
transferiert. Zu dieser Zeit wurden computerbasierte Visualisierungen vor allem im
Bereich der Wissenschaft angewandt, was die Entwicklung des Bereichs der Scientific
Visualization zur Folge hatte. Seit den 90er Jahren kommen diese Visualisierungen auch
zunehmend in allgemeineren Bereichen, wie Firmen oder Ausbildung zur Anwendung.
Diese

allgemeinere

Anwendung

wird

Information

Visualization

oder

auch

Informationsvisualisierung genannt, aus deren Sicht auch die vorliegende State-of-theArt Analyse der Visualisierung von Daten entstanden ist. Im Gegensatz zur Scientific
Visualization deren Visualisierungen zumeist physische Daten, wie Gebude oder
Naturphnomene, zugrunde liegen, beschftigt sich die Information Visualization mit
der Visualisierung abstrakter, nicht-physischer Daten. D.h. Daten ohne ersichtlichen
rumlichen Bezug. Auch die Ziele der beiden Disziplinen unterscheiden sich voneinander
grundlegend. So ist das primre Ziel der Scientific Visualization die mglichst getreue
Nachbildung eines physischen Objektes, um dieses eingehend erforschen zu knnen,
wobei

hierbei

auch

zunehmend

Techniken,

wie

Virtual

Reality

oder

Immersive

Environments ihre Anwendung finden. Ziel der Information Visualization dagegen ist es

226

Muster, Clusterungen, Lcken oder Sonderflle in den Daten identifizieren zu knnen,


wobei die Abbildung der Daten selbst dabei eher zweitrangig ist. Auch wenn sich diese
beiden Bereiche grundstzlich voneinander unterscheiden, so kann es doch in manchen
Visualisierungen zu berschneidungen der beiden Bereiche kommen, also einem
Zusammenspiel aus physischen und abstrakten Daten innerhalb einer Visualisierung. In
einem historischen Abriss wird nochmals kurz die geschichtliche Entwicklung der
Visualisierung von Daten mit ihren prominentesten Entwicklern, Errungenschaften und
Initiativen und den zugehrigen chronologischen Eckdaten aufgefhrt. Da sich mit der
Visualisierung

von

Daten

unterschiedliche

Disziplinen

beschftigen,

ist

auch

die

verwendete Terminologie nicht einheitlich. So knnen je nach Disziplin unterschiedliche


Begriffe fr prinzipiell gleiche Konzepte verwendet werden. Jedoch ist auch die
Verwendung

von

Begrifflichkeiten

innerhalb

einer

Disziplin,

wie

der

Information

Visualization nicht einheitlich. Die Anfhrungen einiger Definitionen aus dem Bereich der
Visualisierung von Daten und die damit in Verbindung stehenden Konzepte sollen helfen
die einzelnen Begriffe klar voneinander abzugrenzen.
Die bloe Tatsache, dass eine Visualisierung fr die Darstellung von Daten verwendet
wurde, ist noch kein Garant fr eine qualitativ hochwertige Darstellung. Die Beispiele der
Cholera Epidemie in London und des Space Shuttle Challenger Unglcks haben
gezeigt, dass sich die Verwendung einer Visualisierung, je nach ihrer Qualitt und
Aussagekraft, ebenso positiv wie auch negativ auswirken kann. D.h. Visualisierungen
knnen bei unsachgemer Verwendung die relevanten Inhalte der Daten verschleiern,
subjektiv wiedergeben oder, wie in weiteren Beispielen gezeigt, sogar verflschen.
Visualisierungen sind durchaus in der Lage, allein durch ein spezifisches Mapping der
Daten zu einer Visualisierung, wahre Gegebenheiten oder Tatsachen zu verflschen,
obwohl sie auf einer korrekten Datenbasis erstellt wurden. Ob eine Visualisierung nutzt
oder eventuell sogar schaden kann, hngt prinzipiell davon ab, wie geeignet sie fr den
jeweiligen Kontext ist. Dementsprechend liegt die Herausforderung bei der Visualisierung
von Daten grundstzlich darin, eine adquate Visualisierung, bzw. ein geeignetes
visuelles Mapping fr die jeweilige Datenwelt und den damit verbundenen kontextspezifischen Aufgaben zu finden. Darber hinaus hngt der erfolgreiche Einsatz einer
Visualisierung noch von einer Reihe weiterer Faktoren ab, jedoch ist das Hauptziel einer
jeden Visualisierung stets der Nutzen fr den Benutzer; unabhngig davon wie dieser im
Einzelfall definiert wird.
Die Betrachtung der Ausgangssituation, d.h. in wie weit Visualisierungen bei den
derzeitigen Webauftritten der Automobilbranche bereits eingesetzt werden, hat gezeigt,
dass die Thematik der Visualisierung von Daten in diesem Bereich insgesamt gesehen,
bisher noch eine auffallend untergeordnete Rolle spielt. So fanden sich auf den
analysierten

Webseiten,

zu

denen

sowohl

Mercedes-Benz

Deutschland

als

auch
227

Mercedes-Benz Schweden gehrten, sowie einige andere Automobilkonzerne, bis auf


einige wenige Ausnahmen, kaum Visualisierungstechniken. Entsprechend leitet sich die
Legitimation fr die Thematik der Visualisierung von Daten in diesem Zusammenhang ab.
Ein kurzer berblick ber einschlgige Literatur, Konferenzen, Institutionen und
Wissenschaftler gibt Auskunft wer sich auf wissenschaftlicher Ebene mit der Thematik der
Visualisierung von Daten beschftigt.
Der eigentliche fachliche Diskurs zum Thema Visualisierung enthlt verschiedene
Themenbereiche, wie die Vorstellung eines Modells fr die Visualisierung von Daten,
diverse Visualisierungstechniken, Einsatz von Metaphern bei Visualisierungen, eine
Taxonomie fr die Klassifizierung von Visualisierungen, Beispielvisualisierungen, sowie
Ausfhrungen zum konzeptionellen Einsatz von Visualisierungen.
Um eine einheitliche Basis fr die Prsentation und die sptere Diskussion der
Visualisierungen zu schaffen wurde zunchst das Referenzmodell fr Visualisierung von
Card, Mackinlay und Shneiderman vorgestellt. Dieses beschreibt konzeptionell den
Transformationsprozess der Umwandlung von Daten in eine visuelle Reprsentation. Das
Modell enthlt zum einen den Datenfluss, welcher vom Input der originren Daten
(Rohdaten) ber insgesamt drei Transformationsschritte bis zu den endgltigen visuellen
Darstellungen verluft, sowie eine Reihe von Interaktionsmglichkeiten, welche es dem
Benutzer ermglichen auf diese Transformationen einzuwirken. Auch die Vorstellung von
grundlegenden Visualisierungstechniken dient dem Aufbau von Basiswissen im Bereich
der Visualisierung von Daten. Die Beschreibungen dieser allgemeingltigen Techniken
wurden dem Bereich der Statistischen Grafik entnommen, da im Bereich der Information
Visualization

diesen

grundlegenden

Techniken

keine

gesonderte

Aufmerksamkeit

zukommt sondern in der Regel als gegeben vorausgesetzt werden. Ziel dieses Kapitels ist
es, dass der Benutzer mit Hilfe dieses Basiswissens die immense Flle an verschiedenen
existenten Visualisierungen besser klassifizieren und somit die grundlegenden Techniken
von einander unterscheiden kann. Oftmals lassen sich mit diesem Wissen scheinbar
unterschiedliche Visualisierungen auf dieselbe und hnlich aussehende Visualisierungen
auf vllig unterschiedliche Visualisierungstechniken zurckfhren. Diese grundlegenden
Techniken werden anhand der Grammar of Graphics, welche Leland Wilkinson
entwickelte,

erlutert.

