star ludwig

8/17/2019 STAR Ludwig

http://slidepdf.com/reader/full/star-ludwig 1/255

STAR

Visualisierung von Daten

April - 04

Kerstin A. Ludwig

Universität Konstanz



2

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

but in having new eyes. “

[Proust]



3

Inhaltsverzeichnis

Inhaltsverzeichnis ................................................................................................... 3

Abbildungs- und Tabellenverzeichnis ............................................................................ 5

Abkürzungsverzeichnis ........................................................................................... 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 Verfälschende 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 für 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 für 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



4

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 Einsatzmöglichkeiten 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 Visualisierungsmöglichkeiten........................................................................... 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



5

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 Todesfällen [Tuf 1997] ...................33

Abb. 4 Zeitliche Darstellung der Todesfälle [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 für den Start der Challenger vorlag [Tuf 1997] ............................37

Abb. 8 Scatterplot, der die Abhängigkeit zwischen Starttemperatur und O-Ring Schaden zeigt [Tuf 1997] ........................39

Abb. 9 Tägliche vs. wöchentliche Darstellung der Todesfälle [Tuf 1997] .................................................................40

Abb. 10 Wochenübergreifende Darstellung der Todesfälle [Tuf 1997] ....................................................................41

Abb. 11 Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 1 [Tuf 1997].............41

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

Geografische Einteilung des Bereichs um die Broad Street in fünf Einzelbereiche – Version 2 [Tuf 1997] ...................42

Abb. 13 Geografische Karten: Händlerstandorte (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 Überblick über die Klassen und ihre jeweiligen Modelle ..........................................................................49 Abb. 19 Referenzmodell für Visualisierung [CMS 1999] ....................................................................................64

Abb. 20 2D und 3D Point-Grafiken für kategorische und kontinuierliche Daten [Wil 1999] ............................................84

Abb. 21 2D und 3D Line-Grafiken für kategorische und kontinuierliche Daten [Wil 1999] .............................................85

Abb. 22 2D und 3D Area-Grafiken für kategorische und kontinuierliche Daten [Wil 1999] .............................................85

Abb. 23 2D und 3D Bar -Grafiken für 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 Größen [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



6

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 Sphärische Verteilung der magnetische Ausrichtung [Wil 1999]............................................................... 134



7

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 für 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 „Blättern“ 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 für 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



8

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 Konfiguratorde ............................................................................................................................................. 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 für 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



9

Tabellenverzeichnis

Tab. 1 Erklärung 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 Ästhetische Attribute [Wil 1999].........................................................................................................93

Tab. 8 Ästhetische 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



10

Abkürzungsverzeichnis

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 für 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 Künstliche 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 CenterPOIs 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



11

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 für Virtual Reality und Visualisierung Forschungs GmbH

ZUI Zooming Graphical Interface



12

1. Einleitung

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

Thematik der Visualisierung von Daten. Im ersten Teil der STAR folgt nach einer

einleitenden Motivation eine allgemeine Einführung in die Thematik der Visualisierung

von Daten. Diese umfasst sowohl den Gebrauch von visuellen Artefakten im alltäglichen

Gebrauch und den damit verbundenen Bezug zu Visualisierungen, als auch die

chronologische Entwicklung der Geschichte der Visualisierung von Daten mit ihren

verschiedenen Ausprägungen. 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 nötige Sensibilität hinsichtlich der

Qualität und Aussagekraft von Visualisierungen zu schaffen, erfolgt die Darstellung und

Erläuterung von Negativ- und Positivbeispielen aus dem Bereich der Visualisierung,

welche auch häufig in der Literatur zitiert werden. Das nächste Kapitel beschreibt, worin

die Herausforderung der Thematik der Visualisierung von Daten im Generellen besteht.

Eine Betrachtung der derzeit verwendeten Visualisierungstechniken in der MB Online-

Welt (Deutschland1 und Schweden2), sowie die Betrachtung von

Visualisierungstechniken, welche bei Webauftritten anderer Automobilkonzerne

eingesetzt werden, ermittelt den derzeitigen IST-Stand bezüglich des Einsatzes von

Visualisierungen in diesem Bereich und somit die zugrundeliegende Ausgangssituation.

Daraus resultierend erschließt sich in diesem Zusammenhang die Legitimation für 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

Beiträge, wie einschlägige Literatur, Konferenzen und Institutionen, zu dieser Thematik.

Der eigentliche fachliche Diskurs zum Thema Visualisierung erfolgt im dritten Teil derSTAR. Um eine einheitliche Basis für die Präsentation und spätere Diskussion der

Visualisierungen zu schaffen, wird an dieser Stelle zunächst das Referenzmodell für

Visualisierung von Card, Mackinlay und Shneiderman vorgestellt. In einem weiteren

Kapitel erfolgt die Vorstellung von grundlegenden Visualisierungstechniken aus Sicht der

Statistischen Grafik, wobei abschließend auch der Einsatz von Metaphern bei

1 Mercedes-Benz Deutschland

URL: http://www.mercedes-benz.de2 Mercedes-Benz Schweden

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



13

Visualisierungen vorgestellt wird. Dieses einführenden Kapitel dienen dem Aufbau von

Basiswissen im Bereich der Visualisierung von Daten. Praktische und/oder exemplarische

Beispiele für Visualisierungen werden im folgenden Kapitel kurz vorgestellt, um die

Einsatzmöglichkeiten von Visualisierungstechniken im Bereich der Wissenschaft und

Wirtschaft aufzeigen. Die Gliederung der Präsentation 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 schließt mit den

Ausführungen zum konzeptionellen Einsatz von Visualisierungstechniken, welche auch die

Erfolgsfaktoren für Visualisierungen aus der 5T-Environment von Mann und Reiterer

beinhalten.

Die Reflektion der Ergebnisse der STAR auf die MB Online-Welt, also die Verknüpfung der

theoretischen Rechercheergebnisse zum Praxisbezug, findet im vierten Teil der STARstatt. An dieser Stelle wird zunächst die Ausgangssituation dreier ausgewählter 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 anschließend anhand der drei ausgewählten Praxisbeispiele (Settings) aus der MB

Online-Welt sowie deren Präsentation.

Abschließend erfolgt, basierend auf den gewonnenen Erkenntnissen aus der STAR, eine

allgemeine Prognose über zukünftige Entwicklungen und Tendenzen im Bereich der

Visualisierung von Daten.



14

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 allgegenwärtig. Ob sich es dabei um Zeitungsartikel, Verkehrsmeldungen,

Wetterberichte, Zugfahrpläne, Aktienkurse, Reisekarten, Webseiten, Geschäftsberichte,

Mess- oder Verbraucherdaten oder um die Konstruktionspläne eines Automobils handelt,

Information findet sich in allen Bereichen des täglichen Lebens – im Privaten sowie im

Beruflichen. Information ist heterogen. Information an sich wird von den unter-

schiedlichsten 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 häufig fliessende Übergänge besitzen, umzusetzen, bedient man

sich schon seit jeher unterschiedlichsten Medien, in den verschiedensten Ausprägungen.

Dazu gehören zum Beispiel Sprache, Schrift, Mathematik, Gestik, Mimik, taktile Reize,

Töne, 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 früher, die Menge an

produzierter Information, mit ihren verschiedenen Ausprägungen wesentlich erhöht und

ihre nahezu permanente Verfügbarkeit erzeugt einen Effekt, welcher unter dem

populären Schlagwort der „Informationsüberflutung“ bekannt geworden ist.

Aufgrund dieses neuen Stellenwertes der Information und der Tatsache, dass sichbestimmte Formen von Medien, wie die visuelle Repräsentation, besonders für die

Darstellung eignen, entwickelten sich eigenständige Forschungsdisziplinen und Arbeits-

bereiche, welche sich speziell mit dem Umgang und der visuellen Repräsentation von

Information beschäftigen. Diese Disziplinen, zu denen beispielsweise die

Computergrafik, die Statistische Grafik oder auch die Scientific oder Information

Visualization gehören, 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 möglich - unter Voraussetzung

einer qualitativ hochwertigen visuellen Repräsentation - große Mengen von Information

rasch interpretieren zu können. Eine weitere Steigerung dieser Vorzüge findet unter zu



15

Hilfenahme von Computern statt. So gehören laut Colin Ware, zu den besten

Visualisierungen nicht statische Bilder, sondern fließende dynamische Visualisierungen,

welche dem Bedürfnis 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

für den Benutzer erfahrbar machen. Diese Tools unterstützen 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]. Leistungsstärkere Computer und neueTechnologien ermöglichen die Entwicklung immer weiterer, neuer

Visualisierungstechniken, welche über einen hohen Grad an Interaktionsmöglichkeiten für

den Benutzer verfügen. Diese Visualisierungen können Nutzern aufgrund höherer

Datenübertragungsraten auch zunehmend über das Web zugänglich gemacht werden.

Die Thematik der Visualisierung von Daten stellt somit ein interessantes und weitge-

fächertes Feld mit vielen Anwendungsbereichen dar, welches über eine lange Tradition in

der Geschichte der Menschheit verfügt und auch in Zukunft große 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 fließend. Aus den

verschiedenen Sichtweisen der jeweiligen Disziplinen und der unterschiedlichen

Verwendung von Begriffen für dieselbe Thematik entsteht eine Reihe von „Unklarheiten“,

aber durchaus auch eine Reihe von Synergieeffekten. Die vorliegende STAR fokussiert

hauptsächlich den Bereich der Information Visualization, nutzt aber in Kapitel 4.2 zur

Verdeutlichung von allgemeingültigen Techniken zur Visualisierung von Daten,Beschreibungen aus dem Bereich der Statistischen Grafik. Dies wird damit begründet,

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



16

besser beurteilen zu können, ist dieses Wissen unabdingbar. Mit Hilfe dieser allgemeinen

Beschreibungen aus dem Bereich der Statistischen Grafik ist es möglich, die immense

Fülle an verschiedenartigen Visualisierungen, welche sich dem Betrachter bietet, besser

klassifizieren und somit die grundlegenden Techniken von einander unterscheiden zu

können. Oftmals lassen sich mit diesem Wissen scheinbar unterschiedliche

Visualisierungen auf dieselbe und ähnlich aussehende Visualisierungen auf völlig

unterschiedliche Visualisierungstechniken zurückführen. Sicherlich kann im Rahmen

dieser STAR nicht auf alle Techniken eingegangen werden, jedoch soll an dieser Stelle ein

in die Thematik einführendes Basiswissen geschaffen werden.

Das Kapitel der Beispielvisualisierungen (4.3) fokussiert schließlich hauptsächlich auf

Visualisierungen aus dem Bereich der Information Visualization, welche aber häufig

Elemente aus der Statistischen Grafik enthalten. Wünschenswert wäre an dieser Stelle

eine weitere Fokussierung auf ein Kapitel gewesen, welches auf ähnlich allgemeine

Weise, wie das der Visualisierungstechniken (Kapitel 4.2), Konzepte zur Visualisierung

von Daten speziell aus dem Bereich der Information Visualization vorstellt. Die

Beschäftigung 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 Überblick über Visualisierungsideen

in einem eindimensionalen System oder einer eindimensionalen Hierarchie zu

strukturieren. Klassifizierungsschemata für Visualisierungen sind deshalb häufig

multidimensional. Verschiedene Ansätze und Sichten sind nötig 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, Metaphern und Konzepte zur Visualisierung von Daten

vorzustellen und entsprechend aufzubereiten, um so einen Pool an 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 während des Designprozesses häufig 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, enthält 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



17

Webseite umfassend mit Hintergrundinformationen dokumentiert werden. Diese Artefakte

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

Designprozesses eingebracht werden können. Durch Adaption, Kombination und

Modifikation der Eigenschaften dieser Artefakte lassen sich so spannende Lösungen

finden, welche - zunächst als unmöglich erscheinend - eventuell im Vorfeld als

Lösungsweg ausgeschlossen worden wären.

Die Idee einer solchen Kreativbox oder „VizBox“ lebt von ihrer steten Weiterentwicklung,

indem neue Elemente gesammelt und entsprechend hinzugefügt werden, um so einen

stetig wachsenden Pool an Ideen zu schaffen.



18

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 Tätigkeiten des Menschen sind stark mit physischen externen

Hilfsmitteln, hier auch Artefakte genannt, verbunden. Die wenigsten Tätigkeiten werden

in unserer heutigen Welt ausschließlich mental erledigt. Die Kombination von mentalen

Denkprozessen und physischen Hilfsmitteln - also innerer mentaler Aktion und externer

wahrnehmbarer Interaktion - ist stark miteinander verknüpft und hat schon eine langeTradition 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 Schlüssel dazu, wie Menschen ihre mentalen Fähigkeiten 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 häufig der bekannte Ausspruch: „A picture is worth ten thousand

words.“ Zum anderen ermöglichen grafische Hilfsmittel die Idee selbst zu erzeugen oder

zu entdecken: „Using vision to think.“ Diese beiden Zwecke von grafischen Hilfsmitteln

sind grundsätzlich verschieden, auch wenn sie eng miteinander verknüpft sind.

Um die Relevanz von grafischen Hilfsmitteln zu verdeutlichen, wurde von [CMS 1999] ein

einfaches informelles Experiment durchgeführt. Es sollte zeigen, wie selbst einfachste

Hilfsmittel die kognitiven Fähigkeiten eines Menschen um eine Vielfaches erweitern.

Die mathematische Operation Multiplikation gehört zu den meist genutzten mentalen

Aktivitäten des Menschen. Bei dem Experiment sollte eine Testperson zunächst zwei

zweistellige Zahlen miteinander im Kopf multiplizieren. Anschließend 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



19

für die Erledigung der Testaufgabe benötigte. Wie in Abb. 1 zu sehen, reduzierte die

Verwendung von Stift und Papier die Zeit, welche für die Erledigung der Aufgaben

benötigt wurde, um den Faktor fünf.

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 lösen sind. Die

Frage stellt sich, weshalb die Verwendung von Stift und Papier solch einen Unterschied

verursacht. Mentale Multiplikation für sich selbst genommen, ist nicht schwierig. Was

Probleme bereitet, ist die Teilergebnisse im Gedächtnis zu behalten, bis sie verwendet

werden können. Die visuelle Repräsentation ermöglicht das Festhalten der Teilergebnisseaußerhalb des Gedächtnisses und erweitert somit das Gedächtnis einer Person.

Stift und Papier ist nur ein Beispiel für 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 unterstützen 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 Aktivitäten in unserem Umfeld haben

mit der Erzeugung oder Verwendung visueller Artefakte zu tun. Visuelle Artefakte

erweitern die kognitiven Fähigkeiten eines Menschen, welche wiederum für die Aneignung

oder Verwendung von Wissen verantwortlich sind. [CMS 1999]



20

2.3 Visualisierung von Daten

2.3.1 Die menschliche Wahrnehmung

Das menschliche visuelle System hat sich über zehn Millionen Jahre hinweg als

Instrument für die Wahrnehmung und Erkennung unserer natürlichen 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 führt die Interaktion des stets wachsenden Nervensystems mit der

täglichen Realität, zu einem mehr oder weniger standardisierten visuellen System,

weshalb dieselben visuellen Konzepte oder Entwürfe für 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 präsentiert werden. Gibt es Abweichungen in der

Darstellung, so bleiben diese Muster unerkannt. Sind die Funktionsweisen der

menschlichen Wahrnehmung bekannt, kann dieses Wissen auf Regeln für die Darstellung

von Daten übertragen werden. Werden diese Regeln beachtet, ist es möglich Daten so zu

präsentieren, dass für den Menschen informative und vor allem wahrnehmbare Musterentstehen. [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]



21

Visualisierung von Daten gibt es bereits seit einigen Jahrhunderten. Die Entwicklung der

perspektivischen Projektion durch die Florentinischen Architekten während des 15.Jh.,

zur Zeit der Italienischen Renaissance, war ein Geschenk für die Welt des visuellen

Denkens. Sie stellt eine einfache Erweiterung einer zweidimensionalen Oberfläche dar,

durch die es Menschen möglich wird, Objekte in einem geometrisch korrekten Kontext

darzustellen und welche durch die eigene tägliche Erfahrung im dreidimensionalen Raum

verständlich wird. [Tuf 1990][Tuf 1997]

Der Übergang schließlich 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-Süd in empirisch messbare Variablen X und Y zu

verwandeln. Parallelen können 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 später schließlich mit Abstract Painting, bei dem die zwei Dimensionen der

Leinwand nicht länger zu einer weltlichen Szenerie, sondern nur noch zu sich selbst in

Bezug stehen, völlig aufgelöst. [Tuf 1997]

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

Ein sehr bekanntes Beispiel für die Visualisierung von Daten, welches sich die Verzerrung

der geografischen Räumlichkeiten 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).



22

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

präsentiert werden und ihre Verkehrsknotenpunkte klar skizziert sind, man die

Skalierung frei verzerren könnte. Der Fokus der Benutzer einer U-Bahn liegt primär auf

der geplanten Reiseroute, also auf der gewünschten Abfahrts- und Zielstation und der

richtigen U-Bahnlinie. Beck gab seiner Karte die systematische Präzision eines

elektrischen Leitungsnetzes und erzeugte somit ein gänzlich neues imaginäres London,

welches nur wenig mit der Geografie der Stadt oben drüber zu tun hatte. Seit 1931

wurde die Karte oftmals überarbeitet und modifiziert, beinhaltet aber immer noch Becks

brilliante Idee, aufgrund derer sie auch mehrfach weltweit kopiert wurde. [Spe 2001]

Oftmals sind Problemstellungen jedoch nicht ausschließlich auf einen zweidimensionalenRaum beschränkt, da die Welt für gewöhnlich multivariant ist. Die schon seit

Jahrhunderten bestehende zentrale Fragestellung bei der Darstellung von Daten lautet:

Wie präsentiert man drei oder mehr Dimensionen von Daten auf einer zweidimensionalen

Oberfläche, wie beispielsweise Wände, Steine, Gewebe, Papier oder Computerbild-

schirmen? Für 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 alltäglichen, manchmalallgegenwärtigen Darstellungen von Daten zu finden, wie zum Beispiel die ausgeklügelte

Strukturierung der Periodentabelle der chemischen Elemente (mit Hunderten von

verschiedenen vorgeschlagenen Zusammenstellungen, um die damit zusammenhängende

Komplexität besser festhalten zu können). [Tuf 1997]

2.3.3 Computer-Phase

Wie bereits erwähnt, 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 grundsätzlich menschliche Aktivität ist, kann sie sehr effektiv von

Computern unterstützt 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 länger statisch sondern können interaktiv von

Benutzern beeinflusst werden. [CMS 1999]



23

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 möchte und wie er diese -

entsprechend seines eigenen Verständnisses der Aufgabe, welche mit dieser

Visualisierung erledigt werden oder der Mitteilung, welche übermittelt werden sollte -

repräsentiert. Autor und Betrachter waren zwei verschiedene Personen. Mit Hilfe des

Computers ist es nun möglich, 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 über 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 percieved…a graphic isnever 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 äußerst

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 erfüllt sie das Bedürfnis des Benutzers nach verschiedenenSichten oder nach detaillierten Informationen der Daten. [War 1999] Eine aufkommende

Sicht betrachtet den Menschen und den Computer zusammen als ein Problemlösungs-

system (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

höheren Bandbreite der Kommunikation in Richtung Maschine zu Mensch als umgekehrt.

[War 1999]



24

Die Visualisierung von Daten allgemein hat grundsätzlich zwei Facetten:

Datenpräsentation und Datenexploration. Der Fokus der Datenpräsentationen ist die

Kommunikation von bereits bekannten Fakten durch geeignete Repräsentationsformen.

Bei der Datenexploration geht es dagegen darum, mittels angemessener Visualisierungen

unbekannte Verknüpfungen zwischen Thematiken aufzudecken, auch genannt „Visual

Data Mining“. Die Übergänge zwischen den beiden Facetten können als fließend

betrachtet werden. Sowohl für die Datenpräsentation als auch für die Datenexploration

erweist sich die visuelle Repräsentation als vorteilhaft. Im Fall der Präsentation, 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 unabhängige

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. Dieseallgemeinere Anwendung wird „Information Visualization“ oder auch Informations-

visualisierung genannt. [Man 2002] [CMS 1999]

2.3.6 Scientific Visualization

Der Scientific Visualization liegen in erster Linie physische Daten, wie beispielsweise der

menschliche Körper, die Erde, Naturphänomene, Gebäude, technische Konstruktionen

oder Moleküle, 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 inhärent geometrisch. [CMS 1999]

Bei der Scientific Visualization werden die modellierten physischen 3D Objekte,

detaillierter studiert, geprüft und manipuliert, um beispielsweise wissenschaftliche

Hypothesen zu testen, einen Event oder Prozess zu simulieren oder eine Vorgehensweise

praktisch auszuprobieren. Darüber hinaus wird die Verwendung von Virtual Reality and

VRML, z.B. für virtuelle Rundgänge, in diesem Zusammenhang zunehmend populärer.



25

Ziel dieser Art von 3D Welt ist es, das Innere eines Objektes zu erforschen und oftmals

zur Vorbereitung vor der realen Durchführung zu dienen. [OLI 2003]

2.3.7 Information Visualization

Ebenso wie die visuelle Darstellung physischer Daten ist es oftmals hilfreich, nicht-

physische Daten, wie Finanzdaten, Business-Information, Sammlungen von Dokumenten

und abstrakten Konzepten zu visualisieren. Jedoch beinhaltet diese Art der Daten

keinerlei ersichtlichen räumlichen Bezug. Daher kommt zu der allgemeinen Problematik,

wie man sichtbare Eigenschaften von Objekten wiedergibt, das grundsätzliche Problem

hinzu, wie man nichträumliche Abstraktionen in effektive visuelle Formen transformiert.

Da in der heutigen Welt eine große Masse solcher abstrakter Information existiert, gibt eszahlreiche Versuche, Visualisierungen in den Bereich des Abstrakten zu erweitern (Card,

Robertson, and Mackinlay 1991). [CMS 1999] Zu diesem Zweck beschäftigt sich die

Information Visualization mit abstrakten, multi-dimensionalen und multivarianten Daten.

Primäres Ziel bei der Information Visualization ist, im Gegensatz zur Scientific

Visualization, nicht die Abbildung selbst, sondern viel mehr die Möglichkeit, Muster,

Clusterungen, Lücken oder Sonderfälle in den Daten offen zu legen. [Shn 2001] Der

Nutzen die physischen Elemente abzubilden ist in diesem Bereich nicht wichtig, oftmals

sogar gänzlich irrelevant. [Spe 2001] Effektive Informationsvisualisierungen ermöglichen

dem Benutzer Entdeckungen zu machen, Entscheidungen zu fällen oder Erklärungen über

Muster (Korrelationen, Cluster, Lücken, Sonderfälle) 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 grundsätzlich. Dennoch kann es zu Überschneidungen der

beiden Bereiche - wie zum Beispiel bei einer dreidimensionalen Visualisierung eines

Gewittersturms, welche mit abstrakten Daten ergänzt wurde - kommen.

Auch wenn verschiedene Techniken und Methoden innerhalb der Information

Visualization oder auch der Scientific Visualization entwickelt wurden, um

mehrdimensionale Daten zu visualisieren und fiktive dreidimensionale Räume 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 Oberfläche erfolgen. [Tuf 1990]



26

“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 frühesten Arbeiten aus dem Bereich der Datengrafiken, also die

Verwendung von abstrakten visuellen Eigenschaften, wie Linien und Bereiche um Daten

visuell zu repräsentieren, aus der Zeit um Playfair (1786) stammen [Tuf 1983].

Beginnend mit Playfair entwickelten sich die klassischen Methoden, Daten in Grafiken

einzutragen. 1967 veröffentlichte Bertin, ein französischer Kartograph, seine Theorie

über Grafiken in The Semiology of Graphics (Bertin, 1967/1983; Bertin 1977/1981).Diese Theorie identifizierte die Grundelemente von Diagrammen und beschrieb ein

Framework für ihr Design. Zehn Jahre (1977) später legte Tukey den Fokus seiner Arbeit

Exploratory Data Analysis nicht auf die Qualität der Grafiken, sondern auf die

Verwendung von Bildern um einen raschen statistischen Einblick in Daten zu erhalten.

1983 veröffentlichte 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 veröffentlichte Buch Dynamic Graphics für

Statistics, welches neue Visualisierungen von Daten erläuterte, übte einen großen

Einfluss aus. Von besonderem Interesse war die Problemstellung, wie man Datensätze

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) gehörten dabei zu den

interessanten Lösungsansätzen. Andere Gruppen, wie die von Eick arbeiteten dagegen an

Techniken zur Darstellung großer Datensätze in Form von statistischen Grafiken,

verbunden mit wichtigen Problemen in Telekommunikationsnetzwerken und in großen

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.



27

Zu dieser Zeit sendeten auch Satteliten erstmalig große Mengen an Daten zurück, so

dass Visualisierung als Methode, deren Analyse zu beschleunigen und die Identifikation

interessanter Phänomene zu verbessern, als sehr nützlich 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 bezüglich automatisierter Präsentation und automatisiertem Design

visueller Repräsentationen von Daten. Diese Anstrengungen wurden angetrieben von

Mackinlays These APT (Mackinlay, 1986a), welche Bertins Design Theorie formalisiert,

psychophysische Daten hinzufügte und diese verwendete um Präsentationen zu erstellen.

1990 entwickelten Roth and Mattis ein System, um komplexere Visualisierungen zu

erzeugen als die von Tufte. 1991 fügte dann Casner noch eine Repräsentation von Tasks

hinzu. Das Anliegen dieser Community war nicht so sehr die Qualität der Grafiken als vielmehr das Matchen zwischen Datentypen, Kommunikationsabsichten und grafischen

Repräsentationen der Daten zu automatisieren.

Zu der Zeit entdeckte auch die User Interface Community, dass die Fortschritte in der

Grafikhardware Möglichkeiten für neue Generationen von User Interfaces bot. Diese

Interfaces fokussierten auf die Interaktion des Users mit großen Mengen an Information,

wie multivariante Datenbänken oder Dokumentensammlungen. Die erste Verwendung

des Ausdrucks „Information Visualization“ trat vermutlich bei Robertson, Card, Mackinlay

(1989) auf. 1990 präsentierten Feiner und Beshers (1990b) eine Methode, Worlds withinWorlds, für 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 raumfüllende Repräsentation

eines Baums (Trees) darstellt. Card, Robertson und Mackinlay präsentierten

Darstellungstechniken, welche mittels Animation und Distorsion die Interaktion mit

großen Datensätzen in einem System genannt Information Visualizer (Card, Robertson

and Mackinlay, 1991; Robertson, Mackinlay, and Card, 1991; Mackinlay, Robertson, and

Card, 1991) ermöglichten. Das Anliegen war auch hier nicht so sehr die Qualität der

Grafiken, sondern viel mehr die kognitive Erweiterung. Interaktivität und Animation

gehörten zu den wichtigsten Featuren dieses Systems. Diesen anfänglichen

Entwicklungen folgten Verfeinerungen und neue Visualisierungen, wobei sich die

verschiedenen Communitys stets gegenseitig beeinflussten. [übernommen aus CMS

1999]



28

Abschließend erfolgt noch mal ein kurzer chronologischer Überblick über einige der

wichtigsten Schritte im Bereich der Visualisierung:

1786 PlayfairVerwendung abstrakter visueller Eigenschaften, wie Linien und Bereiche um Daten

visuall zu repräsentieren

1967 Bertin

The Semiology of Graphics – Identifizierung der Grundelemente von Diagrammen

und Beschreibung eines Framework für 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 nützlicher /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 für Statistics – Erläuterungen 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



29

2.4 Definition von Begrifflichkeiten

Terminologie ist in vielen Forschungsbereichen ein Problem. Ähnliche 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

beschäftigen, werden je nach Disziplin für 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 gehören zu dem

weitreichenden Feld der Datengrafik (Data Graphics), welches die Verwendung von

abstrakten, gegenstandslosen visuellen Repräsentationen umfasst, mit dem Ziel die

Kognition zu steigern. Das Feld der Datengrafik (Data Graphics) gehört wiederum zum

Bereich des Information Design, welcher sich - mit dem Ziel der Steigerung von

Kognition - allgemein mit externer Repräsentation beschäftigt. Auf oberster Ebene könnte

man Information Design - Teil der externen Kognition - als den Einsatz der externen

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

Zielsetzung von Information Visualization als die Steigerung von Kognition, ist absichtlich

breit gefächert. Kognition kann sowohl das Schreiben eines wissenschaftlichen Textes

sein als auch das Auswählen 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 allgemeinenund 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.



30

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 für Information Visualization:

“Information visualization can be defined as the use of computer-supported,

interactive, visual representations of abstract data to amplify cognition.”



31

Für den Begriff der “Information Visualization”, bzw. „Visualisierung“ aus dem Bereich

der Information Visualization finden sich, wie bereits erwähnt, zahlreiche weitere

Definitionen. Inhaltlich ähneln sich diese größtenteils. Hier nun einige Beispiele:

Rolf Däßler (Fachhochschule Potsdam):

“Unter Informationsvisualisierung werden heute alle Konzepte, Methoden und Tools zur

visuellen Darstellung von Informationen aus Datenbanken, digitalen Bibliotheken oder

anderen großen Dokumentensammlungen, zusammengefasst. Informationsvisualisierung

beinhaltet die computergestützte Aufbereitung und visuelle Repräsentation 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]



32

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 erfüllen

und ihn bei der Entscheidungsfindung unterstützen, so muss dennoch differenziert

werden, dass allein die Tatsache eine Visualisierung zu verwenden um Daten darzustellen

nicht ausreicht, um auch den gewünschten Effekt damit zu erreichen. Ob eine

Visualisierung nutzt oder eventuell sogar schaden kann hängt davon ab, wie geeignet sie

für jeweiligen Kontext ist, in welchem sie eingesetzt wird. Dementsprechend liegt die

Anforderung bei Visualisierungen darin, eine adäquate Visualisierung, bzw. ein

geeignetes visuelles Mapping für 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 häufig zwei Beispiele von [Tuf 1997]

angeführt: 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 können, welche aufgrund der Qualität

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 Fälle

von Cholera registriert. Nur innerhalb weniger Stunden breitete sich die Krankheit rasch

weiter aus, beschränkte sich jedoch noch größtenteils 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 übertragen

wird - teilweise sogar, dass es von bösen Geistern übertragen wird - flohen viele

Menschen aus ihren Wohnungen und ganze Häuser und Straßen verwaisten.



34

Abb. 4 Zeitliche Darstellung der Todesfälle [Tuf 1997]

Die geografische Karte von Snow dagegen bot direkte und effektive Aussagen über die

möglichen Ursache-Wirkung Beziehungen. Er gestaltete die Originaldaten von einer

eindimensionalen temporalen Ordnung in eine 2D räumliche Ordnung um und zeichnete

die Todesfälle und alle Pumpen ein, worauf sich eine Clusterung in der Broad Street

Pumpe ergab. Diese Karte enthüllte eine enge Verbindung zwischen den Cholera

Todesfällen und der Nähe zu der Broad Street Pumpe, im Kontext von gleichzeitigen

Vergleichen mit anderen örtlichen Wasserquellen und der umgebenden Nachbarschaft

ohne Cholera.

Um die Ursache für die Epidemie vollständig zu verstehen, war es ebenfalls erforderlich

eine Analyse derer, die der Krankheit entkommen sind, durchzuführen. Die Karte zeigte

klar, dass bei dem Vergleich zwischen den Lebenden und den Todesfällen einige Lücken

existieren. Auffallend sind vor allem die Lücken im Bereich der Brauerei (70

Brauereiangestellte und keiner erkrankt) und einem Arbeitshaus in der Nähe der Pumpe

(siehe Abb. 3). Nachforschungen zeigten, dass sowohl das Arbeitshaus als auch die

Brauerei über eigene Brunnen im Haus verfügten und somit überhaupt kein Wasser aus

der Broad Street Pumpe bezogen hatten. Den Arbeitern der Brauerei war es sogarerlaubt, täglich eine bestimmte Menge des Biers, welches hergestellt wurde, selbst zu

trinken. Dagegen gab es in den direkt angrenzenden Häusern zu dem Arbeitshaus und

der Brauerei Cholera-Tote. Allerdings zeigte die Karte auch einige Todesfälle, welche

nicht in unmittelbarer Nähe zur Broad Street Pumpe lagen, sondern näher zu anderen

Wasserpumpen lagen. Snow ging jedem einzelnen Fall persönlich nach und konnte,

obwohl die außenliegenden Fälle zufällig und nicht erklärbar schienen, nachweisen, dass

alle diese Personen aus den verschiedensten Gründen ebenfalls Wasser aus der

kontaminierten Pumpe getrunken hatten. Die Begründungen reichten von Personen,

welche in dieser Gegend zu Besuch waren oder Personen, deren Arbeits- oder Schulweg

an der Pumpe vorbei führte bis zu einem Fall, in dem sich die betroffene Person speziell



35

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 später herausstellte, war ein Abwasserrohr in der

Nähe gebrochen und hat das Wasser dieser Pumpe verseucht. Kurze Zeit nach

Entfernung der Wasserpumpe endete die Epidemie.

Obwohl Dr. John Snow viele Beweise für eine Kontaminierung der Wasserpumpe der

Broad Street erbringen konnte, lässt 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 möglicher Grund für

das Ende der Epidemie wäre 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

häufig die Entfernung der Pumpe als Grund für das Ende der Epidemie angeführt. Auch

wenn kein eindeutiger Beweis dafür vorliegt, so schützte das Entfernen der Pumpe

zumindest vor einem Wiederausbruch der Cholera.

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

Die Maßnahmen gegen die Broad Street Pumpe basierten auf einer Vielfalt von Beweisen:

Die Cholera-Karte, Studien ungewöhnlicher Umstände, Vergleiche der Lebenden und

Toten, deren Wasserkonsum, sowie die Idee eine Ursache für 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.



36

Auch wenn bis heute nicht eindeutig geklärt werden konnte, weshalb die Epidemie

endete, bewies Dr.Snow durch seine Untersuchungen, dass Cholera durch Wasser und

nicht durch Luft übertragen wird, wie bis dahin fälschlicherweise angenommen wurde.

