HNU Working Paper Nr. 18

Olaf Jacob, Nina Weiß, Jörn Schweig

Konzeption und Gestaltung von Management Dashboards

08/2011

Dr. Olaf Jacob, Professor für Informationsmanagement,

Nina Weiß, Wissenschaftliche Mitarbeiterin,

Jörn Schweig, Wissenschaftlicher Mitarbeiter,

Hochschule für angewandte Wissenschaften Neu-Ulm

University of Applied Sciences

Wileystraße 1, D-89231 Neu-Ulm

1

Abstrakt Der vorliegende Arbeitsbericht entwirft ein 4-stufiges Architekturmodell zum Entwickeln von Management Cockpits. Als die drei wesentlichen Schritte zu einem Management Cockpit werden Abstraktion, Visual Encoding und Screendesign beschrieben. Klassische lineare Vorgehensmodelle wie das Wasserfallmodell sind für die Einführung von Management Cockpits eher ungeeignet und deswegen wird zur Entwicklung von Dashboards ein evolutionäres Vorgehen angewandt. Nach einer Konzeptphase, die vor allem die Informationsbedarfsanalyse beinhaltet, erfolgt eine iterative Umsetzung einzelner Module. Hier ist das Ziel, zügig Prototypen zu entwickeln und die späteren Benutzer frühzeitig in die Umsetzung einzubeziehen.

JEL-Klassifizierung: M10 Freie Schlagwörter Management Cockpits, Dashboards, Dasboarddesign, Datenvisualisierung

2

Inhaltsverzeichnis Abbildungsverzeichnis  ...................................................................................................  4  

1   Einführung  ...................................................................................................................  6  1.1   Problemstellung  ..............................................................................................................  6  

1.2   Zielsetzung  ........................................................................................................................  7  

1.3   Aufbau  der  Arbeit  ............................................................................................................  7  

2   Grundlagen  ..................................................................................................................  8  2.1   Begriffsdefinition  ............................................................................................................  8  

2.2   CPM  als  Bezugsrahmen  für  Dashboards  ..................................................................  8  

2.3   Anforderungen  an  Dashboards  ...............................................................................  10  

2.4   Modell  für  die  Gestaltung  von  Management  Dashboards  ...............................  11  

3   Abstraktion  ..............................................................................................................  14  3.1   Aufgabenanalyse  ..........................................................................................................  14  

3.2   Informationsbedarfsanalyse  ....................................................................................  14  

3.3   Anwendungsbeispiel  ...................................................................................................  15  

4   Visual  Encoding  .......................................................................................................  17  4.1   Expressivität,  Effektivität  und  Angemessenheit  ................................................  17  

4.2   Regeln  zur  Datengestaltung  nach  Few  ..................................................................  17  

4.3   Wahrnehmung  und  Gestaltgesetze  ........................................................................  18  

4.4   Visuelle  Aufmerksamkeit  ..........................................................................................  20  

4.5   Farben  ..............................................................................................................................  21  

4.6   Schriften  ..........................................................................................................................  22  

4.7   Elementendesign  ..........................................................................................................  23  

4.8   Grafik-­‐Elemente  ............................................................................................................  26  

4.8.1   Text  ..............................................................................................................................................  26  

4.8.2   Tabelle  ........................................................................................................................................  26  

4.8.3   Kuchendiagramm  ..................................................................................................................  26  

4.8.4   Säulen-­‐  bzw.  Balkendiagramm  ........................................................................................  27  

4.8.5   Liniendiagramm  .....................................................................................................................  28  

4.8.6   Sparklines  .................................................................................................................................  29  

4.8.7   Bullet  Graph  .............................................................................................................................  30  

4.8.8   Box  plots  ....................................................................................................................................  31  

4.8.9   Scatterplots  ..............................................................................................................................  31  

4.8.10   Karten  ......................................................................................................................................  32  

3

4.8.11   Icons  .........................................................................................................................................  32  

4.9   Verwendung  von  Design  Elementen  ......................................................................  33  

4.9.1   Auswahl  abhängig  von  der  visuellen  Wahrnehmung  ............................................  33  

4.9.2   Auswahl  abhängig  vom  Datentyp  und  der  Skala  .....................................................  35  

5   Screendesign  ............................................................................................................  37  5.1   Modi  ..................................................................................................................................  37  

5.2   Styleguide  .......................................................................................................................  37  

5.3   Orientierung  ..................................................................................................................  37  

6   Zusammenfassung  und  Ausblick  ......................................................................  40  

Quellenverzeichnis  .......................................................................................................  41  

4

Abbildungsverzeichnis Abbildung 01: CPM-Architekturmodell [BPM Standard Group 2004] ....................... 10  

Abbildung 02: Dashboard-Ausprägungen nach Kriterien differenziert

[Gluchowski/Dittmar 2008, S. 218] .................................................... 11  

Abbildung 03: Information Dashboard Design [Munzner 2009, S. 2] ....................... 12  

Abbildung 04: Vier Ebenen Modell Dashboard-Design [Eigene Darstellung] ........... 13  

Abbildung 05: Prinzip der Prägnanz [Stapelkamp 2007, S. 108] ............................. 19  

Abbildung 06: Prinzip der Ähnlichkeit [Stapelkamp 2007, S. 108] ........................... 19  

Abbildung 07: Prinzip der Nähe [Stapelkamp 2007, S. 111] .................................... 19  

Abbildung 08: Prinzip der gemeinsamen Region [Stapelkamp 2007, S. 111] .......... 20  

Abbildung 09: Prinzip der Verbundenheit von Elementen [Stapelkamp 2007, S.

111] ................................................................................................... 20  

Abbildung 10: Prinzip der zeitlichen Synchronizität [Stapelkamp 2007, S. 111] ...... 20  

Abbildung 11: Farbskala Achromatopsie [Stapelkamp 2007, S. 88] ........................ 21  

Abbildung 12: Grafik versus Symbol [eigene Darstellung] ....................................... 21  

Abbildung 13: Bunt- und Unbunt-Kontrast [Stapelkamp 2007, S. 66] ...................... 22  

Abbildung 14: Hell- und Dunkel-Kontrast [Stapelkamp 2007, S. 68] ........................ 22  

Abbildung 15: Überblick ISO 9241 [Beuth 2004, DIN EN ISO 9241-(1)10] .............. 24  

Abbildung 16: Kuchendiagramm mit und ohne Größenangabe ............................... 27  

Abbildung 17: Bullet Graph [Few 2006, S. 125-130] ................................................ 30  

Abbildung 18: Box Plot, eigene Darstellung in Anlehnung an [Turkey 1977] ........... 31  

Abbildung 19: Dot Plot (links) und Scatterplot (rechts) ............................................. 32  

Abbildung 20: Grafik-Elemente und ihre Bewertung nach dem Grad der

Entschlüsselbarkeit ihrer Informationen [Robbins 2005, S. 61] ........ 34  

Abbildung 21: Zuordnung von Grafik-Elementen zu Datentypen, in Anlehnung an

[Few 2006, S. 131 ff. und Fahrmeir 2006] ......................................... 36  

Abbildung 22: Übersichtsplan Nutzergruppen [Thissen 2003, S. 59] ....................... 39  

Abbildung 23: Nutzererwartungen und Prioritätszonen [Nielsen/Pernice 2010, S.66]39  

5

Abbildung 24: Evolutionäres Vorgehensmodell [Becker et al. 2006, 247-262] ........ 40  

6

1 Einführung 1.1 Problemstellung Bisher wurde eine Vielzahl unterschiedlichster Konzepte aus dem Bereich des Informationsmanagements in Unternehmen eingeführt, welche mit Schlagwörtern wie Corporate Performance Management, Balanced Scorecard, Business Intelligence oder Business Activity Monitoring (BAM) umschrieben werden können. Obwohl jedes Konzept nicht dasselbe Ziele verfolgt, verbindet sie ein gemeinsames Element: Die entscheidungs-unterstützenden Führungsinformationen. Eine zentrale Frage, die damit an Bedeutung gewinnt ist, welche Führungsinformationen wie aufbereiten werden müssen, damit jedes Konzept – für sich gesehen – Erfolg hat. Das gilt sowohl für das klassische papiergebundene Berichtswesen als auch für moderne Management Cockpits. Management Cockpits, auch Dashboards genannt, stellen ein wichtiges Tool zur Darstellung von Informationen dar und werden in Unternehmen immer häufiger eingesetzt: Bisher setzen 51% aller Unternehmen Dashboards ein, weitere 17% planen den Einsatz von diesen in absehbarer Zeit. Ein weiteres Drittel der Unternehmen, die bereits ein Dashboard im Einsatz haben, verwenden die Anwendung bevorzugt und vorrangig (statt anderen Tools) zur Erstellung von Berichten und Analysen [TDWI Report Series 2005 zitiert nach Eckerson 2006, W. S. 6]. Die schnelle Verbreitung von Dashboards als Tool zur Informationsvermittlung hat viele Gründe, einige davon sind [Eckerson 2011, S. 7 f.]:

- Mit ihnen kann die Unternehmensstrategie in messbare Größen und Ziele heruntergebrochen und an die verschiedenen Gruppen/Individuen in Unternehmen angepasst werden.