Diese

trennt

grundstzlich

die

mathematischen

von

den

sthetischen Regeln, welche fr die Erzeugung einer Grafik verwendet werden. Somit
lassen sich Grafiken im Wesentlichen in die folgenden Grundelemente zerlegen: ihre
Geometrie (Graphentypen), ihre sthetischen Attribute (Farbe, Form, etc.), ihre
statistischen Methoden, ihre Skalierung und ihr Koordinatensystem, in welchem sie
eingebettet sind. Grafiken knnen dabei entweder aus einer einzelnen Grafik bestehen
oder aus so genannten Facetten, welche aus vielen kleinen Grafiken bestehen, die
228

Variationen einer einzelnen Grafik darstellen. Durch Kombination der verschiedenartigen


Ausprgungen der einzelnen Grundelemente - wie zum Beispiel Line-Graphic, Blau,
etc. - lsst sich so eine groe Vielzahl an unterschiedlichen Grafiken erzeugen. Auf Basis
der erlernten Grammatik knnen so auch neuartig erscheinende Grafiken richtig
klassifizieren werden. Auch fr Entwickler von Visualisierungen kann dieser Ansatz
interessant sein, da die Kenntnis der Grundelemente von Grafiken zu neuartigen
Kombinationsmglichkeiten oder zu der Entwicklung bisher noch nicht existenter
Elemente fhren kann. hnlich einem Baukastensystem, ist die Vielzahl der mglichen
Kombinationen und somit Ausprgungen hher, wenn man bei deren Zusammenbau die
eigentlichen

Grundelemente

miteinander

kombiniert,

anstatt

bereits

vorgefertigte

Komponenten zu nutzen.
Visualisierungen nutzen zuweilen so genannte Metaphern um das User Interface und die
damit zusammenhngende Funktionalitt besser darzulegen. Die Idee dabei ist, anhand
von spezifischem Wissen, welches der Benutzer zu einem frheren Zeitpunkt in anderen
Bereichen erworben hat, die Komplexitt des User Interfaces zu reduzieren. Dabei kann
eine Metapher einem System, bzw. einer Visualisierung entweder global oder partiell, in
Form von oftmals mehreren miteinander kombinierten Metaphern, zugrunde liegen.
Die Prsentation von praktischen und/oder exemplarischen Beispielen fr Visualisierungen soll die Einsatzmglichkeiten von Visualisierungstechniken im Bereich der
Wissenschaft und Wirtschaft aufzeigen. Aufgrund der immensen Vielzahl an existenten
Visualisierungen und ihren unterschiedlichen Ausprgungen war es im Rahmen dieser
STAR jedoch nur mglich einen kleinen Einblick in die Welt der Visualisierungen zu
gewhren. Fr weiterfhrende Informationen wird auf die Hinweise innerhalb des Kapitels
verwiesen.

Diese

beinhalten

zum

Beispiel

Links

zu

Online-Sammlungen

fr

Visualisierungen, wie MIKY oder OLIVE. Um die Visualisierungen nicht nur im Detail
darstellen zu knnen, sondern auch um einen konzeptionellen berblick zu vermitteln, ist
es erforderlich deren Darstellung sinnvoll zu strukturieren. Ein oftmals verwendeter
Ansatz hierfr, ist die Klassifizierung anhand der zugrundeliegenden Daten der jeweiligen
Visualisierung. Daten, die visualisiert werden sollen, knnen sehr ungleich sein. Dabei
kann es sich ebenso um Messdaten bezglich der jhrlichen Flchenreduktion der
Polarkappen, um die Verbraucherdaten einer groen Handelskette als auch um das
Netzwerk der Pariser Metro oder die Baukomponenten eines Fahrzeugs handeln. Da
Visualisierungen Daten in visuelle Formate transformieren, ist es hilfreich in diesem
Zusammenhang einige Datentypen zu definieren, anhand derer die Klassifizierung
vorgenommen werden kann. Die Task by Data Type Taxonomy for Information
Visualization von Shneiderman unterscheidet insgesamt sieben mgliche Datentypen:
Ein-, Zwei-, Dreidimensional, Temporal, Multi-Dimensional, Tree und Network. Anhand
dieser Klassifizierung erfolgte die kurzgefasste Prsentation ausgesuchter Beispiele fr
229

Visualisierungen, um die Einsatzmglichkeiten von Visualisierungstechniken aufzuzeigen.


Die Auswahl der an dieser Stelle vorgestellten Visualisierungen fand dabei aufgrund des
Bekanntheitsgrades der jeweiligen Visualisierung, bzw. aufgrund der darin enthaltenen
Technik statt.
Der

Diskurs

zum

Thema

Visualisierung

schliet

mit

den

Ausfhrungen

zum

konzeptionellen Einsatz von Visualisierungstechniken. Wie bereits erwhnt, ist das


grundlegende Ziel von Visualisierungen der Nutzen fr den Benutzer. Dieser hngt jedoch
individuell von der jeweiligen Situation ab, in welcher die Visualisierung eingesetzt wird
und ist demnach stark kontextspezifisch. Entsprechend ist der erfolgreiche Einsatz einer
Visualisierung mit einer Reihe von Faktoren verbunden. Mann und Reiterer identifizierten
in der 5T-Environment insgesamt fnf Hauptfaktoren, welche den Nutzen bzw. Erfolg von
Visualisierungen beeinflussen. Diese sind: Target user group, Type and number of
data, Task to be done, Technical possibilities und Training. Der Einsatz von
Visualisierungstechniken muss daher immer fr jede Situation hinsichtlich der genannten
Faktoren individuell geprft und den gegebenen Anforderungen entsprechend angepasst
werden. Ein Konzept, welches jedoch lediglich die einzelnen Visualisierungstechniken und
ihre Daten bercksichtigt - also die einzelnen Visualisierungstechniken vom ihrem
Kontext trennt - wird daher als kritisch betrachtet. Die Erstellung eines solchen
Konzeptes fr den sinnvollen Einsatz von Visualisierungen mit allgemeingltigem
Charakter war an dieser Stelle und in diesem Sinne also nicht mglich. Jedoch kann nicht
generell ausgeschlossen werden, dass eine weitere Beschftigung mit der Thematik der
Visualisierung von Daten, mehr Zusammenhnge zwischen Visualisierungstechniken und
sinnvollen Einsatzbereichen, aufdeckt um daraus Regeln bezglich der Verwendung von
Visualisierungstechniken ableiten zu knnen.
Eine Hilfestellung bei der Auswahl von Visualisierungstechniken kann jedoch bereits jetzt
schon anhand der Task by Data Type Taxonomy (TTT) for Information Visualization von
Shneiderman und der darauf basierenden Prsentation der Beispielvisualisierungen
gegeben werden. Demnach kann durch Zuordnung der Ausgangsdaten zu dem
entsprechenden Datentyp, die Auflistung der Beispielvisualisierungen, welche basierend
auf dieser Klassifizierung erstellt wurde, gewissermaen als Orientierungshilfe fr die
Auswahl von Visualisierungstechniken dienen.
Die Verknpfung der theoretischen Rechercheergebnisse zum Praxisbezug der MB OnlineWelt erfolgt anhand einer Diskussion hinsichtlich diverser Visualisierungsmglichkeiten
dreier ausgesuchter Settings aus dem Webauftritt von Mercedes-Benz Deutschland.
Dabei

werden

zunchst

die

spezifischen

Settings,

bei

denen

es

sich

um

die

Reprsentation der Klassenwelt (PKW), der Standard- und Sonderausstattungen


(PKW) und um die Ergebnisdarstellung der Gebrauchtwagensuche (PKW) handelt, kurz
in ihrer derzeitigen Darstellungsform, also dem Ist-Stand vorgestellt. Anschlieend
230

erfolgt die Analyse der Settings hinsichtlich der fnf Faktoren der 5T-Environment,
welche bereits zuvor fr den Erfolg einer Visualisierung als mageblich verantwortlich
identifiziert wurden. Basierend auf diesen Erkenntnissen wurde zunchst eine Reihe von
Visualisierungen hinsichtlich der ermittelten Anforderungen berprft. Diese Auswahl von
Visualisierungen wurde dann in einem weiteren Schritt hinsichtlich ihrer Eignung in Bezug
auf die ausgewhlten Settings aus der MB Online-Welt beurteilt, woraus sich auch
Empfehlungen hinsichtlich der aktuellen Designstudien der MB Online-Welt ergaben. Da
im Rahmen dieser STAR nicht alle Visualisierungsmglichkeiten prsentiert werden
knnen, wurden einige aus dieser Auswahl exemplarisch vorgestellt und diskutiert. Ziel
dabei ist es, einen Eindruck zu vermitteln, wie der Einsatz von Visualisierungen in der MB
Online-Welt mglicherweise aussehen knnte. Die Diskussion hat gezeigt, dass es
oftmals eine Vielzahl an Visualisierungsmglichkeiten fr ein und denselben Datensatz
gibt. Dabei birgt jede Visualisierungsform sowohl Vor- als auch Nachteile in sich. Hufig
gibt es nicht die richtige Lsung an sich. Vielmehr existieren oftmals mehrere, durchaus
sinnvolle Mglichkeiten, einen Datensatz zu visualisieren. Die Faktoren der 5TEnvironment helfen zwar Visualisierungen auszuschlieen, fhren aber nicht zwangslufig
zu einer einzelnen Lsung. Daher empfiehlt es sich, die Festlegung auf eine bestimmte
Visualisierungsform anhand mehrerer Faktoren, wie die der 5T-Environment, abzuwgen
und mittels Benutzerumfragen und tests die Entscheidung zustzlich zu untersttzen.