1886 festigte die Entdeckung des Vibrio Cholerae Bakteriums die Theorie von Snow. Noch

heute ist er dafür bekannt, die Art der Cholera Übermittlung und die Methode der

Prävention entdeckt zu haben. 1955 gedachten die Proceedings of the Royal Society of

Medicine Snow’s 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 dafür waren zwei Gummi O-Ringe, die aufgrund der

extremen Kälte an diesem Tag ihre Elastizität 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 äußerten die Ingenieure des Space Shuttles der Firma Thiokol

Bedenken hinsichtlich des Starts der Challenger, da die Wetterprognosen für den

nächsten Tag 26 bis 29 Grad Fahrenheit voraussagten. Bei einer solchen Kälte könnten

die O-Ringe der Belastung voraussichtlich nicht standhalten, weswegen empfohlen

wurde, den Start der Challenger zu verschieben. Sie begründeten ihre Besorgnis

aufgrund verschiedene Quellen: eine Historie von O-Ring Beschädigungen während

früherer Starts des Shuttles an kalten Tagen, die physische Elastizität (welche

exponential mit zunehmender Kälte abnimmt) und Versuchsdaten. Diese Quellen



37

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

Regierungsbehörde, welche für den Flug verantwortlich war - faxten. Jedoch konnten die

Verantwortlichen der NASA den Grafiken keinerlei Beweiskraft dafür entnehmen, dass die

Beschädigungen der O-Ringe mit kalten Temperaturen zusammenhingen, und lehnten es

daher ab, den Start der Challenger zu verschieben. Daraufhin erfolgte der Start der

Challenger planmäßig.

Unabhängig von einer ganzen Reihe von Ursachen, welche für das Unglück der

Challenger verantwortlich waren, war auch das Unvermögen, die Verbindung zwischen

kalten Temperaturen und den Beschädigungen von O-Ringen bei früheren Flügen

glaubhaft darzustellen und somit das Risiko für diesen Start realistisch abschätzen zu

können, mitverantwortlich für die Explosion des Space Shuttles. Eine aussagekräftige,

vor dem Flug durchgeführte Analyse hätte offenbart, dass dieser Flug ein erhebliches

Risiko für die Challenger und ihre Besatzung darstellte.

Bei der Erstellung der 13 Grafiken für 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

große Aussagekraft. Vor allem aber die richtige Auswahl der Daten kann den Unterschied,

zwischen aussagekräftigen und nicht aussagekräftigen Darstellungen ausmachen. Durch

diese Wahl wird die analytische Agenda, welche zu einer bestimmten Entscheidung führt,festgesetzt.

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



38

Abb. 7 stellt eine der 13 erstellten Grafiken dar, welche der NASA zur Entscheidungs-

findung für den Start der Challenger vorlag. Diese Grafik zeigt alle O-Ring Messwerte, die

für alle 24 früheren Shuttle Starts ermittelt wurden. Die Repräsentation dieser Messwerte

erfolgt durch 48 kleine Raketenabbildungen, welche die 24 Flüge repräsentieren.

Insgesamt gab es sieben Flüge mit O-Ring Problemen. Die Starttemperatur wird für jedes

Paar Raketen einzeln angegeben. Zwar enthält diese Grafik alle Daten, die benötigt

werden um die Beziehung zwischen Temperatur und O-Ring Schaden zu diagnostizieren,

dennoch ist es nicht möglich diese zu erkennen. Die schlechte Gestaltung macht es

unmöglich, die relevanten Informationen daraus ablesen zu können. Die fehlende visuelle

Klarheit beim Anordnen der Beweise ist ein Zeichen für fehlende intellektuelle Klarheit

bezüglich der Argumentation der Beweise.

Der größte Fehler ist jedoch die chronologische Anordnung, da sie keinerlei Bezug zur

Temperatur herstellt, obwohl dies gezeigt werden sollte. Informationsdarstellungensollten dem bevorstehenden analytischen Zweck dienen; d.h. wenn eine mögliche

Ursache-Wirkung–Beziehung 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 möglichen

Ursache.

Obwohl die Ingenieure aufgrund kausalen Denkens das Problem erkannt hatten, war es

ihnen nicht möglich, dieses ebenso schlüssig darzustellen. Die analytischen Grafikenverfehlten die tatsächlich präsente Gefahr aufzudecken und zeigten den Verantwortlichen

bei der NASA nicht die drohende Gefahr.

Tatsächlich, 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 O-

Ring Zustände für alle früheren Flüge aufgeführt. Die Einträge sind nach der möglichen

Ursache - Temperatur - vom kältesten bis zum wärmsten Start geordnet. Zusätzlich

wurde für jeden Start ein durchschnittlicher O-Ring Schaden ermittelt. Die Tabelle lässt

den Zusammenhang von O-Ring-Schäden 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 früheren Starts vor der

Challenger. Wie die Tabelle, zeigt der Graph das ernsthafte Risiko einen Start bei 29 Grad

durchzuführen. Über Jahre hinweg hatten O-Ringe konstante Probleme bei kühleren

Temperaturen: in der Tat war das Resultat jedes Starts unterhalb von 66 Grad ein

defekter O-Ring; an wärmeren Tagen traten dagegen nur bei wenigen Flüge Erosionen

auf. Dieser Graph, dessen Temperaturskala bis zu 25 Grad reicht, drückt visuell aus, wie



39

die Hochrechnung aussehen muss, wenn man bei 29 Grad startet. Der kälteste Flug ohne

einen O-Ring Defekt wurde bei 66 Grad gemacht. 37 Grad wärmer als für 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 Abhängigkeit zwischen Starttemperatur und O-Ring Schaden zeigt [Tuf 1997]

Für den Start der Challenger gab es außer den beschriebenen Gründen auch einen hohen

politischen und öffentlichen Druck. Starts von Shuttles waren zum damaligen Zeitpunkt

zur vermeintlichen Routine geworden. Der Start der Challenger wäre der erste Start

eines Space Shuttles seit Jahren gewesen, welcher hätte abgesagt werden müssen. Das

Ausbleiben von klarem Denken bei der Analyse und der Präsentation von Beweisen öffnet

beim Treffen von Entscheidungen die Tür für alle Sorten von politischen oder anderen

schädlichen Einflüssen. Seit dem Unglück der Challenger wurden eine Reihe von Flügen

aus guten Gründen abgesagt.

2.5.3 Verfälschende 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 verfälschen, obwohl sie auf einer korrekten Datenbasis

erstellt wurden. Anknüpfend an das Beispiel der Cholera Epidemie in London im Jahre

1854 soll gezeigt werden, dass je nach Visualisierung die Tatsachen abgeschwächt

beziehungsweise verstärkt werden können. Diese Darstellung erfolgt zunächst an dem

bereits beschriebenen „Irrglauben“, dass die Bekämpfung der Cholera Epidemie eindeutig

auf die Entfernung der Wasserpumpe in der Broad Street durch Dr. John Snow zurück

zuführen ist und nachfolgend an einer nachträglich erstellten geografischen Bereichs-

aufteilung derselben Daten. Wie Abb. 9 (oben) zeigt, ging die Epidemie zum Zeitpunkt



40

der Entfernung der Wasserpumpe an der Broad Street bereits zurück. Die Entfernung der

Pumpe lässt also in der Grafik keine tatsächliche merkliche Änderung der Todesrate

erkennen.

Abb. 9 Tägliche vs. wöchentliche Darstellung der Todesfälle [Tuf 1997]

Ändert sich nun in derselben Grafik mit denselben zugrundeliegenden Daten lediglich die

Art der Darstellung der Daten und zwar von einer täglichen Darstellung der Todeszahl zu

einer kumulierten wöchentlichen, scheint es, dass die Entfernung der Pumpe einen

sofortigen rapiden Rückgang der Todesfälle von 458 nach 112 zur Folge hatte. Die

tägliche Einteilung lässt dagegen keinen solchen Effekt erkennen.

Eine weitere Verschiebung der Einteilung der Zeitleiste und zwar von einer wöchentlichen

zu einer wochenübergreifende Einteilung, lässt die Tatsache der Entfernung der Pumpenoch dramatischer erscheinen (siehe Abb. 10). In dieser Darstellung scheint sich die

Epidemie drei Wochen lang dramatisch auszubreiten, bis schließlich Ende der dritten

Woche die Wasserpumpe entfernt wird. Nur zwei Tage später, eine typische Zeitspanne

zwischen der Infektion durch infiziertes Wasser und dem darauffolgenden Tot durch

Cholera, erfolgte laut Grafik ein rapider Rückgang der Todesfälle. Ohne Kenntnis der

anderen Grafiken, wäre eine missverständliche Deutung der Sachverhalte unabwendbar.



41

Abb. 10 Wochenübergreifende Darstellung der Todesfälle [Tuf 1997]

Auch die Art der Aufteilungen von Flächen kann die Wahrheit sowohl offen legen als auch

verbergen. Dr. John Snow verwendete eine Punktekarte um die Todesfälle im Bereich

Londons geografisch festzuhalten. Nimmt man eine geografische Aufteilung der Bereiche

vor, so ist es möglich, je nach Aufteilung der Bereiche die Aussagen der Grafiken zu

„verfälschen“. 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 Todesfälle im

Bereich der Broad Street Pumpe vorkommen. Ersichtlich ist dies anhand der

verschiedenen Grauwerte. Der dunkelste Grauwert steht für die meisten Todesfälle, der

hellste Grauwert entsprechend für die wenigsten Todesfälle. Die Ergebnisse hinsichtlich

der Zentrierung der Todesfälle in der Nähe der Wasserpumpe der Broad Street,

entspricht den Ergebnissen, die auch Dr. Snow erhielt.

Abb. 11 Geografische Einteilung des Bereichsum die Broad Street in fünf Einzelbereiche– Version 1 [Tuf 1997]

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

Wasserpumpe

„Broad Street“



42

Abb. 12 links teilt dagegen das Gebiet geografisch so ein, dass die Anzahl der Todesfälle

in vier der fünf Bereich nahezu gleich hoch ist und es somit keine Zentrierung in einem

Bereich gibt. In einer weiteren Einteilung des Gebietes (Abb. 12 rechts) in fünf Bereiche,

liegt die infizierte Wasserpumpe nicht einmal in den beiden am stärksten von Todesfällen

betroffenen Gebieten.

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

Diese beiden Beispiele zeigen, dass es möglich ist, mit grafischen Darstellungen

Tatsachen zu verfälschen, ohne die zugrundliegende Datenbasis selbst manipulieren zu

müssen. Mittlerweile ist es leicht geworden mittels computergestützten Berechnungenund Erstellungen von Grafiken, Tausende von möglichen Variationen von grafischen und

statistischen Zusammenfassungen zu durchsuchen. Dies führt dazu, dass man

mittlerweile für Publikationen oder ähnliches ausschließlich die Grafiken heraus sucht,

welche die eigene Sichtweise auch vorteilhaft unterstützen. Somit können auch

Visualisierungen, ähnlich wie Worte oder mitunter sogar stärker, Sachverhalte

verfälschen.



43

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 erwähnt, ein breitgefächertes

Feld, mit dem sich verschiedenen Disziplinen, wie die Computer Grafik oder die

Information Visualization beschäftigen und welches über zahlreiche Anwendungs-

möglichkeiten in vielen unterschiedlichen Bereichen verfügt. Die vorliegende State-of-

the-Art Analyse beschäftigt sich mit der Thematik aus Sicht der Information Visualization,

jedoch sind viele der Aspekte auch übertragbar auf die anderen Disziplinen.

Die Herausforderung der Thematik der Visualisierung von Daten im allgemeinen liegt

darin, die oftmals propagierten Vorzüge der visuellen Darstellung von Daten -

Unterstützung 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 für eine Verbesserung der Darstellung selbst. Ganz im Gegenteil, dies kann auch

zu einer Verschlechterung, bzw. zu einer verfälschenden Darstellung führen (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 häufig

außer Betracht gelassen und manche Visualisierungen nur um ihrer selbst Willen

entwickelt. Hypothetische Konstrukte oder Annahmen, gepaart mit technischer

Machbarkeit sind der Motivator für die Entwicklung solcher Visualisierungen. Unterstützt

wird diese Vorgehensweise häufig von der Tatsache, dass Visualisierungen bisher

generell kaum Evaluationen unterzogen werden und häufig nur vereinzelt den Weg in die

praktische Anwendung finden. Jedoch konnte man in jüngerer 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, hängt der erfolgreiche Einsatz einer Visualisierung von einer

Reihe von Faktoren ab, jedoch ist das Hauptziel von Visualisierungen stets der Nutzen für

den Benutzer, unabhängig davon wie dieser im Einzelfall definiert wird.



44

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 Überblick über den allgemeinen IST-Stand,

insbesondere bezüglich 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

Interaktionsmöglichkeiten mit den Daten bietet, präsentiert wird.

Um zunächst 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. Zusätzlich 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 möglich auch die Lösungen anderer Automobilkonzerne zu prüfen und somit einen

Eindruck über den „IST-Stand“ in diesem Bereich zu erhalten. Die Auswahl der

Webauftritte erfolgte möglichst breitgefächert - unabhängig von Image oder Marktanteil

der jeweiligen Automobilkonzerne - da nicht zwangsläufig davon ausgegangen werden

kann, dass diese Faktoren unmittelbar mit der Qualität der jeweiligen Webauftritte

zusammenhängen. Jedoch berücksichtigt die Betrachtung ausschließlich – mit Ausnahme

des schwedischen Car Konfigurators – deutsche Webauftritte. Diese Spezialisierung fand

statt, da aus der Vielzahl an unterschiedlichen Webauftritten, die größtenteils

Länderspezifisch sind, in irgendeiner Form eine Teilmenge zur Betrachtung selektiert

werden musste. Die Einschränkung auf ausschließlich deutsche Webauftritte begründet

sich damit, dass die deutschen Webseiten anderer Automobilkonzerne in unmittelbaren

Vergleich zur Webseite von Mercedes-Benz Deutschland stehen.

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

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



45

Zu den betrachteten Webauftritten anderer Automobilkonzerne9, mit Fokus auf die Car

Konfiguratoren gehören (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, Vollständigkeit zu erreichen

sondern einen möglichst Markenübergreifenden Eindruck bezüglich 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, verhältnismäßig wenig Visualisierungen eingesetzt

werden um die Inhalte darzustellen. Die Darstellung des Kontents erfolgt vorrangig in

Textform, in Kombination mit Bildmaterial. Dazu werden häufig Fließtext, Bildreihen,

tabellenartige Strukturen und Listendarstellungen in Kombination mit Hyperlinks

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

nachfolgende Abschnitt soll hierfür einige Beispiele zeigen.

So verfügt beispielweise die „Händlersuche“ über geografische Karten, in welchen die

verschiedenen Standorte von Mercedes-Benz Händlern markiert, bzw. die Anfahrtsroute

zu einem bestimmten Händler 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.

9 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]



46

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

Interaktion für 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 Knöpfe selber testen und das entsprechende Feedback

beobachten.

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



47

Abb. 15 Beispielabbildungen aus der „Interaktiven Bedienanleitung“ des SLK

Der „Fahrzeugkalkulator“ (Abb. 16 links), welcher zu der Kategorie derFinanzdienstleistungen gehört, nutzt für die Visualisierung einer Online-Kalkulation die

Metapher eines Armaturenbretts. Der Benutzer hat so die Möglichkeit die gewünschten

Werte bzw. Kategorien mittels direkter Manipulation der Zeiger der jeweiligen „Tachos“

auszuwählen. Eine direkte Texteingabe durch den Benutzer wird somit überflüssig.

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

Ein weiteres Tool, das zu den Finanzdienstleistungen gehört und ebenfalls eine

Visualisierung nutzt, ist der „Softfinder“ (Abb. 16 rechts). Mit diesem Tool ist es dem

Benutzer möglich, Fahrzeuge je nach Höhe der monatlichen Finanzierungsrate und

Laufzeit entsprechend zu ermitteln. Mittels Slidern können die gewünschten Angaben zu

diesen Kriterien vom Benutzer eingestellt werden. Der Softfinder liefert schließlich die in

Frage kommenden Fahrzeuge in Form von Fahrzeugsymbolen zurück, wobeientsprechende Änderungen in Größe und Transparenz der Symbole zusätzlich die

Relevanz der Treffer kodieren.



48

Auch das Tool der „Finanzierungsarten“ arbeitet mit einer Visualisierung. Hier kann der

Benutzer je nach Finanzierungsart verschiedene Angaben, wie zum Beispiel die „Höhe der

Anzahlung“ oder die „Laufzeit“ mittels einer Balkendarstellung interaktiv verändern. Bei

Änderung einer Angabe, also der Höhe, bzw. Breite eines Balkens, veränderen sich

entsprechend die Proportionen der jeweils anderen Balken.

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

Der „Preis-Finder“ (Abb. 17 rechts) schließlich 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 gewünschte Preisrange interaktiv einstellen.

Entsprechend verändert 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

hauptsächlich über horizontale oder vertikale Listen- oder Tabellendarstellungen, wobei

diese sowohl Bilder als auch Texte enthalten können. Weitere Elemente, welche häufig

verwendet werden sind Hyperlinks (Text oder Bild), Pull-Down-Menues, Radio Buttons

und Check Boxes. Über diese Elemente erfolgt in der Regel die jeweilige Auswahl des

Benutzers.



49

Abb. 18 Überblick über die Klassen und ihre jeweiligen Modelle

Der schwedische Car Konfigurator bietet im Gegensatz zum deutschen Konfigurator dem

Benutzer einen Scatterplotartigen Überblick über 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 Achsen-

belegung 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 übereinstimmendes Bild, was die

prinzipielle Darstellung der Daten in den Konfiguratoren angeht. Sicherlich gibt es

Unterschiede zwischen den einzelnen Konfiguratoren, wie die visuelle Ausgestaltung,

Kategorisierungen, Zugangsmöglichkeiten oder auch angebotene Funktionen. So verfügt

zum Beispiel der Car Konfigurator von Porsche über die Funktion „Sound“, mit welcher

sich der Benutzer das Motorgeräusch der jeweiligen Fahrzeuge anhören kann. Andere

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



50

Automobilkonzerne bieten Zugangsmöglichkeiten zum Konfigurator über Preis oder

Modellwahl, wie Citroen oder verfügen über 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-Down-

Menues, Radio Buttons und Check Boxes. Eine Verwendung von expliziten

Visualisierungen für die Inhalte des Car Konfigurators konnte bei keinem der

berücksichtigten Automobilkonzerne festgestellt werden.

Zusammenfassend kann man also sagen, dass explizite Visualisierungen für 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 diesbezüglich Defizite. Dabei bilden auch die Car Konfiguratoren von

Mercedes-Benz Deutschland und Schweden hierbei keine Ausnahme.



52

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 Überblick über die wichtigsten

Beiträge zum Thema Visualisierung von Daten auf wissenschaftlicher Ebene, wie zum

Beispiel einschlägige Literatur, Konferenzen, Wissenschaftler und Institutionen. Die

Darstellung der Ergebnisse erfolgt in gekürzter Listenform, welche entsprechende

Hinweise auf weiterführende Informationen zu den jeweiligen Ergebnissen enthält.

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 erwähnt, eine Reihe

von Disziplinen beschäftigen, fällt auch die Auflistung entsprechend heterogen aus. Die

unten angeführte alphabetische Auflistung erhebt keinen Anspruch auf Vollständigkeit.

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, Österreich



53

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 VisionPrag, 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



54

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 Devicesand 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



55

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/volvis2004IEEE/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 Bereichder Information Visualization und listet Institutionen auf, welche sich mit der

Visualisierung von Daten beschäftigen. Diese können aus verschiedenen Disziplinen, wie

der Computer Grafik oder der Information Visualization stammen, wobei einzelne

Institutionen auch mehrere Disziplinen - entsprechend ihrer spezifischen Forschungs-

bereiche - abdecken können.

Zu den sicherlich bekanntesten Forschern und Wissenschaftlern aus dem Bereich der

Information Visualization, welche auch einige der populärsten Visualisierungen in dem

Bereich mitentwickelt haben, gehören zum Beispiel:

Benjamin B. Bederson ist Assistenzprofessor am Fachbereich Informatik der

Universität Maryland. Zudem leitet er das Human-Computer Interaction Lab

(HCIL) und wirkt am UMIACS, dem „Institut for Advanced Computer Studies“ der

Universität Maryland mit.

Homepage: http://www.cs.umd.edu/~bederson/



56

Stuart K. Card ist Ph.D. der Psychologie mit Studienausrichtung auf Künstliche

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 gehört die Entwicklung von User Interfaces im Bereich

der Information Visualization. Zudem gehört er zum redaktionellen Ausschuß der

„ACM Transactions on Computer Human Interaction“.

Homepage: http://www2.parc.com/istl/members/mackinlay/

Ben Shneiderman ist Professor am Fachbereich Informatik der Universität

Maryland. Von 1983 bis 2000 leitete er das Human-Computer Interaction

Laboratory (HCIL). Heute gehört er zu den Mitgliedern des “Institute for Advanced

Computer Studies” und des “Institute for Systems Research” an der Universität

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 Interaction) Lifetime Achievement Award. Seine

Forschungsschwerpunkte liegen in den Bereichen der Human-Computer-Interaction und User Interface Design. Ausser einer Reihe von Büchern, welche er

veröffentlichte, gehörte er dem redaktionellen Ausschuß 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 für Information Engineering am Imperial College of

Science, Technology and Medicine, London. Seit über 40 Jahren ist er im

Forschungsbereich der Human-Computer Interaction tätig. Er gehört zu den

Mitgliedern der IEEE und der Royal Acadamy of Engineering.

Homepage: http://www.iis.ee.ic.ac.uk/~r.spence/



57

Außer den zahlreichen Forschungsgruppen, welche sich an den Universitäten mit der

Thematik der Visualisierung von Daten beschäftigen - zu denen zum Beispiel auch die

Forschungsgruppe HCI unter der Leitung von Prof. Dr. Harald Reiterer der Universität

Konstanz gehört - existieren noch eine Reihe weiterer Institutionen in diesem

Tätigkeitsbereich. Die folgende alphabetische Auflistung beinhaltet solche Institutionen,

welche sich ebenfalls mit der Thematik der Visualisierung von Daten beschäftigen. Diese

stellt lediglich eine Auswahl dar und erhebt daher keinen Anspruch auf Vollständigkeit.

Bell Labs

http://www.bell-labs.com

Entwicklungs- und Forschungslabor der Lucent Technologies

Aktivitäten: Entwicklung von Produkten und Dienstleistungen sowieGrundlagenforschung 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

Aktivitäten: Organisation von Konferenzen, Workshops, Seminaren,

Kommunikationsforen, Herausgabe von Online-Publikationen für Mitglieder, etc.

Aire-la-Ville, Schweiz

Fraunhofer Institute for Computer Graphics (IGD)

http://www.igd.fhg.de/

Institut für Grafische Datenverarbeitung

Aktivitäten: Entwicklung von Produkten (Hard- und Software) und Erstellung

von Konzepten, Modellen und Umsetzungslösungen für die graphische Daten-verarbeitung und ihre Anpassung an spezifische Anwendungsfälle.

Darmstadt, Deutschland



58

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) Aktivitäten: 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 für Informatik (GI)

http://www.gi-ev.de/

Verein für die Förderung des Informatikbereichs zu gemeinnützigen Zwecken

Aktivitäten: Publikation von Fachliteratur, Ausrichtung von Informatik-

Wettbewerben, 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/ Interdisziplänres Konsortium an der UC Berkeley

Aktivitäten: 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/

Interdisziplinäres Forschungslabor der Universität Maryland, USA

Aktivitäten: Forschung in den Bereichen Advanced User Interfaces und ihren

Entwicklungsprozessen. Entwicklung von neuen Theorien, Methoden und

Technologien.

Maryland, USA



59

IEEE Computer Society

http://www.ieee.org/portal/

Verband zur Kontrolle und Einführung von Standards in der Elektrotechnik und

Kommunikationstechnologie

Aktivitäten: Überwachung, Weiterführung 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

Aktivitäten: 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. Anwendungs-

prototypen

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 Universität Maryland und Harvard Universität, National

Science Foundation (NSF) Engineering Research Center der USA.Aktivitäten: Entwicklung, Anwendung und Lehre von fortgeschrittenen Design-

und Analysemethoden. Erarbeiten von Lösungen für komplexe, hierarchische,

heterogene und dynamische Probleme in den Ingenieurwissenschaften und

Systemen für Industrie und Regierung.

Maryland, USA

MIT Media Lab

http://www.media.mit.edu/

Institut für Medientechnologien an der Universität Massachusettes

Aktivitäten: Grundlagenforschungen und –anwendungen in der Überschneidung

von EDV und Kunst. Entwicklungen in den Bereichen wie z.B. Softwareagenten,

Wearable Computers, Advanced Interface Design, Interaktives Kino, Digital

Expression (von Text über Grafiken zu Sound), Räumliche Darstellung, etc.

Cambridge, USA



60

SIGCHI

http://www.sigchi.org/

ACM's Special Interest Group on Computer-Human Interaction

Aktivitäten: Zusammenführung von Design, Evaluierung, Implementierung und

Untersuchung von interaktiven Computersystemen für die Nutzung durch den

Menschen. Pflege eines internationalen Forums im Bereich Mensch-Computer-

Kommunikation (HCI).

New York, USA

SIGGRAPH

http://www.siggraph.org/index.html

ACM`s Special Interest Group on Computer Graphics

Aktivitäten: Förderung 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 Universität Maryland im Bereich der Advanced Computer

StudiesAktivitäten: Förderung von interdisziplinärer 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 für die Diskussion und Förderung der Bereiche der

Virtual Reality und Synthetic Environments

Aktivitäten: Publikation internationaler Journale, Organisation spezifischer

Interessengruppen, Konferenzen, Seminare und Tutorials.

West Sussex, UK



61

Xerox Palo Alto Research Center (PARC)

http://www.parc.xerox.com

Gegründet von der Xerox Corporation als „Office of the Future“

Aktivitäten: Interdisziplinäre 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 für Virtual Reality und Visualisierung Forschungs GmbH (VRVIS)

http://www.vrvis.at/

Anwendungsorientierte Forschungseinrichtung Österreichs im Bereich Virtual

Reality und Visualisierung

Aktivitäten: Forschung in den Bereichen der Virtual Reality für Marketing und

Edutainment, Virtuelle Städte, Anwendungen der wissenschaftl. Visualisierung,

Virtual Reality Grundlagen, Interaktive Visualisierung. Technologietransfer

zwischen Hochschulen und Industrie.

Wien, Österreich

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“ - gehören auch die jeweiligen Konferenzbände zur Fach-, bzw.

Standardliteratur im Bereich der Visualisierung von Daten. Zu den Standardwerken der

Bücher speziell im Bereich der Information Visualization gehören:

Information Visualization

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

Information Visualization. Perception for Design

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



62

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.



63

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 großen 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 Domänen, wie die Physik oder Chemie verwenden für

ihrer Arbeit strenge quantitative Gesetzte und Formeln, wie beispielsweise

mathematische Formulierungen. Neuere Disziplinen dagegen, wie die Psychologie,Soziologie oder auch die HCI nutzen dagegen dafür eher qualitative Frameworks und

Modelle. Frameworks entstehen aus einem allgemeineren Verständnis und Generali-

sierungen der Thematik. Sie werden oftmals in kompakten Tabellen oder Charts

präsentiert, welche informell ein, zwei oder mehr Variablen und ihre Interaktionen

beschreiben. Formalisiertere Modelle können Prozessbeschreibungen (wie in Don

Norman’s (1993) Sieben-Stadien-Modell der Interaktion) oder ausführbare Simulationen,

deren Ergebnisse mit der Realität 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 Begründungen und Prognosen unterstützen und helfen neue

Entwicklungen hervorzubringen. Eines der bekanntesten und oftmals zitierten Modelle ist

das Referenzmodell für Visualisierung von Ben Shneiderman. Dieses Modell soll auch hier

als Grundlage dienen um den Transformationsprozess von den originären Daten in eine

oder mehrere visuelle Darstellungen zunächst konzeptionell zu erläutern und um später,

auf dieser Basis bestehende Visualisierungen vorstellen und diskutieren zu können.



64

4.1 Vorstellung des Referenzmodells für Visualisierung

Bei der Erzeugung von Visualisierungen geht es prinzipiell darum, Daten in visuelleFormen umzuwandeln. Ziel dabei ist es, eine entsprechende adäquate Umwandlung zu

finden. Um diesen Transformationsprozess konzeptionell zu beschreiben, werden Modelle

verwendet. Die Verwendung von Modellen erleichtert die Diskussion über

Visualisierungen und ermöglicht es, diese zu beschreiben und einander gegenüber zu

stellen. [CMS 1999].

Das Referenzmodell für Visualisierung wurde unter der Leitung von Ben Shneiderman am

Human Computer Interaction Lab (HCIL) an der Universität Maryland entwickelt. Dieses

Modell (Abb. 19) beinhaltet zum einen den Datenfluss, welcher vom Input der originären

Daten (Rohdaten) über diverse Transformationsschritte bis zu den endgültigen visuellen

Darstellungen verläuft, sowie eine Reihe von Interaktionsmöglichkeiten, welche es dem

Benutzer ermöglichen auf diese Transformationen einzuwirken.

Abb. 19 Referenzmodell für 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 räumlichen Bereichen, diversen Zeichen (Marks) und deren grafischen

Eigenschaften. Die Viewtransformation (View Transformations) schließlich erzeugt durch

das Spezifizieren von grafischen Parametern, wie Position, Skalierung und Ausschnitte,

aus den visuellen Strukturen die endgültigen Views.

Tab. 1 gibt nochmals einen kurzen Überblick über die einzelnen Begriffe.



65

Begriff Erklärung

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 Erklärung der Begriffe des Referenzmodells [Man 2001]

Der gesamte Prozess wird von der eigentlichen Aufgabe (Task) des Benutzers ausgelöst

und von der menschlichen Interaktion, also dem Benutzer (Human Interaction)

manipuliert. Durch die Interaktionsmöglichkeiten ist es dem Benutzer möglich, die

Parameter dieser Transformationen zu kontrollieren und dadurch beispielsweise die View

auf bestimmte Datenbereiche zu begrenzen oder die Art der Transformation zu ändern.

Die Visualisierungen und ihre Bedienungselemente dienen der Aufgabenerfüllung.

[CMS 1999] Im nachfolgenden wird noch mal detaillierter auf die einzelnen Schritte des

Referenzmodells und die Interaktionsmöglichkeiten 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 vielfältigen Formaten vorliegen können, wie zum Beispiel als

Suchergebnisse oder auch als Text eines Romans, dienen der Visualisierung als Input. Beider Umwandlung dieser Rohdaten in Datentabellen, werden diese Daten für gewöhnlich

in eine Relation oder eine Gruppe von Relationen umgewandelt, welche strukturierter und

deshalb einfacher in visuelle Formen transformiert werden kann. Theoretisch könnte

dieser Schritt auch übersprungen werden, da eine direkte Umwandlung der Rohdaten in

visuelle Strukturen ebenfalls möglich, wenn auch um ein Vielfaches komplexer wäre.

Daher ist es wichtig diesen Zwischenschritt zu machen, vor allem bei abstrakten Daten,

ohne direkten räumlichen Bezug.



66

Mathematisch gesehen sind Relationen eine Gruppe von Tupeln {<Valueix, Valueiy, ...>,

<Value jx, Value jy, ...>}. Wie in Tab. 2 zu sehen, kombinieren Datentabellen Relationen

mit Metadaten, die diese Relationen beschreiben.

Case i Case j Case k

Variable x Value ix Value jx Value kx …

Variable y Value iy Value jy Value kj …

… … … … …

Tab. 2 Darstellung einer Datentabelle [CMS 1999]

Die Zeilen in der Tabelle repräsentieren Variablen, also Gruppen, welche den Bereich der

Werte in den Tupeln repräsentieren. Die Spalten repräsentieren Cases, Gruppen von

Werten für jede dieser Variablen. Die Relationen werden also aus Variablen und Cases

definiert. [CMS 1999]

Case Case i Case j Case k …

Variable x Value ix Value jx Value kx …

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 erhält man eine erweiterte Datentabelle, welche

letztendlich für 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

begründet, dass sich die Anzahl der durch die Funktion ermittelten Outputs dynamisch

generieren lässt und man so eine weitere Spalte für den Wertebereich der Daten

Metadaten

Relationen

Metadaten

Relationen



67

hinzufügen kann, welche wiederum Metadaten enthält und zusammen mit den folgenden

Variablen (Zeilen), wie bereits oben beschrieben, auch die Relationen dynamisch

hinzufügt. Durch eine solche Transformation mit Metadaten als Input können 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 Strukturänderung muss nicht zwangsläufig 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 verändern. Die Variablen können grundsätzlich 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 Spielfilmlängen

{0,360}. Darüber hinaus können zum Beispiel quantitative Variablen in ordinale Daten

transformiert werden oder aber ordinale Variablen in nominale. Dies führt auch zu einerweiteren 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 Spielfilmlänge in Klassen: [0,360] in <Short, Medium, Long>. Zusätzlich

wird noch zwischen wichtigen Subtypen, wie räumlichen 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 einenVerlust oder einen Zugewinn von Daten. Dies kann durch Fehler oder fehlende Werte in

den Rohdaten verursacht werden. Ebenso können statistische Berechnungen zusätzliche



68

Information erzeugen. Daher enthalten Datentabellen oftmals auch abgeleitet Daten oder

Strukturen. Prinzipiell können 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 möchte.

Jede Version der Datentabelle enthüllt verschiedene Aspekte der Daten und führtmöglicherweise 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 räumlichen Bereich durch Zeichen (Marks) und grafische

Eigenschaften erweitern um Informationen zu kodieren. Es gibt zumeist mehrere

Möglichkeiten 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 heißt, dass wenn alle Daten, aber

auch nur die Daten der Datentabelle in der visuellen Struktur repräsentiert werden.

Effektiv bedeutet, dass die visuelle Struktur schneller zu interpretieren ist, mehr

Unterschiede überträgt oder weniger zu Fehlern führt 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).