- Es können die messbaren Größen und Ziele nach Bedarf und schrittweise an eine neu ausgerichtete Unternehmensstrategie angepasst werden.

- Manager erlangen einen tieferen Einblick in laufende Prozesse und auf die zukünftige Unternehmens-Performance – damit wirken Dashboards der Überraschung unvorhergesehener Probleme entgegen.

- Informationen werden transparent gemacht.

- Sie helfen Mitarbeiter zu ermutigen, besser und vor allem abteilungsübergreifend zusammenzuarbeiten.

- Dashboards fördern den Dialog zwischen Vorgesetzten und Mitarbeitern darüber, wie die Unternehmensperformance verbessert werden kann.

- Dashboards fördern den Wettbewerb innerhalb der Unternehmung zwischen Peer-Groups, verbessern die Mitarbeitermotivation und -produktivität.

- Dashboards konsolidieren und integrieren Informationen dadurch, dass Begriffe allgemeingültig definiert und einheitliche Regeln sowie Metriken verwendet werden.

Entscheidend für die Nutzung von Dashboards durch die Mitarbeiter eines Unternehmens ist,

- dass nur diejenigen Informationen angezeigt werden, die auch tatsächlich benötigt werden [Tufte 2003, S. 34],

- dass diese richtig und unverzerrt wiedergegeben sowie in einer angemessenen Zeit entschlüsselt werden können [Ware 2007, S. 23] und

- die Benutzeroberfläche nach den Kriterien guten Designs und ergonomischen Gesichtspunkten (Usability) gestaltet wurde [DIN EN ISO 9241 2008].

7

Beispiele aus der Praxis zeigen jedoch, dass dies bisher größtenteils eine Ausnahme und nicht die Regel ist [Few 2006].

1.2 Zielsetzung Das Ziel dieses Arbeitsberichtes ist die Erstellung einer „How-to-Design-a-Dashboard“-Checkliste, die eine Anleitung zur Erstellung guten Dashboard Designs darstellen soll. Als Grundlage hierfür dienen Forschungsergebnisse auf dem Gebiet des Dashboard-Designs, der Wahrnehmungspsychologie, des Screendesigns und des Informationsmanagements.

Mit dem Arbeitsbericht wird zweierlei angestrebt: Einerseits wird versucht ein allgemeines Modell für die Gestaltung eines Management Dashboards zu entwerfen. Andererseits soll der Arbeitsbericht aber auch wichtige Best Practices aufzeigen, die bei der Gestaltung von Management Dashboards zu berücksichtigen sind. Dadurch sollen konkrete Handlungsanweisungen abgeleitet werden können.

1.3 Aufbau der Arbeit Zunächst wird ein allgemeines Modell für die Gestaltung von Management Dashboards entwickelt. Dieses gliedert den Entwurf in drei Handlungsebenen: Abstraktion, Visual Encoding und Screen Design. Nachdem im Kapitel zwei das allgemeine Modell entworfen wird, werden in den Kapiteln drei bis fünf die drei Handlungsebenen beschrieben.

8

2 Grundlagen 2.1 Begriffsdefinition Stephen Few definiert ein Dashboard als “…visual display of the most important information needed to achieve one or more objectives; consolidated and arranged on a single screen so the information can be monitored at a glance [Few 2006, S. 34].” Rivard und Cogswell vergleichen ein Dashboard mit der Armaturenbrett-Anzeige eines Autos, da dieses ebenso wie ihr im Auto verbautes Pendant auf einen Blick den aktuellen „Betriebszustand“ des Unternehmens offenbart. Anstelle der gefahrenen Kilometer oder des Ölstandes werden aktuelle Key Performance Indikatoren, sog. KPIs, über das Dashboard angezeigt und über einfache Grafiken, Tabellen und „intuitive“ Indikatoren visualisiert [Rivard/Cogswell 2004]. Knapp ein Jahr später definiert Malik ebenfalls den Begriff Dashboard. Im Wesentlichen ist seine Interpretation eine Kreuzung der beiden vorangegangenen Definitionen, die um „alert mechanisms“ erweitert wurde: “A dashboard is a rich computer interface with charts, reports, visual indicators, and alert mechanisms that are consolidated into a dynamic and relevant information platform [Malik 2005 S. ix].“ Eckerson beschreibt ein Dashboard als „multilayered application built on a business intelligence and data integration infrastructure that enables organizations to measure, monitor, and manage business performance more effectively.” Synonym für „multilayered application“ verwendet er die beiden Begriffe “business information system” und “performance management system“ [Eckerson 2006, S. 10]. Damit verdeutlicht Eckerson, dass Dashboards für ihn weit mehr als nur grafische Anzeigen von Informationen sind: Für ihn sind sie das Werkzeug, zur Erreichung strategischer Ziele im Rahmen des (Corporate) Performance Managements.

Diese Definitionen zeigen, wie sich der Begriff Dashboard im Laufe der vergangenen Jahre verändert hat: Während 2004 Dashboards noch als grafische Anzeige von Informationen im engeren Sinne bezeichnet wurden, werden diese 2006 – nur zwei Jahre später – als integraler Bestandteil des (Corporate) Performance Managements gesehen.

2.2 CPM als Bezugsrahmen für Dashboards Als Bezugsrahmen soll der vielfach definierte Begriff Corporate Performance Management (CPM) dienen, mit welchem ein integriertes Managementkonzept zur Planung, Steuerung und Kontrolle der Unternehmensleistung beschrieben wird. Der Begriff Corporate Performance Management (CPM) wird in der Literatur synonym auch als Business Performance Management (BPM), Enterprise Performance Management (EPM) und gelegentlich auch nur als Performance Management (PM) bezeichnet [Oehler 2006, S. 37].

Stellvertretend für alle Definitionen, die CPM unterschiedlich beschreiben, sollen nur die von der Gartner Group und der BPM Standards Group angeführt werden [BPM Standards Group S. 11]: Gartner definiert CPM als “an umbrella term that describes the methodologies, metrics, processes and systems used to monitor and manage the business performance of an enterprise” [Gartner 2001, S. 1]. Damit erklärt Gartner Methoden, Metriken, Prozesse und IT-Systeme zur Überwachung und Steuerung von Unternehmensleistung zu Bestandteilen von CPM. Der Begriff Corporate Performance Management (CPM) selbst fungiert dabei als Überbegriff und fasst ebengenannte Bestandteile als gleichwertig zusammen. Während Gartner die CPM-Bestandteile nicht nach ihrer Wertigkeit sortiert, ist dies bei der BPM Standard Group der Fall: Diese hebt in ihrer Definition Prozesse als Bestandteil eines geschlossenen Regelkreislaufes (closed-loop) im Unternehmen besonders hervor, stärkt damit deren Bedeutung und betrachtet IT-Systeme als Werkzeug, um die

9

Unternehmensprozesse zu unterstützen. Somit sind die Bestandteile von CPM nicht gleichwertig, sondern besitzen eine unterschiedliche Wertigkeit.

Die BPM Standards Group definiert: “BPM is a set of integrated, closed-loop, management and analytic processes, supported by technology, that address financial as well as operational activities. BPM is an enabler for businesses in defining strategic goals, and then measuring and managing performance against those goals. Core BPM processes include financial and operational planning, consolidation and reporting, modelling, analysis, and monitoring of key performance indicators (KPIs) linked to organisational strategy [BPM Standards Group 2004].”

Auf den ersten Blick scheint es, als würden sich die beiden Definitionen widersprechen, denn beide Experten messen den Unternehmensprozessen unterschiedliche Bedeutung bei. Genauer betrachtet fällt jedoch auf, dass zwischen den Definitionen von Gartner und der BPM Standards Group einige Jahre liegen, in denen sich die Bedeutung der Prozesssicht verändert hat. Insbesondere die BPM Standard Group Definition manifestiert das neue Pro-zessbewusstsein, welches aus der sukzessiven Zunahme der Prozessautomatisierung in Unternehmen resultiert. Dies zeigt, dass die unterschiedliche Bedeutung von Unternehmensprozessen beider Definitionen ein Relikt der jüngsten Vergangenheit ist, die durch die zunehmende Prozessautomatisierung gekennzeichnet ist [Oehler 2006, S. 40]. Führt man sich zudem vor Augen, dass CPM fest in den Geschäftsprozessen verankert ist, ist dieses neue Prozessbewusstsein nicht überraschend entstanden.