231

7. Ausblick

The real voyage of discovery consists not in seeking new landscapes


but in having new eyes.
[Proust]

Der abschlieende Teil der STAR beinhaltet, basierend auf den Erkenntnissen der
vorangegangenen Recherchen, Prognosen ber zuknftige Entwicklungen und Tendenzen
im Bereich der Visualisierung von Daten.
Wie in der State-of-the-Art Analyse gezeigt, stellt die Thematik der Visualisierung von
Daten

schon

heute

einen

sehr

umfassenden

Bereich

mit

verschiedenartigsten

Ausprgungen dar. Information hat es schon immer gegeben und wird es immer geben.
Stellt sich also die Frage, wie sieht die Darstellung von Information in Zukunft aus und
entsprechend, wie entwickelt sich der Bereich der Visualisierung von Daten weiter.
Mageblich beteiligt an der Fortentwicklung von Visualisierungen ist sicherlich die
technologische Komponente. So werden neue Formen von Displays, wie zum Beispiel von
PDAs oder Mobilfunktelefonen, Computer mit mehr Rechenleistung und hheren
Speicherkapazitten oder auch hhere Datenbertragungsraten einen starken Einfluss
auf kommende Generationen von Visualisierungen haben. Auch neuartige Technologien
wie Virtual Reality oder Immersive Environments erffnen neue Mglichkeiten fr die
Visualisierung von Daten. Bislang ist die Entwicklung von Visualisierungen jedoch noch
weitestgehend auf den Sektor der wissenschaftlichen Forschung beschrnkt, wenn auch
auf mehrere Disziplinen. In Zukunft wird sich dies sicherlich ndern. Visualisierungen
dringen in immer mehr Anwendungsbereiche vor und erffnen sich damit auch
zunehmend dem Normalverbraucher. Damit wandeln sich Visualisierungen von den
Fachanwendungen zum Konsumgut, wodurch sich ein groer Markt an potentiellen
Nutzern erffnet. Entsprechend dringen auch immer mehr Firmen, welche sich mit der
Visualisierung von Daten beschftigen in den Markt vor. Die Folge davon ist, dass sich die
Entwicklung von Visualisierungen zunehmend aus dem theoretischen, Prototyp-basierten
Forschungsbereich in anwendbare Applikationen hinausbewegt. Dabei werden vermehrt
bereits existierende Techniken zur Visualisierung von Daten verwendet und neue im
Zusammenhang mit bestimmten Applikationen entwickelt. Wie auch in der STAR
gesehen, existiert bereits eine immense Vielzahl an verschiedenartigen Techniken zur
Visualisierung

von

Daten.

Diese

stellen

sozusagen

einen

groen

Pool

an

Visualisierungsideen dar, welche wiederum fr andere Visualisierungen eingesetzt werden


knnen (vgl. VizBox). Die Fokussierung auf Applikationen hilft dabei fehlende Techniken
232

zu ermitteln und den Wert bestehender zu bestimmen. Auch der kombinierte Einsatz von
verschiedenartigen Visualisierungstechniken in einer Applikation ermglicht es eine breite
Benutzerbasis zu erreichen. [CMS 1999] Diese ffnung zur breiten Masse bringt aber
auch eine Vernderung der Visualisierungen selbst mit sich. Denn entsprechend der
uerung von Edward Tufte: The world is complex, dynamic, multidimensional... stellt
sich auch die Welt der Visualisierungen als komplex, dynamisch und multidimensional
dar. D.h. es gibt aufgrund der groen Vielfalt an verschiedenartigen Visualisierungen
auch

entsprechend

viele

unterschiedliche

Schwierigkeitsgrade

hinsichtlich

der

Komplexitt der Visualisierungen. So uerte sich auch Colin Ware: It can be just as
hard to learn to read some diagrams as it is to learn to read written language. Da der
der

Fokus

der

Entwicklung

von

Visualisierungen

zuknftig

vermehrt

auf

dem

Normalverbraucher liegen wird, hat dies auch Einfluss auf die Komplexitt der
Visualisierungen. Dennoch muss man auch beachten, dass ein vermehrter Einsatz von
Visualisierungen im alltglichen Umfeld auch die Vertrautheit mit Visualisierungen erhht.
Visuelle Reprsentationen von Information mgen anfangs ungewohnt und nur schwer
verstndlich erscheinen, knnen sich aber bei regelmigem Gebrauch nahtlos in den
Alltag integrieren. So stellt selbst Schrift nichts weiter als visuell kodierte Information
dar. Ist sie einmal erlernt, fgt sie sich nahtlos in den alltglichen Gebrauch ein und ihre
Verwendung wird als selbstverstndlich erachtet. Die Dekodierung der Schriftzeichen
stellt lediglich eine Frage des Gewohnheitsfaktors dar, unabhngig davon, um welche
Sprache es sich dabei handelt.
Die Thematik der Visualisierung von Daten birgt also auch zuknftig ein hohes Potential.
Doch worin liegt das Ziel zuknftiger Visualisierungen? Die essentielle Frage, welche sich
laut [CMS 1999] stellt, heit: What new things could we now do with this technology
that were previously unthinkable? Denn ebenso wichtig, wie die technologischen Details
von Visualisierungstechniken zu kennen ist es, die Natur informationsintensiver Aufgaben
(Tasks) zu verstehen. Ohne Bercksichtigung des Kontexts wrden Visualisierungen zu
ihrem bloen Selbstzweck entwickelt. Der Bereich der Information Visualization wrde
sich so zu einer Ansammlungen von Techniken entwickeln, welcher zwar nette Bilder
erzeugt, fr diese dann aber erst nach einer Verwendung suchen muss. Wahrer
Fortschritt bei der Visualisierung von Daten entsteht laut [CMS 1999] nur durch ein
tiefgreifendes Verstndnis dafr, wie bestimmte Aktivitten entscheidend untersttzt
werden knnen, bzw. durch ein tiefgreifendes Verstndnis fr die Interaktion zwischen
externer Kognition, Information und menschlicher (innerer) Kognition. [CMS 1999]

233

In einer Welt, welche bereits heute schon aus einem gewaltigen Netzwerk aus
Information und ihren verschiedenartigen Medien besteht, wird die Visualisierung von
Daten und respektive die Information Visualization in Zukunft ein Herzstck der neuen
Technologie fr Human Interfaces darstellen. Die Information Visualization trgt das
Potential in sich die mentale Vorstellungskraft des Menschen durch Visionen um ein
Vielfaches zu erweitern. [CMS 1999]

A picture is worth ten thousand nodes.


[Stuart Card, Jock Mackinlay, Ben Shneiderman]

234

8. Quellenverzeichnis

[AB 1998]

Alonso, O.; Baeza-Yates, R. A. (1998): A model for visualizing large


answers in WWW retrieval. In: Proceedings SCCC98. 18th
International Conference of the Chilean Society of Computer
Science. Conference: Antofogasta, Chile, November 9-14 1998. Los
Alamitos, CA (IEEE Comput. Soc.) 1998. p. 2-7.

[And 1995]

Andrews, K. (1995): Visualising Cyberspace: Information


Visualisation in the Harmony Internet Browser. In: Gershon,
Nahum; Eick, Stephen G. (Eds.): Proceedings of IEEE Information
Visualization 1995. Conference: Atlanta, GA, October 30-31 1995.
Los Alamitos, CA (IEEE Computer Soc. Press) 1995. p. 97-104.

[AS 1994a]

Ahlberg, C.; Shneiderman, B. (1994): Visual Information Seeking


Using the Filmfinder. Conference Companion of CHI`94, ACM
Conference on Human Factors in Computing Systems. 433.

[AS 1994b]

Ahlberg, C.; Shneiderman, B. (1994): Visual Information Seeking:


Tight Coupling of Dynamic Query Filters with Starfield Displays.
Proceedings of CHI94, ACM Conference on Human Factors in
Computing Systems, New York. 313-317.
URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-AbstractsBibliography/3131html/3131.html (April 2004)

[Bae 1996]

Baeza-Yates, R.A. (1996): Visualizing large answers in text


databases. In: AVI 1996: International Workshop on Advanced
Visual Interfaces. Conference: Gubio, Italy, May 27-29 1996. New
York (ACM Press) 1996. p. 101-107.

[BC 1987]

Becker, R.A.; Cleveland, W.S. (1987): Brushing Scatterplots.


Technometrics, 29, 127-142.

[BCC 2004]

Bederson, B.B.; Clamage, A.D.; Czerwinski, M.P.; Robertson, G.R.


(2004): DateLens: A Fisheye Calendar Interface for PDAs. ACM
TOCHI 2004.