69

Spatial Substrate

Die Verwendung von Raum stellt den grundlegendsten Aspekt von visuellen Strukturen

dar. Raum ist aus Sicht der Wahrnehmung dominant (MacEachren, 1995). Die räumliche

Position ist eine gute visuelle Kodierung für Daten. Aufgrund der Dominanz wird es an

dieser Stelle separat von den anderen Features als Bereich behandelt, in welchen andere

Teile der visuellen Struktur eingefügt 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 möglich, wenn der quantitative Maßstab der

Achse sich in weitere Untereinheiten einteilen lässt. Dasselbe gilt, wenn die Achseneinheit

eine weiterunterteilbare Kennziffer, physikalische Einheit oder eine sonstige überge-

ordnete Einheit darstellt. Achsen können linear oder radial verlaufen und sind einwichtiger Baustein für die Entwicklung von visuellen Strukturen. Da die räumliche

Positionierung eine gute Kodierung darstellt, wurden einige Techniken entwickelt, welche

die Menge der Informationen, die damit kodiert werden kann erhöhen:

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 für 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 können, 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 für dieselbe Datentabelle. Die Technik stützt sich



70

vor allem auf die Tatsache, dass die Daten lediglich einen Bruchteil des zur Verfügung

stehenden Raums benötigen, um so den Raum für eine zweite Nutzung zu verwenden.

Marks

Zeichen (Marks) sind sichtbare Elemente, welche innerhalb des Raums erscheinen. Es

gibt vier grundsätzliche Typen von Zeichen, wobei die sogenannten Area Marks sowohl

Oberflächen 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 diesbezüglich 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, dadieser Bereich auch für sich genommen von hohem Umfang ist und weitschweifiger

Ausführungen 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 Präsentationen 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 Präsentationen möglich wäre. Es gibt

drei allgemeine View Tranformationen:

Location probes

Viewpoint controls

Distortions



71

Location Probes

Location Probes verwenden spezifische Positionen in einer visuellen Struktur, um

zusätzliche Informationen aus der Datentabelle zu präsentieren. Ebenso können Proben

die visuelle Struktur selbst erweitern. Beispiele für Location Probes sind: Details-on-

Demand (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 ändern. Diese Transformationen sind gebräuchlich, da

sie visuelle Strukturen vergrößern oder den Blickwinkel ändern, um Details besser

darstellen zu können. Viewpoint Kontrollen können sowohl separiert, als auch in dieVisualisierung integriert auftreten. Beispiele für 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) größere entzerrte visuelle Strukturen dargestellt werden können. Alsineffektiv erweist sich es, sobald die Eigenschaften oder Muster für die Task des

Benutzers nachteilig verzerrt werden. Beispiele für Distorsion sind: Perspective Wall,

Fisheye-View.

4.1.4 Interaktions- und Transformationskontrollen

Der Part der menschlichen Interaktion schließt den Kreis zwischen visuellen Formen und

der Kontrolle der Visualisierungsparameter, über welche die Mappings modifiziert

werden. Die naheliegenste Form von Interaktion stellt die direkte Manipulation dar.

4.1.4.1 Transformationen

Wie bereits erwähnt, gibt es insgesamt drei Transformationsarten, auf welche der

Benutzer mittels diverser Interaktionstechniken einwirken kann:



72

Raw Data Data Tables

Diese Kontrollform ermöglicht die interaktive Kontrolle der Data Mappings. Die

Veränderungen der Datentabellen kann zum Beispiel über 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 über Beeinflussung visueller Repräsentanten der Datentabellen

und visuellen Strukturen. Integrierte Lösungen erlauben dem Benutzer dagegen

direkt auf Teile der visuellen Struktur zu klicken und das Mapping zu verändern.

Visual Structures Views

Interaktive Kontrollen der Views können 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, können 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 ermöglicht 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. 4 zeigt eine Übersicht über alle

Interaktionstechniken, geordnet nach dem Einfluss auf die jeweilige Transformationsart.

Anschließend erfolgt eine ausführlichere Beschreibung der jeweiligen Interaktions-

techniken.



73

Modifies

DataTransformation

Modifies

VisualMappings

Modifies

ViewTransformation

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

Für die Modifikation der Data Transformation stehen verschiedene Techniken zur

Verfügung.

Dynamic Queries

Unter Dynamic Queries versteht man dynamische Anfragen an ein aktives

Softwareprogramm, z.B. mittels ‚Slider’ oder ’Radio Buttons’, welche den

(gegenwärtigen) Zustand des Programms im zeitlichen Ablauf ändern. Damit wird

es möglich, 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 präsentieren zu können. Diese Technik

erlaubt es quantitativ mehr Variablen auf die Visualisierung zu mappen.

Attribute Walk

Der Benutzer selektiert einige Cases und sucht anschließend nach anderen Cases,

welche ähnliche Attribute aufweisen.

Brushing



74

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 ausgewählt.

Direct Manipulation

“Direct Manipulation’ ist eine Technik, welche benutzt werden kann, um Trans-

formationen zu modifizieren.

Visual Mappings

Interaktion kann neben der Modifikation der Data Transformation ebenso visuelle

Mappings modifizieren, welche die Übereinstimmung zwischen Daten und visuellen

Formen repräsentieren.

Dataflow

’Dataflow’ ist eine allgemeine, bei kommerziellen Produkten gängige Interaktions-

technik, um Daten in eine visuelle Form zu transformieren. Sie basiert auf der

Idee, Daten und Informationen „explizit“ darzustellen, beispielsweise über

Diagramme mit Knotenstrukturen.

Pivot Table

Diese Technik wird bei modernen sog. ‚Spreadsheet-Programmen’ verwendet und

lässt den Anwender rasch das Mapping der Daten in Zeilen und Spalten der

Kalkulationstabelle transformieren. Ein bekanntes Beispiel hierfür ist das

Programm ‚Excel’ von Microsoft.

View Transformation

Auch auf die View Transformation kann der Benutzer mittels diverser Interaktions-

techniken 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



75

Camera Movement drückt den Wechsel der Position des Beobachters aus, speziell

im 3D Raum. Dies ermöglicht eventuell Elemente zu sehen, welche zuvor verdeckt

wurden.

Magic LensDiese Technik selektiert Objekte in Abhängigkeit ihrer x- oder y-Position und

verwendet dann weitere Interaktionstechniken, wie zum Beispiel „Dynamic

Queries“. Zudem können auf den selektierten Objekten Daten- oder

Visualisierungstransformationen durchgeführt werden. Da multiple Magic Lenses

auch übereinander angeordnet werden können, ist es möglich, auf diese Weise

komplexe Boolesche Anfragen zu generieren.

Overview & Detail

’Overview & Detail’ verwendet zwei oder mehr Ebenen von miteinander verlinktenVisualisierungen (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 Übersichtsfenster bewegt werden können.

Zoom

Diese Technik umfasst den Zoom in eine visuelle Struktur, wodurch die Anzahl derObjekte, welche dargestellt werden, reduziert wird. Gleichzeitig erhöht sich jedoch

eventuell die Anzahl der Variablen, welche pro Objekt gezeigt werden. Die

Kombination mit weniger komprimierenden Techniken ermöglicht es, die einzelnen

Objekte zu betrachten.



76

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 Präsentation von grundlegenden

Techniken zur Visualisierung von Daten und Erläuterung der Auswahlkriterien. Um ein

grundlegendes Verständnis für Visualisierungen und den damit verbundenen Techniken

zu erhalten, ist es zunächst erforderlich, den Aufbau von Visualisierungen und damit von

visuellen Strukturen und ihren Views näher zu betrachten. Wie bereits erwähnt, 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 möglich, eine Fülle von verschiedenartigen visuellen Strukturen aus ein

und derselben Datenbasis zu erzeugen. Viele Visualisierungssysteme machen sich dies

zunutze, um dem Benutzer grundsätzlich verschiedene Sichten auf die Datenwelt zu

bieten. Dabei ist es möglich, 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 ermöglichen.

Aufgrund der immensen Vielfalt an Visualisierungen, kann diese STAR keinen

vollständigen Überblick über alle existenten Visualisierungen geben. Ziel des folgenden

Abschnitts ist es daher, ein grundlegendes Verständnis für den Aufbau von

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

klassifizieren zu können. Denn oftmals liegt zwei scheinbar unterschiedlich ausehendenDarstellungen dieselbe Visualisierungstechnik zugrunde, wogegen zwei ähnlich

aussehende Darstellungen durchaus auf zwei völlig verschiedenen Techniken basieren

können. Die Darstellung dieser grundlegenden Techniken zur Visualisierung von Daten

erfolgt aus Sicht der Statistischen Grafik. Dies wird damit begründet, dass viele

Visualisierungen statistische Grafiken enthalten, wie zum Beispiel Bar Charts,

Histogramme, Pie Charts oder auch Scatterplots. Bei den Beschreibungen der

Visualisierungen aus dem Bereich der Information Visualization wird jedoch zumeist nicht

mehr näher auf diese grundlegenden Techniken eingegangen, da sie als gegebenvorausgesetzt werden.



77

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 für ein besseres Verständnis des folgenden Kapitels entsprechende

Vorkenntnisse nötig. Da an dieser Stelle, die Grammatik außerdem nur oberflächlich

behandelt werden kann, wird für ein tiefergehendes Verständnis die Lektüre des Buches

„The Grammar of Graphics“ von Leland Wilinson empfohlen.

Vereinfacht gesagt, gelingt es Wilkinson durch die grundsätzliche Trennung

mathematischer und ästhetischer Regeln, welche für die Erzeugung einer Grafik benötigt

werden, ein allgemeingültiges System zu erzeugen, welches aus den verschiedenen

Grundelementen der Grafik besteht. Zu diesen Grundelementen gehören: ihre Geometrie

(Graphtypen), ihre ästhetischen Attribute (Farbe, Form, etc.), ihre statistischen

Methoden, ihre Skalierung und ihr Koordinatensystem, in welchem sie eingebettet ist.

Dabei können 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 Ausprägungen der

einzelnen Grundelemente miteinander - wie zum Beispiel „Point -Grafik“, „Blau“, etc. -

lässt sich so eine große 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 dochein großes Potential in sich, welches den Benutzer befähigt aufgrund der „erlernten“

Grammatik auch neuartig erscheinende Grafiken richtig klassifizieren zu können.

4.2.1 The Theorie of Graphics

Wie bereits im Kapitel 2.3.8 dieser STAR erwähnt, gilt Jaques Bertin als der Pioneer in

der strukturellen Theorie über Grafiken. Aufbauend auf seiner Arbeit erarbeiteten eine

Reihe weiterer Wissenschaftler weiterführende Theorien und Variationen zu der Thematik

von Grafiken. Diese Wissenschaftler und Forscher, zu denen auch Leland Wilkinson

gehört, 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 selbstverständlich erachtet, eine Grafik lediglich mittels

des Zusammenspiels aus Betrachtung und allgemeingültigen Regeln verstehen zu

können. [Wil 1999]



78

Während Bertin sich bei seiner Theorie auf „papierbasierte“ Grafiken bezieht, entwickelte

Wilkinson seine Theorie über Grafiken aus Sicht eines Software-Architekten, wobei ihm

jedoch die Arbeiten von Bertin als Grundlage dienten. Durch nur geringe Modifikationen

war es Wilkinson möglich, die Theorien Bertins in die digitale Welt zu übertragen.

In seinem Buch „The Grammar of Graphics“ behandelt Wilkinson allgemeingültige

Grammatikregeln für die Erzeugung von Grafiken aus Daten, wobei es ihm jedoch nicht

um Thematiken wie guter Geschmack oder Grafik Design geht. Für Richtlinien bezüglich

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

ästhetischen Regeln, die Grammatik von Grafiken zu identifizieren und somit ein

allgemeingültiges System zu erzeugen. Dem Benutzer soll so die Möglichkeit gegeben

werden auf Basis der „erlernten“ Grammatik auch neuartig erscheinende Grafiken richtig

klassifizieren zu können. Auch Entwicklern kann diese Grammatik dienlich sein, da die

Kenntnis der Grundelemente von Grafiken zu neuartigen Kombinationsmöglichkeiten oder

bisher noch nicht existenten Elementen führen kann. Ähnlich einem Baukastensystem, ist

die Vielzahl der möglichen Kombinationen, bzw. Ausprägungen höher, 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 für die Umwandlung von Rohdaten in Grafiken ein sogenanntes

objekt-orientiertes Grafiksystem. Ein solches System erfordert explizite Definitionen für

die Realisierung von Grafiken und Regeln um diese mit den Daten in Bezug setzen und

ihr Verhalten in einer Rechnerumgebung organisieren zu können. Aus OOD Perspektivestellen Grafiken Objektsammlungen dar. Wenn die Kommunikation zwischen diesen

Objekten einer einfachen Grammatik folgt, dann werden sie sich konsistent und flexibel



79

verhalten. Um diese Idee umzusetzen, liegt für Wilkinson der Fokus auf den folgenden

drei Stufen: „Specification “, „ Assembly “ und „Display “.

Sp e c i f i c a t i o n

Die Specification umfasst die Übersetzung der Aktionen der Benutzer in eine formale

Sprache. Eine Grafik verfügt, im Gegensatz zu einem Bild, über eine hoch organisierte

und erzwungene Gruppe von Regeln. Ein Bild hat ebenfalls seine eigenen Regeln, jedoch

ist es einem Künstler möglich, die Regeln zu biegen, um einen Punkt an einer von ihm

gewünschten 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 willkürlich ändern (unter der Annahme, dass dies

datenrepräsentierende Attribute sind), ohne die Daten verfälschend darzustellen und den

Zweck der statistischen Grafik – Daten exakt und sachgemäß zu repräsentieren - zu

verletzen.

A s se m b l y

Ein Grafikcomputerprogramm muss in der Lage sein, eine grafische Szene aus einer

Specification zusammen bauen zu können. Um eine Szene zu porträtieren, muss man

ihre Geometrie, ihr Layout und ihre Ästhetik koordinieren, damit sie exakt wieder

gegeben wird. Das Resultat wird bestimmt von der Art und Weise wie eine Szene auseiner Specification zusammengebaut wurde. Eine Szene kann entweder dynamisch oder

statisch, zu externen Daten verlinked oder isoliert sowie modifizierbar oder

unveränderlich, sein; abhängig davon wie sie zusammengebaut wird.

D i s p l a y

Um einen Graphen, welcher ein rein mathematisches Konstrukt ist, wahrnehmen zu

können, muss er unter der Verwendung seiner ästhetischen Attribute und eines Display Systems (z.B. Papier, Video, Hologramm) wiedergegeben werden. Dynamische Grafiken

benötigen dabei ein hoch entwickeltes Design, um „Brushing “, „Zooming “ und „Linking “

und andere Operationen, welche Daten mit Grafiken in Verbindung bringen, zu

ermöglichen (vgl. [CMS 1999] [BC 1987] [CM 1988] [CW 1994] [SCB 1998]). Neuere

Bereiche, wie die Virtual Reality und Immersive Environments, erweitern die zur

Verfügung stehenden ästhetischen Attribute um die Attribute „Touch “ und „Sound “.



80

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 unähnlich ist. Auch er gelangt von den Rohdaten,

welche eine einfache Sammlung von Information darstellen - und nicht notwendigerweise

organisiert sein oder eine Struktur besitzen müssen - über Datentabellen zu Grafiken

(vgl. Shneiderman: visuelle Strukturen). Jedoch gelangt Wilkinson in seinem Modell von

den Rohdaten über eine Funktion – genannt DataView – zunächst 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 können beispielsweise die Indices in einer

bestimmten Reihenfolge permutieren oder Teilmengen der Daten erzeugen. Die

Funktionen dieses Objekts werden dazu verwendet, die Daten, welche man für die

Erzeugung von Variablen benötigt, 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 führt Variablen-Mapping Funktionen aus. Dabei wird zwischen

kategorischen Variablen, also einem geschlossenen Variablensatz, und kontinuierlichen

Variablen unterschieden. Variablensätze sind Entitäten, welche Graphen beschreiben. Das

Algebra-Objekt führt nun auf diesen Variablensätze algebraische Operationen aus, wobei

es insgesamt über drei binäre Operatoren (Blend , Cross und Nest ) und eine Reihe damit

in Zusammenhang stehender Regeln verfügt. Algebra oder irgendeine andere

Variablentransformation wird nicht notwendigerweise bei jeder Grafik benötigt (Bsp. Pie

Chart ), jedoch bei den meisten.

Der nächste Schritt in der Erzeugung von Grafiken wird von einem Objekt – genannt

Grapher - ausgeführt. Dieses erzeugt mittels bestimmter Zeichenfunktionen aus einem

Variablensatz einen Graphen. Das Graph-Objekt stellt eine Sammlung dar, welche einen

Graphen und die Methoden, welche für seine Repräsentation als geometrisches Objekt

benötigt werden, beinhaltet. Dies umfasst die Information über das Koordinatensystem,

in dem er eingebettet wird und die Funktion, welche für die Erzeugung des Graphen

selbst benötigt wird. Für die Bezeichnung eines Punktes in einem Raum werden n-Tupel

verwendet. Die Einträge dieses Tupels werden die Koordinaten eines Punktes genannt.

Ein Koordinatensystem stellt ein Schema für die Lokalisierung eines Punktes mittels

seiner Koordinaten in einem Raum dar. Dieses Schema beinhaltet eine Achse für jede

Dimension, welche zu einem Tupel-Eintrag in Beziehung steht, eine Skalierung (Scale)

für jede Achse und eine Methode für die Lokalisierung jedes Punktes im Raum anhand

der gegebenen Werte in seinem n-Tupel. Ein Frame ist ein Koordinatensystem, welches



81

sich auf Tupel bezieht, deren Einträge 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 beschränkt seine Berechnungen auf die Tupel,

die innerhalb der Grenzen liegen, welche von dem Frame definiert wurden. Das Ästhetik-

Objekt führt Ästhetikfunktionen aus. Eine Ästhetik Funktion mappt nun die Tupel oder die

Einträge der Tupel zu Strings oder realen Zahlen, welche als Input für eine physische

Darstellung, wie einem Videobildschirm, Drucker oder Lautsprecher dienen. Erst durch

das Mapping des Ästhetik-Objekts kann ein Graph wahrgenommen werden. Die daraus

resultierende Grafik ist ein Bild eines Graphen unter Anwendung einer oder mehrerer

Ästhetikfunktionen. Das Grafik-Objekt ist also für die Realisierung der Grafik in einem

Display-System verantwortlich.

Die Algebra, Geometrie, Ästhetik und die Statistik bilden den Kern des Grafiksystems.

Diese vier Komponenten lassen sich praktisch in jeder Kombination zusammenbauen um

eine große 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. Ästhetik umfasst die sensorischen Attribute, welche verwendet

werden um die Grafiken zu repräsentieren. Und die Statistik bietet die Funktionen,

welche es Graphen ermöglichen ihre Erscheinung und Repräsentationsschemata zuändern.

Die nächsten Kapitel werden auf einzelne Komponenten des Grafiksystems nochmals

detaillierter eingehen und eine Reihe von Beispielen zeigen, welche das Verständnis

unterstützen 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 Größen im Raum repräsentiert

werden können. Da nur Graphen erzeugt werden können, 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 Hinzufügen ästhetischer

Attribute lässt es für uns wahrnehmbar erscheinen. Eine Grafik ist somit das Bild eines

Graphen gemäß einer oder mehreren ästhetischen Funktionen. Man unterscheidet alsozwischen Graphen und ihrer physischen Repräsentation. Wie Bertin [Ber 1967] [Ber



82

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

geometrischen Gegenstücken nicht vorkommen.

Um aber an dieser Stelle verschiedene Typen von geometrischen Graphen zeigen zu

können, ist es notwendig für deren grafische Darstellung bereits ästetische Attribute zu

verwenden. Die Verwendung dieser Attribute wird aber erst im nächsten Kapitel

erläutert. Wilkinson weist darauf hin, dass auch wenn an dieser Stelle Graphen unter

Verwendung von Position, Farbe, Größe und Form dargestellt werden, es theoretisch

auch möglich ist, diese mittels anderer ästhetischer Attribute, wie Sound oder auch

Geruch darzustellen.

In der Literatur existieren zahlreiche Möglichkeiten Grafiken zu klassifizieren. Es gibt zum

Beispiel Ansätze, die Klassifizierung anhand ihrer Erscheinung, gemäß ihrerer

ästhetischen Funktionen vorzunehmen, wodurch beispielsweise Bars und Histobars imGegensatz zu Linien zusammenfassen werden würden, obwohl diese zwei grundsätzlich

unterschiedliche geometrische Objekte darstellen. Oder aber man klassifiziert Grafiken

anhand ihrer geometrischen Dimensionalität oder anhand ihrer Datenmethoden, ohne

Rücksicht auf ihre Erscheinung. Dabei würden Methoden gruppiert, welche zum Beispiel

bei der Berechnung einer örtlichen Abschätzung beteiligt wären. Jeder Ansatz birgt für

sich genommen sowohl Vor- als auch Nachteile und wird in der Regel entsprechend der

jeweiligen Zielsetzung verwendet.

Wilkinson wählte 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 Repräsentation von statistischen Daten. Graphen, welche sich in vielen

verschiedenen Kontexten ähnlich verhalten, werden in einer Gruppe zusammengefasst.

Somit ergeben sich für Wilkinson vier Hauptkategorien für Graphen: „Relations “,

„Summaries “, „Partitions “ und „Networks “. Somit kann eine große Anzahl grafischer

Elemente in eine relativ kleine Anzahl von Graphentypen gruppiert werden. Tab. 5 zeigt

diese Hauptkategorien mit ihren zugehörigen Graphentypen, wobei die Tabelle keinen

Anspruch auf Vollständigkeit erhebt. Jedoch stellen viele Grafiken, welche zu denen, die

hier aufgeführt werden, radikal unterschiedlich erscheinen, entweder Transformationen

der Geometrie oder Funktionen der Daten, welche den Graphen in der Tabelle zugrunde

liegen, dar. Somit können auch einige bekannte Grafiken, welche hier nicht in der Tabelle

erscheinen, von den Basisgraphenklassen abgeleitet werden.



83

Relations Summaries Partitions Networks

point

line (surface)

area (volume)

bar (interval)

histobar

schema tile

contour

path

link

Tab. 5 Graphen [Wil 1999]

Da Wilkinson für einige der Graphentypen keine gebräuchliche Bezeichnung unabhängig

von ihrer Dimensionalität finden konnte, verwendet er manchmal Alias. Dies betrifft line

(surface), area (volume) und bar (interval). Tatsächlich gehören Line und Surface, sowie

Area und Volume und Bar und Intervall zu denselben Graphentypen, da sie sich lediglich

durch ihre Dimensionalität voneinander unterscheiden.

Re l a t i o n s

Ein Relations-Graph bildet jeden Wert in einem Bereich auf einen Wert in einer Range ab

und ermöglicht es dem Betrachter so, zu jedem Wert in dem Bereich einendazugehörigen Wert in einer Range zu finden. Dies ist die größte Superklasse von

Graphen und enthält die meisten Repräsentationsobjekte, welche in bekannten Charts

vorkommen.



84

P o i n t

Die Point -Zeichenfunktion erzeugt einen geometrischen Punkt, welcher ein n-

Tuple 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, benötigt man ein

Shape-Attribut, welches ihm die Form eines Kreises, eines Diamanten, eines

Gesichts oder irgendeines anderen Bildes gibt. Man benötigt ein Size-Attribut,

welches ihn groß 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 für

Punktgrafiken zu sehen.

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

L i n e

Die Line-Funktion kann sowohl ein Intervall auf einer begrenzten Fläche in eine

funktionale Kurve als auch eine begrenzte Fläche 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 möglichen

ästhetischen Attribute zuordnen zu können. 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 für zwei- und dreidimensionale

Line-Grafiken.



85

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

A r e a

Die Area-Zeichenfunktion erzeugt einen Graphen, welcher alle Points in der Region

unterhalb des Line-Graphen enthält. Das Zeichnen einer Area bedingt dieselben

Vorbehalte, wie für Lines. Die Area-Grafik sieht aus wie eine Line-Grafik, bei der

die Area zwischen der x-Koordinate und ihr selbst aufgefüllt ist. Abb. 22 zeigt

Beispiele für zwei- und dreidimensionale Area-Grafiken.

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

B a r

Die Bar -Zeichenfunktion erzeugt eine Gruppe von geschlossenen Intervallen. Ein

Intervall hat zwei Enden. Für gewöhnlich werden Bars dazu benutzt einen

einzelnen Wert durch die Position eines ihrer Enden zu bezeichnen, während das

andere Ende an einem allgemeinen Referenzpunkt verankert (für gewöhnlich Null)

ist. Die Bar -Grafik verwendet eine „default mean aggregation function “. Diese

Funktion gibt das arithmetische Mittel aller Werte in der Range, für einen gegeben

Wert oder Tupel von Werten in der Domain zurück. Abb. 23 zeigt Beispiele für

zwei- und dreidimensionale Bar -Grafiken.



86

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

H i s t o b a r

Die Histobar -Zeichenfunktion erzeugt ein Histogrammelement. Im Gegensatz zu

der Bar -Grafik, welche Intervalle repräsentiert, repräsentiert die Histobar -Grafik Areas. Jedoch repräsentiert sie nicht wie der Area-Graph eine einzelne Area,

sondern stellt eine ganze Sammlung von Areas dar - eine für jede Bar .

Obwohl die meisten publizierten Beispiele gewöhnliche Histogramme mit Bars

zeigen, welche gleichmäßige Intervalle repräsentieren, müssen die Bars in der

Histobar -Grafik nicht die gleiche Breite haben. Einige können auch „Zero-Areas “

haben. Im Gegensatz zur Bar -Grafik müssen die Bars in der Histobar -Grafik

jedoch miteinander verbunden sein. Lücken kann es nur geben, wenn diese sich

aus Zero-Areas ergeben. Abb. 24 zeigt Beispiele für zwei- und dreidimensionaleHistogramme.

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

Su m m a r ie s

Summary -Graphen repräsentieren 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



87

konstruieren. Unter Umständen kann es jedoch Gründe geben, eine eigene Graphen-

Klasse für Summaries zu besitzen.

S ch em a

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] zurück. Die Schema-Zeichenfunktion

erzeugt eine Sammlung eines oder mehrerer Points, Lines, Areas und Intervalle.

Schema-Grafiken können viele Formen annehmen und auf verschiedenen

Statistiken basieren. Tukey’s Box Plot stellt jedoch die ursprüngliche Form dar.

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

Die zentrale vertikale Linie in der Box dieses Plots stellt dem Gesamtdurch-

schnittswert, 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 Vergrösserung der Box um den Faktor 2,5

gewonnen. Werte außerhalb der äußeren Grenzen (die inneren Grenzen mal zwei)

werden mit einem kleinen Kreis gezeichnet und alle übrigen Werte ausserhalb derinneren Grenzen mit einem Stern. Somit sind in diesem Plot die aussenliegenden

Werte sofort erkennbar und die Verteilung der übrigen Werte werden schematisch

durch eine Box und Whiskers repräsentiert. Die allgemeinen Informationen

werden anhand der Box und den Whisker und die aussergewöhnlichen

Informationen anhand der Ausreißer dargestellt. Ein Beispiel hierfür ist in Abb. 25

zu sehen, welche eine Box Plot -Verteilung der Motorstärke von Automobilen in

einer Road&Track Datenbank zeigt. Die beiden Ausreißer sind anhand des Kreises

und des Sterns zu erkennen: Lamborghini Diablo (Stern) und der Ferrari 333 RaceCar (Kreis).



88

P a r t i t i o n s

Partitions unterteilen Datensätze in Teilmengen. Die Teilungen treten auf zwei

unterschiedliche Arten auf. Die eine Klasse der Graphen (tile) teilt einzelne Datenpunkte

in sich gegenseitig ausschließende Regionen ( Areas oder Volume) auf. Eine Methode

dafür 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 Möglichkeit geschachtelt sein sollten.

T i l e

Eine Tile-Zeichenfunktion kachelt eine Oberfläche oder einen Raum. Ein Tile-Graph

bedeckt und segmentiert eine begrenzte Region, welche durch einen Frame

definiert wird. Zwischen den einzelnen Kacheln können keine Lücken, bzw.

Überlappungen auftreten. Abb. 26 zeigt eine Kachelung mit insgesamt 10 000

Kacheln, basierend auf einer mathematischen Funktion.

Abb. 26 Tile-Grafik [Wil 1999]

C o n t o u r

Die Contour -Zeichenfunktion erzeugt eine Kontur oder Level Curves. Konturen

können verwendet werden um jegliche durchgehende Oberfläche abzugrenzen.

Abb. 27 zeigt eine solche Contour -Grafik in Kombination mit einer Karte der

Vereinigten Staaten, wodurch die durchschnittlichen Wintertemperaturen mit

Längen- und Breitengraden in Verbindung gebracht werden.



89

Abb. 27 Contour -Grafik [Wil 1999]

N e t w o r k s

Network -Graphen verbinden zwei oder mehrere Punkte mit Liniensegmenten. Obwohl

Networks Punkte verbinden, wird kein Point -Graph benötigt, 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.

P a t h

Eine Path-Zeichenfunktion erzeugt einen Path. Ein Path-Graph verbindet Punkte

so, dass jeder Punkt nicht mehr als zwei Liniensegmente berührt. Folglich trifft ein

Path jeden Punkt in einer Sammlung von Punkten jeweils nur einmal. Wenn ein

Path geschlossen ist (jeder Punkt berührt 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. für jeden Wert kann es nur

einen Punkt auf einer Linie geben. Paths können 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, für jedes einzelne Segment des Path

Attribute zu bestimmen. Zum Beispiel kann eine Line nur eine einzige Größe

haben, ein Path kann dagegen für jedes seiner Segmente verschiedene Größen

besitzen. Dies gilt auch für das Anfrageverhalten oder Interaktionstechniken, wie

z.B. Brushing. Durch Klick auf ein Line-Segment, erhält man Informationen über

die gesamte Line. Durch Klick auf ein Path-Segment, erhält man Informationen

über dieses einzelne Segment. Abb. 28 zeigt ein Beispiel eines solchen Path.



90

Abb. 28 Path [Wil 1999]

L i n k

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 für alle möglichen Links zwischen den Eckpunkte eines Oktagons.

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



91

S p l i t t i n g vs. S h a d i n g

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 ähnliches visuelles

Ergebnis, jedoch mit dem Unterschied, dass sie die Grafik nicht splittet. Für dieses

Verhalten wird der Begriff „shading “ verwendet. Bei vielen Grafiken kann man nicht mit

bloßem 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 möglich, Splitting explizit zu spezifizieren, indem man die

Funktion split () den Ästhetik-Methoden hinzufügt.

Tab. 6 fasst die Graphen dieses Kapitels nochmals für 1D bis 3D zusammen. Die

Abbildungen entsprechen grafischen Beispielen derjenigen Graphen, welche in Tab. 5

aufgeführt wurden.

Die 1D Rendering-Umgebung lässt nur wenig Spielraum, um zwischen Graphentypen zu

unterscheiden. Beispielsweise könnte man Größe verwenden, um einige Aspekte der

Daten zu repräsentieren, solange dies zum Beispiel kein Datenattribut oder eineSymbolform bemisst. Jedoch muss das Zentrum aller Symbole immer noch auf eine Linie

fallen und ihre Größe hat keine Bedeutung bezüglich der Daten. Ähnlich hat die Größe

von Bar , Histobar , Schema und Tile keine Bedeutung bezüglich der Daten in 1D. 2D

Grafiken bieten einen zusätzliche Freiheitsgrad um Datenvariationen zu repräsentieren.

Grafiken, wie Area, Contour , Path und Link erfordern mindestens zwei Dimensionen, um

überhaupt verwendbar zu sein. 3D Grafiken bieten so gesehen am meisten

Möglichkeiten. In 3D wird der Line-Graph zu einer Oberfläche und die Area zu einem

Volume. In gleicher Weise segmentiert der Tile-Graph einen 3D Raum so, dass jedeKachel ein Volume umgibt, ähnlich wie auch der Contour -Graph den 3D Raum

segmentiert.



92

Tab. 6 Geometrische Graphen [Wil 1999]

4.2.2.4 Aesthetics

Das Wort „Ästhetik“ stammt ursprünglich vom dem griechischen Wort für

„Wahrnehmung“ ab. Die abgeleiteten modernen Bedeutungen von Ästhetik, wie

Schönheit, Geschmack und gestalterische Kriterien kamen erst im 18.Jahrhundert auf.

Wilkinson wählte diesen Begriff für die Beschreibung von Objekten aufgrund seiner

ursprünglichen Bedeutung und da er der Auffassung ist, dass das moderne Wort

„Wahrnehmung“, bzw. „Perception “ stark mit Subjektivität in Verbindung steht.

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

Ästhetik verwandelt Graphen in Grafiken. Ohne Ästhetik sind Graphen nicht

wahrnehmbar (zum Beispiel unsichtbar oder unhörbar). Die Ästhetik umfasst Funktionen,

welche bestimmen, wie ein Graph als eine sichtbare oder andere wahrnehmbare Grafik



93

repräsentiert wird. Jede Dimension eines Graphen muss durch ein ästhetisches Attribut,

wie Farbe oder Sound repräsentiert werden. Das nachfolgende Kapitel befasst sich mit

spezifischen ästhetischen Attributen. Wilkinson legte hier das Klassifizierungsschema von

Bertin [Ber 1967] [Ber 1977], welches zu psychologischen Theorien der Wahrnehmung in

Beziehung gesetzt werden kann, zugrunde. Während Bertins Arbeit gänzlich auf visuellen

Darstellungen basiert, gelten Wilkinson’s Variablen mit kleinen Modifikationen auch für

andere sensorische Modalitäten. Für eine psychologische Perspektive auf Bertin’s Arbeit

verweist Wilkinson auf Kosslyn [Kos 1985], für einen Überblick in kartografische

Erweiterungen von Bertins System auf MacEachren [Mac 1995].