Neben der Prozesssichtweise haben auch betriebswirtschaftliche und technikorientierte Ansätze Einfluss auf das Corporate Performance Management (CPM) – die Autoren diverser Beiträge konnten sich bislang jedoch nicht einigen, welcher der genannten Ansätze federführend ist. Dies scheint laut Oehler auch nicht notwendig, da es vielmehr darauf ankommt, die Betrachtungsweise zu ändern, möchte man CPM in seinem ganzen Ausmaß begreifen. Das heißt: Statt darüber zu diskutieren, welcher der drei Ansätze nun mehr zur Begriffsbildung CPM beigetragen habe, solle die Realisierung einer integrierten Unternehmenssteuerungsarchitektur, die zur Entscheidungsunterstützung beitrage, in den Vordergrund gerückt werden [Oehler 2006, S. 40]. Um dieses oberste Ziel zu erreichen, müssen alle Ansätze zusammengeführt und aus fachlicher Sicht integriert werden. Dafür müssen zunächst die fachlichen Anforderungen, dann die Daten betrachtet werden. Ein Beispiel für ein CPM-Architekturmodell liefert die BPM Standard Group (Abbildung 1).

10

Abbildung 01: CPM-Architekturmodell [BPM Standard Group 2004]

2.3 Anforderungen an Dashboards Informationen aus Dashboards können nach verschiedenen Kriterien ausgegeben werden. Gluchowski und Dittmar unterscheiden neun Kriterien, die jeweils mit zwei bis vier Merkmalsausprägungen umschrieben werden. Die neun Kriterien sind

- Reichweite, - Zweck, - Datentyp, - Anwendungsbereich, - Messgröße/Kennzahlen, - Informationsspektrum, - Aktualisierungshäufigkeit, - Interaktivität und - Darstellungstechnik [Gluchowski/Dittmar 2008, S. 218].

Jede Merkmalsausprägung dieser Kriterien kann dabei beliebig mit einer anderen Merkmalsausprägung eines anderen Kriteriums kombiniert werden. Je nach Anzahl und Art der Kombinationen ergeben sich eine Vielzahl von Möglichkeiten Granularität und Domäne in die Gestaltung von Führungsinformationen einfließen zu lassen.

11

Abbildung 02: Dashboard-Ausprägungen nach Kriterien differenziert [Gluchowski/Dittmar 2008, S.

218]

Malik definiert Charakteristika eines Dashboards und fasst diese mit dem Begriff „SMART“ zusammen. Jeder Buchstabe des Akronyms steht dabei für eine eigene Anforderung. Im Einzelnen setzt sich SMART aus folgenden Charakteristika zusammen [Malik 2005, S. 8]:

- Synergetic: Ein Dashboard muss ergonomisch und optisch effektiv gestaltet sein, um für den User relevante Informationen über die verschiedenen Aspekte in einer einzigen Bildschirmansicht darstellen zu können.

- Monitor-KPIs: Muss die kritischen KPIs anzeigen, die für eine effektive Entscheidungsfindung für den Einsatzbereich des Dashboards erforderlich sind.

- Accurate: Die dargestellten Informationen müssen sehr präzise sein, um das volle Vertrauen der Nutzer für das Dashboard gewinnen zu können. Die zu Grunde liegenden Dashboard-Daten müssen getestet und valide sein.

- Responsive: Vordefinierte Schwellenwerte müssen berücksichtigt und die visuelle Darstellung auf dem Dashboard (z. B. Sound-Alarme, E-Mails, Pager, Blinker) mit sofort nachvollziehbaren Meldungen ergänzt werden, die in kritischen Situationen die Aufmerksamkeit des Benutzers auf sich ziehen.

- Timely: Muss die neuesten Informationen für eine effektive Entscheidungsfindung anzeigen. Die Informationen müssen in Echtzeit und zur rechten Zeit angezeigt werden.

2.4 Modell für die Gestaltung von Management Dashboards Nachfolgend wird ein Modell für die Gestaltung eines Management Dashboards entworfen. Nach Munzner fallen bei der Entwicklung vier grundlegende Aufgaben an [Munzner 2009, S. 2]:

1. Domain Problem Characterization 2. Abstraction Design

12

3. Encoding und Interaction Design 4. Algorithm design

Abbildung 03: Information Dashboard Design [Munzner 2009, S. 2]

Die erste Ebene beinhaltet die Analyse der Herausforderungen und der Daten des Themen- bzw. Einsatzbereichs des Dashboards. Die zweite Ebene überführt den Themenbereich in logische Operationen und Daten des zukünftigen Benutzers. Die dritte Ebene entwirft die visuellen Designelemente und Interaktionsmodelle zur Unterstützung der logischen Operationen. Die vierte Ebene schafft schließlich einen Algorithmus, der das Design automatisch ausführt.

Auf der ersten Ebene geht es um die Analyse des Einsatzbereichs, insb. seines Vokabulars, seiner Begrifflichkeit und seiner Daten. Hier entsteht ein konzeptionelles Modell des Einsatzbereichs.

Die zweite Ebene überführt den spezifischen Einsatzbereich in ein abstraktes Modell des zukünftigen Dashboards. Während die erste Phase weitgehend von der Begrifflichkeit des Fachgebietes geprägt ist, dominiert in der zweiten Ebene die Begrifflichkeit des zukünftigen Dashboards aus IT-Sicht. In der Sprache des Software Engineerings könnte man für die erste Ebene auch den Begriff Anforderungsanalyse und für die zweite Ebene den Begriff Sollkonzept wählen.

Die zweite Ebene definiert die konkreten Vorgaben an die Visualisierung, die dann auf der dritten Ebene stattfindet. Dazu gehören insbesondere die Leistungen/Funktionen des Dashboards für den anvisierten Anwender sowie die Daten und Kennzahlen, die das Dashboard präsentieren soll. Hierbei ist festzulegen, wie die vorhandenen Rohdaten aufbereitet und später präsentiert werden sollen (z.B. auf einer Nominal- oder Ordinalskala). Die Herausforderung dabei besteht darin, das richtige Datenformat zu finden, damit die nachfolgende Visualisierung das fachliche Problem adäquat darstellen kann.

Die dritte Ebene definiert die visuelle Darstellung und das Interaktionsmodell des Dashboards. Dazu überführt sie die Ergebnisse der zweiten Ebene (Abstraktion) in ein visuelles Konzept, das problemgerecht und prägnant ist. Hierbei ist zum einen das richtige Darstellungsmittel für die definierten Datenformate und Kennzahlen zu wählen, z.B. ein Säulen- oder Balkendiagramm für ein eindimensionales Datenformat. Daneben sind sinnvolle Designelemente wie Position, Größe, Textur oder Farbe zu wählen.

Aufbauend auf dem Konzept von Munzner leiten wir ein 4-Ebenen-Modell für die Gestaltung eines Management Dashboards ab (Abbildung 4).

13

Abbildung 04: Vier Ebenen Modell Dashboard-Design [Eigene Darstellung]

Ebene 1: Aufgaben Ebene 2: Analytische Operationen Ebene 3: Designelemente Ebene 4: Dashboard

Zwischen diesen vier Ebenen bestehen drei zentrale Entwurfsaufgaben:

- Abstraktion - Visual Encoding - Screendesign

Diese Aufgaben werden in den nachfolgenden Kapiteln beschrieben und die grundsätzlichen Gestaltungsfelder erläutert.

14

3 Abstraktion Die Aufgabe der Abstraktion ist es, im Sinne eines Sollkonzepts ein analytisches Modell des Dashboards zu entwerfen. Darunter verstehen wir Aussagen darüber, welchen Informationsbedarf des Entscheidungsträgers das Dashboard adressieren soll und welche Entscheidungssituationen und Aufgaben das Dashboard unterstützen soll. Die Abstraktion wird oftmals nur unzureichend durchgeführt. Dies liegt vor allem daran, dass die aus dem Software Engineering bekannten Entwurfsmethoden nur zum Teil auf die spezifischen Belange von Dashboards angewendet werden können. So bleibt die Abstraktion oftmals eine intuitive, wenig formalisierbare Aufgabe des Entwicklers.

“This abstraction stage is often the hardest to get right. Many designers skip over the domain problem characterization level, assume the first abstraction that comes to mind is the correct one, and jump immediately into the third visual encoding level because they assume it is the only real or interesting design problem [Munzner 2009, S. 2].” Es fallen dabei vor allem die zwei Analysen an:

- Aufgabenanalyse und - Informationsbedarfsanalyse

3.1 Aufgabenanalyse Die Aufgabenanalyse hat das Ziel, den Anwendungsbereich des Dashboards zu beschreiben. Dazu sind über die Ziele des Dashboards die Operationen des Anwenders zu entwerfen. Die Ergebnisse der Aufgabenanalyse sind:

- Ziel des Dashboards („Framing Statement“) Das Framing-Statement definiert das Ziel des Dashboards. Es sollte an einem klaren Geschäftsziel ausgerichtet sein.