235

[BCR 2002]

Bederson, B.B.; Czerwinski, M.P.; Robertson, G.R. (2002): A


Fisheye Calendar Interface for PDAs: Providing Overviews for Small
Displays. HCIL Tech Report #HCIL-2002-09.
URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-AbstractsBibliography/2002-09html/2002-09.pdf (April 2004)

[BCS 1996]

Becker, R.A.; Cleveland, W.S.; Shyu, M-J (1996): The design and
control of Trellis display. Journal of Computational and Statistical
Graphics, 5, 123-155.

[Bek 1999]

Bekavac, B. (1999): Hypertextgerechte Suche und Orientierung im


WWW. Ein Ansatz unter Bercksichtigung hypertextspezifischer
Struktur- und Kontextinformation. Universitt Konstanz, Fachgruppe
Informatik und Informationswissenschaft, Dissertation 1999.

[Ber 1967]

Bertin, J. (1967): Smiologie Graphique. Paris: Editions GauthierVillars. Deutsche bersetzung von Jensch, G.; Schade, D.; Scharfe,
W.: Graphische Semiologie.Diagramme Netze - Karten. Berlin:
Walter de Gruyter, 1974.

[Ber 1977]

Bertin, J. (1977): La Graphique et le Traitement Graphique de


lInformation. Paris: Flammarion. Deutsche bersetzung von Scharf,
W.: Graphische Darstellungen. Graphische Verarbeitung von
Information. Berlin: New York: de Gruyter, 1982.

[BFL 1985]

Bly, S.A.; Frysinger, S.P.; Lunnery, D.; Mansur, D.L.; Mezrich, J.J.;
Morrison, R.C. (1985): Communication with sound. Human Factors
in Computing Systems: CHI 85 Conference Proceedings. New York:
ACM Press, 115-119.

[BFO 1984]

Breiman, L. ; Friedman, J.H.; Olshen, R.A.; Stone, J.C. (1984):


Classification and Regression Trees. Belmont, CA: Wadsworth.

[BH 1994]

Bederson, B.B.; Hollan, J. D. (1994): PAD++: A zooming graphical


user interface for exploring alternate interface physics In: UIST 94:
7th ACM Symposium on User Interface Software and Technology
New York (ACM press) 1994. p. 17-27.
URL: http://www.cs.umd.edu/hcil/pad++/papers/uist-94-pad/uist94-pad.pdf (April 2004)

236

[BHP 1996]

Bederson, B.B.; Hollan, J. D.; Perlin, K. (1996): Pad++: A zoomable


graphical sketchpad for exploring alternate interface physics. In:
Journal of Visual Languages and Computing, 7 (1996) 1, p. 3-31.

[BG 2000]

Bryan, D.; Gershman, A. (2000): The Aquarium: A Novel User


Interface Metaphor for Large, Online Stores. In: Tjoa, A Min;
Wagner, Roland R.; Al-Zobaidie, Ala (Eds.): Proceedings 11th
International Workshop on Database and Expert Systems
Applications. Conference: Greenwich, London, United Kingdom,
September 4-8 2000. Los Alamitos, CA (IEEE Computer Society)
2000. p. 601-607.

[Bly 1983]

Bly, S.A. (1983): Interactive Tools for data exploration. Computer


Science and Statistics: Proceedings of the 15th Symposium on the
Interface, 255-259.

[Bor 1989]

Borgman, C.L. (1989): All users of information systems are not


created equal: An exploration into individual differences. In:
Information Processing & Management, 25 (1989) 3, p. 237-252.

[Brg 1990]

Bregman, A.S. (1990): Auditory Scene Analysis: The Perceptual


Organization of Sound. Cambrifge, MA: MIT Press.

[Bre 1994]

Brewer, C.A. (1994): Color use guidelines for mapping and


visualization. In A.M. MacEachren and D.R.F. Taylor (eds.),
Visualization in Modern Cartography, pp. 123-147. Oxford:
Pergamon Press.

[Bre 1996]

Brewer, C.A. (1996): Guidelines for selecting colors for diverging


schemes on maps. The Cartographic Journal, 33, 79-86.

[Bru 1978]

Bruckner, L.A. (1978): On Chernoff Faces. In P.C.C. Wang (Ed.),


Graphical Representation of Multivariate Data. New York: Academic
Press, pp. 93-121.

[BS 2003]

Bederson, B.B.; Shneiderman, B. (2003): The Craft of Information


Visualization. Readings and Reflections. San Francisco, CA (Morgan
Kaufmann) 2003.

[BSC 2001]

de Bruijn, O.; Spence, R.; Chong M.Y. (2001): RSVP Browser: Web
Browsing on Small Screen Devices. In Proceedings of the IHM-HCI
2001 workshop on Human Computer Interaction with Mobile
Devices: Mobile HCI'01 (Lille, September 2001).
237

[BSh 1995]

Brown, M.H.; Shillner, R.A. (1995): A New Paradigm for Browsing


the Web. Short Papers. In: Katz, Irvin R.; Mack, Robert L.; Marks,
Linn et al. (Eds.): CHI 1995: Conference Proceedings Human
Factors in Computing Systems. Conference: Denver, CO, May 7-11
1995. New York (ACM Press) 1995. p. 320-321.

[BSF 1994]

Bier, E.A.; Stone, M.C.; Fishkin, K. et al. (1994): A Taxonomy of


See-Through Tools. In: Adelson, B.; Dumais, S.; Olson, J. S. (Eds.):
CHI 1994: Conference Proceedings Human Factors in Computing
Systems. Conference: Boston, MA, April 24-28 1994. New York
(ACM Press) 1994. p. 358-364.

[BSG 1989]

Blattner, M.; Sumikawa, D.; Greenberg, R. (1989): Earcons and


icons: Theirstructure and common design principles. HumanComputer-Interaction, 4, 11-44.

[BSp 1999]

de Bruijn, O.; Spence, R. (1999): Rapid Serial Visual Presentation.


Video Production 1401, Imperial College Television Studio, London,
Imperial College.
URL: http://www.iis.ee.ic.ac.uk/~o.debruijn/rsvp.pdf (April 2004)

[BSp 2000]

de Bruijn, O.; Spence, R. (2000): Rapid Serial Visual Presentation:


A space-time trade-off in information presentation. In Proceedings
of Advanced Visual Interfaces, AVI2000 (Palermo, Italy, May 2000).
URL: http://www.iis.ee.ic.ac.uk/~o.debruijn/avi2000.pdf
(April 2004)

[BP 1989]

Butler, D.M.; Pendley, M.H. (1989): A visualization model based on


the mathematics of fibre bundles. Computers in Physics, 3, 45-51.

[Car 1994]

Carr, D.B. (1994): Converting Tables to Plots. Technical Report No.


101, Center of Computational Statistics. Fairfax, VA: Georg Mason
University.

[Card 2003]

Card, S. (2003): Information Visualization. In: The humancomputer interaction handbook: fundamentals, evolving
technologies and emerging applications, Lawrence Erlbaum
Associates, Inc., p.544-582.

[Cas 1991]

Casner, S. M. (1991): A Task-Analytic Approach to the Automated


Design of Graphic Presentations. In: ACM Transactions on Graphics,
10 (1991) 2, p. 111-151.

238

[Cha 1993]

Chalmers, M. (1993): Using a Landscape to represent a corpus of


documents. In: Frank, A.; Caspari, I. (Eds.): Spatial Information
Theory. Proceedings of COSIT93, European Conference on Spatial
Information Theory. Elba, Italy, September 1993 Berlin (Springer)
1993. p. 377-390.

[Cha 1995]

Chalmers, M. (1995): Design Perspectives in Visualising Complex


Information. In: Spaccapietra, Stefano; Jain, Ramesh (Eds.): Proc
3rd IFIP Visual Databases Conference (VDB.3). London (Chapman &
Hall) 1995. p. 103-111.

[Chi 2002]

Chi, E. H. (2002): Improving Web Usability Through Visualization.


IEEE Internet Computing: 64-71.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-200205-Chi-IEEEIC-WebUsabilityViz.pdf (April 2004)

[CCF 1997]

Carpendale, M.S.T.; Cowperthwaite, D.J; Fracchia, F.D. (1997):


Extending distorsion viewing from 2D to 3D. IEEE Computer
Graphics and Applikations, 17, 42-51.

[CCK 1983]

Chambers, J.M.; Cleveland, W.S.; Kleiner, B.; Tukey, P.A. (1983):


Graphical Methods for Data Analysis. Monterey, CA: Wadsworth.

[CEH 1996]

Cox, K. C.; Eick, S. G.; He, T. (1996): 3D Geographic Network


Display. In: Sigmond Record, Volume 24, Number 4, December
1996.
URL: http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/resources/
3D_copyright.pdf (April 2004)

[Che 1973]

Chernoff, H. (1973): The use of faces to represent points in kdimensional space graphically. Journal of the American Statistical
Association, 68, 361-368.

[Cle 1985]

Cleveland, W.S. (1985): The Elements of Graphing Data. Summit,


NJ: Hobart Press.