Ästhetische Attribute

Wilkinson teilt die Ästhetikattribute in insgesamt fünf Hauptkategorien ein: „Form“,

„Surface“, „Motion“, „Sound“ und „Text“. Tab. 7 fasst diese Ästhetikattribute zusammen,

beansprucht jedoch keine Vollständigkeit, da theoretisch auch andere Attribute, wie

Geruch oder Geschmack denkbar wären. 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 “ übersetzt wird, er

damit jedoch tatsächlich Granularität meint. Granularität steht also in diesem Sinne in

Bezug zu der räumlichen Frequenz einer Textur.

Form Surface Motion Sound Text

position

stack

dodge

jitter

size

shape

polygon

glyph

image

rotation

color

hue

brightness

saturation

texture

pattern

granularity

orientation

blur

transparency

direction

speed

acceleration

tone

volume

rhythm

voice

label

Tab. 7 Ästhetische Attribute [Wil 1999]



94

Im Gegensatz zu Bertin trennt Wilkinson jedoch Form- von Texturattributen. Die Ursache

hierfür begründet Wilkinson mit der Übertragung der Theorien von Bertin in die Welt der

Computerprogramme. Grafiken müssen bezüglich ihrer ästhetischen Attribute

unabhängig reagieren können. Zur selben Zeit müssen diese unabhängigen Reaktionen

übereinstimmend funktionieren, so dass die Grafik, welche erzeugt wird, sich konsistent

und kohärent verhält. Daher ist es erforderlich, einige von Bertins Kategorien von

einander zu lösen. So verwendet Bertin Size, Shape und Orientation um sowohl die

äußere Form von Objekten (wie Symbolformen) als auch ihr inneres Texturmuster (so

wie die Kreuzschraffierung) zu charakterisieren. Diese Vorgehensweise scheint

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

Wie in Tab. 7 zu sehen, verfügen einige der Hauptattributsfunktionen, wie z.B. Position

über 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).

Po s i t i o n

Die Verwendung von Position für eine Grafik ermöglicht eine Vielzahl von

Variationsmöglichkeiten, wie z.B. die Einbettung multipler Grafiken durch die

Verwendung verschiedener positionsbezogener Variablen in ein gemeinsames

Frame oder die Platzierung von Grafiken nebeneinander oder übereinander.

Bertin restringiert seine Analyse auf ein Blatt Papier oder eine Ebene, jedoch muss

die räumliche Position in einem Grafiksystem nicht auf genau drei Dimensionen

beschränkt sein. Zum Beispiel kann ein Frame (mit einem Verlust derAllgemeingültigkeit) durch eine Vielzahl an Projektionen in einen 3D, 2D oder 1D

Raum repräsentiert 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 Größenordnungen, welche durch die Variable repräsentiert

werden können, muss sich aber nicht notwendigerweise, sich auf die Ordnung

auswirken.



95

Einige Projektionen können zwei verschiedene Koordinaten auch zu derselben

Position projizieren und sie somit ununterscheidbar machen. Manchmal wird

Position auch einfach nur dazu verwendet, Objekte vom Überlappen abzuhalten

oder Objekte einander zuzuordnen. Eine der Kindklassen von Position ist s t a c k ,

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 d o d g e , welches Grafikelemente dazu veranlasst, sichselber symmetrisch aufzuheben, wenn sie eng beieinander liegende Werte bei

einem Größenwert besitzen. Diese Methode wird verwendet, um Clustered Bar

Charts (Abb. 32) und symmetrische Dot Plots (Abb. 31) zu erzeugen.



96

Abb. 32 Clustered Bar Chart [Wil 1999]

J i t t e r fügt den Positionen entlang der Dimension absichtlich eine kleine Anzahl

einheitlicher und zufälliger Fehler hinzu, sodass Grafikelemente weniger

wahrscheinlich kollidieren. Diese Methode wird verwendet um Jittered Scatterplots

zu erzeugen (Abb. 33).

Abb. 33 Jittered Scatterplot [Wil 1999]

S i ze

Bertin definiert Größenvariationen in Ausdrücken von Länge oder Area. Die

Erweiterung dieser Definition auf drei Dimensionen wäre Volume. Das Size-

Attribut eignet sich am besten bei Point -Grafiken, jedoch hat es auch anderswo

interessante Anwendungen. Eine der bekanntesten Anwendungen des Size-

Attributs ist der Bubble Plot (Abb. 34).



97

Abb. 34 Bubble Plot [Wil 1999]

Bei Lines verhält sich Größe für gewöhnlich äquivalent 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 Männern in der französischen Armee von Napoleon

während des Russland-Feldzugs, visualisierte (siehe Abb. 35)

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

Areas können ihre Größe nur dann ändern, 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 können ihre Größe ähnlich wie Lines ändern. Solids

können ihre Größe dagegen in jeder Dimension ändern.



98

Abb. 36 Solid Größen [Wil 1999]

S h a p e

Shape bezieht sich auf die äußere Form oder Begrenzung eines Objektes. DieShape-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 „M o r p h “ 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 jedochproblematisch, da es sich nicht rotationsinvariant verhält. 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 für Kategorisierung zu erforschen. Dazu gehören zumBeispiel Lewandowsky und Spence [LS 1989] und Cleveland [Cle 1993].

Abb. 38 zeigt verschiedene Beispiele für kontinuierliche und kategorische



99

Shapevariationen für Lines. Die linke Grafik variiert die Grobheit der Linie um eine

fortlaufende Größenunterteilung der Shape zu erzeugen. Die rechte modifiziert

dagegen die Außenkonturen der Linie um eine kategorische Shape-Variation zu

erzeugen.

Abb. 38 Line Shapes [Wil 1999]

Areas können ihre Shape nur dann ändern, wenn ihr Umfang von einerPositionvariablen 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 können auch

Surfaces ihre Shape ändern. Abb. 39 zeigt kontinuierliche und kategorische

Shape-Variationen für Solids. Einige Solids, wie Intervallgrafiken sind in einer oder

mehreren Achsen festgelegt. Dabei lässt sich für gewöhnlich wenigstens eine

physische Dimension frei variieren und somit die Shape verändern. Die Solids in

Abb. 39 haben konstante Höhen, variieren jedoch in ihrer Shape entlang derbeiden anderen Dimensionen.

Abb. 39 Solid Shapes [Wil 1999]

Symbol-Shapes müssen nicht von einem festgelegten Repertoire von Symbolen

bestimmt werden. Sie können ebenso von einer Gruppe beliebiger Polygone

festgesetzt werden. In Abb. 40 ist beispielsweise eine geografische Karte zu

sehen, die mit der Kindklasse P o l y g o n von Shape erzeugt wurde.



100

Abb. 40 Map of Europe [Wil 1999]

Symbol-Shapes können auch von wesentlich komplexeren Algorithmen bestimmt

werden, wie zum Beispiel von G l y p h -Funktionen. Diese werden verwendet, um

die Shape von Point -Grafiken zu bestimmen. Glyphen sind geometrische Formen,

welche verwendet werden um mehrere Variablen gleichzeitig zu repräsentieren

[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 für ihre Variablen.

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



101

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

anderen Grafiken zu bestimmen. Abb. 42 zeigt einen Scatterplot mit

verschiedenen Gesichtsausdrücken, 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

repräsentiert die Intensität von Emotion und die Polarwinkel den Typ der Emotion.

Abb. 42 Scatterplot mit Images [Wil 1999]

Ro t a t i o n

Die Rotation einer Grafik stellt ihren Rotationswinkel dar. Abb. 43 zeigt Rotations-

variationen für 2D und 3D Objekte. Lines, Areas und Surfaces können nur dann

rotieren, wenn sie in Bezug auf die Position ungebunden sind.

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



102

Abb. 44 zeigt besipielhaft wie Windgeschwindigkeiten mittels eines Pfeilsymbols

und den Funktionen Rotation und Size visualisiert werden können.

Abb. 44 Windgeschwindigkeiten [Wil 1999]

Co l o r

Color ist ein psychologisches Phänomen, ein Erzeugnis des visuellen Systems [LS

1991]. Der physische Stimulus für Color ist Licht. Da unser Farbwahrnehmungs-

system dreidimensional ist, kann man alle sichtbaren Farben mit allen drei nicht-

kollinearen Achsen in diesem Raum repräsentieren. Beispiele für Farbmodellesind: 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. Für 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.

B r i g h t n e s s ist gleichbedeutend mit Helligkeit, also der Spanne zwischen hell und

dunkel. Abb. 45 zeigt eine Skala für Brightness für insgesamt fünf quadratische

Felder.

Abb. 45 Brightness Variation



103

H u e stellt die reine spektrale Komponente (konstante Intensität) einer Farbe,

ohne Berücksichtigung von Brightness oder Saturation dar. Abb. 46 zeigt fünf

verschiedene Farbtöne: rot, gelb, grün, blau, lila.

Abb. 46 Hue Variation [Wil 1999]

S a t u r a t i o n stellt den Grad der reinen Farbe (Hue), also die Sätting, dar.

Abb. 47 zeigt fünf verschiedene Sättigungslevel für 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]



104

Abb. 49 Matrix Plot [Wil 1999]

T e x t u r e

Texture beinhaltet Pattern, Granularity und Orientation. Pattern kann man sichvorstellen 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 räumliche Verteilung von

Brightness-Werten eines zweidimensionalen Bildes auf einem beleuchteten

Surface. Diese Definition unterliegt der Texturwahrnehmungsforschung von Julesz

[Jul 1965] [Jul 1971] [Jul 1975]. Räumliche Verteilung kann auf verschiedene

Arten repräsentiert werden. Eine der gebräuchlichsten ist zum Beispiel die Fourier

Transform, welche ein Gitter von Brightness-Werten in Summen von

trigonometrischen Komponenten zerlegt. Zu beachten ist, dass Ausprägungen der

einzelnen Attributsfunktionen von Texture durchaus miteinander interagieren und

sich gegenseitig beeinflussen können. Beispiele hierfür finden sich bei Julesz [Jul

1981]. So kann auch schon die Texture allein für die Wahrnehmung einer Form

verantwortlich sein. Abb. 50 zeigt Variationen der G r a n u l a r i t y , also eine

Rasterung konstanter Brightness, die in ihrer räumlichen Frequenzen variiert.

Abb. 50 Granularity [Wil 1999]



105

Abb. 51 zeigt verschiedene Grade von Granularitätsvariationen für Lines. Jede

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

Elementen in Abb. 50 betrachtet werden. Beide Abbildungen beinhalten

tatsächlich 1D Texture-Karten.

Abb. 51 Line Granularity [Wil 1999]

Abb. 52 zeigt kontinuierliche und kategorische Variationen von P a t t e r n . Die

kontinuierlichen Beispiele (obere Reihe) verwenden zunehmend höhere

Zufallsgrade in einer einheitlichen räumlichen Verteilung. Die kategorischenBeispiele verwenden verschiedene Shapes für ihre Elemente. Die Brightness für

jedes Feld wird durch denselben prozentualen Anteil an schwarzen Pixeln geregelt.

Abb. 52 Pattern Variations [Wil 1999]

Linienmuster können durch das Füllen dicker Linien mit verschiedenen Mustern

variiert werden. Eine gestrichelte Linie kann beispielsweise durch Füllung des

Inneren einer dicken Linie mit einem eindimensionalen Gittermuster konstruiert

werden, wie in Abb. 51 zu sehen.

Abb. 53 zeigt verschiedene Variationsgrade von O r i e n t a t i o n . Orientation

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

hohen Maß für das Entstehen von visuellen Vibrationen, Moire Mustern und

anderen unerwünschten Effekten verantwortlich. Abb. 53 zeigt wie die Variation in

der Texturorientierung eine visuelle Illusion einführt, so dass die Linien nichtparallel erscheinen. Viele solcher Beispiele bezüglich der Verwendung von

Orientation finden sich bei Tufte [Tuf 1983].



106

Abb. 53 Line Textur Orientation [Wil 1999]

B l u r

Blur beschreibt den Effekt, welcher die Änderung der Fokuslänge in einer

Darstellung hervorruft, also das Entstehen von Unschärfe. Abb. 54 zeigt von links

nach rechts fünf verschiedene Unschärfelevel.

Abb. 54 Blur Variation [Wil 1999]

T r a n s p a r e n c y Das Attribut Transparency erzeugt verschiedene Stufen von Transparenz. Abb. 55

zeigt Beispiele für fünf verschieden transparente Level.

Abb. 55 Transparency Variation [Wil 1999]

Mo t i o n

Der Einsatz von Motion, also Animation ist vor allem bei Visualisierungssoftware

stark verbreitet. Näheres dazu findet man zum Beispiel bei Cleveland und McGill

[CM 1988] und Earnshaw and Watson [EW 1993].



107

S o u n d

Die potentielle Dimensionalität einer Soundumgebung ist mindestens so groß wie

die einer visuellen. Auch im Bereich von Sound gibt es verschiedene Ansätze

Grafiken darzustellen. Beispielsweise kann man Tonlagen, Amplituden, Textur und

andere Wellenformeigenschaften verwenden, um separate quantitative

Dimensionen zu repräsentieren [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 räumliche 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 Chorsängern repräsentiert werden, welche

entsprechend im Raum verteilt sind. Krygier [Kry 1994) beschäftigt sich mit der

Verwendung von Sound für multidimensionale Datenrepräsentationen. Sieheebenso Shepard [She 1964) und Kramer [Kra 1994].

T e x t

Text wird im Allgemeinen nicht als ein ästhetisches Attribut betrachtet. Wilkinson

klassifiziert es auf diese Weise, da Lesen Wahrnehmungs- und kognitive Prozesse

beinhalten, welche die Dekodierung einer Grafik auf dieselbe Weise unterstützen,

wie dies wahrnehmbare Farben oder Muster tun. Die Label Text -Attributfunktionermöglicht es, ein beschreibendes Label mit jeglicher Grafik in Verbindung zu

bringen. Diese Funktion platziert zum Beispiel Text in der Nähe zu einem Punkt,

an das obere Ende einer Bar oder nahe einer Line. Die Label -Attributfunktion

ermöglicht 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

repräsentieren geometrische Formen, welche von den verschiedenen Graphentypen

verwendet werden: Point , Line, Area, Surface und Solid . Die Reihen repräsentieren die

Attribute, aufgeteilt in vier Superklassen: Form, Color , Texture und Optics.



108

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

Dieses Kapitel deckt eine große Vielzahl an Basisgrafiken ab, für die Erstellung

komplexerer Grafiken sind jedoch statistische Funktionen notwendig.



109

4.2.2.5 Statistics

Wilkinson bezeichnet mit Statistics Methoden, welche die Position von geometrischen

Graphen verändern. Diese Methoden können bei allen Graphentypen angewendet

werden. Einige dieser Kombinationen von Graphen und statistischen Methoden können

eigenartig oder bizarr wirken, jedoch gibt es theoretisch keinen Grund sie zu

restringieren. Dennoch verfügen Graphen über statistische Default-Methoden.

Statistiken haben das Potential die Erscheinung von Grafiken so radikal zu verändern, wie

dies Koordinatentransformationen tun. Daher ist es ist manchmal schwierig, eine Grafik,

nachdem ihre Geometrie durch eine Statistik verändert 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 können. Wilkinson teilt diese in insgesamt fünf Hauptklassen ein: „Statistics“

(Basic Statistics), „Region“ (Intervall and Region Bounds), „Smooth“ (Regression,

Smoothing and Interpolation), „Density“ (Desity Estimation) und „Edge “ (Methoden für

die Berechnung von Ecken von Graphen basierend auf einer Gruppe von Knoten oder

Punkten).

Die Statistic -Klasse umfasst statistische Algorithmen für 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

lässt, darstellen lassen oder eine Gruppe von Werten an den Eckpunkten einer konvexen

Region, welche einen Punkt in höheren Dimensionen springen lassen, erzeugen. Die

Smooth-Klasse umfasst eine Vielfalt an Methoden für die Berechnung von weichen/

unscharfen Werten. Die Density -Methoden schätzen unter Verwendung einer Vielfalt von

Ansätzen eine Density ab. Die Edge-Methoden schließlich fügen in einen Graphen Knoten

(Tupel) ein und geben enstprechend der verschiedenen Algorithmen Ecken zurück.

Tab. 9 erhebt keinen Anspruch auf Vollständigkeit, soll aber einen grundsätzlichen

Einblick in die verfügbaren Methoden geben. Im folgenden werden diese Methoden nicht

einzeln erklärt, da dies über den Rahmen dieser Arbeit weit hinaus gehen würde, jedoch

soll mit einigen Beispielen ein Eindruck bezüglich der Effekte dieser Methoden gegeben

werden. Beschreibungen der einzelnen Methoden finden sich in „The Grammar of

Graphics“ von Wilkinson.



110

statistic region smooth density edge

count

sum

mean

median

mode

sd

se

range

spread

sd

se

range

confi

mean

sd

smooth

linear

quadratic

cubic

log

mean

median

mode

spline

normal

kernel

ash

quantile

bin

rect

gap

hex

mst

delaunay

hull

tree

join

tsp

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 heißt, dieselbe Statistik kann von

verschiedenen Typen von Grafiken repräsentiert 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]



111

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 große Breite an Repräsentationsmöglichkeiten 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]



112

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

Range zwei Werte für ein gegebenes Tupel in dem Bereich haben kann. Um eine Bar -

Grafik zu erzeugen wird für gewöhnlich 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 einerVariablen. Diese statistischen Messungen reichen dabei von gewöhnlichen Histogrammen

über Dot Plots zu Kernel Density Schätzungen. Abb. 60 zeigt Beispiele für solche

Densities („....denisty.normal.joint “, bzw. „....density.kernel.epanechinkov.joint “).

Abb. 60 Bivariate Densities [Wil 1999]



113

Abb. 61 zeigt ein Beispiel eines Box Plots, welcher aus einzelnen konvexen Hüllen besteht

( „peeled convex hulls“). Tukey [Tuk 1974] sowie Huber [Hub 1972] schlagen diese

Methode für die Generalisierung des Box Plot für mehr als eine Dimension vor. Jede Hülle

in diesem Box Plot enthält einen unterschiedlichen Prozentsatz der gesamten Anzahl der

Daten (hier:Länder). Die äußerste Hülle enthält alle Länder und jede folgende Hülle

enthält ca. 25 Prozent weniger Länder. 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 erwähnt, ist es möglich, Funktionen, unter der Verwendung desselben Tile-

Graphen, 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]



114

Die Path-Zeichenfunktion berechnet einen Path bezüglich 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 zurückkehrt um einen

vollständigen 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 edge-Funktion bietet verschiedene Methoden für 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 Gesamtlänge haben und welche alle

Punkte miteinander verbinden ohne einen Kreis (Zyklus) zu bilden (Abb. 64 links). Eine

Convex Hull verbindet außenliegende 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).



115

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 für einen Methodentyp in 1D, 2D

oder 3D. Wilkinson fügte Punkte mit ein, um in den grafischen Beispielen Datenwerte zu

repräsentieren; 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 für 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 Schätzungen auf einem

Gitter platziert. Wenn x kontinuierlich ist, dann sind diese Schätzungen in einem realen

Raum verteilt. Die Statistic -Methoden umfassen einen einzelnen Punkt. Die Region-

Methoden umfassen Intervalle oder Typen konvexer Regionen. Die smooth-Methoden

umfassen verbundene Gruppen einzelner Punkte von jedem Wert von x. Die density-Methoden umfassen Klasseneinteilung oder „Parametric Smoothing“ für die Berechnung

einer Density in einer lokalen Region. Die Edge-Methoden schließlich umfassen



116

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 für Conditional und

Joint Methoden identisch. Die 2D und 3D Joint Methoden unterscheiden sich auf der

anderen Seite von ihren Conditional Gegenstücken. Die Unterschiede sind am

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

betrachtet.

Tab. 10 Statistical Methods by Dimensionality [Wil 1999]

Während statistische Methoden mit geometrischen Regionen in einem Raum verbunden

sind, darf man nicht vergessen, dass diese Regionen von verschiedenartigen

geometrischen Graphen repräsentiert werden können (vgl. Abb. 56). Die Mächtigkeit

eines Systems, welches geometrische Graphen und ihre statistischen Methoden abgrenzt,

liegt mehr in der Bereitstellung einer kompletten Palette von Repräsentationsmethoden,

als in der Vorauswahl einer Teilmenge auf Basis von Gewohnheiten.



117

4.2.2.7 Scales

Scales sind die Typen von Funktionen, welche verwendet werden um Variablensätze zu

Dimensionen zu mappen. Die visuelle Repräsentation einer Scale ist eine Achse mit

Achseneinteilungen (ticks). Jedoch können auch Legenden und andere Formen von

Guides Scales repräsentieren. Die Konstruktion einer Scale mag den Anschein haben,

dass es hierbei lediglich um die Selektion einer Range für die betreffenden Zahlen und

Intervalle geht, um Achseneinteilungen einzeichnen zu können. 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.

S ca l e T r a n s f o r m a t i o n s

Wie bereits erwähnt, 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 möglichst adäquat und

aussagekräftig durchzuführen. Scales operieren dagegen auf Gruppen von Variablen

(Dimensionen). Der Zweck von Scale Transformationen ist dem von Variablentrans-

formationen ähnlich – statistische Objekte möglichst adäquat und aussagekräftig aufDimensionen abzubilden.

Im nächsten Kapitel wird eine dritte Klasse von Transformationen behandelt werden:

Koordinatentransformationen. Zweck dieser Transformationen ist es, die Geometrie von

Grafiken zu manipulieren, um Beziehungen zu enthüllen und aussagekräftige Strukturen

für die Repräsentation von Variationen zu finden. In einigen Fällen werden Scale und

Koordinatentransformationen zusammen verwendet. Und in einigen seltenen Fällen sind

alle drei Transformationen anwendbar – bei einer Variablen, bei einer Dimension und bei

einem Koordinatensystem.

Der Grund für die Separation der Transformationen bezüglich 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 über die statistische

Verteilung der Variablen auf denen sie operieren. Daher müssen Variabeln und Scale

Transformationen durchgeführt werden bevor diese statistischen Methoden angwendet

werden. Koordinatentransformationen ändern auf der anderen Seite die Erscheinung der

Grafiken (z.B. Bars werden zu Pies), ändern jedoch nicht ihre statistischen Proportionen.



118

Daher müssen Koordinatentansformationen durchgeführt 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 näheren Auseinandersetzung bedürfen,

werden diese hier nicht weiter ausgeführt. Für eine nähere 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 für gewöhnlich Zahlen, gruppiert in Tupeln - ein Tupel für

jeden Punkt. Da Räume als Sets von geometrischen Objekten plus Axiome, welche ihr

Verhalten regeln, definiert werden können, können Koordinaten generell als Schema für

das Mapping von Elementensets zu geometrischen Objekten betrachtet werden.

Die geläufigsten Koordinaten sind die Kartesischen Koordinaten. Ein Punkt wird auf einer

kartesischen Ebene beispielsweise durch seine Distanzen zu zwei sich überschneidendenGeraden festgelegt. Die Distanz von einer Linie wird entlang einer Parallelen zu der

anderen Linie gemessen. Für gewöhnlich 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 können 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 ändern können, dass die Wiedererkennung eines Grafikobjektes,

welches in ein anderes Koordinatensystem eingebettet ist, schwer fällt. 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, ändern 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 auchdenselben Transformationseffekten wie Bars, Boxes und anderen Grafiken.



119

Zunächst 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. Abschließend werden „Triangular “, „Spherical “, „Cylindrical “ und

„Parallel “ Koordinaten vorgestellt.

T r a n sf o r m a t i o n s o f t h e P l a n e

Gewöhnliche Grafiken wie Bars und Tiles verändern unter verschiedenen Ebenentrans-

formationen radikal ihr Erscheinungsbild. Diese starken visuellen Effekte verleiten dazu,

diese Grafiken für neue Grafiktypen zu halten, obwohl es sich tatsächlich um eine

einfache Koordinatentransformation einer bekannten rechteckigen Grafik handelt.

I s o m e t r i c T r a n sf o r m a t i o n s

Die Gruppe der isometrischen Transformationen ist eine Gruppe von

Transformationen, welche die Distanz zwischen Punkten bewahrt. Diese

Operationen befolgen die Axiome Euklidscher Geometrie. Zu den sogenannten

„Rigid Transformations “ gehören: „Translation“, „Rotation“, „Reflection“.

T r a n s l a t i o n bewegt ein Objekt vertikal oder horizontal, ohne Einfluss auf seineShape, Size oder Orientation zu nehmen. Die häufigste Verwendung von

Translation sind „ paneled“ Grafiken. Durch Zusammensetzen mit anderen

Koordinatentransformationen kann man auch ungewöhnlichere Arrangements von

Multigrafiken erzeugen. Ro t a t i o n rotiert ein Objekt um einen Punkt (gewöhnlich

sein Zentrum) ohne Änderung seiner Shape oder Size. Diese Koordinatentrans-

formation wird beispielsweise meistens benutzt um horizontale Bar -Grafiken zu

erzeugen. Re f l e c t i o n invertiert ein Objekt horizontal oder vertikal, ohne seine

Size oder Shape zu ändern. Diesen Vorgang ist mit einer Spiegelung vergleichbar.Die Kombination von Reflection gefolgt von einer Rotation wird Transposition

genannt.

Die Ausführungsreihenfolge der Transformationen ist für das Resultat relevant. So

kann eine andere Ausführungsreihenfolge zu einem anderen Ergebnis führen.

Auch innerhalb ihrer eigenen Klasse (z.B. Isometrie) sind Ebenentransformationen

nicht kommutativ.



120

S im i la r i t y T r a n s f o r m a t i o n s

Similarity Transformationen stellen eine Gruppe von Transformationen dar, welche

die Größe von einem Objekt ändern. Diese Gruppe umfasst sowohl Isometrien als

auch Dilatation. Auch wenn der Transformationsname D i l a t a t i o n auf eine

Ausdehnung hinweist, so beinhaltet diese Transformation sowohl Vergrößerung als

auch Verkleinerung. Der Name Similarity impliziert, dass zwei Objekte derselben

Form, jedoch verschiedener Größe und an verschiedenen Positionen dennoch

ähnlich sind. Auch Multigrafiken erfordern Dilatation Transformationen um

innerhalb der Anordnung der Grafiken die Größe der Frames richtig anzupassen.

Eine andere Anwendung von Dilatation ist „Zoom in “ um Details zu enthüllen 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 - vergrößert oder verkleinert. Er ermöglicht

dem Benutzer kleine Bereiche einer Grafik zu untersuchen um detaillierte

Strukturen zu analysieren. Bei einem Data Zoom reduziert oder vergrößert man

dagegen einen Frame durch Angleichen seiner Begrenzungen in Dateneinheiten.

Die physische Größe der Frame-Grafik und die Größe der anderen Grafiken

innerhalb des Frames (Points, Lines, Areas) ändern 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 größeren Wertebereich ein. Diese Data

Zoom Operation hat Konsequenzen für eingebettete Grafiken; sie müssen neu

berechnet werden, basierend auf der Teilmenge der Daten in dem Frame. Ein

Graphical Zoom erfordert dagegen keine Neuberechnung; lediglich das Bild wurde

transformiert.

A f f i n i t y T r a n s f o r m a t i o n s

Affinity Transformationen stellen eine Gruppe von Transformationen dar, welche

bewirken, dass sich eine Dimension unabhängig von einer anderen streckt. Das

Wort Affinität impliziert, dass linear gestreckte und gescherte Objekte ungeachtet

ihrer Größe und Position sich die Affinität zu einer Form teilen. Zu diesen affinen

Transformationen gehören: „Stretch “ und „Shear “.



121

Die S t r e t c h Transformation variiert den Aspekt des Seitenverhältnisses - also das

Verhältnis der physischen Höhe im Vergleich zu der physischen Breite einer Grafik.

Abb. 66 zeigt eine Stretch Transformation einer Time Series Grafik. In Abb. 67 ist

eine S h e a r Transformation einer Datengrafik zu sehen. Diese entspricht einer

Scherung, also einer parallelen Verschiebung der Achsen, ohne die Änderung des

Seitenverhältnisses einer Grafik (vgl. Parallelogramm).

Abb. 66 Stretch Transformation [Wil 1999]

Abb. 67 Shear Transformation [Wil 1999]



122

P r o j e c t i v i t y T r an s f o r m a t i o n s

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 räumlich.

Für 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 ähnliches 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-zu-

2D Projektion ist es möglich, 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 können. Abb. 69 zeigt ein

Beispiel für eine Projektion.



123

Abb. 69 Projektion [Wil 1999]

Co n f o r m a l M a p p in g s

Die Klasse Conformality beinhaltet Conformal Mappings. Ein Conformal Mapping

fügt einer Similarity Transformation eine eigene geometrische Charakteristik

hinzu: lokale Winkel bleiben (bei der Überschneidung von zwei Kurven) erhalten,

gerade Linien können sich jedoch zu Kurven verändern. Eine Ebenen-

transformation ist conformal , wenn jeder Punkt auf der Ebene so transformiert

wird, dass alle möglichen 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, große Quadrate jedoch wesentlich

verzerrt werden können (vgl. Abb. 70). Diese Transformation sieht lokal wie eine

Similarity aus, global jedoch wie ein nicht-lineares Warping. Conformal Mappings

können also die globale Shape einer Grafik beträchtlich verzerren. Abb. 70 zeigt

verschiedene Beispiele für Conformal Mappings anhand von Schachbrettmustern.

Ein weiteres Beispiel ist in Abb. 71, einer Grafik aus dem Bereich der Meterologie

zu finden, welche Luftfeuchtigkeit und Windstärke in Bodennähe zueinander inBezug setzt.



124

Abb. 70 Conformal Mappings eines Schachbretts [Wil 1999]

Einige dieser Transformationen sind Subklassen der Möbius 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]



125

P o l a r Co o r d i n a t e s

Es gibt in Grafiken eine Reihe wichtiger Anwendungen von Polartransformationen.

Mathematiker und Wissenschaftler arbeiten zum Beispiel gewöhnlich mit

Polarkoordinaten, deren einzelne Umdrehung einem 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 für statistische

Grafiken verwendet werden. Die konventionelle polare Funktion erfordert zwei

Argumente. Man verwendet diese für die Einbettung von Grafiken in

zweidimensionale Frames, wie zum Beispiel in Scatterplots und mathematische

Graphen von Polarfunktionen. Die andere Polarfunktion benötigt nur ein

Argument. Beispiele für solch verschiedene Polarkoordinatenmethoden sind in den

folgenden Abbildungen zu sehen. Abb. 73 (links) zeigt ein gewöhnliches Pie Chart,

welches wie bereits erwähnt, 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]



126

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

Weitere Funktionen ermöglichen es, Graphen dem Umfangs eines Kreises entlang

zu zeichnen. Abb. 74 (links) zeigt Beispiele dafür. 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 für die Darstellung

der Blätter (Abb. 75 links).

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

Abb. 75 (rechts) zeigt eine polare Zeitserie für drei Jahre, hier für Aktienpreise. In

Abb. 76 (links) ist ein so genannter Radar Plot zu sehen, hier für Wetterdaten. Die

beiden polaren Profile zeigen die durchschnittliche Winter- und

Sommertemperatur für acht Regionen der USA. Gut zu erkennen ist, dass die

Sommertemperaturen in allen acht Regionen im Durchschnitt höher liegen als im

Winter. In Abb. 76 (rechts) ist eine Polar Contour-Grafik für Luftdruck,

Windgeschwindigkeit und Windrichtung zu sehen.



127

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

I n v e r s i o n

Komplexe Inversion ist das Kehren der Innenseite der Ebene nach außen. Abb. 77

zeigt die Inversion einer Spirale. Die Punkte ausserhalb der Einheit Kreis sind nach

innen gewendet und die Punkte innerhalb nach außen.

Abb. 77 Inversion einer Spirale [Wil 1999]

B e n d i n g s

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 häufigsten 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 für Koordinatentransformationen gegeben,welche in die Klasse der Bendings fallen.



128

L e n s i n g and Fi s h e y e Tr a n s f o r m a t i o n s gehören zum Beispiel zu dieser

Transformationsklasse. Die Fisheye Transformation dehnt eine Grafik von einer

beliebigen Stelle aus - gewöhnlich das Zentrum eines Frames oder einer Viewing

Area. Diese Klasse der Transformationen hat von den Computer Interface

Designern viel Aufmerksamkeit erhalten, da diese häufig darauf angewiesen sind

auf einem begrenzten Screen möglichst 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 Unabhängigkeit der Transformation bezüglich 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 kreisförmigen

Gaussian Scatterplot Cloud , in deren Zentrum eine Mitteilung eingebettet ist.

Diese Transformation ist speziell zugeschnitten auf dynamische Darstellungen, bei

denen das Zentrum der Vergrößerung vom Benutzer bewegt werden kann. [CCF

1997] behandeln in diesem Zusammenhang Applikationen für 3D Grafiken.



129

Abb. 79 Fisheye Transformation [Wil 1999]

Wa r p i n g s

Warpings führen 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 über eine Gruppe von unregelmäßig verteilten Unebenheiten - eine

Methode, welche von Kartographen R u b b e r S h e et i n g genannt wird. Abb. 80

zeigt ein Beispiel für Warping. Auf dieser Abbildung ist eine Karte zu sehen,

welche die Kosten für 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 Städtepaaren. Sie wurde so

entworfen, dass die Flugkosten durch Berechnung einer geraden Distanz zwischen

zwei Punkten geschätzt werden können. Gleiche Distanzen entsprechen also

gleichen Flugkosten.

Abb. 80 US Airline Pricing Map [Wil 1999]



130

P e r m u t a t i o n s o n t h e P la n e

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 enthüllen, 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 großen Wertematrizen möglich geworden.Abb. 81 zeigt ein Beispiel einer

Permutation einer kleinen Matrix, deren Werte durch farbige Kacheln repräsentiert

werden.

Abb. 81 Permuted Tiling [Wil 1999]

P r o j e c t i o n s o n t o t h e P la n e

Während die bisherigen Koordinatentransformationen die Wahrnehmung von Mustern

und Strukturen in zwei Dimensionen unterstützen, erlauben die folgenden

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

Fenster.



131

P e r s p e c t i v e Pr o j e c t i o n s

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 für 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 ermöglichen.