- Operationen des Benutzers mit dem Dashboard/Basisfragen Die Operationen des Benutzers mit dem Dashboard definieren den Funktions-umfang des Dashboards. In der Literatur existieren verschiedene Taxonomien für generische Basisoperationen eines Dashboards.

o Amar und Stasko schlagen die Operationen “expose uncertainty, concretize relationships, formulate cause and effect, determine domain parameters, multivariate explanation, confirm hypotheses” vor [Amar/Stasko 2004, S. 146 f.].

o Amar, Eagan und Stasko unterscheiden die Operationen “retrieve value, filter, compute derived value, find extremum, sort, determine range, characterize distribution, find anomalies, cluster, correlate” [Amar et al. 2005. S. 113].

Als praktikabler Ansatz zur Ableitung der Operationen des Dashboards empfiehlt es sich, Fragen zu formulieren, auf die der Benutzer Antworten vom Dashboard erwartet. Die Fragen führen zu den Operationen des Dashboards.

3.2 Informationsbedarfsanalyse Die Informationsbedarfsanalyse hat das Ziel, die Daten zu analysieren und zu entwerfen, auf die das Dashboard aufsetzen und visualisieren soll. Die Ergebnisse der Datenanalyse sind:

15

- Kritische Erfolgsfaktoren Die von Rockart vorgeschlagene Methode der kritischen Erfolgsfaktoren geht davon aus, dass sowohl auf Unternehmensebene als auch auf der Ebene einzelner Entscheidungsträger eine Reihe von Faktoren existieren, die den Erfolg der Aufgabenerfüllung ausmachen. Die Identifikation dieser Erfolgsfaktoren steht am Beginn der Informationsbedarfsanalyse. Aus den Erfolgsfaktoren leitet sich dann der Informationsbedarf ab [Rockart 1979, S. 81-93].

- Kennzahlen und Dimensionen Zentrales Merkmal eines Dashboards ist die Berechnung von Kennzahlen. Die gewünschten Kennzahlen sind festzulegen und die Dimensionen, nach denen die Kennzahlen analysiert werden sollen [Malik 2005, S. 15-23].

- Zielwerte für Kennzahlen Falls Zielwerte für Kennzahlen gewünscht sind, sind diese zu erarbeiten.

- Vergleichswerte für Kennzahlen Falls Vergleichswerte für Kennzahlen berücksichtigt werden sollen, sind diese zu benennen.

- Schwellwerte und Alerts Falls Schwellwerte oder kritische Werte für Kennzahlen von Bedeutung sind, sind diese zusammen mit gewünschten Alarmen festzulegen [Malik 2005, S. 26-29 und 59-67]

- Navigationsstruktur und Detaillierungsgrad Die Zusammenhänge zwischen Kennzahlen im Sinne einer Navigationsstruktur sind zu erarbeiten. Hierbei ist zugleich festzulegen, wie detailliert Daten für den Anwender analysiert werden sollen (drill-down).

3.3 Anwendungsbeispiel Die bisherigen Ausführungen sollen nun an einem Beispiel illustriert werden:

Für den Leiter Marketing eines Konsumgüterunternehmens soll ein Dashboard erstellt werden. Nach ersten Interviews wurde folgende Analyse als besonders für ihn wichtig identifiziert:

- Umsatzanalyse - Kundenbesuchsanalyse - Kundenpotentialanalyse - Angebotserfolgsanalyse

Nachfolgend soll die Kundenbesuchsanalyse näher beschrieben werden: Detailbeschreibung Kundenbesuchsanalyse Ziel der Analyse („Framing Statement“) Ziel der Kundenbesuchsanalyse ist die Analyse des Zusammenhangs zwischen der Häufig-keit von Kundenbesuchen und dem erzielten Umsatz. Die ADM des Unternehmens be-suchen regelmäßig die Kunden. Ziel ist eine Analyse des Usachen-Wirkungsgefüges zwischen Kundenbesuchen und Umsatz. Operationen / Basisfragen

16

- Wie häufig wurden Kunden vom Außendienst besucht? Gibt es einen Zusammenhang zwischen der Häufigkeit von Kundenbesuchen und dem Umsatz?

- Ist der Zusammenhang bei A-Kunden stärker als bei B-Kunden?

Kritische Erfolgsfaktoren

- Kundennähe - Verstehen der Wünsche der Kunden

Kennzahlen und Dimensionen Besuchshäufigkeit mit den Dimensionen Mitarbeiter, Kunde, Kundenklasse und ADM

Zielwerte für Kennzahlen Bei A Kunden sollten pro 10.000 Euro Umsatz max. 5 Besuche erforderlich sein.

Vergleichswerte für Kennzahlen Vorjahresvergleich

Schwellwerte und Alerts Kunden, bei denen 5 Besuche stattgefunden haben und die in dem Betrachtungszeitpunkt noch nicht bestellt haben, sollen ausgewiesen werden.

17

4 Visual Encoding Werden wichtige Regeln zur Visualisierung von Inhalten in Dashboards nicht berücksichtigt, hat die Visualisierung versagt und Informationen werden entweder nur sehr langsam oder gar falsch vom Betrachter entschlüsselt. Damit dies nicht passiert, müssen einige Anforderungen an gute Visualisierung von Informationen berücksichtigt werden.

In den nachfolgenden Abschnitten werden diese Anforderungen erläutert. Das Kapitel schließt mit einer Beschreibung ausgewählter Grafik-Elemente.

4.1 Expressivität, Effektivität und Angemessenheit Expressivität wird genau dann erreicht, wenn eine Grafik nur diejenigen Elemente verwendet, die dazu notwendig sind eine Aussage unverfälscht an den Betrachter zu vermitteln. Sie enthält keine überflüssigen Elemente mehr, sog. Chartjunk1 wurde vollständig entfernt. Der Grad an Expressivität ist zudem von Struktur und Art der zu visualisierenden Daten abhängig [Schumann/Müller 2000, S. 9 f.]. Obwohl die grafische Darstellung von Daten immer mit verschiedenen Grafikelementen möglich ist, eignen sich einige Grafik-Elemente besser zur Darstellung von Sachverhalten als andere. Wie gut sich Grafik-Elemente zur Visualisierung von Daten eignen, drückt die Effektivität aus [Schumann/Müller 2000, S. 11 f.].

Neben der Expressivität ist die Effektivität bei der Auswahl geeigneter Visualisierungselemente nicht alleine ausschlaggebend. Dies ist vor allem dann der Fall, wenn dem Aufwand (z.B. den Kosten) zur Datenvisualisierung kein Nutzen in angemessener Weise gegenübersteht. Hier rückt die Betrachtung von Angemessenheit in den Vordergrund [Schumann/Müller 2000, S. 12].

Wann welches Grafik-Element für welchen Datentypus verwendet werden kann, kann der Klassifikation aus Abschnitt 4.9.2 entnommen werden.

4.2 Regeln zur Datengestaltung nach Few Werden die von Few identifizierten Design-Fehler ins Gegenteil umgekehrt, erhält man als Ergebnis eine Checkliste mit Regeln guten Dashboard-Designs [Few 2006, S. 50-76]:

- Alle relevanten Informationen müssen auf einem Blick wahrgenommen bzw. auf einer Bildschirmseite angezeigt werden können

- Daten müssen im Rahmen eines passenden Kontexts dargestellt werden - Informationen dürfen nicht zu detailliert sein - Es müssen angemessene Maßeinheiten gewählt werden - Es müssen angemessene Grafik-Elemente gewählt werden

1 Der Begriff Chartjunk stammt von Tufte. Er bezeichnet damit Elemente einer Grafik, die

keinen Inhalt vermitteln und lediglich dazu dienen, Grafiken „aufzuhübschen“ [Tufte 2003, S.

34].

18

- Nur eine sinnvolle Auswahl an Grafik-Elemente verwenden, um Informationen darzustellen

- Die Grafik-Elemente müssen angemessen2 gestaltet sein - Quantitative Daten müssen in einer angemessenen Weise verschlüsselt werden - Die Daten müssen richtig am Bildschirm platziert werden - Wichtige Informationen müssen ausreichend hervorgehoben werden - Keine „dekorativen“ Elemente ohne Inhalt verwenden - Farben sparsam einsetzen

Diese Regeln sind schon sehr viel konkreter als nur die Nennung und Beschreibung der zuvor beschriebenen Grund-Anforderungen Expressivität, Effektivität und Angemessenheit. Jedoch definieren Sie ebenfalls nur das Ziel. Der Weg um dieses Ziel zu erreichen kann unter Anwendung von Gestaltgesetzen beschritten werden.

4.3 Wahrnehmung und Gestaltgesetze Für das Design von Dashboard-Elementen existieren grundlegende Richtlinien, die Beachtung finden sollten. So gibt es etwa Gestaltrichtlinien, die ursprünglich aus dem Bereich der Wahrnehmungspsychologie stammen. „Um Wahrnehmung beurteilen zu können, ist zu berücksichtigen, dass das Wahrgenommene nicht nur im Ganzen zu betrachten ist, sondern stets auch die Elemente im Einzelnen, die das Ganze bilden und unterschiedlich wahrnehmbar machen, je nachdem, wie sich die einzelnen Elemente gegenseitig beeinflussen [Stapelkamp 2007, S. 18].“ Gestaltgesetze oder besser Gestaltprinzipien, dienen dem strukturierten Anordnen von kleinen Teilen zu einem Ganzen [Stapelkamp 2007, S. 18]. Folgend ein Auszug aus den Gestaltgesetzen, die beim Design von Screen-Elementen hilfreich sind [Stapelkamp 2007, S.106 ff.].