[Cle 1993]

Cleveland, W.S. (1993): A model of studing display methods of


statistical graphics (with discussion). Journal of Computational and
Graphical Statistics, 2, 323-343.

[Cle 1995]

Cleveland, W.S. (1995): Visualizing Data. Summit, NJ: Hobart


Press.

239

[CM 1988]

Cleveland, W.S.; McGill, M.E. (1988): Dynamic Graphics for


Statistics. Belmont, CA: Wadsworth.

[CMK 1988]

Carroll, J.M.; Mack, R.L.; Kellogg, W.A. (1988): Interface Metaphors


and User interface Design. In: Helander, Martin (Ed.): Handbook of
Human-Computer Interaction Amsterdam (North-Holland) 1988. p.
67-85.

[CMS 1999]

Card, S.K.; Mackinlay, J.D.; Shneiderman, B. (1999): Readings in


Information Visualization. Using Vision to Think. San Francisco, CA
(Morgan Kaufmann) 1999.

[COC 1998]

Carr, D.B.; Olsen, A.R.; Courbois, J-Y.P.; Pierson, S.M.; Carr, D.A.
(1998): Linked micromap plots: Named and described. Statistical
Computing & Statistical Graphics Newsletter, 9, 24-32.

[COW 1992]

Carr, D.B. ; Olsen, A.R. ; White, D. (1992): Hexagon mosaic maps


for display of univariate and bivariate geographical data.
Cartography and geographic Information systems, 19, 228-236.

[Cox 1986]

Cox, P.R. (1986): Population pyramid. In S.Kotz and N.L. Johnson


(Eds.), Encyclopedia of Statistical Scienes, Vol.7. New York: John
Wiley & Sons, 113-116.

[CRY 1996]

Card, S.K.; Robertson, G.G.; York, W. (1996): The WebBook and


the Web Forager: An Information Workspace in the World Wide
Web. In: Tauber, M. J.; Bellotti, V.; Jeffries, R. et al. (Eds.): CHI
1996: Conference Proceedings Human Factors in Computing
Systems. Conference: Vancouver, BC, Canada, April 13-18 1998.
New York (ACM Press) 1996. p. 111-117.
URL: http://www.acm.org/sigchi/chi96/proceedings/papers/
Card/skc1txt.html (April 2004)

[CSC 1996]

Cowperthwaite, D.J.; Sheelagh, M.; Carpendale, T.; Fracchia, F.D.


(1996): Visual Access for 3D Data. CHI 96. Electronic Proceedings.
URL: http://www.acm.org/sigchi/chi96/proceedings/shortpap/
Cowperthwaite/djc.htm (April 2004)

[CW 1994]

Cook, R.D; Weisberg, S. (1994): An Introduction to Regression


Graphics. New York: John Wiley & Sons.

240

[CY 2000]

Chi, Ed H. (2000): A Taxonomy of Visualization Techniques Using


the Data State Reference Model. In: Roth, Steven F.; Keim, Daniel
A. (Eds.): Proceedings of IEEE Information Visualization 2000.
Conference: Salt Lake City, UT, October 9-10 2000. Los Alamitos,
CA (IEEE Computer Soc. Press) 2000. p. 69 -75.

[Dat 2004]

Projekt-Homepage der DateLens (2004)


URL: http://www.cs.umd.edu/hcil/datelens/ (April 2004)

[Dae 2003]

Dler, R. (1999): Informationsvisualisierung. Stand, Kritik und


Perspektiven. In: Methoden/Strategien der Visualisierung in Medien,
Wissenschaft und Kunst, Wissenschaftlicher Verlag Trier (WVT).
URL: http://fabdp.fh-potsdam.de/daessler/paper/InfoVis99.pdf
(April 2004)

[DE 2001]

Dachselt, R.; Ebert, J. (2001): Collapsible Cylindrical Trees: A Fast


Hierarchical Navigation Technique. Proceedings of the IEEE
Symposium on Information Visualization (InfoVis 2001), San Diego,
Oktober 2001.

[DF 1977]

Dallal, G.; Finseth, K. (1977): Couble dual histograms. The


American Statistician, 31, 39-41.

[DFr 1998]

Dieberger, A.; Frank, A.U. (1998): A city metaphor for supporting


navigation in complex information spaces. In: Journal of Visual
Languages and Computing, 9 (1998) 6, p. 597-622.

[Die 1994]

Dieberger, A. (1994): Navigation in Spatial Information


Environments: User Interface Design Issues for Hypertext and VR
Systems. In: ECHT 94: European Conference on Hypertext
Technology. Conference: September 19-23 1994, Edinburgh,
Scotland.
http://www.mindspring.com/~juggle5/Archive/ECHT94.Poster.hand
out.html (April 2004)

[Ega 1988]

Egan, D.E. (1988): Individual differences in human-computer


interaction. In: Helander, Martin (Ed.): Handbook of HumanComputer Interaction Amsterdam (North-Holland) 1988. p. 543568.

241

[EGK 1999]

Eick, S.G.; Graves, T.L., Karr, A.F.; Marron, J.S.; Mockus, A.


(1999): Does Code Decay? Assessing the Evidence from Change
Management Data. IEEE Transactions of Software Engineering,
Vol.X, 100-111.

[Eic 1996]

Eick, S.G. (1996): Aspects of Networks Visualization. In: Computer


Graphics and Applications, Vol.16, No.2, pages 69-72, Mrz 1996.
URL: http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/resources/
netvis_copyright.pdf (April 2004)

[EK 1997]

Elzer, P.F.; Krohn, U. (1997): Visualisierung zur Untersttzung der


Suche in komplexen Datenbestnden. In: Fuhr, Norbert; Dittrich,
Gisbert; Tochtermann, Klaus (Eds.): Hypertext - Information
Retrieval - Multimedia 97: Theorien, Modelle und
Implementierungen integrierter elektronischer Informationssysteme.
Conference: Dortmund, Germany, October 29 - November 2 1997.
Konstanz (Universittsverlag Konstanz) 1997. p. 27-38.

[ERG 1989]

Egan, D.E.; Remde, J.R.; Gomez, L.M. (1989): Formative DesignEvaluation of SuperBook. In: ACM Transactions on Information
Systems, 7 (1989) 1, p. 30-57.

[EW 1993]

Earnshaw, R.A.; Watson, D. (1993): Animation und Scientific


Visualization: Tools and Applications. New York: Academic Press.

[Fie 1979]

Fienberg, S. (1979): Graphical methods in statistics. The American


Statistician, 33, 165-178.

[Fis 1994]

Fisher, P.F. (1994): Animation and sound for the visualization of


uncertain spatial information. In H.H. Hearnshaw and D.J. Unwin
(Eds.), Visualization in geographical information systems. New York:
John Wiley & Sons, Inc., 181-185.

[FS 1995]

Fishkin, K.; Stone, M.C. (1995): Enhanced Dynamic Queries via


Movable Filters. In: Katz, Irvin R.; Mack, Robert L.; Marks, Linn et
al. (Eds.): CHI 1995: Conference Proceedings Human Factors in
Computing Systems. Conference: Denver, CO, May 7-11 1995. New
York (ACM Press) 1995. p. 23-29.

[Fur 1986]

Furnas, G.W. (1986): Generalized fisheye views. Human Factors in


Computing Systems: CHI 86 Conference Proceedings. New York:
ACM Press, 16-23.

242

[Gol 1997]

Golovchinsky, G. (1997): Queries? Links? Is there a Difference? In:


CHI 1997: Conference Proceedings Human Factors in Computing
Systems. Conference: Atlanta, GA, March 22-27 1997. New York
(ACM Press) 1997. p. 407-413.

[GC 1997]

Golovchinsky, G.; Chignell, M.H. (1997): The Newspaper as an


Information Exploration Metaphor In: Journal of Information
Processing & Management, 33 (1997) 5, p. 663-683.

[Gol 1997a]

Golovchinsky, G. (1997): From Information Retrieval to Hypertext


and Back Again: The Role of Interaction in the Information
Exploration Interface. University of Toronto, Graduate Department
of Mechanical and Industrial Engineering, PhD Thesis 1997.

[Gol 1997b]

Golovchinsky, G. (1997): What the Query Told the Link: The


Integration of Hypertext and Information Retrieval. In: Bernstein,
Mark; Carr, Les; sterbye, Kasper (Eds.): Hypertext 1997:
Proceedings of the Eigth ACM Conference on Hypertext. Conference:
University of Southampton, United Kingdom, April 6-11 1997. New
York (ACM Press) 1997. S. 67-74.

[GS 1992]

Guinan, C.; Smeaton, A.F. (1992): Information Retrieval from


Hypertext using Dynamically Planned Guided Tours. In: Hypertext
1992 / ECHT 1992: European Conference on Hypertext Technology.
Conference: Milan, Italy, November 30 - December 4 1992. New
York (ACM Press) 1992. p. 122-130.