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

T r ia n g u l a r ( B a r y c e n t r i c ) Co o r d i n a t e s

Wenn die Summe von drei Variablen eine Konstante ergibt, liegt die Gruppe aller

möglichen Werte, die sie annehmen können, 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]



132

Eine der bekanntesten Anwendungen ist das CIE Farbdiagramm, welches

wahrnehmbare Mischungen der drei Primärfarben rot, grün und blau [LS 1991]

zeigt. Abb. 84 zeigt einen dreieckigen Koordinatenplot für Bodenproben.

Abb. 84 Triangular Coordinates Plot [Wil 1999]

Um die Werte auf einer gegebenen Achse abzulesen, wählt 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.

Ma p P r o j e c t i o n s

Map Projektionen umfassen alles von linearen Projektionen der Hemissphere auf

die Ebene bis zu nicht-linearen und stückweisen 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 können

bezüglich ihrer Projektionsoberfläche: „Planes “, „Cylinders “ oder „Cones “

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

östlichen Hemisphere. Alle drei dieser Ebenenprojektionen sind eine Form von

perspektivischer Projektion.



133

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

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

Krümmung der Ebene ermöglichen diese Modelle mehr der globalen Oberfläche zu

repräsentieren und verzerren in manchen Fällen bestimmte Bereiche weniger.

Normale zylindrische Methoden projektieren Longituden und Lattituden zu geraden

Linien. In der normalen konischen Projektion dagegen, werden Longituden als

schräge Linien und Latituden als gerade Linien oder Kurven eingezeichnet. Kartenwerden 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.



134

Abb. 86 Tiles of Soil Samples [Wil 1999]

3 D Co o r d i n a t e S y s t e m s

Die Koordinatensysteme in diesem Abschnitt ähneln polaren und anderen nicht-

rechtwicklingen 2D Koordinaten. Für die Darstellung der 3D Koordinatensysteme würden

sich auch Virtual Reality Systeme und insbesondere Immersive Environments eignen.

S p h e r i c a l Co o r d i n a t e s

Abb. 87 zeigt ein Beispiel für sphärische Koordinaten, in der die Grafik die Sphäre

unter Verwendung von geografischen Daten aufteilt.

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



135

T r i a n g u l a r - R e c t a n g u l a r Co o r d i n a t e s

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 repräsentiert wird. Diese Repräsentation erlaubt es, ein

Surface als eine Funktion von Mischungen dreier Ingredienzen zu zeigen.

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

Cy l i n d r i c a l Co o r d i n a t e s

Ein Beispiel für Cylindrical Koordinaten wird in Abb. 89 gezeigt. [Kru 1979]

analysierte die Wahrnehmung von Musiktonlagen in einem tonalen Kontext. Sie

präsentierte ihre multidimensionalen Scaling Ergebnisse in einer drei-

dimensionalen Grafik, welche die Konfiguration der Musiktöne zeigt, die auf der

Oberfläche eines Cones liegen.

Abb. 89 Cylindrical Plot [Wil 1999]



136

P a r a l le l Co o r d i n a t e s

Inselberg [Ins 1984] schlägt für die Darstellung hochdimensionaler Objekte ein

Koordinatensystem vor, welches Punkte auf Achsen, die parallel auf einer Ebene

eingezeichnet werden, miteinander verbindet.

Re ct a n g u l a r P a r a l l e l

Der Parallel Coordinates Plot ([Ins 1984] [Weg 1990]) setzt eine separate,

parallele reale Anzahl von Achsen für jede Dimension fest. Abb. 90 illustriert

diesen Plot für die Daten der Weltländer. 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,

wären sie nur schwer zu erkennen.

Abb. 90 Parallel Coordinates [Wil 1999]

Po l a r P a r a l l e l

Parallele Koordinaten, welche eine polare Transformation vollzogen haben, werden

auch S p id e r W e b oder S t a r P l o t genannt. Abb. 91 zeigt ein Beispiel hierfür.



137

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

4.2.2.9 Facets

Bisher wurden einzelne Grafiken behandelt, jedoch ist es auch möglich Tabellen und

andere Strukturen von Grafiken zu generieren. Das folgende Kapitel beschreibt Facets,

welche solche Multiplicities erzeugen.

Der Ausdruck „Facets “ eignet sich für 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 Bäume 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 einenFrame, welcher in einen Frame eingebettet ist, der wiederrum in einen Frame eingebettet

ist. Jeder Frame ist eine begrenzte Gruppe, welche ihrem eigenen Koordinatensystem



138

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 möglich, Grafiken für verschiedene Personengruppen separat zu erstellen. Dies

wären dann kategorische Multiplots. Ebenso ist es möglich, Scatterplots von Scatterplots

zu erzeugen. Im Fall von kontinuierlichen Variablen wären dies kontinuierliche Multiplots.

Im folgenden Abschnitt werden einige Beispiele hierfür gegeben.

O n e -W a y T a b le s

Abb. 92 zeigt eine Tabelle mit Scatterplots, bzw. geordneten Kategorien. Die

Daten stammen von einem Predation Datensatz. Jeder Scatterplot mit

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

Index “ geordnet. Dies ermöglicht es, durch die Orientierung und Position der

Scatterplot-Wolke einen Trend zu erkennen. Die Darstellung zeigt, dass die Tiere,

welche am gefährdesten sind, dazu tendieren den niederigsten Schlaf-Level unddas höchste Körpergewicht zu haben.

Abb. 92 Tabelle mit Scatterplots [Wil 1999]

Abb. 93 zeigt eine entsprechende Tabelle für 3D Grafiken. Jede Bar misst den

Gewinn, welcher mit Krebsen erzielt wurde, für jede Grafik an derselben Position.

Die Grafiken sind nach Jahren geordnet und enthüllen somit den Rückgang des

Gewinns über eine 6-Jahresperiode.



139

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

Mu l t i - W a y T a b l es

Multi-Way Tabellen werden von kategorischen Facettenvariablen erzeugt. Das

populäre Wort dafür ist C r o s s - T a b s . 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 „S ite “

und „Year “ als Achsen eingezeichnet. Die Durchschnittsgewinne wurden von links

nach rechts geordnet.

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



140

Tabellen mit Grafiken eignen sich auch für die Visualisierung verschiedener

Schnitte durch höher-dimensionale Objekte. Abb. 95 zeigt ein Beispiel eines 3D

Objekts, welches sich tabellarisch darstellen lässt. Links die Originalfigur, rechts

eine Tabelle mit Schnitten für 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]

Co n t i n u o u s M u l t i p lo t s

Continuous Multiplots finden selten Anwendung, haben jedoch durchaus ihre

Berechtigung. Scatterplots können zum Beispiel auf einer Karte positioniertwerden um die Beziehungen zwischen Variablen an unterschiedlichen

geografischen Positionen zu zeigen. Scatterplots von Scatterplots können

manchmal ebenso Beziehungen zweiter Ordnung unter nicht-räumlichen Daten

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

Abb. 96 Scatterplot eines Scatterplots [Wil 1999]



141

S ca t t e r p l o t M a t r i z e n ( S P LOM s )

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 Korrelations-

Matrix durch die Scatterplots der Daten auf denen sie berechnet wurden. Die

meisten SPLOMs sind symmetrisch, jedoch können sie ebenso aus rechteckigen

„Sub“-Matrizen konstruiert werden. Hartigan fügte Scatterplots in die Zellen ein,

welche nicht auf einer Diagonalen liegen und Histogramme in diejenigen, welche

auf der Diagonalen liegen (siehe Abb. 97). Jedoch können hierfür auch andere

Grafiken verwendet werden.

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

F a ce t G r a p h e n

Bei der Strukturierung der Organisation einer Facette durch eine Funktion, kann

man Grafiken in komplexere oder maßgeschneiderte Strukturen ausrichten. Siehe

beispielsweise [BP 1989]. Facet Graphen erweitern Zeichenfunktionen wie zum

Beispiel die Funktion Link . Sie benötigen Daten um Graphen von Graphen zu

konstruieren. Wie Karten verwenden Facetten Graphen Sets von Variablen

(relationale Tabellen), welche durch gewöhnliche Keys oder Funktionen verlinkt

sind. Die folgenden Beispiele illustrieren, wie dies funktioniert. Organisierende

Charts, Clustering Trees, „Prediction“-Trees und andere gerichtete Graphen bieteneine Superstruktur für das Einbetten von Grafiken. Abb. 98 zeigt zum Beispiel



142

einen Regression Tree [BFO 1984] für die Vorhersage von Unfallraten von

soziometrischen Variablen, welche von den Staaten der US zusammengetragen

wurden.

Abb. 98 Regression Tree [Wil 1999]

Fa c e t Co o r d i n a t e s

Facetten können in verschiedenen Koordinatensystemen eingebettet werden. Die

folgenden Abbildungen zeigen Beispiele hierfür. Das Reflektieren von Facettenermöglicht es die Vorteile der Symmetrie zu nutzen, um gepaarte Grafiken

gegenüberzustellen. Die bekannteste Anwendung dieser Methode ist ein Plot der

Demographen, genannt P o p u l a t io n P y r a m i d [Cox 1986]. Dieser Plot platziert

„ Age “ Histogramme Rücken-an-Rücken - eines für Männer und ein anderes für

Frauen. [DF 1977] erweiterten diese Idee zu allgemeinen dualen Histogrammen.

Abb. 99 zeigt eine „age-sex “ Pyramide für die US.

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



143

Abb. 100 zeigt einen Polar Plot eines Polar Plots der Winddaten von Grönland. Der

Plot enthült zylindrische Trends, welche in einem rechteckigen Time-Series Plot

nur schwer zu erkennen wären.

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

Mosaiken sind ein weiteres Beispiel für Facet Koordinaten. Der Mos a i c P l o t ist

eine Methode für die Darstellung kategorischer Daten in einer „Contingency “-

Tabelle, 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 -

für gewöhnlich die Anzahl der Fälle, welche diese Kachel repräsentiert. 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]



144

In einem Mosaic Plot verhält sich die Breite der Kacheln proportional zu der Anzahl

der Spalten und die Höhe proportional zu der Anzahl der Reihen innerhalb jeder

Spalte.

Mu t i p l e F r am e M o d e l s

Bei einigen Grafik-Tabellen hat man keine andere Wahl als multiple Frames zu

bilden. [COC 1998] präsentieren eine „ paneled “ Grafik - genannt L i n k e d

M i c r o m a p P lo t - welche für die Darstellung räumlicher, indexierter statistischer

Zusammenfassungen entwickelt wurde. Abb. 102 zeigt einen Linked Micromap

Plot .

Abb. 102 Linked Micromap Plot [Wil 1999]



145

Facets ermöglichen eine große 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. für

Brushing, Drill-Down und andere Operationen.

Die Kapitel dieses Abschnitts haben Einblick in die Vielfalt der möglichen Grafiken

gegeben. Selbstverständlich konnten nicht alle Techniken, welche exisitieren, abgedeckt

werden. Die Auswahl der Techniken erfolgte aufgrund des Ziels, mit diesem Abschnitt ein

generelles Verständnis für die Erzeugung von Grafiken und somit auch von

Visualisierungen zu schaffen. Aus diesem Grund wurden vorrangig grundlegendeTechniken erklärt. Eine ausführliche Beschreibung jeder einzelnen Techniken war

aufgrund des Überblick-Charakters des Kapitels nicht immer möglich. 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

zusammenhängenden Funktionen dem Benutzer verständlich 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 derMetaphern und gibt einen kurzen Überblick über Systeme, welche Metaphern nutzen. Die

Inhalte dieses Kapitels sind dieser Arbeit entnommen.

Das Ziel von Metaphern in einem Software System ist es, die Komplexität des User

Interfaces anhand von spezifischem Wissen, welches Benutzer zu einem früheren

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 Verfügung und diskutieren

Metaphern von unterschiedlichen Blickwinkeln aus. Dies beinhaltet beispielsweise Aspekte

zusammengesetzter Metaphern oder auch mögliche Vorzüge von Metapherfehldeutungen.



146

Weiterhin zeigen Analysen von Metaphern die Notwenigkeit für den Benutzer auf, dass

einem Software System nicht nur Metaphern, sondern ein kohärentes und komplettes

mentales Modell, zugrunde liegen sollte. [Stu 1998] veranschaulicht die Rolle von

Metaphern nicht nur für die Benutzer eines Systems, sondern auch für Entwickler. Für

eine Diskussion über die Nachteile von Metaphern, welche ebenfalls Designaspekte

beinhaltet, siehe [BH 1994][BHP 1996].

Im nachfolgenden Abschnitt gibt [Man 2002] einen kurzen Überblick über die

verschiedenen Ausprägungen von Metaphern, welche in Systemen verwendet werden. Zu

den vorgestellten Metaphern gehören: 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 B o o k -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 verfügen über 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 Bibliotheksgebäude, Räumen undMenschen darstellt, verwendet die Abbildung eines geöffneten Buches, um die

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

Form von Icons dargestellt, welche die verschiedenen Kategorien des

Klassifizierungssystems symbolisieren. Ein Globus repräsentiert 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]

gehört zum Information Workspace von Web Forager, welcher Teil des Information

Visualizer Systems [RCM 1993] ist. WebBook stellt ein dreidimensionales interaktivesBuch dar, welches HTML Seiten enthält. Dabei wurden eine Reihe von HTML-

Eigenschaften adaptiert, wie z.B. die Farbkodierung verschiedenartiger Links, welche

auch die Interaktion mit mehreren Objekten gleichzeitig ermöglichen. Darüber hinaus

unterstützt das WebBook eine Reihe von Funktionen, die in Anlehnung zur realen Welt

entstanden sind, wie zum Beispiel das Blättern von Seiten und das Einfügen von

Lesezeichen. Zudem ist es dem Benutzer möglich, 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 können. In der libViewerAnwendung, welche Teil des SOMlib Projektes ist, werden die Suchergebnisse eines

Suchsystems als dreidimensionale Bücher dargestellt, wobei die Attribute der Bücher die



147

Metadaten der Dokumente kodieren. Die Anwendung kann auch dazu verwendet werden

die Ergebnisse einer Websuche darzustellen [RB 1999]. Weitere Beispiele für Systeme,

welche ebenfalls Buchmetaphern verwenden finden sich bei [CRY 1996].

Manche Systeme, wie Web Forager oder libViewer verwenden zusätzlich zu der

Book Metapher eine B o o k s h e l f -Metapher. Web Forager bietet dem Benutzer

beispielsweise, neben einem direkten Speicherplatz und einem virtuellen Schreibtisch als

Zwischenspeicher, einen tertiären Speicherplatz in Form eines virtuellen Bücherregals,

auf welchem der Benutzer Bücher platzieren kann [RCM 1993]. libViewer verwendet ein

virtuelles Bücherregal um die Bücher (Dokumente) in bestimmter Ordnung oder

Gruppierung darzustellen. Die Bücher können so entweder anhand der vorhandenen

Metadaten, wie z.B. Größe oder Relevanz, angeordnet werden oder mit Hilfe eines

neuralen Netzwerks in Form einer Self-Organizing Map [Koh 1998], welche Dokumente

mit ähnlichen Themen gruppiert. Jede dieser Gruppierungen wird auf einem einzelnen

Regalbrett im Bücherregal dargestellt, welches mit Hilfe einer sogenannten LabelSOM

Technik beschriftet wird. [Bae 1996] schlägt ebenfalls eine Bookshelf-Metapher vor,

welche er je nach Ausrichtung “library ” oder “bookpile” nennt. Dabei kann der Benutzer,

ähnlich wie im libViewer, Dokumentenattribute, wie Relevanz, Größe oder Alter , auf

grafische Eigenschaften wie Position, Farbe, Breite oder Höhe 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 N e w s p ap e r -Metapher für die Visualisierung von Suchergebnissen, beziehungsweise

für die Navigation in einem Hypertext. Newspaper -Metaphern kommen vor allem im Web

recht häufig vor. Beispiele hierfür sind elektronische Newspaper oder personalisierte

elektronische Newspaper 12. Der besondere Aspekt des VOIR System ist die Verwendung

einer Newspaper -Metapher für 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 C i t y -Metapher als konzeptionelle User Interface Metapher

für große Informationsräume wurde von [Die 1994] vorgeschlagen. In dem Ansatz einer

Information City beschreiben die Autoren eine Ontologie für Systeme räumlicher

11 Siehe ebenso [Gol 1997a], [Gol 1997b] und [GC 1997]12 “The Kraktatoa Chronicle” [KBA 1995] gehörte vermutlich zu den ersten, welcher neben der Verwendung von

Nachrichten als Content, auch ein Newspaper ähnliches Layout hatten.



148

Metaphern und ihren Verknüpfungen. Diese Ontologie beinhaltet Container, Landmarks

und Paths in Form von Stadtteilen, Gebäuden, Räumen, Türen, Taxis, U-Bahnen und

anderem. Einen Überblick, welcher weitere Anwendungen der City -Metapher behandelt

findet sich bei [DFr 1998].

Die L a n d s c a p e -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 über

Sehenswürdigkeiten beinhaltet) oder automatisch. Diese automatisch erzeugten

Landscapes werden von den jeweiligen Navigationsschritten oder den Suchanfragen, dieder Benutzer im Hypertext durchführt, beeinflusst. Eine zusätzliche zweidimensionale

Kartenübersicht 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 Höhen

innerhalb der Landscape repräsentieren die Menge der zu einer Thematik vorhandenen

Dokumente. Die Visualisierungen des deutschen Prototypen Vineta wurden in einer

früheren Version [Kro 1995] als Sphären in einem 3D Raum beschrieben. Später benutzt

Vineta auch eine Landscape und eine Galaxy View13 [EK 1997]. Während die automatisch

erzeugten Landscapes im Harmony VRweb 3D Scene Viewer wie Sockel und Kästen

aussehen, welche mittels Leitungen miteinander verbunden wurden14, ruft die

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

System von [Cha 1993] verwendet, ähnlich wie SPIRE, eine Technik um

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

ermittelt Ähnlichkeiten zwischen Dokumentenpaaren. In der Visualisierung sind die

Dokumente ähnlich wie Bäume oder kleine Pyramiden über eine Landscape verteilt.

Dokumente, welche Keywords enthalten, werden dabei in einer anderen Farbe

dargestellt. In späteren Versionen ähnelt die Landscape eher Würfeln 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 können, 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 für IRIX, entwickelt von [TS 1992].

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



149

zu symbolisieren. Die Navigation im elektronischen Einkaufszentrum selbst erfolgt dabei

jedoch innerhalb eines Towers (siehe unten). An der Frontseite des Towers ermöglichen

Straßenzeichen die Navigation zu Städten und Institutionen im geografischen Bereich des

Einkaufszentrums. Die Landscape um den Tower herum beinhaltet darüber hinaus Autos

und einen Helikopter, welche die Navigation zu anderen Einkaufszentren oder Orten

ermöglichen.

[HC 1986] verwenden in ihrem Rooms System eine Ro o m s -Metapher. Dieses

System erweitert den verfügbaren Bildschirmplatz virtuell, indem es dem Benutzer

ermöglicht Fensterpositionen einzurichten, zu sichern und wieder aufzurufen, sowie

andere Funktionen auszuführen. Eine zusätzliche Darstellung bietet dem Benutzer einen

Überblick über das gesamte System und ermöglicht ihm auch so das Wechseln zwischen

Räumen. Dabei gibt es die so genannten “Pockets” oder „Baggage “, welche das

Transportieren der Fenster zwischen den einzelnen Räumen ermöglichen. Die Logik der

zweidimensionalen Version des Systems wurde später in den 3D/Rooms des Information

Visualizer zu einer dreidimensionalen Version erweitert. Dabei wurden die ursprünglichen

Bedienelemente wie Türen für das “Walking” 16 von einem zum anderen Raum

beibehalten, während weitere Funktionen, wie zum Beispiel Zooming, hinzugefügt

wurden [RCM 1993a]. Die Idee der Rooms wurde dabei mit Techniken für Browsing und

Searching kombiniert. Das bereits erwähnte BOOK HOUSE [Pej 1989] verwendet Räume

um die Suchfunktion in Bereiche wie Kinderbücher oder Erwachsenenbücher zu

strukturieren. Die ersten Schritte des Suchprozesses sind in Form einer Route durch die

verschiedenen Räume angelegt. Die Eingabe für die Anfrage selbst und die Darstellung

der Suchergebnisse verwenden jedoch andere Metaphern. Auch die Information City

Ontologie umfasst Rooms.

Die B u i l d i n g -Metapher wird häufig in Kombination mit anderen Metaphern bei der

Visualisierung von Suchergebnissen oder für Browsing verwendet. In [DF 1998] stellen

Gebäude den Teil einer Information City Ontologie dar und beinhaltet Räume, Türen oder

Fenster. Im Information Visualizer [RCM 1993a] wird die räumliche Struktur eines

Gebäudes als struktureller Browser verwendet. Das BOOK HOUSE nutzt die Building-

Metapher als globale Metapher um das Framework für die vorhandenen Räume

darzustellen.

16 “Walking” ist eine zusätzliche Metapher, die von [RCM 1993a] verwendet wird.



150

Die To w e r p l u s E l e v a t o r -Metapher - eine spezielle Form eines Gebäudes - wird, wie

bereits oben erwähnt 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

Möglichkeit 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 Gu i d e d T o u r -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 mitspeziellen Linkkategorien, welche verschiedene Typen von Beziehungen kennzeichnen,

beschränkt. 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 erwähnt, enthält der Information Visualizer ebenfalls eine

Visualisierung, welche Document Lens [RM 1993] genannt wird. Diese Visualisierung

verwendet für einen grafischen Fisheye-View der Seiten eines Buches eine L e n s -

Metapher. Die Lens-Metapher wird auch für die „See-Through-Tools “ von [BSF 1994]

verwendet, welche Magic Lenses als Movable Filter enthalten. Diese ändern die Sicht auf

die Objekte, welche sich unter der Lupe, bzw. Linse befinden [SFB 1994] oder werden für

die Formulierung von Datenbank-Anfragen verwendet [FS 1995]. Die Table Lens [RC

1994] nutzt ebenfalls eine Lens-Metapher für 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, können mittels dieser Funktion Zeilen der Tabelle detaillierter betrachtet werden.

Während 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 für 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 “ für den Filtermechanismus wird

an dieser Stelle geradezu metaphorisch verwendet.



151

Die B u t t e r f l y -Metapher wird von [MRC 1995] im Information Visualizer Projekt

verwendet. Das System ist darauf ausgerichtet asynchrone Anfragen dreier DIALOG

Datenbanken zu unterstützen: Science Citation Index, Social-Science Citation Index und

IEEE Inspec Database. Die Butterfly -Visualisierung zeigt die References eines Artikels als

„Venen“ eines stilisierten linken Flügels und die Article’s Citers als „Venen“ eines

stilisierten rechten Flügels von einem Schmetterling.

Die P i l e -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] präsentiert wird, für den Prototypen eines Tools, welches die Organisation

von Information auf einem Macintosh unterstützt. Neben den Möglichkeiten dermanuellen Organisation der Dokumente in Piles17, umfasst das System ebenso

Mechanismen für die automatische Archivierung und Indexierung von Dokumenten. Der

Prototyp unterstützt 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

repräsentiert Web Dokumente in Form von einfachen gestapelten Rechtecken, welche die

Titel der Dokumente enthalten. Das System unterstützt Mechanismen, wie zum Beispiel

das Einfügen von gelesenen Dokumenten in einen Stapel oder das “Expand One Level ”

Kommando, wodurch alle Links auf einer bestimmten Seite ausgeführt und die

entsprechenden Ergebnisseiten in einem neuen Stapel abgelegt werden. Wie bereits

erwähnt, 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 Ga l a x y -, S t a r f i e l d - oder Un i v e r s e -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 ähneln. Sie zeigen die

Wechselwirkungen zwischen Clustern und Dokumenten durch die Reduzierung einer

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

Piles zu organisieren. Das System wird für Bookmarks verwendet. Jedoch sprechen sie nicht von einer Pile-

Metapher, sondern verwenden stattdessen den Ausdruck “Data Mountain”, da der Benutzer einen virtuellen

Berg in Form einer schrägen Fläche hat um die Thumnbails der Dokumente abzulegen und zu organisieren.



152

hochdimensionalen Repräsentation auf zwei Dimensionen. Die Cluster sind mit so

genannten Key Terms gekennzeichnet. Je ähnlicher sich zwei Dokumente oder Cluster

sind, desto näher 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 Ma g n e t -Metapher, um die

Referenzpunkte / Points of Interest (POIs), welche Dokumente in einem virtuellen 2D-

Dokumentenraum anziehen, zu symbolisieren.

Der Information Visuslizer [RCM 1993] beinhaltet auch eine S c u l p t u r e -Metapher für

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 Oberflächenzeichnung dar, welche es dem

Benutzer ermöglicht sich um das Objekt herum zu bewegen.

Beeinflusst vom FRIEND2118 Projekt [NU 1991] wird beim WebStage Prototypen

eine T e l e v i s i o n -Metapher verwendet [YHM 1997]. Ziel des Projektes ist es, die

Benutzeroperationen zu reduzieren, welche nötig sind um Zugang zum Web zu erhalten.

Die Idee dabei ist, Informationen von Webseiten im Stil von Fernsehprogrammen zu

präsentieren. Beispiele hierfür sind Darstellung von Titeln und Überschriften,

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-ähnlichen Stil implementiert. Beispiele hierfür sind die Anordnung von URLs in

über den Tag verteilte Zeitspannen oder das automatische Starten einer gerade aktuellen

Präsentation während der Aktivierung des Systems. Cluster mit URLs, welche auf einer

Fernsehbedienung dargestellt werden, können durch die Verwendung von anderen Web-

Suchmachinen oder Datenverzeichnis-Services abgefragt werden.

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

Japanischen Ministerium für 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.



153

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

Form einer “Perspective Wall”, hat das Ziel zwei prinzipielle Probleme bei Visualisierungen

von großen Mengen linear strukturierter Daten zu lösen: die Darstellung großer Mengen

an Information und die Schwierigkeit der Aufteilung einer linearen Struktur auf einemBildschirm [RCM 1993]. Die Visualisierung kombiniert eine detaillierte mit einer

kontextuellen Sicht. In der Implementation wird die horizontale Dimension für die Zeit

benutzt und die vertikale um die Schichten in einem Informationsraum zu visualisieren.

Beispiele hierfür sind Visualisierungen von Dateien mit dem Änderungsdatum 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 für 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 für die Erklärung der Funktionalität der Perspective

Wall zahlreiche andere Metaphern. So vergleichen sie die Navigation auf der Wall mit den

Saiten eines Klaviers und das Verhältnis 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 Funktionalität

ihrer Systeme zu erklären. Beispiele sind [JS 1995] für den Filmfinder (“rubber mat”,

“rubber carpet”) oder [BHP 1996 ] für Pad++ (“rubber sheet”). [LA 1994] verwenden die

“Rubber Sheet”-Metapher um die Präsentationstechnik der „Distorsion“ im allgemeinen

zu erklären und nennen weitere Visualisierungen, welche eine solche Technik einsetzen.

[BG 2000] verwenden für das Interface eines großen Online Stores eine

A q u a r i u m -Metapher. Das Interface unterstützt eine Mischung aus Browsing und

Searching, welches sie “opportunistic exploration” nennen. Die Motivation für ihr Projekt

lag in den Mängeln der Gebrauchstauglichkeit aktueller Stores, die sie wie folgtkommentierten: “This is not shopping; this is information retrieval and order entry.” Das

neue Interface zeigt Produkte vor einem Hintergrund, welcher einem blauen Aquarium

ähnelt, der sich, ähnlich wie Fische, langsam und zumeist zufällig bewegt. Die Auswahl

der Produkte erfolgt durch ein Relevance Feedback oder kann durch eine Suchanfrage

verändert werden. Ohne die Benutzerinteraktion ändert sich der Inhalt automatisch um

die Vielfalt der Produktwelt zu zeigen. Das System unterstützt auch Funktionen von

Hypertext Browsern, wie Bookmarks sowie das vorwärts oder rückwärts Navigieren.



154

Die letzte Metapher, welche hier vorgestellt wird ist die W a t e r Fl ow i n g -Metapher.

Dabei „fließen“ Dokumente durch eine Reihe von Röhren 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 Ideedabei ist, dass die Filter nur die in Frage kommenden Dokumente durchlassen und das

Layout der Röhren bestimmt, ob die Beziehung „AND“ oder „OR“ lautet. Der Ansatz

ermöglicht ebenso das Speichern und Wiederverwenden von Kombinationen von Filtern

und Röhren, so dass diese bei anderen Anfragen wiederverwendet werden können.

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

illustriert die Vielzahl an Möglichkeiten für 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 Visualisierungsmöglichkeiten 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 Ausprägungen in diesem

Bereich noch um ein Vielfaches höher.



155

4.3 Einsatzmöglichkeiten der Techniken

Dieses Kapitel beinhaltet eine Sammlung von Visualisierungen, welche praktische

und/oder exemplarische Beispiele der zuvor beschriebenen Techniken beinhalten.

Idealerweise hätte an dieser Stelle eine explizite Verknüpfung zum Technikkapitel der

Visualisierungen (Kapitel 4.2) stattgefunden. Das heisst, für jede der dort aufgeführten

grundlegenden Visualisierungstechniken wäre an dieser Stelle eine entsprechende

Beispielvisualisierung vorgestellt worden, welche diese Technik beinhaltet und so die

Einsatzmöglichkeiten dieser Visualisierungstechnik aufzeigen würde. Da diese Techniken

jedoch sehr grundlegender Art sind, wäre der Fokus der an dieser Stelle aufgeführten

Visualisierungen nicht auf einer Auswahl der in der Community der Information

Visualization bekanntesten Visualisierungen gelegen, sondern würde lediglich der

weiteren Erklärung der grundlegenden Techniken dienen. Demnach hätte diese Auswahl

größtenteils eher weniger bekannte Visualisierungen enthalten, welche aber die

jeweiligen Techniken explizit veranschaulicht hätten. Um aber einen überblickartigen

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 primär Visualisierungen aufgeführt, welche einen entsprechend hohen

Bekanntheitsgrads genießen. Diese Visualisierungen enthalten aber nicht zwangsläufig,

eine der vorgestellten Techniken aus Kapitel 4.2. Aus diesem Grund wurde im Kapitel derVisualisierungstechniken von Daten bereits eine umfassende Menge an visuellen

Beispielen geliefert, um dieses Defizit wieder auszugleichen. Darüber hinaus, ist auch die

Zuordnung der Techniken, wie auch schon Wilkinson erwähnt, nur aufgrund von

Abbildungen der Visualisierung manchmal schwierig. Oftmals erfordert die genaue

Zuordnung der Techniken die Interaktion mit der Visualisierung selbst, bzw. detaillierte

Kenntnisse über deren zugrundeliegenden Daten. Einige der zuvor aufgeführten

Techniken werden dennoch in diesem Kapitel referenzierend angeführt. Wie schon in der

Motivation beschrieben, wäre an dieser Stelle die Fokussierung auf ein weiteres Kapitelwünschenswert gewesen, welches auf allgemeiner Basis Konzepte zur Visualisierung von

Daten speziell aus dem Bereich der Information Visualization vorstellt. Entsprechend

hätten diese Konzepte dann in den Beispielvisualisierungen referenzierend aufgeführt

werden können.

Die Techniken zur Visualisierung von Daten aus Kapitel 4.2 sind, wie bereits erwähnt,

sehr grundlegender Art und bieten in erster Linie eine Basis für das Verständnis bezüglich

der Erzeugung von Grafiken und Visualisierungen. Aufbauend auf diesen grundlegendenTechniken wurden eine Vielzahl von Visualisierungsideen entwickelt. Diese Ideen

erfuhren zum Teil unterschiedlichste Grade an Ausarbeitung. So wurden manche



156

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

Anwendungsfälle spezialisiert. Aus diesem Grund gibt es heute eine Vielzahl von

Visualisierungen in den unterschiedlichsten Ausprägungen, welche von Ideen, die bisher

lediglich als theoretische Konstrukte auf Papierbasis existieren, über 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

angeführten Beispielen befinden sich Visualisierungen unterschiedlichster Art und

unterschiedlichster Ausprägung. Viele Visualisierungen sind relativ komplex und nutzen

eine Vielzahl an Visualisierungsideen, andere wiederum könnten für sich selbst betrachtet

wieder als Technik, bzw. Konzept beschrieben werden, da sie in zahlreichen anderen

Visualiserungen Anwendung gefunden haben. Aus diesem Grund können sich

Visualisierungen durchaus auch untereinander referenzieren. Die Visualisierungen selbst

werden nur knapp beschrieben, da eine detaillierte Beschreibung aufgrund der

Komplexität vieler Visualisierungen über den Rahmen dieser Arbeit hinausginge. Für

detaillierte Informationen über die jeweiligen Visualisierungen werden daher Hinweise auf

weiterführende Informationen gegeben. Aufgrund der enormen Vielzahl an existierenden

Visualisierungen kann an dieser Stelle nur ein kleiner Einblick gewährt werden. Die

Auswahl der hier aufgeführten Visualisierungssysteme erfolgte primär aufgrund des

Bekanntheitsgrades der jeweiligen Visualisierung, bzw. sekundär aufgrund der darin

enthaltenen Technik. Für einen Einblick der über dieses Kapitel hinausgeht, werden die

folgenden „Online-Sammlungen“ für 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“ führen referenzierend eine große Anzahl an Visualisierungsideen, -

systemen und Projekten in diesem Bereich auf und bilden so einen guten Ausgangspunkt

für weitere Recherchen im Bereich der Thematik der Visualiserung von Daten.



157

Um die Vielzahl der Visualisierungen nicht nur im Detail darzustellen, sondern auch einen

konzeptionellen Überblick zu erhalten, ist es erforderlich die große Vielzahl an

Visualisierungen zu strukturieren. Ein oftmals verwendeter Ansatz hierfür ist, die

Klassifizierung anhand der zugrundeliegenden Daten der jeweiligen Visualisierung.