Das Prinzip der Prägnanz Das Prinzip der Prägnanz, auch bekannt als „Prinzip der guten Gestalt“, ist ein zentrales Prinzip der Gestaltpsychologie. Die Anordnung aus verschiedenen Elementen, wird stets so gesehen, dass die resultierende Struktur so einfach wie möglich ist. In Abbildung 5 wird das Gesamtbild als eine Gruppierung von fünf Kreisen wahrgenommen (Abbildung 5a)) und nicht als eine Anordnung der eigentlich neun Einzel-Elemente (Abbildung 5b)). Verwendet werden sollten deswegen möglichst einfache Grundstrukturen [Stapelkamp 2007, S. 108].

2 Angemessene Gestaltung muss effizient sein. Dafür müssen Aufwand und Nutzen in

einem ausgewogenen Verhältnis zueinanderstehen [Schumann/Müller 2000, S. 12].

19

Abbildung 05: Prinzip der Prägnanz [Stapelkamp 2007, S. 108]

Das Prinzip der Ähnlichkeit Ähnlich aussehende Elemente werden als zusammengehörig betrachtet. Ein Stilmittel hierzu ist das Verwenden von gleichartigen Symbolen oder Farben (Abbildung 6). Elemente, die zusammengehören, sollen optisch ähnliche Eigenschaften besitzen (z.B. gleiche Farben bzw. Formen) [Stapelkamp 2007, S. 108].

Abbildung 06: Prinzip der Ähnlichkeit [Stapelkamp 2007, S. 108]

Das Prinzip der Nähe Nahe beieinanderliegende Dinge werden als zusammengehörig interpretiert (Abbildung 7). Zusammengehörige Elemente sollten deswegen nahe beieinander gruppiert werden [Stapelkamp 2007, S. 109].

Abbildung 07: Prinzip der Nähe [Stapelkamp 2007, S. 111]

Das Prinzip des gemeinsamen Schicksals Dinge, die sich in die gleiche Richtung bewegen, werden als zusammengehörig wahrgenommen [Stapelkamp 2007, S. 109]. Das Prinzip der gemeinsamen Region In der gleichen Region liegende Elemente werden zusammengruppiert. Eine Region kann beispielsweise ein Rahmen sein, in dem Elemente angeordnet sind. In Abbildung 8 werden

20

die nahe beieinanderliegenden Punkte nicht zusammengruppiert, da sie jeweils Bestandteil eines anderen Begrenzungsrahmens (Kreises) sind. Aus diesem Grund sollten zusammengehörige Elemente, wenn sie nicht zusammengruppiert werden können, durch eine gemeinsame Begrenzung gekennzeichnet werden [Stapelkamp 2007, S. 110].

Abbildung 08: Prinzip der gemeinsamen Region [Stapelkamp 2007, S. 111]

Das Prinzip der Verbundenheit von Elementen Miteinander verbundene Elemente werden als Einheit gesehen (Abbildung 9) [Stapelkamp 2007, S. 110].

Abbildung 09: Prinzip der Verbundenheit von Elementen [Stapelkamp 2007, S. 111]

Das Prinzip der zeitlichen Synchronizität Visuelle Ereignisse, die gleichzeitig auftreten, werden als zusammengehörig interpretiert. Im Gegensatz zum Prinzip des gemeinsamen Schicksals ist keine gemeinsame Bewegung erforderlich (Abbildung 10). Werden beispielsweise Systemzustände bzw. Systemfeedback (Alerts, ...) angezeigt, so sollten alle Einzelzustände synchron dargestellt werden [Stapelkamp 2007, S. 111].

Abbildung 10: Prinzip der zeitlichen Synchronizität [Stapelkamp 2007, S. 111]

4.4 Visuelle Aufmerksamkeit Aufmerksamkeit ist für die Wahrnehmung von Objekten und Elementen notwendig. Beim Betrachten eines Screens, der beispielsweise mit einzelnen Dashboard-Elementen gefüllt ist, findet in einem ersten Schritt ein Scannen der Szenerie statt, d.h. das Auge springt in Sakkaden3 über den Bildschirm und versucht die jeweiligen Elemente zu erfassen, diese zu identifizieren. Dieser Vorgang sollte durch User Centered Design4 erleichtert werden. Für das Erkennen von Änderungen innerhalb von Elementen ist ein Erreichen der dazu nötigen Aufmerksamkeit essentiell, d.h. die Änderungen, beispielsweise bei

3 „Die Aufnahme visueller Reize erfolgt durch das Abtasten der Umgebung. Dabei führen die

Augen eine Reihe kleiner ruckartiger Bewegungen durch, die als Sakkaden bezeichnet

werden“ [Bosch et al. 2006, S. 366]. 4 „Wenn die Interessen des Benutzer permanent im Mittelpunkt stehen, spricht man von

User Centered Design (UCD)“ [Giordano/Hummel 2006, S. 106].

21

Systemausgaben, sollten so dargestellt werden, dass sie vom User direkt erkannt werden [Goldstein 2008, S. 130 f.].

4.5 Farben Durch Farbe lassen sich Zustände einfacher identifizieren und klassifizieren. Allerdings ist es relativ schwierig, allgemeingültige Regeln für ihren Einsatz zu definieren, da Farben, je nach kulturellem Hintergrund, unterschiedlich interpretiert werden [Goldstein 2008, S. 157 f. und Stapelkamp 2007, S. 83].

Bei der Wahl von Farben spielt neben dem ästhetischen Aspekt insbesondere die Wahrnehmung der Farben eine wichtige Rolle. So wird beispielsweise positives Feedback mit der Farbe Grün verbunden und negatives mit Rot. Speziell bei diesen beiden Farben, die oftmals in Grafiken gemeinsam verwendet werden (Ampel, Tacho, ...) besteht ein Problem, welches gerne vernachlässigt wird: ca. 9% der Menschen leiden an Farbfehlsichtigkeit (Monochromasie bzw. Achromatopsie) und können grün und rot bzw. weitere Farben nicht unterscheiden, nehmen diese nur als Grautöne wahr (siehe Abbildung 11) [Goldstein 2008, S. 166 f.].

Abbildung 11: Farbskala Achromatopsie [Stapelkamp 2007, S. 88]

Deswegen folgende Empfehlung: Eine (farbige) Grafik oder ein Symbol sollte so gestaltet werden, dass deren Botschaft auch ohne Farbe verstanden werden kann. Ein grüner Kreis als Feedback für einen Zustand wäre für Personen mit beeinträchtigter Farbwahrnehmung ungeeignet, würde von diesem nur als grauer Punkt wahrgenommen werden (siehe Abbildung 12). Ein Pfeil als Zustandsfeedback wiederum wäre geeignet, da er mit Hilfe von zwei Gestaltungsmitteln (Farbe und Pfeilsymbolik) den Zustand anzeigt [Goldstein 2008, S. 166 f.].

Kontrast und Farbe Hier gilt der Grundsatz: Weniger ist mehr! Farbe sollte besonders bei Output-Systemen nur dann eingesetzt werden, wenn dadurch ein Mehrwert entsteht und darüber hinaus nur als Werkzeug der Gestaltung betrachtet werden [Runk 2006, S. 188 ff.]. Bunt-Unbunt-Kontrast Der Bunt-Unbunt-Kontrast (Abbildung 13) ist ein für das Interface- und Screendesign sehr geeigneter Kontrast. Aus Usability-Sicht ist das Anordnen von großen grauen Flächen mit punktuell eingesetzten Farbkontrasten für den User sehr einfach zu erkennen, führt zu

Abbildung 12: Grafik versus Symbol [eigene Darstellung]

22

einem reduzierten Cognitive Load5. Gleiches gilt für den in Abbildung 14 abgebildeten Hell-Dunkel-Kontrast [Stapelkamp 2007, S. 66 f.]:

Abbildung 13: Bunt- und Unbunt-Kontrast [Stapelkamp 2007, S. 66]

Abbildung 14: Hell- und Dunkel-Kontrast [Stapelkamp 2007, S. 68]

Icon Icons finden ihren Einsatz als Unterstützung in der Kommunikation mit Dialogsystemen und sollten der Effizienzsteigerung dienen. So wird beispielsweise ein als Icon dargestellter Papierkorb mit der Funktion „löschen“ verbunden. Diese Symbolik (Icon-Metapher) ist eine in allen Kulturkreisen anerkannte Konvention. Ein Icon mit einem Buchstaben „L“ (löschen) wäre dagegen nicht hilfreich, würde nicht zur Verbesserung der Usabilty beitragen. Ikon-basierte bzw. Ikon-unterstützte Oberflächen bieten den Vorteil, dass unabhängig von den Sprach- oder Lesefähigkeiten ein System bedienbar ist, allerdings ist beim Icon-Design darauf zu achten, dass diese selbstbeschreibend sind. [Stapelkamp 2007, S. 158 ff.]