[HA 1987]

Hammond, N.V.; Allinson, L.J. (1987): The travel Metaphor as


design principle and training aid for navigating around complex
systems. In: Diaper, D.; Winder, R. (Eds.): HCI 87, People and
Computers III (=British Computer Society Conference Series.)
p. 75-90.

[Har 1972]

Hartigan, J.A. (1972): Direct Clustering of a data matrix. Journal of


the American Statistical Association, 67, 123-129.

[Har 1975]

Hartigan, J.A. (1975): Printer graphics for clustering. Journal of


Statistical Computation and Simulation, 4, 187-213.

[HDW 1995]

Hendley, R.J.; Drew, N.S.; Wood, A.M.; Beale, R. (1995): Narcissus:


Visualising Information.
URL: http://pfp7.cc.yamaguchi-u.ac.jp/~ichikawa/iv/resources/
narcissus.pdf (April 2004)
243

[Hea 1995]

Hearst, M.A. (1995): TileBars: Visualization of Term Distribution


Information in Full Text Information Access. CHI 95 Conference
Proceedings.
URL: http://www.acm.org/sigchi/chi95/Electronic/documnts/
papers/mah_bdy.htm (April 2004)

[Hea 1999]

Hearst, M.A. (1999): User Interfaces and Visualization. In: BaezaYates, Ricardo A.; Ribeiro-Neto, Berthier (Eds.): Modern Information
Retrieval. Reading, MA (Addison Wesley Longman) 1999. p. 257324.

[HC 1986]

Henderson, D. A.; Card, S.K. (1986): Rooms: The Use of Multiple


Workspaces to Reduce Space Contention in a Window-Based
Graphical User Interface. In: ACM Transactions on Graphics, 5
(1986) 3, p. 211-243.

[HHH 1998]

Hetzler, B; Harris, W. M.; Havre, S.; Whitney, P. (1998): Visualizing


the Full Spectrum of Document Relationships. In: Structures and
Relations in Knowledge Organization. Proc. 5th Int. ISKO Conf.
Wurzburg: ERGON Verlag, 1998. pp. 168-175.
URL: http://www.pnl.gov/infoviz/isko.pdf (April 2004)

[HK 1981]

Hartigan, J.A.; Kleiner, B. (1981): Mosaics for contingency tables. In


Computer Science and Statistics: Proceedings of the 13th
Symposium on the Interface, 268-273.

[HK 1984]

Hartigan, J.A.; Kleiner, B. (1984): A mosaic of television ratings.


The American Statistician, 38, 32-35.

[HM 1990]

Haber, R.B.; McNabb, D.A. (1990): Visualization idioms: A


conceptual model for scientific visualization systems. In
G.M.Nielson, B.D. Shriver, and L.J. Rosenblum, (Eds.), Visualization
in scientific Computing, pp. 75-93. Los Alamitos, CA: IEEE Computer
Society Press.

[Hol 1994]

Hollander, A.J. (1994): An exploration of virtual auditory shape


perception. Unpublished Master thesis, Engineering, University of
Washington.

[Hot 2004]

Projekt Homepage von Hot Sauce (2004)


URL: http://www.eastgate.com/squirrel/HotSauce.html (April 2004)

244

[Hub 1972]

Huber, P.J. (1972): Robust statistics: A review. Annals of


Mathematical Statistics, 43, 1041-1067.

[HWM 1998]

Hetzler, B.; Whitney, P.; Martucci, L., Thomas, J. (1998): Multifaceted Insight Through Interoperable Visual Information Analysis
Paradigms. In Proceedings of IEEE Symposium on Information
Visualization, InfoVis '98, October 19-20, 1998, Research Triangle
Park, North Carolina. pp.137-144.
URL: http://www.pnl.gov/infoviz/insight.pdf (April 2004)

[Ins 1984]

Inselberg, A. (1984): The plane with parallel coordinates. The Visual


Computer, 1, 69-91.

[JL 1966]

Julesz, B.; Levitt, H. (1966): Spatial chords. Journal of the


Acoustical Society of America, 40, 1253.

[JS 1995]

Jog, N.K. (1995); Shneiderman, B. (1995): Starfield Information


Visualization with Interactive Smooth Zooming. Aus: Spaccapietra,
Stefano; Jain, Ramesh (Eds.): Visual Database Systems 3, Visual
Information Management, Proceedings of the third IFIP 2.6 working
conference on visual database systems. Conference: Lausanne,
Switzerland, March 27-29 1995. London (Chapman & Hall) 1995.
p. 3-14.

[JoS 1991]

Johnson, B., Shneiderman, B. (1991): Treemaps: a space-filling


approach to the visualization of hierarchical information structures.
Proc. of the 2nd International IEEE Visualization Conference (San
Diego, Oct. 1991) 284-291. Also Sparks of Innovation in HumanComputer Interaction, Shneiderman, B., Ed., Ablex (June 1993)
309-322. CS-TR-2657 , CAR-TR-552, SRC-92-62.
URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-AbstractsBibliography/91-06html/91-06.html (April 2004)

[Jul 1965]

Julesz, B. (1965): Texture and visual perception. Scientific


American, 212, 38-48.

[Jul 1971]

Julesz, B. (1971): Foundations of Cyclopean Perception. Chicago:


University of Chicago Press.

[Jul 1975]

Julesz, B. (1975): Experiments in the visual perception of texture.


Scientific American, 232, 34-43.

245

[Jul 1981]

Julesz, B. (1981): Figure and ground perception in briefly presented


isodipole textures. In M. Kubovy and J.R. Pomerantz (Eds.),
Perceptual Organization, pp. 119-139. Hillsdale, NJ: Lawrence
Erlbaum.

[Koh 1998]

Kohonen, T. (1998): Self-organization of very large document


collections: State of the art. In: Niklasson, Lars; Bodn, Mikael;
Ziemke, Tom (Eds.): Proceedings of ICANN98, the 8th International
Conference on Artificial Neural Networks. Conference: Skvde,
Sweden, 1998 September 2-4 Springer (London) 1998. p. 65-74,
vol. 1.

[Kos 1994]

Kosslyn, S.M. (1994): Elements of Graph Design. New York: W.H.


Freeman.

[Kos 1985]

Kosslyn, S.M. (1985): Graphics and human information processing:


A review of five books. Journal of the American Statistical
Association, 80, 499-512.

[Kra 1994]

Kramer, G. (Ed.) (1994): Auditory Display: Sonification, Ausification


and Auditory Interfaces. Reading: MA: Addison-Wesley.

[KRM 2003]

Klein P., Reiterer H., Mller, F., Limbach, T. (2003): Metadata


Visualization with VisMeB. 2003 IV03, 7th Intenational Conference
on Information Visualization.
URL: http://hci.uni-konstanz.de/downloads/pk-hr-fm-tl_iv_2003.pdf
(April 2004)

[Kro 1995]

Krohn, U. (1995): Visualization of navigation retrieval in virtual


information spaces. In: CIKM 1995: Conference on Information and
Knowledge Management. Workshop on New Paradigms in
Information Visualization and Manipulation. Conference: Baltimore,
MD, December 2 1995.
http://www.cs.umbc.edu/~cikm/1995/npiv/uwe/paper.ps
(April 2004)

[Kru 1979]

Krumhansl, C.L. (1979): The psychological representation of musical


pitch in a tonal context. Cognitive Psychology, 11, 346-374.

[Kry 1994]

Krygier, J.B. (1994): Sound and Geographic Visualization. In Alan


McEachren and D.R.F. Taylor (Eds.), Visualization in Modern
Cartography, New York: Pergamon Press, 149-166.

246

[LA 1994]

Leung, Y.K.; Apperly, M.D. (1994): A review and taxonomy of


distorsion-oriented presentation techniques. ACM Transactions on
CHI, 1, 126-160.

[Len 1974]

Lenstra, J.K. (1974): Clustering a data array and the traveling


salesman problem. Operations Research, 22, 413-414.

[Lib 2004]

Projekt-Homepage libViewer (2004)


URL: http://www.ifs.tuwien.ac.at/~andi/somlib/libviewer.html
(April 2004)

[Lin 1998]

Lin, X. (1998): Information Visualization: Ten Years in Review.


URL: http://research.cis.drexel.edu/~xlin/presentations/iv.ppt
(April 2004)

[Ling 1973]

Ling, R.F. (1973): A computer generated aid for cluster analysis.


Communications of the ACM, 16, 355-361.

[LS 1989]

Lewandowsky, S.; Spence, I. (1989): Discriminating strata in


scatterplots. Journal of the American Statistical Association, 84,
682-688.