Daten, die visualisiert werden sollen, können sehr ungleich sein. Dabei kann es sich

ebenso um Messdaten bezüglich der jährlichen Flächenreduktion der Polarkappen, um die

Verbraucherdaten einer großen 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 zusammenhängt, welches eine sehr sensible Aufgabe darstellt

[War 1999]. Aus diesem Grund existieren auch hier verschiedene Ansätze in der

Literatur, was die Klassifizierung von Daten angeht. [Shn 1996] entwickelte für die

Lösung dieses Problems eine Task by Data Type Taxonomy (TTT) for Information

Visualization, die unter anderem eine Unterscheidung der existierenden Datentypen vonVisualisierungen in insgesamt sieben verschiedene Kategorien (one-, two-, three-

dimensional data, temporal and multi-dimensional, and tree and network data)

vornimmt.

Nachfolgend wird nun diese Klassifizierung von [Shn 1996] näher 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 unterstützt werden

müssen, zu identifizieren. [Shn 1996] setzt für seine Taxonomie voraus, dass Benutzer

Objekt-Sammlungen betrachten, in denen die Objekte mehrere Attribute besitzen.

Attribute eines Objektes können zum Beispiel die Länge 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 ObjekteAttribute und das Selektieren aller Objekte, welche einer Gruppe von Attributen

entsprechen, stellt eine grundsätzliche Suchaufgabe dar.



158

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

sollten, befinden sich auf einem hohen Grad der Abstraktion. Eine kurze Übersicht über

diese Aufgaben (Tasks) findet sich Tab. 11 und über die verschiedenen Datentypen in

Tab. 12.

Tab. 11 Tasks der TTT [Shn 1996]

Data type Examples

1-D Linear Textual documents, program source code, alphabetical lists ofnames.

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.

Multi-Dimensional

Relational- and statistical-database contents.

Tree Hierarchies and tree structures, with each item having a linkto one parent item (except root)

Network Network structures with items linked to an arbitrary numberof other items

Tab. 12 Datentypen der TTT [Man 2001]

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, andprogressive refinement.

Extract Allow extraction of subcollections and of the queryparameters



160

Jedes einzelne Objekt deckt einen Teilbereich des zur Verfügung stehenden Raumes zum

Beispiel in Form eines Rechtecks ab. Jedes dieser Objekte verfügt über Attribute, wie

Name, Besitzer oder Wert und hat Merkmale das Interface betreffend, wie Größe, Farbe,

Deckfähigkeit (Deckkraft), u.s.w. [Shn 1996] Zweidimensionale Datentypen visualisieren

die gesamte Anzahl der Attribute, welche in die visuelle Umgebung miteingebunden sind.

Beispiele sind Längen- und Breitengrade, Breite und Höhe, etc. Attribute wie

Lokalisierung, Größe und Distanz eignen sich besonders für die Darstellung in einer

zweidimensionalen Umgebung. [OLI 2003] Der zweidimensionale Scattergraph oder

Scatterplot ist eine der gebräuchlichsten Formen der 2D Visualisierung. Die zwei Achsen

können sowohl für 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 Repräsentation einer grafischen

Tabelle erfolgen oder als reale Topographie wie in einem geografischenInformationssystems (GIS). [CMS 1999] Probleme, die in diesem Bereich für Benutzer

auftreten können, beziehen sich auf das Auffinden von angrenzenden Objekten,

Abgrenzungen zwischen den einzelnen Objekten und den Grundtasks des Zählen, Filtern

und Details-on-Demand.

4.3.2.3 Dreidimensional

Ein Ausdruck, welcher für diesen Bereich häufig verwendet wird ist „3D-World“. Dies

drückt aus, dass reale Objekte dargestellt werden, wie menschliche Körper, Gebäude

oder Moleküle, aus denen der Benutzer Informationen extrahieren kann. [OLI 2003]

Dreidimensionale visuelle Strukturen basieren in erster Linie auf physikalischen Daten.

Diese Darstellungen können aus drei Achsen bestehen um eine Informationslandschaft zu

erzeugen, als auch diese Achsen abstrakt verwenden. Die Visualisierung von physischen

Objekten kann auch als Träger dienen, auf welchem abstrakte Daten organisiert werden.

D.h. das physikalische Objekt dient in diesem Fall als Übersicht für die Organisation der

abstrakten Informationen (Überschneidung von Scientific Visualization und Information

Visualization). [CMS 1999] In dreidimensionalen Anwendungen müssen die Benutzer bei

der Betrachtung von Objekten mit dem Verständnis der Positionierung und Orientierung

sowie Problemen der Absorption fertig werden. Lösungen zu einigen dieser Probleme

werden in vielen Prototypen durch Techniken wie Overviews, Landmarks, Perspektiven,

Stereodisplay, Transparenz und Farbkodierung vorgeschlagen. [Shn 1996]



161

4.3.2.4 Temporal

Die Verwendung von temporalen Informationsvisualisierungen hat zwei fundamentale

Qualitäten: die Tatsche, dass temporale Events entweder simultan oder überlappend

ablaufen können sowie die zugrundeliegende multiple Skalierung von temporalen Daten,

welche sowohl sehr feine als auch grobe Maßeinheiten (rangierend von einer Sekunde bis

mehreren Jahrhunderten) erfordert. Beispiele temporaler Visualisierungen umfassen

Animationen, Zeitlinien, Video Repräsentation und Video Manipulation, medizinische

Aufnahmen, Projektmanagement oder historischen Präsentationen. Temporale

Visualisierungen benötigen Daten, welche im Laufe der Zeit modifiziert wurden und

präsentieren basierend auf einem spezifischen Zeitrahmen und Informationen, welche für

die Ansicht gewünscht werden, Sichten, welche schnell und dynamisch verändert werden

können. Dies ermöglicht dem Benutzer eine größere Kontrolle über die Informationen, als

wenn die Daten in einer typischen statischen Wiedergabe präsentiert werden.

Insbesondere kann der Benutzer die Zeit manipulieren und die zeitliche Sortierung der

Information ändern, um somit neue Muster und/oder Sichten auf die Daten zu finden.

[OLI 2003] Häufige Aufgaben temporaler Visualisierungen beinhalten das Auffinden von

allen Ereignissen entweder vor, nach oder während 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

könnten. Für die Kodierung dieser Datentabellen bedarf es neuer Techniken. [CMS 1999]

Die meisten relationalen und statistischen Datenbestände 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 können als Teilmengen von

multidimensionalen Visualisierungen betrachtet werden. [OLI 2003] Multidimensionale

Visualisierungen präsentieren Daten, welche in erster Linie nicht räumlich sind. Beispiele

für Anwendungen von multidimensionalen Visualisierungsschemas können Aktienmarkt-

Statistiken, eine Gruppe von Büchern in einer Bibliothek, eine Filmdatenbank und

zumeist irgendwelche abstrakten und statistischen Informationen über irgendein



162

Phänomen sein. Attribute in multidimensionalen Visualisierungen sollten keine explizite

Struktur oder Beziehungen untereinander haben, daher haben auch Datensätze, welche

zu einer unmittelbaren Hierarchie oder einer Netzwerkstruktur führen ihre eigenen

Kategorien. [OLI 2003] Scientific Visualization arbeitet häufig ebenfalls mit

multidimensionalen Daten, jedoch setzen die meisten der Datensätze, welche in diesem

Bereich verwendet werden, räumliche Attribute von Daten für Visualisierungszwecke ein.

Dennoch sind Kombinationen aus der Scientific Visualization und multidimensionalen

Ansätzen denkbar. [OLI 2003] Tasks, welche häufig mit solchen Anwendungen bearbeitet

werden, beinhalten das Auffinden von Mustern, Clustern, Querbeziehungen unter

Variabelenpaaren, Lücken und Sonderfällen. Damit verbundene Probleme für den

Benutzer sind oftmals Desorientierung und Absorption. Mehrdimensionale Daten können

zum Beispiel durch zweidimensionale Spreadsheets, welche jede zusätzliche Dimension

durch einen Slider kontrollieren (Ahlberg und Shneidermann, 1994), durch Buttons zurKontrolle der Attributswerte, für den Fall, dass die Kardialität relativ klein ist oder durch

Parallelkoordinaten präsentiert 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 natürlicherweise in Taxonomien, in

Strukturen von Organisationen, bei der Verwaltung von Speicherplatz, in der Genealogie

und dem Dewey Dezimalsystem auf. Traditionelle Präsentationen von Hierarchien

bestehen für gewöhnlich aus 2D Repräsentationen, in welchen die Knoten in Keilförmiger

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

(Vorgänger) - außer dem Root-Objekt. Objekte und Links zwischen Vater und Kind

können mehrere Attribute haben. Die gesamte Struktur der Hierarchie und seine

umgebenden Beziehungen sind in der Regel ebenso relevant. Hierarchien können einen

speziellen Fall eines Networks darstellen - ausgenommen der Definition von Hierarchien,

welche duale Wege und Kreise verhindern. Außerdem hat in einer Hierarchie jedes Objekt

einen einzigartigen Weg zum Root-Objekt, was in einem Network nicht garantiert wird.

[OLI 2003] Tasks können einzelnen Objekten, Links, einer Gruppe von Objekten oder der

gesamten Struktur zugeordnet werden. Mögliche Interfacerepräsentationen von Trees

sind: eingerückte Label wie in Inhaltsangaben, Node-Link-Diagramme, oder eine



163

Treemap Struktur. [CMS 1999] Probleme der Benutzer bei solchen Trees können

Desorientierung, die Navigation und das Auffinden spezifischer Knoten in solch einer

Struktur sein. [OLI 2003]

4.3.2.7 Network

Manchmal können Beziehungen zwischen Objekten nicht befriedigend mit einer

Baumstruktur festgehalten werden und es erweist sich als nützlich, Objekte mit einer

angemessenen Anzahl anderer Objekte zu verlinken. Obwohl einige Spezialfälle von

Networks existieren (azyklisch, Gitter, mit Rootknoten und ohne, gerichtet vs. un-

gerichtet), werden alle als ein Datentyp betrachtet. [Shn 1996] Network Visualisierungenwerden 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 könnte. Networks bestehen aus Knoten und Links – Knoten, welche einen

Datenpunkt repräsentieren und Links, welche eine Beziehung zwischen zwei Knoten

repräsentieren. Viele der frühen Arbeiten in diesem Bereich stammen aus dem Gebiet der

Graphen. Ein Graph mit wenigen Punkten ist einfach zu zeichnen und visuell zu

verstehen, jedoch müssen gegenwärtige Tools mit großen Datensätze umgehen können,

welche wiederum dazu tendieren viele ihrer Informationen zu verstecken. [OLI 2003]

Zusätzlich zu den Grundtasks, welche den Objekten und Links zugeordnet werden

können, wollen die Benutzer solcher Strukturen oftmals etwas über die kürzesten oder

kostengünstigsten Wege, welche zwei Objekte verbindet, erfahren oder sie wollen das

gesamte Network traversieren. [Shn 1996] Häufig wird die Struktur eines Networks in

Diagrammen repräsentiert. Die meisten Interface Repräsentationen beinhalten die

folgenden Arten von node-and-link Diagrammen: 2D oder 3D. Einige

Visualisierungstechniken fügen auch Animationen, Verzerrung oder fest verlinkte

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



164

4.3.3 Visualisierungen

Der folgende Abschnitt listet einige Visualisierungen auf, welche während der

Recherchearbeiten gefunden wurden. Aufgrund der immensen Vielzahl an existentenVisualisierungen kann an dieser Stelle lediglich ein kleiner Einblick in die Welt der

Visualisierungen gegeben werden. Die folgende Auswahl versucht möglichst viele

verschiedenartige Visualisierungen zu beschreiben. Manchmal bedienen sich

unterschiedliche Visualisierungssysteme jedoch derselben oder ähnlicher Visualisierungs-

ideen. Eine redundante Nennung derselben Visualisierungsidee wurde bewusst versucht

zu vermeiden. Die Darstellung der folgenden Visualisierungen erfolgt mittels Nennung

der jeweiligen Autoren, einer knappen Erklärung, welche einen Einblick in die jeweilige

Visualisierungsidee geben soll, der Nennung von Anwendungsbereichen, den in derVisualisierung 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 gilt zu beachten, dass es nicht das Ziel ist, ganze

Visualisierungssysteme, welche häufig aus einer Vielzahl an unterschiedlichen

Visualisierungen bestehen, ganzheitlich vorzustellen, sondern 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 möglich 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



165

und damit für den Benutzer lesbar darstellt. Die anderen Seiten werden perspektivisch

verzerrt abgebildet. Möchte der Benutzer nun eine andere Seite lesen, so kann er diese

„Linse“ interaktiv auf eine von ihm gewünschte Seite des Dokuments schieben.

Entsprechend verändert sich der Fokus des unverzerrten Bereichs, wobei sich alle

übrigen 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 können -

dargestellt wird. Jedes Dokument wird durch einen einzelnen Punkt repräsentiert,

während logische Gruppierungen, die sogenannten Cluster durch Cluster Centroiden

repräsentiert werden. Cluster entstehen durch die Positonierung der Dokumente. D.h.

ähnliche Dokumente werden nahe zueinander und unähnliche 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 Repräsentation der

Themendurchgängigkeit, wobei die Intensität der Farbe das Aufkommen der darunter

liegenden Themen verdeutlicht. Die Label der ThemeClouds beschreiben die wichtigsten

Themen in diesem Gebiet. Über zusätzliche Explorationstools ist es dem Benutzer

möglich, die Dokumentenmenge weiter zu erforschen.



166



VizTechnik(en) Point-Graph 2D, Scatterplot

Metapher Galaxies-MetapherQuelle(n) [WTP 1995], [Wis 1999], [PNN 2004]

TileBars

Marti A. Hearst

Abb. 105 TileBars [Hea 1995]

TileBars unterstützen Information Retrieval in Textinformation. Die Länge der Bars

kodiert dabei die relative Länge der jeweiligen Dokumente. Die Kacheln der Tile Bars,

welche die Suchbegriffe farbig kodieren, vermittelen die Häufigkeit der gesuchten

Begriffe innerhalb des Textes. Durch Relation der Gesamtlänge des Dokuments in Bezug

zur Positionierung der einzelnen farbig markierten Kacheln, gibt dem Benutzer darüber

Auskunft, wo sich die jeweilig gesuchten Begriffe innerhalb des Dokuments befinden und

welche Begriffe kombiniert miteinander auftreten.


Anwendungsbereich(e) Textinformation

VizTechnik(en) Tile-Graph 2D

Quelle(n) [Hea 1995]



167

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 zusätzlichen Achse – der

Zeit – dargestellt wird. Diese ThemeView stellt die Themenbereiche, welche innerhalb

einer Dokumentenmenge automatisch ermittelt wurden, als Reliefkarte einer natürlichen

Umgebung dar. Dabei kennzeichnen hohe Gipfel dominante Themen, wobei die Höhe der

Gipfel die relative Stärke der Themen innerhalb des Dokumentenmenge anzeigt. Die

Farbe der Gipfel sowie deren Label unterstützen die Darstellung zusätzlich. Die Distanz

der Gipfel kodiert die Ähnlichkeit der Themen zueinander. Ähnliche Themen erscheinen

eng beieinander, während unähnliche weiter von einander entfernt liegen. ThemeViewbietet dem Benutzer so eine visuelle Übersicht über die wichtigsten Themenbereiche,

welche in einer Dokumentenmenge enthalten sind. Über zusätzliche Explorationstools ist

es dem Benutzer möglich, die Dokumentenmenge weiter zu erforschen.



VizTechnik(en) Area-Graph 3D, Surface ChartMetapher Landscape-Metapher

Quelle(n) [WTP 1995], [PNN 2004]



168

WebBook

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

Abb. 107 WebBook [CRY 1996] (li.) und „Blättern“ im WebBook [CRY 1996] (mi.) und „Document Lens“ View

[CRY 1996] (re.)

Das WebBook gehört zum Information Workspace von Web Forager, welcher wiederumzum Framework des Information Visualizer Systems [RCM 1993] gehört. WebBook stellt

ein dreidimensionales interaktives Buch dar, welches HTML-Seiten enthält. Dabei wurden

verschiedene HTML-Eigenschaften, wie z.B. farbig angelegte Hyperlinks, adaptiert.

Zudem unterstützt es eine Reihe von Funktionen, wie „Blättern“ oder das Einfügen von

Lesezeichen. Durch „Auseinanderziehen“ der Seiten, ist es dem Benutzer möglich, alle

Seiten parallel unter Verwendung einer Fisheye-Technik, welche Document Lens [RM

1993] genannt wird zu betrachten.


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]



169

Die Video-on-Demand Presentation ermöglicht das Browsen durch Poster von

Videofilmen. Eine große Anzahl von Postern wird in drei Reihen auf einer persektivischen

Wand arrangiert. Die Anordnung der Wand ermöglicht es, dass die Poster der Frontseite

in voller Größe dargestellt werden können. Die Bewegung des Cursors entlang der

Kanten der Seitenwände veranlasst jedes Poster „herauszupoppen“, so dass es in seiner

vollen Größe zu sehen ist. Es verharrt solange in dieser Position bis der Cursor sich

weiterbewegt. Auf diese Weise ist es dem Benutzer möglich, bequem durch die große

Menge an Postern zu browsen und diejenigen Poster länger zu betrachten, welche für ihn

von Interesse sind. Diese Darstellung ähnelt einem Bifocal Display.

Datentyp Zweidimensional

Anwendungsbereich(e) Recherche in Bildbeständen (Poster, Videohüllen)


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 z-

Achse 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 Toolermöglicht dem Benutzer die verschiedenen Beziehungen zu kategorisieren, bestimmte

Beziehungen nach Wunsch zu zeigen oder zu verstecken, asymetrische Beziehungen



170

hervorzuheben und die Dokumentendarstellung umzusortieren. Die Zuordnung von Farbe

kann für Kategorien eingesetzt werden, um verschiedene Beziehungen zu gruppieren

oder zu unterscheiden.

Datentyp Dreidimensional

Anwendungsbereich(e) Darstellung von Beziehungen zwischen Objekten


Quelle(n) [HHH 1998], [PNN 2004]

Rainbows

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

Abb. 110 Rainbows [PNL 2004]

Rainbows ermöglicht dem Benutzer, verschiedene Arten von Beziehungen zwischen

Objekten visuell zu untersuchen. Einer der Stärken 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 repräsentiert einen der drei

Beziehungstypen zwischen den Objekten. Eine zweite Klasse von Beziehungen wird als

Bogen oberhalb der Ebene dargestellt. Ein weißer Bogen zwischen zwei Clustern weist

darauf hin, dass eine solche Beziehung zwischen Objekten innerhalb dieses Clusters

existiert. Der weiße Bogen kann ausgedehnt werden, um mehrere Farben (wie in einem

Spektrum) darstellen zu können, 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-

möglichkeiten mit der Visualisierung kann der Benutzer Beziehungen für bestimmte

Objekte, bestimmte Beziehungstypen und Details über eine spezifische Beziehung

anzeigen lassen.



171


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 zweidimensio-

nalen ist, dass es möglich ist, dass entweder das gesamte beziehungsweise ein Teil desObjektes, welches für den Benutzer von Interesse ist, von anderen Objekten verdeckt

wird. Aktuelle Lösungsansätze versuchen dieser Problematik auf die folgende Weise zu

begegnen: Cutting Planes, Layer Removal, Fly-Through und Transaparency. Die

Problematik dieser Ansätze 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 hierfür. Das

Ziel dieser Visualisierung ist es, dem Benutzer einen interaktiven Zugang zum

dreidimensioanlen Informationsraum zu bieten, während der Bezug zum Gesamtkontext

erhalten bleibt.


Anwendungsbereich(e) Exploration im dreidimensionalen

VizTechnik(en) Tile-Graph 3D, Fisheye-Technik

Quelle(n) [Eic 1996]



172

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 für kleine Displays - insbesondere für die von PDAs

entwickelt – ist aber auch für andere Geräte - von Desktop Computers bis Tablet PCs -

einsetzbar. Die DateLens unterstützt den Benutzer in der Planung und Analyse von

Aufgaben. Dabei werden dem Benutzer die Daten in einer kompakten überblickartigen

Darstellung präsentiert. Mittels Fisheye-Technik hat der Benutzer die Möglichkeit sich die

Informationen innerhalb einer Zelle detailliert darstellen zu lassen, ohne die Ansicht

verlassen zu müssen. Dies ermöglicht es Benutzern einen Überblick über die Daten zu

erhalten, einfach durch die Kalenderstruktur zu navigieren und Muster und Ausreißer zu

erkennen.

Die grundsätzliche Organisation der Darstellung ist tabellarisch, wobei jede Zeile eine

Woche repräsentiert, 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 enthüllt die

Liste mit Terminen, welche mit diesem Tag in Verbindung stehen. So können Benutzer

den Tag wechseln, weiter hineinzoomen um eine Gesamt-Tagesansicht zu erhalten und

nach Terminen suchen. Zu den weiteren Views der DateLens gehören 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]



173

Perspective Wall

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

Abb. 113 Perspective Wall [MIK 2003]

Die Perspective Wall repräsentiert eine sequentielle Darstellung von Dateien auf einer

Zeitachse, wobei sie eine detaillierte mit einer kontextuellen Sicht kombiniert. In der

Implementation wird die horizontale Dimension für die Zeit benutzt und die vertikale um

die Schichten in einem Informationsraum zu visualisieren. Beispiele hierfür sind

Visualisierungen von Dateien mit dem Änderungsdatum 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 für

die Bereiche ausserhalb des Fokus mit einer zunehmenden Verkleinerungsrate in der

Darstellung arbeitet. Der Benutzer hat die Möglichkeit, die Wand interaktiv zu

verschieben, so dass die Dokumente, des von ihm gewünschten Zeitabschnitts in denVordergrund geschoben werden.

Datentyp Temporal

Anwendungsbereich(e) Zeitliche Darstellung von Dokumenten


Metapher Wall-Metapher

Quelle(n) [MRCa 1991]



174

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 Änderung von Programmiercodeeinheiten

bei der Implementierung von neuen Softwaremodulen dar. Dabei werden verschieden

gewichtete Funktionen auf der Zeitachse übereinander dargestellt. Eine ineffiziente oder

sogar fatale Entwicklung des Gesamtproduktes lässt sich so schnell erkennen. Für jeden

neuen Gewichtungsfaktor erscheint eine neue Funktion in der Visualisierung. Trends

werden anhand der Anzahl veränderter Dateien über die gesamte Entwicklungszeit

ermittelt.

Datentyp Temporal

Anwendungsbereich(e) Code Decay – Change Management Data

VizTechnik(en) Line-Graph 2DQuelle(n) [EGK 1999]

ThemeRiver

Susan Havre, Brth Hetzler, Lucy Nowell

Abb. 115 ThemeRiver [MIK 2003]

Die ThemeRiver Visualisierung unterstützt den Benutzer bei der Identifizierung zeit-

relevanter Patterns, Trends und Beziehungen innerhalb einer großen Dokumentenmenge.

Die Themen innerhalb dieser Sammlung werden durch einen Fluß (River), welcher vonlinks nach rechts durch die Zeit fließt, repräsentiert. Der Fluß weitet oder verjüngt sich,



176

Circle Segments View (CSV) - VisMeB

Peter Klein, Harald Reiterer, Frank Müller, Tobias Limbach

Abb. 117 Circle Segments View [KRM 2003]

VisMeB (Visual Metadata Browser) stellt ein vielfach anwendbares Tool zur Explorationenvon Datenbeständen dar, welches auf den Ideen von INSYDER beruht. Dieser Java-

basiert Browser lässt sich leicht auf die jeweilige Thematik anpassen, um dem Benutzer

das Auffinden relevanter Informationen innerhalb von großen Datenmengen zu

erleichtern. Er kombiniert verschiedene Visualisierungstechniken, um dem Benutzer

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

Visualisierungen ist der Circle Segment View (CSV), bei welchem zwei

Kreissegmentgrafiken von zwei mittels dem Boolschen Operator „AND“ verknüpften

Variablen (in Abb. 117 sind dies Servertyp und Sprache) nebeneinander dargestelltwerden. Der Benutzer kann somit leicht erkennen in welchen Kreisabschnitten, die

Kategorien darstellen, die jeweiligen Daten liegen. Mittels einem seitlichen Slider (in Abb.

117 für die Relevanz) und einem unter der Kreisgrafik liegendem Slider (in Abb. 117 für

die Jahreszahl) können interaktiv Bereiche für die Attribute, welche den Slidern

zugewiesen wurden, eingestellt werden, was zur einer Reduktion oder einem Zuwachs

der sichtbaren Datenpunkte führt.

Datentyp MultidimensionalAnwendungsbereich(e) Datenexploration

VizTechnik(en) Bar-Graph 2D (polar)

Quelle(n) [KRM 2003]



177

FilmFinder

Christopher Ahlberg, Ben Shneiderman

Abb. 118 FilmFinder [CMS 1999]

Der FilmFinder ermöglicht 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 zusätzlich

die jeweiligen Filmkategorien, wie zum Beispiel „Action“ oder „Sience Fiction“. Mittels der

Interaktionstechnik der Dynamic Queries, ist es dem Benutzer möglich, mittels direkter

Manipulation eine Anfrage rasch zu spezifizieren. Durch Kopplung dieser Anfrage mit der

visuellen Darstellung, erhält er ein sofortiges visuelles Feedback.

Datentyp Multi-Dimensional

Anwendungsbereich(e) Filmdatenbank


Quelle(n) [AS 1994a], [AS 1994b]

Influence Explorer

Lisa Tweedie, Robert Spence, Huw Dawkes, Hua Su

Abb. 119 Influence Explorer [MIK 2003]



178

Durch sogenannte Interactive Visualisation Artifacts (IVAs) können 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 Glühbirnenproduktionsplanung werden links

zwei horizontale und rechts vier vertikale Histogrammen zu den darunter, bzw. links

daneben stehenden Parametern angezeigt. Dabei werden die Glühbirnen, welche für eine

Produktion noch in Frage kommen, visuell hervorgehoben. Die sechs Parameter können

vom Benutzer verändert und somit unter anderem der Zusammenhang zwischen

Helligkeit und Arbeitsumgebung interaktiv untersucht werden.


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 Bücher dargestellt, wobei die

Attribute der Bücher (Farbe, Größe, Typ, ...) die Metadaten der Dokumente kodieren.

libViewer verwendet ein virtuelles Bücherregal um die Bücher (Dokumente) in

bestimmter Ordnung oder Gruppierung darzustellen. Die Bücher können so entweder

anhand der vorhandenen Metadaten, wie z.B. Größe oder Relevanz, angeordnet werden

oder mit Hilfe eines neuralen Netzwerks in Form einer Self-Organizing Map [Koh 1998],

welche Dokumente mit ähnlichen Themen gruppiert. Jede dieser Gruppierungen wird auf



179

einem einzelnen Bücherbrett im Bücherregal dargestellt, welches mit Hilfe einer

sogenannten LabelSOM Technik beschriftet wird.


Anwendungsbereich(e) DokumentenrechercheMetapher 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

„Durchblättern“ eines Buches um seinen Inhalt einschätzen zu können. RSVP eignet sich

vor allem sowohl für das Durchbrowsen als auch für 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 möglich den Inhalt des Ordners

„New“ mittels RSVP zu erforschen. Ein Mausklick auf das Symbol des halbkreisförmigen

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

Präsentation an. Ein zweiter Klick auf das Symbol stoppt das „Blättern“.


Anwendungsbereich(e) Browsen durch Text- und Bildinformation

VizTechnik(en) Path-Graph 2D

Quelle(n) [BSp 1999], [BSp 2000], [BSC 2001]



180

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

Granularitäten 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 Flächenexplosion von Topic-

Strahlen, welche an Sterne erinnert, dargestellt. Die Länge von jedem Strahl gibt die

Stärke der zugehörigen Topics oder Themen in diesem Dokument an. Die Reihenfolge der

Themen-Strahlen ab der 12-Uhr-Position in Richtung Uhrzeigersinn ist für jedes

Dokument gleich. Die Strahlen sind dabei so angeordnet, dass Themen, welche inhaltlich

miteinander zu tun haben, in der Flächenexplosion nahe aneinander liegen. Dies

ermöglicht dem Benutzer themenschwache und themenstarke Gebiete zu erkennen. Die

Visualisierung soll thematische Muster innerhalb einer Gruppe oder einem Cluster von

Dokumenten zeigen. Die einzelnen Flächenexplosionen für eine Gruppe sind entlang einer

unsichtbaren Linie in dem Raum ausgerichtet. Der Benutzer kann die Ansicht wechseln,

so dass alle Flächenexplosionen überlagert 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.


Anwendungsbereich(e) Dokumentenexploration


Quelle(n) [PNL 2004], [HWM 1998]



181

Super Table - VisMeB

Peter Klein, Harald Reiterer, Frank Müller, Tobias Limbach

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

Die Supertable gehört, 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 Übersicht über den gesamten Datenbestand. Der 3D Scatterplot

erlaubt dem Benutzer über Rotation, Zooming und Selektieren der Datenobjekte, welche

in diesem 3D-Gitter als Würfel 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]



182

Die Table Lens ist eine Visualisierung für die Suche nach Patterns und Ausreißern in

multivariaten Datensätzen, welche sich besonders für numerische und kategorische

Daten geeignet. Die Table Lens bietet eine strukturierte grafische Repräsentation, welche

das Browsen durch große Mengen von Werten, Variablen und Cases unterstützt. Dabei

repräsentieren die Zeilen Cases und die Spalten Variablen. Durch Verwendung der

Fisheye-Technik ist es dem Benutzer möglich, eine oder mehrere Zeilen „zu öffnen“ um

zum Beispiel in Form von Text, detaillierte Informationen zu den einzelnen Werten zu

erhalten. Für die Repräsentation 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 Länge der Bars verhält

sich proportional zu der relativen Größe des repräsentierten Wertes. Die Verwendung von

grafischen Repräsentationen bietet nicht nur einen Skalierungsvorteil, sondern bietetebenso einen Vorteil für die Exploration, da große Mengen von schmalen Bars vom

Benutzer wesentlich schneller überflogen werden können als eine vergleichbare Menge an

textuell repräsentierten 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.


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.)



183

Während das WebBook ein einzelnes Buch darstellt, ermöglicht 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, Einfügen von einzelnen Seiten

in WebBooks). Dieser Raum, in welchen der Benutzer auch „hineinfliegen“ kann, ist

hierarchisch geordnet. Die vorderste Ebene (großes Buch oder Seite) zeigt entweder eine

Seite, ein Buch oder ein geöffnetes Buch in voller Größe, welches dem Benutzer die

direkte Interaktion mit dem Inhalt ermöglicht. In der mittleren Ebene (Luftraum und

Tisch) können Seiten oder Bücher, wenn sie zwar verwendet, jedoch nicht im

unmittelbaren Fokus liegen, platziert werden. Die dritte Ebene (das Bücherregal)

ermöglicht die permanente Speicherung einer Vielzahl von Seiten und Bücher.


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 können. Davon abgesehen haben Cam Trees

dieselben Eigenschaften wie Cone Trees.



184

Datentyp Tree

Anwendungsbereich(e) Hierarchische Strukturen


Quelle(n) [RMC 1991], [Chi 2002]

Collapsible Cylindrical Tree (CCT)

Raimund Dachselt, Jürgen Ebert

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

Collapsible Cylindrical Trees eignen sich für die Visualisierung mittelgroßer Hierarchien.

Dabei werden die verschiedenen Topics, wie z.B. die Themenbereiche einer Webseite,

durch gleichgroße, verschiedenfarbige Zylinder repräsentiert. Die Unterpunkte zu den

jeweiligen Topics werden auf der Oberfläche der Zylinder, welche interaktiv vom

Benutzer rotiert werden können, dargestellt. Durch Auswahl eines bestimmten

Unterpunkts verkleinern sich alle übrigen Zylinder und eine weitere Hierachieebene fährt

in Form eines kleineren Zylinders teleskopartig aus dem ausgewählten Zylinder aus. Auf

der Oberfläche dieses Zylinders sind wiederum die zugehörigen 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 gewählten Hierachiepfad in die unteren Ebenen. Durch das

dynamische Erscheinen und Verbergen soll eine sinnvolle Balance der Darstellung vonDetails und Kontext erzielt werden. Ziel ist neben einer verständlichen dreidimensionalen

Visualisierung von Hierarchien, dem Benutzer eine schnelle und intuitive Interaktion mit

den Knoten zu ermöglichen. Lediglich ein Mausklick ist nötig, um jeden Knoten zu

erreichen und eine Aktion auf ihm auszulösen, wie z.B. die Darstellung einer Webseite.

Ursprünglich wurden die CCTs für die Darstellung von Webhierarchien entwickelt, jedoch

ist ihr Einsatz auch in anderen Bereichen denkbar.



185

Datentyp Tree

Anwendungsbereich(e) Webhierarchien


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 ermöglichen. Die

Anordnung der Knoten, der einzelnen Hierarchieebenen erfolgt kegelförmig, wobei dieKegel derselben Ebene stets dieselbe Höhe besitzen. Die Repräsentation 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 über ihm, für den Benutzer zu sehen sind. Darüber hinaus wird der

entsprechende Pfad visuell hervorgehoben. Um durch die Hierarchie zu browsen, ist es

dem Benutzer möglich, den Cone Tree langsam zu drehen. Die Dreidimensionalität

ermöglicht die volle Ausnutzung des verfügbaren Bildschirmplatzes, so dass die gesamte

Struktur des Trees dargestellt werden kann. Cone Trees sind Teil des InformationVisualizer.

Datentyp Tree



Quelle(n) [RMC 1991], [Chi 2002]



186

Disk Tree

Ed H. Chi

Abb. 129 Disk Tree [Chi 2002]

Disk Trees stellen hierarische Informationen dar. Die Visualisierung repräsentiert 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 repäsentiert einen Link innerhalb dieser Seite zu

einer anderen Seite. Gelbe Linien repräsentieren Links zu gelöschtem Inhalt und rote

Links zu hinzugefügtem Inhalt. Je heller die grünen Links und je breiter die Linien sind,

um so häufiger 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. Für jeden Knoten auf den

einzelnen konzentrischen Ringen belegt der Basic Disk Tree Algorithmus einen

winkelförmigen Raum, welcher sich zu der Anzahl der Kinder dieses Knotens proportional

verhält. Das System stellt an der Seite des Bildschirms zu jedem Knoten, welchen der

Benutzer mit der Maus überfährt, detaillierte Informationen über die Verwendung dar.