Aus Usability-Sicht sollten zudem nur Icons angezeigt werden, die für die Durchführung der Arbeitsaufgabe benötigt werden und auswählbar sind, d.h. sogenannte „ausgegraute“, nicht in dieser Aktion anklickbare Icons, sollten nicht visualisiert werden [Beuth 2004, DIN EN ISO 9241-(1)10].

4.6 Schriften Typographie ist ein wichtiger Faktor beim Designen von Software [Runk 2006, S. 168].

Ein Monitor, der heute auch als Lesemedium dient, wurde ursprünglich nur als Anzeigemedium für strukturierte Daten entwickelt. Ein wesentlicher Unterschied zu einem klassischen Medium (Buch, Skript, ...) besteht darin, dass Information auf einem Monitor im Querformat angezeigt werden und dass das Lesen von Texten das Auge wesentlich mehr ermüdet, als das Lesen in Printmedien.

Texte, die in dunkler Schrift dargestellt werden, sollten, nicht wie oftmals angenommen, auf weißem Hintergrund dargestellt werden, sondern mit einem leichten hellen Hintergrundton

5 „Unter Cognitive Load wird die Belastung des Arbeitsgedächtnisses durch die Verarbeitung neuer Informationen verstanden [Krüger/Vogt 2007, S. 156].“

23

kombiniert werden – dadurch wird eine Ermüdung der Augen verringert [Runk 2006, S. 186 f.].

Im Vergleich zu Printmedien sollte die Zeilenlänge auf ca. 30 bis 40 Zeichen verkürzt werden und der Zeilenabstand erhöht werden. Dies erleichtert die Lesbarkeit eines angezeigten Textes. Die Schriftgröße, die optimal zwischen 14 und 16px liegt, sollte im Idealfall individuell angepasst werden können. Im Gegensatz zu Printmedien, bei denen zur Leseerleichterung Serife Schriften eingesetzt werden, sollten beim Medium Monitor Sans Serife Schriften genutzt werden [Runk 2006, S. 193].

Durch die geringere Auslösung des Monitors im Vergleich zum Printmedium lassen sich die feinen Serifen-Schriften meist nur unscharf und unsauber darstellen. Darüber hinaus ist ein Monitor ein leuchtendes Medium und dies hat zur Folge, dass dünne Linien überstrahlt werden, was wiederrum zu einer Unschärfe führt. Empfohlen werden kann eine Verwendung der Sans Serifen Schriften Verdana, Vera Sans und bei größeren Schriftgraden Arial [Runk 2006, S. 189 ff.].

4.7 Elementendesign Dashboard-Elemente, die letztendlich dem Dialog zwischen Mensch und Computer dienen, unterliegen den in der ISO Norm 9241 definierten Leitsätzen der Usability6.

Besondere Aufmerksamkeit sollte beim Design von Dashboard-Elementen den sieben Grundsätzen der Dialoggestaltung geschenkt werden. In den folgenden Punkten werden diese beschrieben und die für das Dashboard-Design relevanten Regeln aufgelistet [Beuth 2004, DIN EN ISO 9241-(1)10, S.3].

6 „Usability ist das Ausmaß, in dem ein Produkt durch bestimmte Benutzer in einem bestimmten Nutzungskontext genutzt werden kann, um bestimmte Ziele effektiv, effizient und zufriedenstellend zu erreichen.“ [Beuth 2004, DIN EN ISO 9241-11, S.4]

24

Abbildung 15: Überblick ISO 9241 [Beuth 2004, DIN EN ISO 9241-(1)10]

Aufgabenangemessenheit „Ein Dialog ist aufgabenangemessen, wenn er den Benutzer unterstützt, seine Arbeitsaufgabe effektiv und effizient zu erledigen [Beuth 2004, DIN EN ISO 9241-(1)10, S.4].“ Beispielsweise sollten

• nur solche Informationen angezeigt werden, die im Zusammenhang mit der Arbeitsaufgabe stehen,

• Dialoge so gestaltet sein, dass die Komplexität der Arbeitsaufgabe sowie die Fertigkeiten und Fähigkeiten der User berücksichtigt werden und

• keine unnötigen Arbeitsschritte erforderlich sein. Selbstbeschreibungsfähigkeit „Ein Dialog ist selbstbeschreibungsfähig, wenn jeder einzelne Dialogschritt durch Rückmeldung des Dialogsystems unmittelbar verständlich ist oder dem Benutzer auf Anfrage erklärt wird [Beuth 2004, DIN EN ISO 9241-(1)10, S.5].“ Zum Beispiel sollten

• Änderungen des Zustandes des Dialogsystems jederzeit erkennbar sein,

• Vorliegende Vorgabewerte dem Nutzer verfügbar gemacht werden. Steuerbarkeit

25

„Ein Dialog ist steuerbar, wenn der Benutzer in der Lage ist, den Dialogablauf zu starten sowie seine Richtung und Geschwindigkeit zu beeinflussen, bis das Ziel erreicht ist [Beuth 2004, DIN EN ISO 9241-(1)10, S.6].“ Empfehlungen:

• Der Nutzer sollte jederzeit Kontrolle darüber besitzen, wie ein Dialog fortgeführt wird.

• Beim Unterbrechen eines Dialoges sollte der User immer die Möglichkeit haben, diesen an einem Wiederaufnahmepunkt weiterzuführen.

Erwartungskonformität „Ein Dialog ist erwartungskonform, wenn er konsistent ist und den Merkmalen des Benutzers entspricht, z.B. seinen Kenntnissen aus dem Arbeitsgebiet, seiner Ausbildung und seiner Erfahrung sowie den allgemein anerkannten Konventionen [Beuth 2004, DIN EN ISO 9241-(1)10, S.6].“ Beispielsweise sollten

• Dialogverhalten und Informationsdarstellung einheitlich sein,

• Dialogzustandsänderungen sollten auf einheitliche Art und Weise dargestellt werden,

• bei Eingaben in das System unmittelbar eine Rückmeldung erfolgen und

• bei unerwartet langen Antwortzeiten des Systems ein Hinweis erscheinen. Fehlertoleranz „Ein Dialog ist fehlertolerant, wenn das beabsichtigte Arbeitsergebnis trotz erkennbar fehlerhafter Eingaben entweder mit keinem oder mit minimalen Korrekturaufwand seitens des Benutzer erreicht werden kann [Beuth 2004, DIN EN ISO 9241-(1)10, S.7].“ Es sollen

• auftretende Fehler dem User erläutert werden,

• Automatisch korrigierte Fehler angezeigt werden und

• Eingegebene Daten überprüft werden, bevor das System sie verarbeitet.

Individualisierbarkeit „Ein Dialog ist individualisierbar, wenn das Dialogsystem Anpassungen an die Erfordernisse der Arbeitsaufgabe sowie an die individuellen Fähigkeiten und Vorlieben des Benutzers zulässt [Beuth 2004, DIN EN ISO 9241-(1)10, S.7].“

• Grafiken sollten so gewählt werden, dass sie ihre Informationen auch in Graustufen verständlich sind, Nutzer sich diese in Graustufen anzeigen lassen können.

• Das Dialogsystem sollte an die Fähigkeiten sowie das individuelle Wissen und Erfahrungen der User anpassbar sein (z.B. verschieden Modi, Novize, Experte, ...).

Lernförderlichkeit „Ein Dialog ist lernförderlich, wenn er den Benutzer beim Erlernen des Dialogsystems unterstützt und anleitet“ [Beuth 2004, DIN EN ISO 9241-(1)10, S.7]. So können beispielsweise für bestimmte Funktionen ShortCut hinterlegt werden.

26

4.8 Grafik-Elemente 4.8.1 Text

Der Text ist die Grundlage jeder Tabelle und jedes Grafikelementes: Text vermittelt Informationen, Informationen wiederum werden über Listen, Tabellen und Grafikelemente vermittelt. Text enthält keine grafischen Elemente und eignet sich sowohl für die Darstellung qualitativer als auch quantitativer Daten. In Dashboards eignet sich Text besonders bei der Informationsvermittlung von bis zu zwei Zahlen. Few umschreibt dies folgendermaßen [Few 2006, S. 38]: „When the quantitative information you want to convey consists only of a single number or two, written language is an effective means of communication; your message can be expressed simply as a sentence [...]. If your message is that last quarter’s sales totaled $ 1,485.393 and exceeded the forecast by 16%, then it isn’t necessary to structure the message as a table, and there is certainly need to create a graph. You can simply say something like: Q2 sales = $ 1,485.393, exceeding forecast by 16%.“

Welche Regeln für die Gestaltung von Schriften am Bildschirm bzw. für Dashboards gelten, kann Abschnitt 4.6 (Schriften) entnommen werden.