[LRP 1995]

Lamping, J.; Rao, R.; Pirolli, P. (1995): A Focus + Context


Technique Based on Hyperbolic Geometry for Visualizing Large
Hierarchies. ACM Conference on Human Factors in Computing
Systems (CHI '95), Denver, Colorado.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/
UIR-1995-04-Lamping-CHI95-FocusContext.pdf (April 2004)

[LS 1991]

Levine, M.W. ; Shefner, J.M. (1991): Fundamentals of Sensation


and Perception (2nd ed.). Belmont, CA: Brooks/Cole.

[LSp 1997]

Lam, K.; Spence, R. (1997 ): Image Browsing a space-time trade


off. Proceedings INTERACT97, pp. 611-612.

[Mac 1995]

MacEachren, A.M. (1995): How Maps Work. New York: The guilford
Press.

[Mal 1992]

Maling, D.H. (1992): Coordinate Systems and Map Projections.


Oxford: Pergamon Press.

247

[Man 2002]

Mann, T.M. (2002): Visualization of search results from the World


Wide Web. (Dissertation, Universitt Konstanz)
URL: http://www.ub.uni-konstanz.de/kops/volltexte/2002/751/
(April 2004)

[Mar 1997]

Marchionini, G. (1997): Information Seeking in Electronic


Environments. Cambridge (Cambridge University Press) 1997.

[MFS 1984]

Mezrich, J.J.; Frysinger, S.; Slivjanovski, R. (1984): Dynamic


representation of multivariate time series data. Journal of the
American Statistical Association, 79, 34-40.

[MIK 2003]

Online-Sammlung fr Visualisierungen (2003)


URL: http://www.imv.is.ocha.ac.jp/~miky/ (November 2003)

[ML 1997]

Morse, E.L.; Lewis, M. (1997): Why Information Retrieval


Visualizations Sometimes Fail. In: Proceedings of IEEE Conference
on Systems Man and Cybernetics 1997
http://www.itl.nist.gov/iaui/vvrg/emorse/papers/smc97.html
(April 2004)

[MR 2000]

Mann, T.M.; Reiterer, H. (2000): Evaluation of Different


Visualization of WWW Search Results. In: Tjoa, A Min; Wagner,
Roland R.; Al-Zobaidie, Ala (Eds.): Proceedings 11th International
Workshop on Database and Expert Systems Applications.
Conference: Greenwich, London, United Kingdom, September 4-8
2000. Los Alamitos, CA (IEEE Computer Society) 2000. p. 586-590.
URL: http://hci.uni-konstanz.de/downloads/
mann_reiterer_webvis00.pdf (April 2004)

[MRCa 1991]

Mackinlay, J.D.; Robertson, G.G.; Card, S.K. (1991): The


Perspective Wall: Detail and Context Smoothly Integrated. In:
Robertson, S. P.; Olson, G. M.; Olson, J. S. (Eds.): CHI 1991:
Conference Proceedings Human Factors in Computing Systems.
Conference: New Orleans, LA, April 27 - May 2 1991. New York
(ACM Press) 1991. p. 173-179.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-199103-Mackinlay-CHI91-PerspectiveWall.pdf (April 2004)

248

[MRC 1995]

Mackinlay, J.D.; Rao, R.; Card, S.K. (1995): An organic user


interface for searching citation links. In: Katz, Irvin R.; Mack, Robert
L.; Marks, Linn et al. (Eds.): CHI 1995: Conference Proceedings
Human Factors in Computing Systems. Conference: Denver, CO,
May 7-11 1995. New York (ACM Press) 1995. p. 67-73.

[MSW 1992]

Mander, R.; Salomon, G.; Wong, Y.Y. (1992): Pile metaphor for
supporting casual organization of information. In: Bauersfeld, P.;
Bennett, J.; Lynch, G. (Eds.): CHI 1992: Conference Proceedings
Human Factors in Computing Systems. Conference: Monterey, CA,
May 3-7 1992. New York (ACM Press) 1992. p. 627-634.

[Nie 1998]

Nielsen, J. (1998): Usability engineering. Boston, MA (AP


Professional) 1998.

[Nu 1991]

Nonogaki, H.; Ueda, H. (1991): FRIEND21 project: A construction of


21st century human interface. In: Robertson, S. P.; Olson, G. M.;
Olson, J. S. (Eds.): CHI 1991: Conference Proceedings Human
Factors in Computing Systems. Conference: New Orleans, LA, April
27 - May 2 1991. New York (ACM Press) 1991. p. 407-414.

[OB 1997]

Olson, J.M.; Brewer C.A. (1997): An evaluation of color selections to


accomodate map users with color-vision impairments. Annals of the
association of American Geographers, 87, 103-134.

[OLI 2003]

On-line Library of Information Visualization Environments (OLIVE),


University of Maryland (November 2003)
URL: http://otal.umd.edu/Olive/ (15.09.03)

[Pad 2004]

Projekt-Homepage Pad++ (2004)


URL: http://www.cs.umd.edu/hcil/pad++/ (April 2004)

[Pej 1989]

Pejtersen, A..M. (1989): A Library System for Information Retrieval


Based on a Cognitive Task Analysis and Supported by an Icon-Based
Interface. In: Belkin, Nicholas J.; van Rijsbergen, Cornelis J. (Eds.):
SIGIR 1989: Proceedings of the 12th International Conference on
Research and Development in Information Retrieval. Conference:
Cambridge, MA, June 25-28 1989. New York (ACM Press) 1989. p.
40-47.

249

[PF 2003]

Pirolli, P.; Fu, W.-T. (2003): SNIF-ACT: A model of information


foraging on the world wide web. Ninth International Conference on
User Modeling, Johnstown, PA.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-200302-Pirolli-UM-SNIFACT.pdf (April 2004)

[PFR 2002]

Pirolli, P.; Fu, W.-T.; Reeder, R.; Card, S. K. (2002): A User-Tracing


Architecture for Modeling Interaction with the World Wide Web.
Advanced Visual Interfaces, Trento, Italy.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-200207-Pirolli-AVI-UserTrace.pdf (April 2004)

[PNN 2004]

Homepage des Pacific Northwest National Laboratory (PNNL) (2004)


URL: http://www.pnl.gov/infoviz/ (April 2004)

[PR 1996]

Pirolli, P.; Rao, R. (1996): Table Lens as a Tool for Making Sense of
Data. Advanced Visual Interfaces Workshop, AVI '96, Gubbio, Italy.
URL: http://www2.parc.com/istl/projects/uir/pubs/
items/UIR-1996-06-Pirolli-AVI96-TableLens.pdf (April 2004)

[RC 1994]

Rao, R.; Card, S. (1994): The Table Lens: Merging Graphical


and Symbolic Representations in an Interactive Focus +
Context Visualization for Tabular Information. ACM
Conference on Human Factors in Software (CHI '94), Boston,
Massachusetts.
URL: http://www2.parc.com/istl/projects/uir/pubs/
items/UIR-1994-07-Rao-CHI94-TableLens.pdf (April 2004)

[RCL 1998]

Robertson, G.G.; Czerwinski, M.P.; Larson, K. et al. (1998):


Data mountain: using spatial memory for document
management. In: UIST 98: 11th ACM Symposium on User
Interface Software and Technology New York (ACM Press)
1998. p. 153-162.

[RA 1990]

Rogers, D.F.; Adams, J.A. (1990): Mathematical Elements for


Computer Graphics (2nd ed.). New York: McGraw-Hill.

[RIS 1994]

Resnick, P.; Iacovou, N.; Suchak, M. et al. (1994): GroupLens: An


open architecture for collaborative filtering of netnews. In: CSCW
94. Proceedings of the conference on Computer supported
cooperative work New York (ACM press) 1994. p. 175-186.

250

[RB 1999]

Rauber, A.; Bina, H. (1999): A Metaphor Graphics Based


Representation of Digital Libraries on the World Wide Web: Using
the libViewer to Make Metadata Visible In: Cammelli, Antonio; Tjoa,
A Min; Wagner, Roland R. (Eds.): Proceedings Tenth International
Workshop on Database and Expert Systems Applications.
Conference: Florence, Italy, September 1-3 1999. Los Alamitos, CA
(IEEE Computer Society) 1999. p. 286-290.

[RC 1994]

Rao, R.; Card, S.K. (1994): The Table Lens. Merging graphical and
symbolic representations in an interactive focus + context
visualization for tabular information. In: Adelson, B.; Dumais, S.;
Olson, J. S. (Eds.): CHI 1994: Conference Proceedings Human
Factors in Computing Systems. Conference: Boston, MA, April 24-28
1994. New York (ACM Press) 1994. p. 318-322.

[RCM 1993]

Robertson, G.G.; Card, S.K.; Mackinlay, J.D. (1993): Information


Visualization Using 3-D Interactive Animation. In: Communications
of the ACM, 36 (1993) 4, p. 56-71.