Der Benutzer hat so die Möglichkeit 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


Quelle(n) [Chi 2002]



187

Hyperbolic Tree

John Lamping, Ramana Rao and Peter Pirolli

Abb. 130 Hyperbolic Tree [MIK 2003]

Der Hyperbolic Tree nutzt für die Visualisierung und Manipulation großer Hierarchien eine

Fisheye-Technik. Diese Technik ordnet einem Teil der Hierarchie einen größeren

Darstellungsraum zu, während 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 kreisförmigen 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


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 für 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.)



188

Pad++ ist ein so genanntes „Zooming Graphical Interface (ZUI)“, welches eine

Alternative zu traditionellen Window- und Icon-basierten Ansätzen des Interface Designs

darstellt. Es unterstützt die Erzeugung und Manipulation von mehrfach-skalierten

Objekten und die Navigation durch den Objektraum. Zu den Standardobjekten, welche

Pad++ unterstützt gehören 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

Größe des dargestellten Objektes immer die Art der Darstellung des Objektes. D.h. wird

ein Ordner sehr klein dargestellt, wird lediglich ein bloßes Rechteck angezeigt. Je weiter

der Benutzer hineinzoomt, desto größer wird dieser Ordner und enthüllt 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 ermöglicht. Klickt der Benutzer auf ein farbiges Objekt,

wie z.B. dem pinkfarbenen Kreis links unten („In the press“), wird das entsprechende

Objekt herangezoomt und enthüllt dadurch die hierarchisch tieferliegenden Menuepunkte

(Abb. 131 mitte). Die eigentlichen Objekte, wie zum Beispiel Presseartikel, werden dann

in einem zusätzlichen Detailfenster angezeigt (Abb. 131 rechts). Möchte der Benutzer zu

höher liegenden Hierarchiebenen wieder zurückkehren, klickt er auf den Hintergrund des

jeweiligen Objektes.

Datentyp Tree

Anwendungsbereich(e) Hierarchische Strukturen (Webseiten)


Quelle(n) [BH 1994]

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

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



189

Treemaps

Brian Johnson, Ben Shneiderman

Abb. 132 Treemap [Dae 2003]

Treemaps eignen sich für die Visualisierung großer, hierarchisch organisierter

Informationsmengen. Dabei werden die verschiedenen Hierarchieebenen als ineinandergeschachtelte Rechtecke dargestellt. Treemaps ermöglichen 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 Größe sich proportional zur jeweiligen Verzeichnis- bzw. Dateigröße

verhält, dargestellt. Die Farben der Rechtecke kodieren dabei unterschiedliche

Dateitypen, wie z.B. Text, Bild, Applikation, etc. Klickt der Benutzer auf eine der farbigen

Flächen, erhält er nähere Informationen zu dieser Datei, wie z.B. Dateiname, Pfad,

Erstellungsdatum, etc.

Datentyp Tree

Anwendungsbereich(e) Hierarchische Daten


Quelle(n) [JoS 1991]



190

Grocery Purchasing Correlations

Stephen G. Eick

Abb. 133 Grocery Purchasing Correlations [Eic 1996]

Da es für viele Beziehungstypen kein natürliches Layout gibt, muss man sich auf

Layoutalgorithmen stützen, 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 Warenkörben in

einem Einkaufsmarkt. Die Knotengrößen und –farben zeigen die Einkaufs-

wahrscheinlichkeit und die Verbindungen die Zusammenhänge zwischen den einzelnen

Waren an. Je größer und farbintensiver eine Verbindung ist, desto höher ist die

Wahrscheinlichkeit, dass diese beiden Waren zusammen gekauft werden. Im oberen

rechten Bereich sieht man die Waren „Hot-Dogs“, „Hot-Dog-Brötchen“ und „Chips“,

welche sehr häufig zusammen gelauft werden.

Datentyp Network

Anwendungsbereich(e) Netzwerk


Quelle(n) [Eic 1996]



191

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,

ermöglicht 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


Quelle(n) [Hot 2004]

Hyperspace (Narcissus)

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

Abb. 135 Hyperspace (Narcissus) [Dae 2003]

Hyperspace ermöglicht es, die Hyperlinkstruktur von Teilbereichen des Webs

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

zusammengehörige, d.h. über Hyperlinks verbundene Webdokumente, räumlich nahe

beieinander positioniert werden. Andere Dokumente, welche nicht über Hyperlinks



192

verbunden sind, rücken dagegen weiter auseinander. Jede Webseite wird durch eine

Kugel repräsentiert, wobei die Größe 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 zufällig verteilt positioniert. Mit Hilfe nichtlinearer Optimierungsverfahren

können sich die Objekte im Raum selbst organisieren. Während sich Kugeln, also

Webseiten abstoßen, 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 können.

Datentyp Network

Anwendungsbereich(e) Netzstruktur und Linkverhalten im Internet


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 ständig wachsende Zahl an Internetdomains wird die Notwendigkeit, große

Datenmengen durch Visualisierungstechniken einfacher verständlich und handhabbar zu

machen immer größer. Das System Narcissus verwendet selbstorganisierende Systeme

und virtuelle Realitäten für 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

über KQML (Knowledge Query and Manipulation Language) kommuniziert. Diese

Applikationen sind zumeist heterogen. Die ständige Veränderung in den Verhaltens-



193

mustern führt zu einer ständigen Veränderung in der Visualisierung. Hat sich ein gewisser

Zustand eingependelt spricht man von einer organisierten Struktur. Abb. 136 links zeigt

die Repräsentation einer Sammlung von Webseiten. In diesem Beispiel, welches mehrere

hundert Knoten repräsentiert, werden wichtige strukturelle Informationen deutlich. Zum

Beispiel stellt die Struktur auf der rechten Seite der Visualisierung eine Sammlung von

Seiten eines Handbuches und zugehörige Beispiele dar. Die großen Knoten sind dabei die

Indexverzeichnisse zu diesen Seiten, die Ball-ähnliche Struktur repräsentiert eine Gruppe

von querverlinkten Handbuchseiten und die Struktur darunter die zugehörigen Beispiele.

Mittels diverser Tools ist es dem Benutzer möglich, 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 Oberfläche

eines neuen fiktiven Knotens dargestellt werden, zusammengefasst. Dies soll demBenutzer eine übersichtlichere Darstellung der Struktur des Netzeswerkes bieten.

Datentyp Network

Anwendungsbereich(e) Netzwerkstruktur von Webseiten


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 unterstützen 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 Größe

und Farbe der Links (Speichenden) symbolisiert den Traffic zu und von diesen Links.



194

Während 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 tatsächlichen geografischen

Lage dargestellt werden können.

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 Intensität des

Emailverkehrs. Darüber 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]



195

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 großen Vielzahl an Visualisierungstechniken stellt, ist:

„Wann wird welche Technik sinnvollerweise zum Einsatz gebracht?“ Idealerweise gäbe eshierfür ein allgemeingültiges Konzept oder eine Liste - vergleichbar einem Telefonbuch -

in der man lediglich unter den bekannten Angaben, wie zum Beispiel den Ausgangsdaten,

nachsehen müsste und eine, bzw. eine Auswahl an Lösungen geliefert bekäme, welche

den sicheren Erfolg der Visualisierung garantieren könnte.

Tatsächlich ist der sinnvolle und damit erfolgreiche Einsatz einer Visualisierung jedoch

komplex und hängt von einer Vielzahl von Faktoren ab. Eine Pauschalisierung im Sinne

von: „Sind die vorliegenden Daten vom Typ X, dann nehme man Visualisierungstechnik

Y.“ ist fragwürdig. Sicherlich gibt es Visualisierungen, welche sich für manche Daten

mehr, für andere weniger eignen, jedoch hängt der Einsatz letztendlich immer von der

jeweiligen individuellen Situation ab. Nicht ohne Grund bedienen sich viele

Visualisierungssysteme parallel einer Vielzahl von unterschiedlichen Techniken und

Interaktionsmöglichkeiten um dem Benutzer so die Möglichkeit zu geben, verschiedene

Sichten auf die Datenbasis zu erzeugen und diejenigen zu nutzen, welche ihm am

geeignesten erscheinen. Dies liegt mit darin begründet, dass häufig nicht alle Faktoren,

welche am Erfolg einer Visualisierung maßgeblich beteiligt sind, im Vorfeld bekannt sind.

Um eben dem entgegenzuwirken versuchen Visualisierungssysteme häufig dem Benutzer

ein möglichst breites Feld an Auswahl- und Interaktionsmöglichkeiten mit den Daten zu

bieten.

So identifizierte beispielsweise [Mar 1997] für den Prozess der Informationssuche eine

Reihe von Faktoren, welche diesen generell beeinflussen. Zu diesen Faktoren gehören der

Informationssuchende selbst mit seinem mentalen Modell und andere Faktoren, so wie

die eigentliche Aufgabe (Task), das Suchsystem oder der Anwendungsbereich.



196

4.4.1 5T-Environment

Dieser Ansatz, der „4T-Environment “ wurde von Thomas Mann und Harald Reiterer

zunächst als Klassifizierungsmodell für Visualisierungen vorgeschlagen und in einemspäteren Schritt um eine zusätzliche Dimension erweitert [MR 2000]. Dieser “5T-

Environment ” zufolge gibt es somit insgesamt fünf 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 hängt

zum Beispiel von der Art und Weise ab, wie Personen in räumlichen Dimensionen denken.

Für weitere Informationen siehe [Ega 1988], [Bor 1989], [Shn 1998] oder [Hea 1999].

[Man 2002]


Nicht nur der Datentyp ist für die Wahl einer grafischen Repräsentation wichtig, sondern

auch die inhärente Ordnung der Daten selbst. Unterliegen die Daten beispielweise einer

hierarchischen Ordnung, so ist es sinnvoll diese für die Visualisierung zu nutzen. Außer

dem Datentyp ist auch die Anzahl der Daten relevant, da diese ebenso den Erfolg einer

Visualisierung beeinflusst. So mag sich beispielsweise das Überprüfen von 50

Dokumenten, welche als TileBars dargestellt werden, als sinnvoll erweisen, wären es

jedoch 5000 Dokumente, so wäre die Verwendung von TileBars an dieser Stelle sicherlich

für den Benutzer unzumutbar. [Man 2002]



197

Task to be done

Ein sehr wichtiger Faktor, welcher die Effektivität einer gewählten Visualisierung

beeinflusst, ist die Aufgabe (Task), welche erledigt werden soll. Es gibt eine beachtliche

Anzahl von Versuchen, Visualisierungen für verschiedene Formen der Aufgaben (Tasks)

zu klassifizieren oder zu bewerten, wobei die Definition von Tasks weit gefächert ist. Eine

gute Darlegung, wie wichtig der Aufgabentyp für den Erfolg einer bestimmten

Visualisierung ist, siehe [Cas 1991]. [Man 2002]

Technical possibilities

Die technischen Möglichkeiten gehören ebenfalls zu den bestimmenden Faktoren für die

Nützlichkeit und den Erfolg einer Visualisierungsidee. Beispiele für 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 für alle anderen User Interfaces, ist es wichtig,

die richtige Balance zwischen Erlernbarkeit und Effizienz zu finden [Nie 1998]. Jedoch ist

der Kompromiss zwischen Simplizität und Leistung [Hea 1999] nicht der einzige Faktor,

welcher hierbei relevant ist. Auch die Vertrautheit des Benutzers mit der Form einer

Repräsentation beeinflusst die Performanceergebnisse maßgeblich. [Man 2002]

Wie auch schon im Referenzmodell für 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 hängt 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 kontext-

abhängig. Der Einsatz einer oder mehrerer Visualisierungstechniken muss daher immer

individuell geprüft und den gegebenen Anforderungen entsprechend angepasst werden.

Dabei liegt die Schwierigkeit und Herausforderung nicht darin, irgendeine Form der

Visualisierung für die Daten zu finden, sondern eine sinnvolle und damit für den Benutzer

auch nützliche Visualisierung. Dazu ist es erforderlich jede Situation auf ihre Faktoren hin

zu überprüfen und aus diesen Zusammenhängen heraus, eine oder mehrere geeignete

Visualisierungstechniken auszuwählen. Daher wird ein Konzept, welches lediglich die

einzelnen Visualisierungstechniken und ihre Daten berücksichtigt, also die einzelnen

Visualisierungstechniken vom ihrem Kontext trennt als kritisch betrachtet.



198

Eine Erstellung solch eines Konzeptes für den sinnvollen Einsatz von Visualisierungen mit

allgemeingültigen Charakter ist also an dieser Stelle in diesem Sinne nicht möglich.

Jedoch kann nicht generell ausgeschlossen werden, dass eine weitere Beschäftigung mit

der Thematik der Visualisierung von Daten, mehr Zusammenhänge zwischen

Visualisierungstechniken und sinnvollen Einsatzbereichen, aufdeckt um daraus Regeln

bezüglich der Verwendung von Visualisierungstechniken ableiten zu können.

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 Übersicht

der sieben Datentypen mit jeweils zugehörigen Beispieldaten (Tab. 12). Anhand dieser

Klassifizierung ist es möglich, 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

Visualisierungsmöglichkeiten für 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 erwähnt, nicht bindend. Mit der

entsprechenden Begründung können manche Visualisierungen auch anderen Kategorien

zugeordnet werden. Dennoch können diese Kategorisierungen und ihre entsprechenden

Visualisierungen als Orientierungshilfe bei der Suche und Auswahl von Visualisierungs-

techniken dienen.



199

5. Diskussion am Beispiel

In Teil 5 der Studie findet die Verknüpfung der theoretischen Rechercheergebnisse zum

Praxisbezug der MB Online-Welt statt. Anhand von drei ausgewählten Settings21 aus dem

Webauftritt von Mercedes-Benz Deutschland und Schweden werden verschiedene

Visualisierungsmöglichkeiten, 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 maßgeblich beteiligt sind.

Zunächst werden die spezifischen Settings, bei denen es sich um die Repräsentation 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. Anschließend erfolgt die Betrachtung

der Settings bezüglich der fünf 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 Visualisierungs-

möglichkeiten diskutiert, welche den erforderlichen Bedingungen entsprechen.

5.1 IST-Stand der Settings

Setting 1 :: Klassenwelt (PKW)

Die Repräsentation 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.



200

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

Setting 2 :: Standard- und Sonderausstattungen (PKW)

Wie auch schon die Repräsentation 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 dieMöglichkeit, sich diese Ausstattungsmöglichkeiten auch in einer kombinierten Liste

darstellen zu lassen (Abb. 140). Die Repräsentation, der zu den Ausstattungsdetails

verfügbaren Bilder, erfolgt in einer getrennten Darstellung.



201

Abb. 139 Standard- (oben) und Sonderausstattung (unten) der S-Klasse Limousine S430 (hier „Design“) –

Car Konfigurator de

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

Ansicht - Car Konfigurator se



202

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

Repräsentation stellt das Bild jedoch ein integraler Bestandteil der Darstellung dar. Diese

Listendarstellung ermöglicht dem Benutzer zusätzlich die einzelnen Spalten interaktiv

auf- oder absteigend zu sortieren.

Abb. 141 Darstellung der Ergebnisse der Gebrauchtwagensuche (PKW)



203

5.2 Analyse anhand der Faktoren der 5T-Environment

Target User Group

Die Zielgruppe (Target User Group) ist für alle drei Settings dieselbe – die Besucher der

Webseite von Mercedes-Benz. Da dies eine sehr große Gruppierung von Benutzern

darstellt, ist mit einer entsprechenden Heterogenität innerhalb der Gruppierung zu

rechnen. Entsprechend verschiedenartig werden die jeweiligen Vorkenntnisse und damit

einhergehend, die individuellen Fähigkeiten sein. Es empfiehlt sich also Visualisierungen

auszuwählen, welche sowohl Benutzer mit vielen „Vorkenntnissen“ zufrieden stellen als

auch Benutzer mit wenig „Vorkenntnissen“ nicht ausschließen. Mit Vorkenntnissen sind

an dieser Stelle sowohl technisches Knowhow in Bezug auf Anwendungen gemeint als

auch Knowhow bezüglich 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 zusätzlichen Hilfsmitteln, wie Evaluationen

unterstützt.


Wie bereits erwähnt ist nicht nur der Datentyp an sich wichtig für die grafische

Repräsentation der Daten sondern auch die inhärente Ordnung der Daten selbst, wie zum

Beispiel Hierarchien. Darüber hinaus entscheidet auch die Anzahl der Daten inwieweit

Visualisierungen sich für 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 „C-

Klasse“. Die Werte von Variablen können, wie im vorliegenden Beispiel, selbst wieder

Variablen mit dazugehörigen Werten darstellen. Dadurch ergibt sich eine Schachtelung

der Daten. Die Anzahl der jeweiligen Werte der Klassenwelt ist verhältnismäßig 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.



204

(etwa zwischen eins bis zehn). Für 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, Coupés 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 {Coupés mit Abbildung, Cabriolets mit Abbildung}

CL-Klasse {Coupés 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 zugehörigen 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 – nämlich den

Preis - enthalten. Insgesamt liegt die Anzahl der Werte der Daten der Standard- und

Sonderausstattungen, welche auf mehreren Hierarchieebenen organisiert sind, im

Verhältnis zur Klassenwelt wesentlich höher. Man würde die Anzahl aber immer noch im

mittleren Bereich anordnen. Die Anzahl der Werte der einzelnen Variablen kann jedochstark zueinander differieren. In der folgenden Notation wird die Schachtelung der

Variablen anhand des Beispiels einer S-Klasse Limousine S430 nochmals verdeutlicht.



205

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

Radio/Kommunikation, Räder und Fahrwerk, Sicherheit, Sitze,

Technik}

Design {Ausstiegsleuchten in den Türen}

Klimatisierung {...}

...

Sonderausstattung {Design, Klimatisierung, Komfort, Lenkung/Schaltung,Radio/Kommunikation, Räder und Fahrwerk, Sicherheit, Sitze,

Technik}

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

AMG Styling {4848,80 €}

Innenraumzierteile {Holzausführung Kastanie, Holzausführung

Wurzelnuss, Keine dieser Ausstattungen}

Holzausführung Kastanie {394,40 €}

Holzausführung 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 Größe. Die Anzahl der



206

Werte der einzelnen Variablen kann also stark zueinander differieren. Für 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, Coupé, Geländewagen, 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 erwähnt, stellt die Aufgabe, die erledigt werden soll ein wichtiger Faktor dar,

welcher die Effektivität einer gewählten Visualisierung beeinflusst. Sie triggert so zu

sagen den Visualisierungsprozess. Die Definition von Aufgabe (Task) ist weit gefächert.

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 gehören: „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 erfüllt 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. Für diesen Fall wurden

jedoch die folgenden Annahmen getroffen: Die Klassenwelt soll sowohl den Einstieg in die

Produktwelt, als auch einen Überblick über die gesamte „Produktpalette“ der

Fahrzeugklassen ermöglichen. Bei der Darstellung der Standard- und Sonder-ausstattungen soll ein umfassender Überblick über die verfügbaren Ausstattungsdetails,



207

weiterführende Informationen dazu und Vergleichsmöglichkeiten geboten werden. Auch

bei der Darstellung der Ergebnisse der Gebrauchtwagensuche soll ein gesamtheitlicher

und aussagekräftiger Überblick über die Suchtreffer geboten werden. Jedoch sind an

dieser Stelle auch vergleichende Darstellungen, sowie Darstellungen von Details

wünschenswert.

Technical Possibilities

Zu den technischen Faktoren gehört zum Beispiel, wie im vorliegenden Fall, die

Entscheidung ob eine Visualisierung den Benutzern über das Web angeboten werden soll.

Auch die Art der Benutzergruppe ist in diesem Fall relevant, da bei einem Zugang über

das Web mit einer großen Benutzergruppe zu rechnen ist, welche über sehr

unterschiedliche technische Ausstattung verfügt. Die Orientierung zu geringen

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

Fall wird dieser Faktor jedoch etwas vernachlässigt, da eine detaillierte Überprüfung der

einzelnen Visualisierungen nicht stattgefunden hat. Dennoch wurde bei dieser Auswahl

vor allem Visualisierungen berücksichtigt, welche bereits heute schon als Webversion

vorliegen, bzw. vorgesehen sind. Damit entsprechen zumindest diese Visualisierungen

den erforderlichen Kriterien.

Training

Auch die Trainingsmöglichkeiten oder die Erfahrung gehören zu den Faktoren, welche bei

der Auswahl von Visualisierungen berücksichtigt werden muss. Hierbei muss die richtige

Balance zwischen Erlernbarkeit und Effizienz gefunden werden, wobei vor allem auch der

Grad der Vertrautheit mit einer Darstellung für 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 Erfordernisseeiner Hilfefunktion für die Handhabung dürfen nicht gegeben sein. Auch technisch wenig

vertraute Benutzer müssen die Möglichkeit haben, die Visualisierung ohne größere

Schwierigkeiten benutzen zu können. Dies wirkt auf die Auswahl der Visualisierungen

stark restringierend, da viele Visualisierungen einen verhältnismäßig hohen Grad an

Erklärungsbedarf besitzen. Visualisierungen, welche nahezu ohne Erklärungsbedarf

auskommen kommen nicht häufig vor. Die Auswahl der Visualisierungen, aufgrund dieser

Kriterien, findet an dieser Stelle wie auch schon zuvor, anhand meiner subjektiven

Meinung statt. Wünschenswert für diesen Faktor wäre jedoch, wie auch schon im Fall der „Target User Group“, die Durchführung von Evaluationen und Tests mit Benutzern um



208

eine konkrete Auswahl an Visualisierungen hinsichtlich der Selbsterklärungsfähigkeit zu

überprüfen.

5.3 Visualisierungsmöglichkeiten

Nach der Betrachtung der Ausgangsituation erfolgt nun die Diskussion verschiedener

Visualisierungsmöglichkeiten. Dabei wurde zunächst eine Reihe von Visualisierungen

hinsichtlich der Anforderungen, welche mittels der Faktoren der 5T-Environment ermittelt

wurden, überprüft. Diese Auswahl von Visualisierungen wurde dann in einem weiteren

Schritt hinsichtlich ihrer Eignung in Bezug auf die ausgewählten 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 Visualisierungsmöglichkeiten 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 möglicherweise aussehen könnte.

Zu den im folgenden Abschnitt diskutierten Visualisierungen gehören: Hyperbolic Tree,

Collapsible Cylindrical Tree (CCT), Venn Diagramme / Pad++, Cam Tree, Fisheye-

Technik, Rapid Serial Visual Presentation (RSVP), Date Lens, VisMeB, Table Lens, Snap-

Together-Visualization, Dynamic Queries, Scatterplot und Circle Segments.

5.3.1 Klassenwelt (PKW)

Es existieren eine Reihe von Möglichkeiten, die Daten der Klassenwelt (PKW) in eine

visuelle Darstellung zu mappen. Die nachfolgenden Darstellungen sollen hierfür einige

Beispiele zeigen. Zu den in diesem Abschnitt behandelten Visualisierungen gehören:

Hyperbolic Tree, Collapsible Cylindrical Tree (CCT), VennDiagramme / Pad++, Fisheye-

Technik, Rapid Serial Visual Presentation (RSVP), Date Lens und Dynamic Queries.

Wie die Analyse der Daten gezeigt hat, unterliegen die Daten der Klassenwelt einer

inhärenten Ordnung: sie sind hierarchisch geordnet. Aufgrund dieser hierarchischen

Ordnung werden zuerst einige Möglichkeiten einer Tree-Darstellung besprochen, da dies

die naheliegendste Visualisierungsform darstellt. Da die Datenmenge insgesamt gesehen

jedoch relativ gering ist, werden anschließend auch andere Visualisierungsformen in

Betracht gezogen.



209

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

von Baumstrukturen. Unter Berücksichtigung der Analyse aus Kapitel 5.2 bieten sich für

die Visualisierung der Klassenwelt beispielsweise die folgenden Visualisierungsformen an:

„Hyperbolic Tree“, „Collapsible Cylindrical Tree“ oder auch „Venn Diagramme“. Der

Hyperbolic Tree ermöglicht dem Benutzer einen guten Gesamtüberblick über die Daten

der Klassenwelt, ermöglicht ein schnelles Browsing und bietet ihm eine leichte und

intuitive Navigation. Aufgrund seiner hyperbolischen Form werden die Daten äußerst

platzsparend repräsentiert, wodurch im Zentrum des Trees ein größerer Darstellungs-

raum entsteht, welcher sich für 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 für die C-, E- und S-Klasse aussehen könnte. Die

Klassenwelt selbst stellt den Root Knoten dar, welcher sich weiter aufteilt in die einzelnenFahrzeugklassen. Auf der zweiten Hierarchieebene sind die zugehörigen Karosserie-

formen angeordnet. Die Knoten des Trees können 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 gewünschten Knoten, so bewegt sich dieser interaktiv in

das Zentrum des Trees und nimmt eine detailliertere Darstellung an. Die übrigen Knoten

passen sich entsprechend der veränderten Darstellung an.

Abb. 142 Schematische Darstellung der Klassenwelt mittels eines Hyperbolic Trees

Klassenwelt

A-KlasseC-Klasse

E-Klasse

S-Klasse

CLK-Klasse

CL-Klasse

SLK-Klasse

SL-Klasse

M-Klasse

G-Klasse

LimousinenCoupés

T-Modelle

Limousinen

T-Modelle

Hyperbolic Tree



210

Eigentlich werden Hyperbolic Trees für die Visualisierung und Manipulation großer

Hierarchien verwendet, jedoch sind sie, wie auch hier für kleinere Datenmengen

einsetzbar. Insbesondere bei der Verwendung von Bildmaterial, welches sich

raumintensiver verhält als Textdarstellungen. Eine geringe Hierarchietiefe des Hyperbolic

Trees kommt auch eher ungeübten Benutzern entgegen. Hyperbolic Trees werden, wie

zum Beispiel bei Inxight23, bereits als Webapplikationen eingesetzt.

Auch der Collapsible Cylindrical Tree (CCT) ist eine übersichtliche und intuitiv zu

handhabende Visualisierung und würde sich daher ebenfalls für eine visuelle Darstellung

der Daten der Klassenwelt eignen. Aufgrund seiner horizontalen Ausrichtung eignet er

sich aber vorrangig für die Darstellung von Text. Da in diesem Zusammenhang jedoch

die Verwendung von Bildmaterial als sinnvoll erachtet wird, wäre dies eher von Nachteil.

Baumstrukturen lassen sich ebenfalls durch Venn Diagramme, wie sie zum Beispiel in derPad++ Visualisierung eingesetzt werden, darstellen. Diese zeichnen sich ebenfalls durch

intuitive Navigationsmöglichkeiten und eine übersichtliche 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 für die

Klassenwelt aussehen könnte. Die einzelnen Klassen stellen die geometrischen Objekte

innerhalb der Grundfläche (Klassenwelt) dar. Die Karosserieformen erscheinen in Form

von Icons oder Images innerhalb der jeweiligen Klassen. Dies vermittelt dem Benutzer

einen ersten Eindruck über ihre Inhalte. Durch Klick auf ein geometrisches Objekt (hier:Fahrzeugklasse) gelangt der Benutzer zu einer tiefergelegenen Ebene in der

hierarchischen Struktur. Dieses lässt sich theoretisch gesehen beliebig fortsetzen. Ein

zusätzliches Detailfenster könnte dem Benutzer, ähnlich wie im Pad++ System,

detaillierte Informationen über 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/map24 Sitemap der Webseite Pad++

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



211

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

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

die Datenmenge der Klassenwelt nur sehr gering ist, kommen auch andere

Visualisierungsmöglichkeiten 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 zwangsläufig von Nachteil sein. RSVP ermöglicht dem Benutzerschnell und intuitiv durch eine größere Anzahl von Objekten zu browsen, wobei diese

Objekte sowohl aus Bild- als auch aus Textmaterial bestehen können. Mittels dieser

Visualisierung ist es möglich, 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 für 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 zusätzlich eine Art

Vorschaufunktion bieten. Im Fall der Klassenwelt könnte das Bildband aus den

Abbildungen der verschiedenen Fahrzeugentypen bestehen - wie A-Klasse Limousinen, A-

Klasse Limousinen Lang, C-Klasse Limousinen, C-Klasse Coupés, usw. - und das Objekt

in der Mitte des Bildbandes aus einer dreidimensionalen Darstellung eines Fahrzeugs. Die

Kategorisierung der unterschiedlichen Fahrzeugklassen sollte für eine bessere

Orientierung des Benutzers zusätzlich, beispielsweise durch Farbe, visuell hervorgehoben

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

A-Klasse E-Klasse

Klassenwelt

Pad++



212

Mitte herum drehen. Mittels der Fisheye-Technik ist es möglich, das Bildband nach hinten

hin stark zu verkleinern, wogegen das Bild im Zentrum der Frontseite vergrößert

dargestellt wird und daher genügend Platz für eine detailreichere Darstellung bietet. Ein

zusätzliches Detailfenster für Zusatzinformationen in Form von Text wäre denkbar. Ein

Mausklick auf die Abbildung im Zentrum des Bildbandes löst die Auswahl des Fahrzeugs

aus und lässt die dreidimensionale Abbildung in der Mitte in das soeben ausgewählte

Fahrzeug morphen. Im Idealfall lässt sich diese Abbildung durch den Benutzer interaktiv

um 360 Grad drehen um ihm so einen besseren Eindruck von dem jeweiligen Fahrzeug

zu vermitteln.

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 aufeinen Blick sämtliche verfügbaren Fahrzeugtypen erkennen. Auch diese Visualisierung

berücksichtigt nicht, ähnlich wie die RSVP-Visualisierung zuvor, die ursprünglich

hierarchische Ordnung der Daten. Doch auch hier wirkt sich dies nicht nachteilig auf die

Darstellung der Daten aus. Da eine solche Darstellung aufgrund der Größe der

Produktwelt PKW von Mercedes-Benz und insbesondere bei der Verwendung von

Bildmaterial nur sehr gedrängt ausfallen würde, 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 einemGesamtüberblick über den Inhalt, auch die Möglichkeit, durch Auswahl einer bestimmten

Zelle innerhalb der Matrix, graduell in diese Zelle hineinzuzoomen, um so eine detaillierte

Experiment 2

New

Details

E-KlasseLimousine

RSVP

RSVP



213

Ansicht des Zelleninhalts zu erhalten. Alle übrigen 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 schließt sich diese wieder und der Benutzer kehrt zur ursprünglichen

Matrix-Ansicht zurück. Auch diese Technik, wie schon die anderen zuvor, ermöglicht die

parallele Darstellung vieler Objekte auf kleinem Raum mit der Möglichkeit, Details zu den

jeweiligen Objekten abzurufen, ohne dass der Benutzer den Zusammenhang zu den

übrigen Daten verliert (Fokus + Kontext). Durch die Erweiterung dieser Technik mit

anderen Funktionen, wie Suchanfragen oder Filtermöglichkeiten, zum Beispiel in Form

von Dynamic Queries, entsteht so eine übersichtliche 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 solcheMatrix-Visualisierung für die A-, E-, S- und CL-Klasse der Klassenwelt aussehen könnte.

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.

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

Date Lens

A-Klasse

E-Klasse

S-Klasse

Limousinen LimousinenLang

Coupés T-Modelle

CL-Klasse



214

5.3.2 Standard- und Sonderausstattungen (PKW)

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

sich als schwieriger als bei dem Setting der Klassenwelt. Dies liegt zum einen daran, dassdie 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

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

bei den Standard- und Sonderausstattungen einer weiterführenden Betrachtung des

Settings. Zu den in diesem Abschnitt behandelten Visualisierungen gehören: 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 erwähnt, für die Visualisierung

größerer Hierarchien, weshalb sie prinzipiell auch für die Visualisierung der Standard-

und Sonderausstattungen geeignet wären. 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 für die Beispieldaten aus Kapitel 5.2.

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

Hyperbolic Tree

Sonder-ausstattung

TechnikDesign

Klimatisierung

Komfort

Lenkung/Schaltung

Radio/Kommunikation

Räderund Fahrwerk

Sicherheit

Sitze

AMG-StylingInnraumzierteile

Wegfall Typenkennz.



215

Abb. 147 Schematische Darstellung der Standardausstattungen in Form eines Cam Trees

Weitere Tree-Visualisierungen, wie zum Beispiel der Collapsible Cylindrical Tree wären

ebenfalls denkbar, müssten aber konkret für jede einzelne Hierarchieebene der Daten

geprüft werden, da die Nutzung eines CCT bei zu vielen Daten auf einer Ebene,

Darstellungsschwierigkeiten auf der Oberfläche der Zylinder erzeugt. Venn Diagramme

eignen sich eher für 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 für den Benutzer unbefriedigende derzeitige Darstellung der Daten auf der

Webseite von Mercedes-Benz. Diese Unzufriedenheit hängt nicht nur allein mit der

Listendarstellung an sich zusammen, sondern auch mit den angebotenen Daten selbst.

Dadurch führt ein bloßes 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 erfüllt werden sollen,

vielfältiger Natur sind. So lassen diese sich in die folgenden Tasks grob zusammenfassen:

„Überblick verschaffen“, „Informieren“ und „Vergleichen“. Aufgrund der verschieden-

artigen Tasks, ist zu überlegen, ob diese tatsächlich mit einer einzelnen Visualisierung

abgedeckt werden können, bzw. überhaupt sollen.