4.8.2 Tabelle Tabellen können in die Kategorie Textgrafik eingeordnet werden [Liebig 1999a, S. 26 UND Liebig 1999b, S. 40] und bestehen – wie der Name der Kategorie Textgrafik beschreibt – aus Text und einem grafischen Element: den Linien. Die Inhalte der Tabellen bestehen sowohl aus quantitativen als auch kategorialen Daten, welche in Zellen angeordnet sind. Letztere ergeben sich aus der Überlagerung von Spalten und Zeilen [Few 2004, S. 41].

Informationen werden über Tabellen schneller als bei reinem Text vermittelt, jedoch langsamer als bei einer grafischen Darstellung [Bouchon, S. 19].

Tabellen sollten in Dashboards nur verwendet werden, wenn „einfache“ Beziehungen zwischen Kategorien und den jeweils zuordenbaren quantitativen Werten angezeigt, lokale Vergleiche durchgeführt und einzelne Werte nachgeschlagen werden sollen [Few 2004, S. 41 f.]. Tabellen eignet sich in Dashboards vor allem dafür, dem Betrachter schnell einen detaillierten Überblick über das Geschehene zu vermitteln [Eckerson 2011, S. 245ff.].

Das hohe Präzisionslevel, mit dem die Daten über Tabellen vermitteln werden, kann keine Grafik abbilden. Tabellen beinhalten häufig mehrere quantitative Werte, die zudem in verschiedenen Maß-Einheiten beschrieben werden – dies kann in einer einzigen Grafik nicht abgebildet werden, da eine Grafik für gewöhnlich nur eine quantitative Skalierung und eine Maß-Einheit ausweist [Few 2004, S. 42]. Wann werden also Tabellen verwendet und wann Grafiken? Robbins beantwortet diese Frage folgendermaßen: „Graphs are for the forest and tables are for the trees. Graphs give you the big picture and show you the trends; tables give you the details [Robbins 2005, S. 344].”

4.8.3 Kuchendiagramm Kuchendiagramme, welche synonym auch als Kuchen- bzw. Tortendiagramm (im englischen pie chart) bezeichnet werden, können in die Kategorie statistische Infografik eingeordnet werden. Ihr charakteristisches Aussehen verdankt diese Infografik der Anordnung ihrer Bestandteile: Ein Kuchendiagramm besteht aus einer runden Grafik, die in einzelne Sektoren unterteilt ist. Die Sektoren wiederum bestehen jeweils aus einer Fläche, die sich ihrerseits aus der Größe der (Innen-)Winkel und der Bogenlänge zusammensetzt. Die Größe jedes einzelnen Sektors spiegelt dabei den mengenmäßigen Anteil einer Teilmenge im

27

Verhältnis zur Gesamtmenge wieder: Je größer ein Sektor ist, desto größer ist auch der Anteil am Ganzen. Die Inhalte der Grafik ergeben sich sowohl aus quantitativen als auch aus kategorialen Daten. Die Ausgabe quantitativer Werte kann jeweils nur für eine Kategorie entweder absolut oder prozentual erfolgen. Damit sich die Sektoren optisch voneinander unterscheiden, hat jeder Sektor eine andere Farbe bzw. Farbschattierung. Eine Abwandlung des Kuchendiagramms ist z. B. das „halbe“ Kuchendiagramm [Bouchon 2007, S. 26]. Kuchendiagramme eignen sich nur sehr schlecht für die Darstellung von Informationen, weil der Betrachter das Winkelmaß jedes Sektors und den proportionalen Anteil zur Gesamtmenge zumeist falsch einschätzt. Er neigt dazu, das Winkelmaß zu über- bzw. unterschätzen [Becker/Cleveland 1996, S. 50].

Unterscheiden sich die Größen der einzelnen Sektoren (bzw. Werte) in einem Kuchendiagramm nur minimal, ist der Betrachter nicht in der Lage diese Kleinst-Unterschiede wahrzunehmen: Abbildung 16 (links) zeigt die Umsätze von drei Produkten in einem Kuchendiagramm an. Eine Angabe zur Größe der einzelnen Sektoren fehlt; Der Betrachter kann mit dem bloßen Auge nicht erkennen, ob Produkt A oder B umsatzstärker ist. Erst wenn den einzelnen Sektoren Größenangaben zugeordnet werden, zeigt sich, dass Produkt A umsatzstärker ist als B (Abbildung 16, rechts).

Abbildung 16: Kuchendiagramm mit und ohne Größenangabe

Verglichen mit anderen Darstellungsformen benötigen Kuchendiagramme viel Platz, um verhältnismäßig wenig Informationen anzuzeigen (niedrige Informationsdichte) [Few 2007]. Kuchendiagramme sind damit in ihrer Informationsdarstellung ineffektiv und sollten in Dashboards zur Vermittlung von Informationen nicht verwendet werden [Robbins 2005, Few 2004 und 2006].

Eine bessere Alternative stellt hingegen die Verwendung von Balken- oder Säulendiagrammen dar.

4.8.4 Säulen- bzw. Balkendiagramm Säulen- und Balkendiagramme sind längenproportionale Darstellungen und können in die Kategorie statistische Infografik eingeordnet werden. Beide Darstellungsformen setzen sich aus denselben Bestandteilen zusammen und unterscheiden sich in ihrer Anordnung der Balken: Während Balken in Säulendiagrammen (synonym auch Histogramm) vertikal angeordnet werden, werden diese in Balkendiagrammen horizontal angeordnet [Bouchon 2007, S. 23]. In den klassischen Säulen- bzw. Balkendiagrammen können jeweils nur Werte einer Kategorie visualisiert werden. Wenn Datenwerte mehrerer Kategorien angezeigt werden sollen, müssen Säulen- und Balkendiagramme angepasst werden, in z.B. ein Stapelsäulendiagramm oder ein gruppiertes Säulendiagramm. Diese beiden abgewandelten Infografiken unterscheiden sich in der Art, wie Werte in Säulen dargestellt werden: Werden die Werte mehrerer Kategorien übereinander in einer Säule abgetragen spricht man von

28

einem Stapelsäulen- oder Balkendiagramm, oder im englischen von einem Stacked Bar Chart. Werden die Werte mehrerer Kategorien jedoch nebeneinander in ebenfalls mehreren Balken abgetragen – je Kategorie und Wert wird eine Säule verwendet – spricht man von einem gruppierten Säulen- oder Balkendiagramm, im engl. auch Clustered Bar Chart. Eine weitere Variation der Säulen-/Balkendiagrammen ist das Abweichungsdiagramm. Es wird dann verwendet, wenn sowohl positive als auch negative Werte verglichen werden sollen. Dafür werden die Werte von der Grundlinie aus in unterschiedliche Richtungen abgetragen [Bouchon S. 24]. Zur Darstellung und dem Vergleich von Werten mehrerer Kategorien sollte – obwohl möglich – auf die Darstellung von Stapel-Säulendiagrammen verzichtet und stattdessen gruppierte Säulen-/Balkendiagramme verwendet werden. Der Grund: Ein Betrachter kann bei einem Stapel-Säulendiagramm nur den ersten Wert ohne Probleme lesen – dafür muss nur der oberste Wert auf der Skala abgelesen werden, bis zu dem die erste Säule von der Grundlinie aus reicht. Bei jedem anderen Wert muss der Betrachter zwei Werte ablesen: Den unteren Wert (entspricht gleichzeitig den oberen Wert der vorangegangenen Säule) und den oberen Wert auf der Skala, bis zu dem die zweite Säule reicht. Damit der Wert der zweiten Säule mit dem der ersten Säule verglichen werden kann, muss bei der zweiten Säule die Differenz aus dem oberen und unteren Wert ermittelt werden. Bei gruppierten Säulen-/ Balkendiagrammen kann der Betrachter die Werte „einfach“ von der Skala ohne vorherige Berechnung der Werte ablesen und miteinander vergleichen – ohne vorher die Differenzen berechnen zu müssen [Few 2004, S. 74]. Eine einzige Ausnahme gibt es jedoch: Wenn nur die Gesamtwerte verschiedener Kategorien miteinander verglichen werden sollen und dem Betrachter gleichzeitig ein Eindruck von der Zusammensetzung der jeweiligen Gesamtwerte gegeben werden soll (und dabei die exakte Angabe der Teilwerte nicht interessiert), dann können gestapelte Säulendiagramme verwendet werden [Few 2004, S. 75]. Für die Darstellung und den Vergleich von Werten einer Kategorie in Dashboards können entweder Säulen- oder Balkendiagramme verwendet werden. Balkendiagramme bieten verglichen mit Säulendiagrammen jedoch bei der Beschriftung den Vorteil, dass die Beschriftung der Achsen für die, im westlichen Kulturraum, gewohnte Leserichtung erfolgt. Bei Säulendiagrammen muss der Text oft gekippt werden. Dies erschwert die Lesbarkeit [Spriessler 1999, S. 35]. Bei der Visualisierung und dem Vergleich von Werten mehrere Kategorien sollten den gestapelten Säulen-/Balkendiagrammen lieber gruppierte vorgezogen werden [Few 2006, S. 136]. Nach Few sollen nominal- und ordinalskalierte Daten mit Säulen- bzw. Balkendiagrammen dargestellt werden, da über die einzelnen Balken Daten miteinander verglichen werden können, indem ihre Balkenhöhe verglichen wird: „Bar Graphs […] are the best means to display measures subdivided into discrete instances along a nominal or ordinal scale. The visual weight of bars places emphasis on the individual values in the graph and makes it easy to compare individual values to one another by simply comparing the heigth of the bars [Few 2006, S. 132 f.].”