[RCM 1993a]

Robertson, G.G.; Card, S.K.; Mackinlay, J.D. (1993): Information


Visualization Using 3-D Interactive Animation. In: Communications
of the ACM, 36 (1993) 4, p. 56-71.

[RM 1993]

Robertson, G.G.; Mackinlay, J.D. (1993): The Document Lens. In:


UIST 93: 6th ACM Symposium on User Interface Software and
Technology. New York (ACM press) 1993. p. 101-108.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-199308-Robertson-UIST93-DocumentLens.pdf (April 2004)

[RMC 1991]

Robertson, G.G.; Mackinlay; J.D.; Card, S.K. (1991): Cone Trees:


Animated 3D Visualizations of Hierarchical Information. ACM
Conference on Human Factors in Computing Systems (CHI '91) 189194.
URL: http://www2.parc.com/istl/projects/uir/pubs/items/UIR-199106-Robertson-CHI91-Cone.pdf (April 2004)

[RMO 1993]

Rose, D.E.; Mander, R.; Oren, T. et al. (1993): Content Awareness


in a File System Interface: Implementing the Pile Metaphor for
Organizing Information. In: Korfhage, Robert R.; Rasmussen, Edie
M.; Willett, Peter (Eds.): SIGIR 1993: Proceedings of the 16th
Annual International ACM-SIGIR Conference on Research and

251

Development in Information Retrieval. Conference: Pittsburgh, PA,


June 27 - July 1 1993. New York (ACM Press) 1993. p. 260-269.
[SA 1982]

Spence, R.; Apperley, M..D. (1982): Data base navigation: An office


environment for the professional. In: Behavior and Information
Technology, 1 (1982) 1, p. 43-54.

[SB 1994]

Sarkar, M.; Brown, M.H. (1994): Graphical fisheye views.


Communications of the ACM, 37, 73-83.

[SBG 1990]

Smith, S.; Bergeron, R.; Grinstein, G. (1990): Stereophonic and


Surface sound Generation for Exploratory Data Analysis. Human
Factors in Computing Systems: CHI 85 Conference Proceedings.
New York: ACM Press, 125-132.

[SCB 1998]

Swayne, D.F.; Cook, D.; Buja, A. (1998): Xgobi: Interactive


dynamic data visualization in the X Window system. Journal of
Computational and Graphical Statistics, 7, 113-130.

[SCH 1975]

Slagel, J.R.; Chang, C.L.; Heller, S.R. (1975): A clustering and data
reorganization algorithm. IEEE Transactions on Systems, Man, and
Cybernetics, 5, 125-128.

[SFB 1994]

Stone, M..C.; Fishkin, K.; Bier, E.A. (1994): The Movable Filter as a
User Interface Tool. In: Adelson, B.; Dumais, S.; Olson, J. S. (Eds.):
CHI 1994: Conference Proceedings Human Factors in Computing
Systems. Conference: Boston, MA, April 24-28 1994. New York
(ACM Press) 1994. p. 306-312.

[She 1964]

Shepard, R.N. (1964): Circularity in judgments of relative pitch. The


Journal of the Acoustical Society of America, 36, 2346-2353.

[Shn 1991]

Shneiderman, Ben (1991): Visual User Interfaces for Information


Exploration. In: Proceeding of the 4th Annual Meeting of The
American Society for Information Sciences. Conference:
Washington, DC, October 27-31 1991. p. 379-384.

[Shn 1996]

Shneiderman, B. (1996): The Eyes Have It: A Task by Data Type


Taxonomy for Information Visualization. Proc. 1996 IEEE Conference
on Visual Languages, Boulder, Colo. (Sept. 3-6, 1996), 336-343.

[Shn 1998]

Shneiderman, Ben (1998): Designing the User Interface. Strategies


for Effective Human-Computer Interaction. 3rd edition Reading, MA
(Addison-Wesley) 1998.
252

[Shn 2001]

Shneiderman, B. (2001): Supporting Creativity with Advanced


nformation-Abundant User Interfaces. In Earnshaw, R., Guedj, R.,
Van Dam, A., Vince J. (eds.), Human-Centred Computing, Online
Communities, and Virtual Environments, Springer-Verlag, London
(2001), 469-480.

[SL 1991]

Spence, I.; Lewandowsky, S. (1991): Displaying proportions and


percentages. Applied Cognitive Psychology, 5, 61-77.

[Sny 1989]

Snyder, J.P. (1989): An album of map projections. US Geological


Survey: Professional Paper 1453.

[Spe 2001]

Spence, R. (2001): Information Visualization. Harlow, ACM Press


(Addison-Wesley) 2001.

[Stu 1998]

Stubblefield, W.A. (1998): Patterns of change in design metaphor a case study. In: Karat, Clare-Marie; Karat, John; Horrocks, Ian
(Eds.): CHI 1998: Conference Proceedings Human Factors in
Computing Systems. Conference: Los Angeles, CA, April 21-23
1998. New York (Addison-Wesley) 1998. p. 73-80.

[Tra 1991]

Travis, D. (1991): Effective Color Displays: Theory and Practice.


New York: Academic Press.

[TS 1992]

Tesler, J.D.; Strasnick, S..L. (1992): FSN: The 3D File System


Navigator. FSN (pronounced fusion) 3D File System Navigator for
IRIX developped 1992 by Joel D. Tesler and Steven L. Strasnick
from Silicon Graphics, Inc. Available via anonymous ftp at
ftp.sgi.com/~ftp/sgi/fsn (April 2004).;
http://www.sgi.com/fun/freeware/3d_navigator.html (April 2004)

[TSD 1996]

Tweedie, L.; Spence, R.; Dawkes, H.; Su, H. (1996): Externalising


Abstract Mathematical Models. CHI 96 Electronic Proceedings.
URL: http://www.acm.org/sigs/sigchi/chi96/proceedings/papers/
Tweedie/lt1txt.htm (April 2004)

[Tuf 1983]

Tufte, E.R. (1983): The Visual Display of Quanititive Information.


Cheshire, CT (Graphics Press) 1983.

[Tuf 1990]

Tufte, E.R. (1990): Envisioning Information. Cheshire, CT (Graphics


Press) 1990.

[Tuf 1997]

Tufte, E.R. (1997): Visual Explanations. Cheshire, CT (Graphics


Press) 1997.
253

[Tuk 1974]

Tukey, J.W. (1974): Mathematics and the picturing of data.


Proceedings of the InternationalCongress of Mathematicians.
Vancouver: BC., pp.523-531.

[Tuk 1977]

Tukey, J.W. (1977): Exploratory Data Analysis. Reading, MA:


Addison-Wesley.

[Wai 1997]

Wainer, H. (1979): Visual Relevations: Graphical Tales of Fate and


Deception from Napoleon Bonaparte to Ross Perot. New York:
Springer-Verlag.

[War 1999]

Ware, C. (1999): Information Visualization. Perception for Design.


San Francisco, CA (Morgan Kaufmann) 1999.

[Weg 1990]

Wegmann, E.J. (1990): Hyperdimensional data analysis using


parallel coordinates. Journal of the American Statistical Association,
85, 664-675.

[Wil 1979]

Wilkinson, L. (1979): Permuting a matrix to a simple pattern.


Proceedings of the Statistical Computing Section of the American
Statistical Association, 409-412.

[Wil 1999]

Wilkinson, L. (1999): The Grammar of Graphics. New York:


Springer, 1999.

[Wis 1999]

Wise, J.A. (1999): The Ecological Approach to Text Visualization. In:


Journal of the American Society for Information Science (JASIS), 50
(1999) 13, p. 1224-1233.

[WTP 1995]

Wise, J.A.; Thomas, J.J.; Pennock, K. et al. (1995): Visualizing the


Nonvisual: Spatial Analysis and Interaction with Information from
Text Documents. In: Gershon, Nahum; Eick, Stephen G. (Eds.):
Proceedings of IEEE Information Visualization 1995. Conference:
Atlanta, GA, October 30-31 1995. Los Alamitos, CA (IEEE Computer
Soc. Press) 1995. p. 51-58.

[YHM 1997]

Yamaguchi, T.; Hosomi, I.; Miyashita, T. (1997): WebStage: An


Active Media Enhanced World Wide Web Browser In: CHI 1997:
Conference Proceedings Human Factors in Computing Systems.
Conference: Atlanta, GA, March 22-27 1997. New York (ACM Press)
1997. p. 391-398.

254

[YS 1993]

Young, D.; Shneiderman, B. (1993): A graphical filter / flow model


for Boolean queries: An implementation and experiment. In: Journal
of the American Society for Information Science (JASIS), 44 (1993)
6, p. 327-339.

255