„Überblick verschaffen“ bezieht sich auf die Gesamtheit der Ausstattungsmöglichkeiten;

also welche Ausstattungsmöglichkeiten gibt es überhaupt, welche sind bereits

standardmäßig vorhanden (Standardausstattungen) und welche können hinzu gewählt

werden (Sonderausstattungen). „Informieren“ bedeutet, dass der Benutzer zu den

jeweiligen Ausstattungsmerkmalen umfassende und detaillierte Informationen erhält,

sowohl in Form von Text- als auch von Bildmaterial. Aufgrund dieser Hintergrund-

Cam Tree



216

informationen findet die Entscheidungsfindung des Benutzers bezüglich der

Ausstattungsmerkmale statt. Ohne diese Informationen ist er in seiner Entscheidungs-

findung beeinträchtigt. Auch das „Vergleichen“ ist eine wichtige Task in diesem

Zusammenhang. Das Schaffen von Vergleichsmöglichkeiten, vor allem zwischen den

einzelnen Ausstattungsmöglichkeiten, soll den Benutzer bei seiner Entscheidungsfindung

bestmöglich unterstützen. Diese grundsätzlichen Tasks sind in verschiedene Szenarien im

Zusammenhang mit den Standard- und Sonderausstattungen eingebunden und können

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 Universallösung

präsentiert werden, da dies aufgrund der Komplexität der Problematik über den Rahmen

dieser Arbeit hinausginge. Dennoch sollen an dieser Stelle einige Visualisierungs-

möglichkeiten angedacht werden.

Grundlegend wichtig ist in erster Linie eine übersichtliche Darstellung, welche dem

Benutzer auf komprimierte Weise zeigt, über welche Ausstattungsmerkmale das

Fahrzeug überhaupt verfügt und welche Merkmale prinzipiell hinzugenommen werden

können. Dies kann beispielsweise in Form einer Listen- oder Matrixdarstellung erfolgen,

welche sowohl Text als auch Thumbnails oder Symboldarstellungen enthalten kann. Ziel

einer solchen Übersicht ist es, dem Benutzer einen schematischen Überblick zu bieten,welcher auf knappe Weise darstellt, welche Ausstattungsmerkmale es zu diesem

Fahrzeug überhaupt gibt und von welchem Typ (Standard- oder Sonderausstattung) sie

sind. Eine weitere Funktion, welche dem Benutzer ebenfalls einen Überblick über die

jeweiligen Ausstattungsmerkmale verschaffen würde, jedoch einen anderen Ansatz

verfolgt, wäre der Einsatz einer Rapid Serial Visual Presentation (RSVP). Während eine

Listen- oder Matrixdarstellung einen eher analytischen Ansatz verfolgt, bietet das RSVP

dem Benutzer die Möglichkeit, 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 Ansätze, wäre eine parallele Nutzung der beiden Techniken

für das Setting der Standard- und Sonderausstattungen denkbar und sogar

wünschenswert, da dies dem Benutzer mehrere Möglichkeiten bieten würde, sich einen

Überblick über die Welt der Ausstattungsmerkmale zu verschaffen. Die beiden Techniken

würden somit ergänzend aufeinander einwirken.



217

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., wählt 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 diesbezüglich eine kreative Lösung, wie zum Beispiel die Verwendung von

Symbolen, Animationen oder ähnlichem. Zusätzliche Informationen über das jeweilige

Ausstattungsmerkmal könnten dem Benutzer, wie bereits oben erwähnt, in Form von ID-

Cards angeboten werden. Diese beinhalten in einer übersichtlichen Darstellung

detaillierte Informationen und ausreichendes Bildmaterial, wodurch der Benutzerumfassende Hintergrundinformationen über die von ihm gewünschten Ausstattungs-

merkmale erhält. Diese ID-Cards könnten sowohl zu jedem Ausstattungsmerkmal einzeln

aufgerufen und wieder geschlossen werden oder, wie bereits oben erwähnt, mittels der

RSVP komplett durchbrowst werden. Darüber hinaus sollte es dem Benutzer möglich 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 Snap-Together-Technik. Für die Visualisierung der Beziehungen zwischen bestimmten

Ausstattungsmerkmalen, wäre zum Beispiel der Einsatz von Tree-Visualisierungen, wie

dem Hyperbolic Tree, denkbar. Dies könnte sich auch nur auf die Darstellung von

Teilbäumen beschränken. Abb. 148 zeigt eine schematische Darstellung einer solchen

Visualisierungsform für 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

kreisförmiger Form um das Fahrzeug herum angeordnet. Die Daten dieser Ebene, hier die

Kategorien der Ausstattungsmerkmale – „Design“, „Klimatisierung“, „Komfort“, usw. –

können in Form von Text, Symbolen oder Abbildungen dargestellt werden. Die dritte

Hierarchieebene könnte in einer Art Vorschau bereits als Knoten eines Trees dargestellt

werden. Diese Knoten könnten 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 Maus-

Over-Effekt könnte diese Hierarchieebene ein- oder ausgefahren werden. Eine weitere

25 Designerntwurf II wurde von Alan Ross im Rahmen des BEST-Projektes (Kooperation Daimler Chrysler und

Universität Konstanz) entwickelt.



218

Möglichkeit wäre, 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 würden dann mehr Details, wie zum Beispiel Unterknoten dargestellt

werden. Knoten, welche über weitere Unterknoten verfügen, könnten visuell

hervorgehoben werden. Weitere Vorschaueffekte könnten durch ein zusätzliches

separates Detailfenster erreicht werden, welches weitere Informationen zu den jeweiligen

Knoten enthält, vgl. ID-Cards. Würde nun ein Knoten der zweiten Hierarchieebene

ausgewählt, wie z.B. in diesem Beispiel „Innenraumzierteile“, so würde der Name des

hierarchisch höher liegenden Knotens („Design“) dem Navigationspfad hinzugefügt

werden („Sonderausstattungen“ > „Design“) und die Hierarchieebene gewissermaßen

eins nach oben aufrutschen. D.h. die Knoten „AMG-Styling“, „Innenraumzierteile“ und

„Wegfall Typenkennzeichen“ würden kreisförmig um das Fahrzeug angeordnet werden,wobei sich bei dem Knoten „Innenraumzierteile“ eine weitere Ebene mit den Knoten

„Holzausführung Kastanie“ bzw. „Holzausführung Wurzelnuss“, erscheinen würde. Die

Navigation zu höher gelegenen Knoten erfolgt über den Navigationspfad. Der Bezug der

Ausstattungsmerkmale zum Fahrzeug, könnte zum Beispiel bei Aktivierung der

Detailansicht durch die visuelle Hervorhebung der entsprechenden Ausstattungsdetails im

und am Fahrzeug hergestellt werden.

Abb. 148 Schematische Darstellung eines Teilbaums für die Daten der Sonderausstattungen

Sonderaustattung >

Details

Design

Innenraumzierteile

AMG-Styling

Wegfall Typenkennz.

Klimatisierung

Komfort

Lenkung /Schaltung

Radio /Kommunikation

Räderund Fahrwerk

Sicherheit

...



219

Die Ausführungen zu den obigen Visualisierungsmöglichkeiten sollen als Anregung dienen

und sind daher rein exemplarischer Art. Inwieweit sich eine solche Visualisierung

überhaupt auf die gesamten Daten der Standard- und Sonderausstattungen übertragen

lässt, bleibt zu prüfen.

Wie bereits erwähnt, wurden in diesem Abschnitt verschiedene Lösungen für die

Darstellung der Standard- und Sonderausstattungen und der damit zusammenhängenden

Problematik angedacht. Prinzipiell gibt es für dieselbe Problemstellung meistens mehrere

Visualisierungsmöglichkeiten. Eine universelle Lösung in diesem Zusammenhang würde

über den Rahmen dieser Arbeit hinausgehen, da dies eine intensivere

Auseinandersetzung mit dieser relativ komplexen Thematik erfordert hätte. Idealerweise

beinhaltet eine Darstellung der Standard- und Sonderausstattungen, wie oben

beschrieben, mehrere Visualisierungsansätze, 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 bestmöglichst unterstützt.

5.3.3 Ergebnisdarstellung der Gebrauchtwagensuche (PKW)

Die Ergebnisdarstellung der Gebrauchtwagensuche (PKW) hängt stark mit der Such-

anfrage selbst zusammen. Sicherlich gibt es auch Möglichkeiten, lediglich die Darstellung

der Ergebnisse in eine andere Visualisierungsform zu mappen, jedoch bietet es sich auch

an, die Suchanfrage stärker mit der Ergebnisdarstellung zu verknüpfen und somit für den

Benutzer einfach handhabbar zu machen. Zu den in diesem Abschnitt diskutierten

Visualisierungen gehören: 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 für den Benutzer. Jedoch

stellt sie einen eher analytischen Ansatz dar, mit dem Ziel bestimmte Schlüsse, bzw.

konkrete Suchergebnisse aus der Treffermenge ziehen zu können. Die Visualisierungs-

form der Table Lens, welche auch bei VisMeB verwendet wird und somit webtauglich ist,

stellt für den Benutzer eine bequeme Möglichkeit dar, die übersichtliche Struktur einer

Tabelle in Kombination mit Detailansichten der einzelnen Treffer nutzen zu können

(Fokus + Kontext). Diese Technik würde sich auch für eine tabellarische Visualisierung

der Ergebnisse der Gebrauchtwagensuche von Mercedes-Benz eignen. Wie die Analyse

der Daten der Ergebnisdarstellung der Gebrauchtwagensuche gezeigt hat, bestehen die



220

Daten aus verschiedenen Variablentypen. So eignet sich zum Beispiel für quantitative

Werte die Darstellung in Form eines Balkens oder für kategorische Daten

Symboldarstellungen. Abb. 149 zeigt eine schematische Darstellung, wie die

Ergebnisdarstellung der Gebrauchtwagensuche in Anlehnung an eine Table Lens aussähe.

Dabei könnte beispielweise die Variable „Erstzulassung“ umgewandelt werden in eine

Variable namens „Alter“, um so eine sinnvolle Balkendarstellung verwenden zu können.

Die Balken stellen Wertebereiche dar, wobei die jeweiligen Enddaten klar definiert sein

müssen. Zusätzlich 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 Möglichkeit für den Benutzer

durch die Suchtreffer zu browsen und Tendenzen in der Treffermenge ablesen zu können.

Mittels der Fisheye-Technik ist es ihm möglich, bestimmte Treffer zu lokalisieren und

konkrete Daten über das jeweilige Fahrzeug abzurufen. Ähnlich wie in VisMeB, wäre essinnvoll die Markierung von einzelnen Zeilen, also Suchtreffern zuzulassen, um dem

Benutzer so die Möglichkeit zu geben für ihn interessante Treffer zu markieren und somit

später auch wieder zufinden. Darüber hinaus ergäbe sich auch die Möglichkeit, in

Anlehnung an das Granularitätskonzept von VisMeB, markierte Treffer in eine weitere

Granularitätsstufe zu überführen, um so eine weitere Verfeinerung der Treffermenge

vornehmen zu können. In dieser nächsten Granularitätsstufe könnte eine detailliertere

Darstellung der Suchtreffer dem Benutzer mehr Informationen zu den einzelnen

Fahrzeugen bieten, um ihm so die weitere Auswahl und Verfeinerung der Treffermengezu erleichtern. Denkbar wären auch weitere Verfeinerungsschritte, welche dann nach

dem gleichen Prinzip funktionieren würden. Ziel ist es, am Ende des Prozesses zu einem

Fahrzeug zu gelangen, welches den Vorstellungen des Benutzers entspricht. Zusätzlich

könnten die einzelnen Granularitätsstufen, ebenso wie in VisMeB von einem Detailfenster

unterstützt werden, welches bei der Markierung eines Fahrzeugs in der Tabelle die

gesamten Informationen zu dem jeweiligen Fahrzeug zeigt (Vorschaufunktion).



222

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 wäre auch der Einsatz von Double Slidern, welche die Definition eines ganzen

Wertebereichs durch den Benutzer ermöglichen. Kategorische Variablen, wie zum Beispiel

„Farbe“ lassen sich mittels Check Boxes auswählen. Über solche Check Boxes können

auch weitere Auswahlkriterien vom Benutzer zu- oder abgewählt werden. Wählt der

Benutzer einen der Datenpunkte im Scatterplot aus, so werden ihm die Daten zu dem

von ihm ausgewählten Objekt in einem zusätzlichen Detailfenster gezeigt. Dies können

zum Beispiel alle von ihm in der Suchanfrage definierten Kriterien sein, sowie zusätzliche

Informationen, wie Händler oder Bildmaterial. Im Fall von Multidata-Points, alsoDatenpunkte, auf denen mehrere Objekte zu liegen kommen, können Techniken, wie

zum Beispiel RSVP eingesetzt werden, um diese Wertemenge zu durchbrowsen.

Abb. 150 Systematische Darstellung der Gebrauchtwagensuche inkl. Ergebnisdarstellung in Anlehnung an den

FilmFinder

FilmFinder

Preis / Rate

Erstzulassung

Kilometer

Farbe

500 100.000

1/1950 4/2004

0 100.000

...Garantie

blau rot weiß ...

Karosserie

Fahrzeug-klasse

A-Klasse

C-Klasse

E-Klasse

Limousine Coupé

...

LimousineLang

CE Coupé



223

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, ähnlich 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. Zusätzlich ist es möglich,

den Kreis von innen nach außen zum Beispiel nach Karosserieformen aufzuteilen. So

lägen 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 könnten auch Karosserieformen kodieren und Ringe eine

quantitative Variable, wie zum Beispiel „Preis“. Mittels Beschränkung der Suchbereichebei der Anfrage, wie z.B. „Preis“, würde sich auch die Darstellung der Circle Segments

entsprechend anpassen.

Abb. 151 Schematische Darstellung der Ergebnisdarstellung der Gebrauchtwagensuche

in Anlehnung an Circle Segments

Circle Segments(VisMeB) A-Klasse

C-Klasse

E-Klasse

S-Klasse

CLK-Klasse

CL-Klasse

SLK-Klasse

SLK-Klasse

M-Klasse

G-Klasse



224

Das vorangegangene Kapitel hat gezeigt, dass es oftmals unterschiedliche

Visualisierungsmöglichkeiten für denselben Datensatz gibt. Außer den hier vorgestellten

Visualisierungsmöglichkeiten für die definierten Settings aus der MB Online-Welt

existieren sicherlich noch zahlreiche weitere, welche sich ebenfalls für die Visualisierung

dieser Daten geeignet hätten. Jede Visualisierungsform birgt sowohl Vor- als auch

Nachteile in sich. Wie in der Diskussion gesehen, gibt es oftmals nicht „die“ richtige

Lösung. Vielmehr existieren häufig mehrere durchaus sinnvolle Möglichkeiten Daten zu

visualisieren. Die Faktoren der 5T-Environment helfen zwar Visualisierungen aus-

zuschließen, führen aber nicht zwangsläufig zu einer einzelnen Lösung. Wie bereits

erwähnt, empfiehlt es sich die Festlegung auf eine bestimmte Visualisierungsform anhand

mehrerer Faktoren, wie die der 5T-Environment, abzuwägen und mittels Benutzer-

umfragen und –tests die Entscheidung zusätzlich zu unterstützen.



225

6. Zusammenfassung

In diesem Kapitel werden die Inhalte der State-of-the-Art Analyse „Visualisierung von

Daten“ für die DaimlerChrysler AG nochmals reflektiert und die Erkenntnisse überblick-

artig 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 früher hat sich die Menge an produzierter Information mit

ihren verschiedenen Ausprägungen jedoch wesentlich erhöht und ihre nahezu

permanente Verfügbarkeit erzeugt einen Effekt, welcher unter dem populären Schlagwort

der „Informationsüberflutung“ bekannt geworden ist. Aufgrund dieses neuen Stellen-wertes der Information und der Tatsache, dass sich bestimmte Formen von Medien, wie

die visuelle Repräsentation, besonders für die Darstellung von Information eignen,

entwickelten sich eigenständige Forschungsdisziplinen und Arbeitsbereiche, welche sich

speziell mit dem Umgang und der visuellen Repräsentation von Information und damit

auch von Daten beschäftigen. Diese Disziplinen, zu denen beispielsweise die

Computergrafik, die Statistische Grafik, die Scientific oder auch Information Visualization

gehören, machen sich die Tatsache zu nutze, dass das menschliche Wahrnehmungs-

system 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 verknüpft 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 zählen, erweitern die kognitiven Fähigkeiten eines Menschen, welche

wiederum für 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 späteren Verständnis 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



226

änderte sich wiederum das Verständnis vom Begriff der Visualisierung. Mit Hilfe des

Mediums Computer war es nun möglich, grafische Darstellungen automatisch zu

erzeugen, welche aus Tausenden von Datenobjekten bestanden und interaktiv von

Benutzern modifiziert werden konnten. D.h. Visualisierungen waren nicht länger statisch

sondern konnten nun interaktiv vom Benutzer beeinflusst werden: „use of computer-

based, 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 länger abhängig von einer einmal getroffenen Entscheidung

über die Art der Repräsentation 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

grundsätzlich zwei Facetten: Datenpräsentation und Datenexploration. Der Fokus der

Betrachtung von Datenrepräsentationen ist die Kommunikation von bereits bekannten

Fakten durch geeignete Repräsentationsformen. Bei der Datenexploration geht es

dagegen darum, mittels angemessener Visualisierungen unbekannte Verknüpfungen

zwischen Thematiken aufzudecken, auch genannt „Visual Data Mining“. Im Fall der

Präsentation steht die Kommunikation im Vordergrund, im Fall der Exploration ist es die

Entdeckung. Aufgrund des hohen Potentials der Visualisierung von Daten beschäftigen

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-the-

Art Analyse der Visualisierung von Daten entstanden ist. Im Gegensatz zur „Scientific

Visualization“ deren Visualisierungen zumeist physische Daten, wie Gebäude oder

Naturphänomene, zugrunde liegen, beschäftigt sich die „Information Visualization“ mit

der Visualisierung abstrakter, nicht-physischer Daten. D.h. Daten ohne ersichtlichen

räumlichen Bezug. Auch die Ziele der beiden Disziplinen unterscheiden sich voneinander

grundlegend. So ist das primäre Ziel der „Scientific Visualization“ die möglichst getreue

Nachbildung eines physischen Objektes, um dieses eingehend erforschen zu können,

wobei hierbei auch zunehmend Techniken, wie Virtual Reality oder ImmersiveEnvironments ihre Anwendung finden. Ziel der „Information Visualization“ dagegen ist es



228

Mercedes-Benz Schweden gehörten, sowie einige andere Automobilkonzerne, bis auf

einige wenige Ausnahmen, kaum Visualisierungstechniken. Entsprechend leitet sich die

Legitimation für die Thematik der Visualisierung von Daten in diesem Zusammenhang ab.

Ein kurzer Überblick über einschlägige Literatur, Konferenzen, Institutionen und

Wissenschaftler gibt Auskunft wer sich auf wissenschaftlicher Ebene mit der Thematik der

Visualisierung von Daten beschäftigt.

Der eigentliche fachliche Diskurs zum Thema Visualisierung enthält verschiedene

Themenbereiche, wie die Vorstellung eines Modells für die Visualisierung von Daten,

diverse Visualisierungstechniken, Einsatz von Metaphern bei Visualisierungen, eine

Taxonomie für die Klassifizierung von Visualisierungen, Beispielvisualisierungen, sowie

Ausführungen zum konzeptionellen Einsatz von Visualisierungen.

Um eine einheitliche Basis für die Präsentation und die spätere Diskussion der

Visualisierungen zu schaffen wurde zunächst das Referenzmodell für Visualisierung von

Card, Mackinlay und Shneiderman vorgestellt. Dieses beschreibt konzeptionell den

Transformationsprozess der Umwandlung von Daten in eine visuelle Repräsentation. Das

Modell enthält zum einen den Datenfluss, welcher vom Input der originären Daten

(Rohdaten) über insgesamt drei Transformationsschritte bis zu den endgültigen visuellen

Darstellungen verläuft, sowie eine Reihe von Interaktionsmöglichkeiten, welche es dem

Benutzer ermöglichen auf diese Transformationen einzuwirken. Auch die Vorstellung von

grundlegenden Visualisierungstechniken dient dem Aufbau von Basiswissen im Bereich

der Visualisierung von Daten. Die Beschreibungen dieser allgemeingültigen 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 Fülle 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 ähnlich aussehende Visualisierungen

auf völlig unterschiedliche Visualisierungstechniken zurückführen. Diese grundlegenden

Techniken werden anhand der „Grammar of Graphics“, welche Leland Wilkinson

entwickelte, erläutert. Diese trennt grundsätzlich die mathematischen von den

ästhetischen Regeln, welche für die Erzeugung einer Grafik verwendet werden. Somit

lassen sich Grafiken im Wesentlichen in die folgenden Grundelemente zerlegen: ihre

Geometrie (Graphentypen), ihre ästhetischen Attribute (Farbe, Form, etc.), ihre

statistischen Methoden, ihre Skalierung und ihr Koordinatensystem, in welchem sie

eingebettet sind. Grafiken können dabei entweder aus einer einzelnen Grafik bestehen

oder aus so genannten Facetten, welche aus vielen kleinen Grafiken bestehen, die



229

Variationen einer einzelnen Grafik darstellen. Durch Kombination der verschiedenartigen

Ausprägungen der einzelnen Grundelemente - wie zum Beispiel „Line-Graphic“, „Blau“,

etc. - lässt sich so eine große Vielzahl an unterschiedlichen Grafiken erzeugen. Auf Basis

der „erlernten“ Grammatik können so auch neuartig erscheinende Grafiken richtig

klassifizieren werden. Auch für Entwickler von Visualisierungen kann dieser Ansatz

interessant sein, da die Kenntnis der Grundelemente von Grafiken zu neuartigen

Kombinationsmöglichkeiten oder zu der Entwicklung bisher noch nicht existenter

Elemente führen kann. Ähnlich einem Baukastensystem, ist die Vielzahl der möglichen

Kombinationen und somit Ausprägungen höher, 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 zusammenhängende Funktionalität besser darzulegen. Die Idee dabei ist, anhand

von spezifischem Wissen, welches der Benutzer zu einem früheren Zeitpunkt in anderen

Bereichen erworben hat, die Komplexität 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 Präsentation von praktischen und/oder exemplarischen Beispielen für Visualisier-

ungen soll die Einsatzmöglichkeiten von Visualisierungstechniken im Bereich der

Wissenschaft und Wirtschaft aufzeigen. Aufgrund der immensen Vielzahl an existentenVisualisierungen und ihren unterschiedlichen Ausprägungen war es im Rahmen dieser

STAR jedoch nur möglich einen kleinen Einblick in die Welt der Visualisierungen zu

gewähren. Für weiterführende Informationen wird auf die Hinweise innerhalb des Kapitels

verwiesen. Diese beinhalten zum Beispiel Links zu „Online-Sammlungen“ für

Visualisierungen, wie „MIKY“ oder „OLIVE“. Um die Visualisierungen nicht nur im Detail

darstellen zu können, sondern auch um einen konzeptionellen Überblick zu vermitteln, ist

es erforderlich deren Darstellung sinnvoll zu strukturieren. Ein oftmals verwendeter

Ansatz hierfür, ist die Klassifizierung anhand der zugrundeliegenden Daten der jeweiligenVisualisierung. Daten, die visualisiert werden sollen, können sehr ungleich sein. Dabei

kann es sich ebenso um Messdaten bezüglich der jährlichen Flächenreduktion der

Polarkappen, um die Verbraucherdaten einer großen 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 mögliche Datentypen:

Ein-, Zwei-, Dreidimensional, Temporal, Multi-Dimensional, Tree und Network. Anhand

dieser Klassifizierung erfolgte die kurzgefasste Präsentation ausgesuchter Beispiele für



230

Visualisierungen, um die Einsatzmöglichkeiten 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 schließt mit den Ausführungen zum

konzeptionellen Einsatz von Visualisierungstechniken. Wie bereits erwähnt, ist das

grundlegende Ziel von Visualisierungen der Nutzen für den Benutzer. Dieser hängt 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 fünf 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 für jede Situation hinsichtlich der genannten

Faktoren individuell geprüft und den gegebenen Anforderungen entsprechend angepasst

werden. Ein Konzept, welches jedoch lediglich die einzelnen Visualisierungstechniken und

ihre Daten berücksichtigt - also die einzelnen Visualisierungstechniken vom ihrem

Kontext trennt - wird daher als kritisch betrachtet. Die Erstellung eines solchen

Konzeptes für den sinnvollen Einsatz von Visualisierungen mit allgemeingültigem

Charakter war an dieser Stelle und in diesem Sinne also nicht möglich. Jedoch kann nicht

generell ausgeschlossen werden, dass eine weitere Beschäftigung mit der Thematik derVisualisierung von Daten, mehr Zusammenhänge zwischen Visualisierungstechniken und

sinnvollen Einsatzbereichen, aufdeckt um daraus Regeln bezüglich der Verwendung von

Visualisierungstechniken ableiten zu können.

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 Präsentation der Beispielvisualisierungen

gegeben werden. Demnach kann durch Zuordnung der Ausgangsdaten zu dem

entsprechenden Datentyp, die Auflistung der Beispielvisualisierungen, welche basierendauf dieser Klassifizierung erstellt wurde, gewissermaßen als Orientierungshilfe für die

Auswahl von Visualisierungstechniken dienen.

Die Verknüpfung der theoretischen Rechercheergebnisse zum Praxisbezug der MB Online-

Welt erfolgt anhand einer Diskussion hinsichtlich diverser Visualisierungsmöglichkeiten

dreier ausgesuchter Settings aus dem Webauftritt von Mercedes-Benz Deutschland.

Dabei werden zunächst die spezifischen Settings, bei denen es sich um die

Repräsentation 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. Anschließend



231

erfolgt die Analyse der Settings hinsichtlich der fünf Faktoren der 5T-Environment,

welche bereits zuvor für den Erfolg einer Visualisierung als maßgeblich verantwortlich

identifiziert wurden. Basierend auf diesen Erkenntnissen wurde zunächst eine Reihe von

Visualisierungen hinsichtlich der ermittelten Anforderungen überprüft. Diese Auswahl von

Visualisierungen wurde dann in einem weiteren Schritt hinsichtlich ihrer Eignung in Bezug

auf die ausgewählten 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 Visualisierungsmöglichkeiten präsentiert werden

können, 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 möglicherweise aussehen könnte. Die Diskussion hat gezeigt, dass es

oftmals eine Vielzahl an Visualisierungsmöglichkeiten für ein und denselben Datensatz

gibt. Dabei birgt jede Visualisierungsform sowohl Vor- als auch Nachteile in sich. Häufiggibt es nicht „die“ richtige Lösung an sich. Vielmehr existieren oftmals mehrere, durchaus

sinnvolle Möglichkeiten, einen Datensatz zu visualisieren. Die Faktoren der 5T-

Environment helfen zwar Visualisierungen auszuschließen, führen aber nicht zwangsläufig

zu einer einzelnen Lösung. Daher empfiehlt es sich, die Festlegung auf eine bestimmte

Visualisierungsform anhand mehrerer Faktoren, wie die der 5T-Environment, abzuwägen

und mittels Benutzerumfragen und –tests die Entscheidung zusätzlich zu unterstützen.



232

7. Ausblick

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

but in having new eyes. “

[Proust]

Der abschließende Teil der STAR beinhaltet, basierend auf den Erkenntnissen der

vorangegangenen Recherchen, Prognosen über zukünftige 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 verschiedenartigstenAusprägungen 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.

Maßgeblich 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 höheren

Speicherkapazitäten oder auch höhere Datenübertragungsraten einen starken Einfluss

auf kommende Generationen von Visualisierungen haben. Auch neuartige Technologien

wie Virtual Reality oder Immersive Environments eröffnen neue Möglichkeiten für die

Visualisierung von Daten. Bislang ist die Entwicklung von Visualisierungen jedoch noch

weitestgehend auf den Sektor der wissenschaftlichen Forschung beschränkt, wenn auch

auf mehrere Disziplinen. In Zukunft wird sich dies sicherlich ändern. Visualisierungen

dringen in immer mehr Anwendungsbereiche vor und eröffnen sich damit auch

zunehmend dem Normalverbraucher. Damit wandeln sich Visualisierungen von den

Fachanwendungen zum Konsumgut, wodurch sich ein großer Markt an potentiellen

Nutzern eröffnet. Entsprechend dringen auch immer mehr Firmen, welche sich mit der

Visualisierung von Daten beschäftigen 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 großen Pool an

Visualisierungsideen dar, welche wiederum für andere Visualisierungen eingesetzt werden

können (vgl. VizBox). Die Fokussierung auf Applikationen hilft dabei fehlende Techniken



233

zu ermitteln und den Wert bestehender zu bestimmen. Auch der kombinierte Einsatz von

verschiedenartigen Visualisierungstechniken in einer Applikation ermöglicht es eine breite

Benutzerbasis zu erreichen. [CMS 1999] Diese Öffnung zur breiten Masse bringt aber

auch eine Veränderung der Visualisierungen selbst mit sich. Denn entsprechend der

Äußerung 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 großen Vielfalt an verschiedenartigen Visualisierungen

auch entsprechend viele unterschiedliche Schwierigkeitsgrade hinsichtlich der

Komplexität der Visualisierungen. So äußerte 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 zukünftig vermehrt auf dem

Normalverbraucher liegen wird, hat dies auch Einfluss auf die Komplexität der

Visualisierungen. Dennoch muss man auch beachten, dass ein vermehrter Einsatz vonVisualisierungen im alltäglichen Umfeld auch die Vertrautheit mit Visualisierungen erhöht.

Visuelle Repräsentationen von Information mögen anfangs ungewohnt und nur schwer

verständlich erscheinen, können sich aber bei regelmäßigem Gebrauch nahtlos in den

Alltag integrieren. So stellt selbst Schrift nichts weiter als visuell kodierte Information

dar. Ist sie einmal erlernt, fügt sie sich nahtlos in den alltäglichen Gebrauch ein und ihre

Verwendung wird als selbstverständlich erachtet. Die Dekodierung der Schriftzeichen

stellt lediglich eine Frage des Gewohnheitsfaktors dar, unabhängig davon, um welche

Sprache es sich dabei handelt.

Die Thematik der Visualisierung von Daten birgt also auch zukünftig ein hohes Potential.

Doch worin liegt das Ziel zukünftiger Visualisierungen? Die essentielle Frage, welche sich

laut [CMS 1999] stellt, heißt: „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 Berücksichtigung des Kontexts würden Visualisierungen zu

ihrem bloßen Selbstzweck entwickelt. Der Bereich der Information Visualization würde

sich so zu einer Ansammlungen von Techniken entwickeln, welcher zwar nette Bilder

erzeugt, für diese dann aber erst nach einer Verwendung suchen muss. Wahrer

Fortschritt bei der Visualisierung von Daten entsteht laut [CMS 1999] nur durch ein

tiefgreifendes Verständnis dafür, wie bestimmte Aktivitäten entscheidend unterstützt

werden können, bzw. durch ein tiefgreifendes Verständnis für die Interaktion zwischen

externer Kognition, Information und menschlicher (innerer) Kognition. [CMS 1999]



234

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 Herzstück der neuen

Technologie für Human Interfaces darstellen. Die Information Visualization trägt 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]



235

8. Quellenverzeichnis

[AB 1998] Alonso, O.; Baeza-Yates, R. A. (1998): A model for visualizing largeanswers in WWW retrieval. In: Proceedings SCCC’98. 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 CHI’94, ACM Conference on Human Factors in

Computing Systems, New York. 313-317.

URL: ftp://ftp.cs.umd.edu/pub/hcil/Reports-Abstracts-

Bibliography/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.



236

[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.


Bibliography/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 Berücksichtigung hypertextspezifischer

Struktur- und Kontextinformation. Universität Konstanz, Fachgruppe

Informatik und Informationswissenschaft, Dissertation 1999.

[Ber 1967] Bertin, J. (1967): Sémiologie Graphique. Paris: Editions Gauthier-

Villars. Deutsche Übersetzung 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

l’Information. Paris: Flammarion. Deutsche Übersetzung 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/uist-

94-pad.pdf (April 2004)



237

[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 theInterface, 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).



238

[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. Human-Computer-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 Proceedingsof Advanced Visual Interfaces, AVI’2000 (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 MasonUniversity.

[Card 2003] Card, S. (2003): Information Visualization. In: The human-

computer 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.



239

[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 COSIT’93, 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-2002-05-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 k-

dimensional 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.



240

[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.



241

[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] Däßler, 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 Human-

Computer Interaction Amsterdam (North-Holland) 1988. p. 543-

568.



242

[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, März 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 Unterstützung der

Suche in komplexen Datenbeständen. In: Fuhr, Norbert; Dittrich,

Gisbert; Tochtermann, Klaus (Eds.): Hypertext - Information

Retrieval - Multimedia 97: Theorien, Modelle undImplementierungen integrierter elektronischer Informationssysteme.

Conference: Dortmund, Germany, October 29 - November 2 1997.

Konstanz (Universitätsverlag Konstanz) 1997. p. 27-38.

[ERG 1989] Egan, D.E.; Remde, J.R.; Gomez, L.M. (1989): Formative Design-

Evaluation 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.



243

[Gol 1997] Golovchinsky, G. (1997): Queries? Links? Is there a Difference? In:


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; Østerbye, 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: Hypertext1992 / 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)



244

[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: Baeza-

Yates, Ricardo A.; Ribeiro-Neto, Berthier (Eds.): Modern Information

Retrieval. Reading, MA (Addison Wesley Longman) 1999. p. 257-

324.

[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. InComputer 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.), Visualizationin 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)



245

[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): Multi-

faceted 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 Human-

Computer Interaction, Shneiderman, B., Ed., Ablex (June 1993)

309-322. CS-TR-2657 , CAR-TR-552, SRC-92-62.


Bibliography/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.



246

[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; Bodén, Mikael;

Ziemke, Tom (Eds.): Proceedings of ICANN98, the 8th International

Conference on Artificial Neural Networks. Conference: Skövde,

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., Müller, 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 ModernCartography, New York: Pergamon Press, 149-166.



247

[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 INTERACT’97, 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.



248

[Man 2002] Mann, T.M. (2002): Visualization of search results from the World

Wide Web. (Dissertation, Universität 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 für 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-1991-

03-Mackinlay-CHI91-PerspectiveWall.pdf (April 2004)



249

[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 theassociation 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.



250

[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.


02-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.


07-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. ACMConference 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.



251

[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.


08-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) 189-

194.


06-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 16thAnnual International ACM-SIGIR Conference on Research and



252

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.):


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.



253

[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.



254

[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.



[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.