Säulen- und Balkendiagramme (und alle Abwandlungen davon) sollten verwendet werden, wenn die Werte einer Kategorie (mehrerer Kategorien) besonders hervorgehoben werden sollen. Sie eignen sich nicht zur Darstellung von metrischen (intervallskalierten) Daten oder den Verlauf von Trends [Few 2006, S. 133 f.].

4.8.5 Liniendiagramm Liniendiagramme werden in die Kategorie der statistischen Infografik eingeordnet und verwendet, wenn der Verlauf von Trends für einen bestimmten Zeitraum visualisiert werden

29

soll. Dazu trägt man auf der x-Achse den Zeitverlauf, auf der y-Achse die Kategorien ab. Zwar vermittelt ein Liniendiagramm den Eindruck von Vollständigkeit und Kontinuität, bildet diese aber nicht exakt ab. Denn: „Die Verbindung einzelner Punkte durch eine Linie erfolgt willkürlich und spiegelt nicht die reale Entwicklung wieder. Deshalb sollten die Abstände der gewählten Zeitpunkte und des dazugehörigen Zahlenwertes nicht zu weit auseinander liegen [Bouchon 2007, S. 25].“ In einem Liniendiagramm kann die Trendentwicklung sowohl von einer, als auch von mehreren Kategorien entlang einer Zeitreihe angezeigt werden. Für den Fall, dass mehrere Trends angezeigt werden sollen, ist darauf zu achten, dass jeder Trend in einer anderen Farbe angezeigt wird, dieselbe Grundlinie hat und Trends nicht übereinander gestapelt werden, da sonst „der genaue Wert […] aus der Differenz des oberen und des unteren Wertes berechnet werden [muss] [Bouchon 2007, S. 26].“ Dies erschwert die Vergleichbarkeit [Tankard 1989, S. 412]. Alle Werte, die innerhalb einer Zeitreihe mit einem Liniendiagramm visualisiert werden können, haben eine natürliche Reihenfolge und sind chronologisch geordnet. Daher sollten metrische (intervallskalierte) Daten mit Liniendiagrammen dargestellt werden – nicht jedoch nominal- oder ordinalskalierte Daten. Liniendiagramme können in Dashboards gut zur Darstellung von Trendentwicklungen verwendet werden, da diese den Schwerpunkt auf der Darstellung der gesamten Entwicklung und nicht auf einzelnen Werten haben [Few 2006, S. 132 ff.].

4.8.6 Sparklines Sparklines gehören ebenfalls zur Kategorie der statistischen Infografik und wurden von Edward Tufte entwickelt [Tufte 2006]. Sie haben maximal die Gesamthöhe und –länge eines mittellangen Wortes und finden zusammen mit diesen in einer Zeile Platz. Aufgrund ihrer einem Wort entsprechenden Größe, werden sie auch als Wortgrafiken bezeichnet [Kohlhammer et al. 2008, S. 25].

Obwohl Sparklines wie miniaturisierte Linien- oder Säulendiagramme aussehen, unterscheiden sie sich in einem Punkt wesentlich von ihnen: Sie besitzen keine quantitative Skalierung, d.h. Werte eines Zeitraumes werden zwar durch Säulen dargestellt, jedoch wird keinem der visualisierten Werte ein numerischer Zahlenwert zugeordnet. Einzige Ausnahme ist der letzte Wert: Dieser ist i.d.R. neben der Sparkline angeordnet und repräsentiert gleichzeitig auch den aktuellen Wert.

Genauere Angaben zur Skalierung sind bei Sparklines nicht nötig, da Sparklines dem Betrachter „nur“ eine Übersicht auf einen Blick über die Entwicklung vergangener Werte bis zum Ausgangswert geben sollen: „Their whole purpose is to provide a quick sense of historical context to enrich the meaning of the measure. […] Instead of details, you must display a quick view that can be assimiliated at a glance [Few 2006, S. 140].”

Als Darstellungsform der Werte in Sparklines können Linien- oder Säulendiagramme verwendet werden. Wann jeweils welcher Diagrammtyp verwendet werden soll, kann den vorangegangenen beiden Abschnitten Liniendiagramm und Säulen- bzw. Balkendiagramm entnommen werden.

Die Vorteile von Sparklines sind vielfältig: Neben einer hohen Informationsdichte und Ausdrucksstärke zeigen Sparklines den Jahresverlauf/die Trendentwicklung von Zahlenwerten platzsparend an und benötigen ebenso wenig Platz, wie ein mittellanges Wort. Durch Miniaturisierung wird darüber hinaus die Lesbarkeit von Zeitreihen verbessert [Bissantz 2008, S. 29 und Few 2006, S. 141].

30

Sparklines können innerhalb von Tabellen in Dashboards integriert werden. Dieses Konzept wird als „Konzept der grafischen Tabelle“ bezeichnet und verbindet die Vorteile von Tabellen und Grafiken, während ihre Nachteile vermieden werden. Warum? „In einer rein tabellarischen Darstellung ist das Muster bzw. die Entwicklung des Jahresverlaufs nicht erkennbar. Integriert man jedoch die Sparklines in Tabellen werden Lesbarkeit der Werte erhöht, Größenverhältnisse und Auffälligkeiten transportiert und Zahlenwerte in Längenverhältnisse übersetzt [Bissantz 2008, S. 29].“

4.8.7 Bullet Graph Bullet Graphs werden in die Kategorie der statistischen Infografik eingeordnet und wurden von Few entwickelt. Sie wurden „designed to display a key measure, along with a comparative measure and qualitative ranges to instantly declare if the measure is good, bad, or in some other state […]. It’s not much more than a bar graph with a single bar, or a thermometer without the reservoir at the end to hold the mercury while at rest [Few 2006, S. 126].”

Braumannn/Hannig (2009) beschreiben Bullet Graph folgendermaßen: „Der Bullet Graph zeigt eine einzelne Schlüsselkennzahl in einer Relation, z.B. zu einem Soll- oder Planwert. Dabei wird die quantitative Information angereichert durch eine qualitative Kennzeichnung des Zustands der Kennzahlenausprägung. So wird schnell erkennbar, wie gut oder schlecht der aktuelle Status ist. Ein Bullet Graph, welcher horizontal und vertikal ausgerichtet werden kann, funktioniert dadurch mindestens genauso gut wie eine radiale Anzeige, benötigt jedoch weniger Platz. […] Das platzsparende Design erlaubt es, mehrere Bullet Graphen auf engstem Raum nahe beieinander anzuordnen. Leicht lässt sich feststellen, ob eine Kennzahl ihren Zielwert erreicht oder sogar übertroffen hat. Wird der Zielwert überschritten, entsteht eine Kreuzform, was vom Betrachter sofort erfasst wird. […] Die Füllfarben des Hintergrunds kodiert qualitative Wertungen, wie z.B. schlecht, befriedigend und gut. […] [Braumann/Hannig 2009, S. 24].“

Abbildung 17: Bullet Graph [Few 2006, S. 125-130]

Der Bullet Graph von Few bietet viele Vorteile:

- Hohe Informationsdichte - Platzsparend - Einfache, leicht zu verstehende Darstellungsform - Ermöglicht es dem Betrachter sich einen Überblick „at-a-glance“ zu verschaffen

Da als Hintergrundfarben nicht verschiedene Farben, sondern eine Farbe sowie ihre Farb-Abstufungen verwendet werden, können auch Farbenblinde Unterschiede erkennen (gilt für alle Farben).

31

4.8.8 Box plots Box Plots wurden 1977 John Turkey, einem Statistiker der Princeton University entwickelt, welche synonym auch als box and whisker plots bezeichnet werden. Box Plots werden verwendet, wenn die Verteilung statistischer Daten grafisch visualisiert werden soll.

Abbildung 18: Box Plot, eigene Darstellung in Anlehnung an [Turkey 1977]

Die Grafik besteht aus einem Rechteck (=Box) und zwei Linien (=Whisker), die dieses Rechteck verlängern. Das jeweilige Ende der Linien wird durch einen Strich abgeschlossen. Die im inneren des Rechtecks befindliche Linie repräsentiert den Median, die Box selbst die mittleren 50% der Daten (dazu gehören alle Daten zwischen dem unteren (25%) und dem oberen Quartil (75%)). Die Länge der Box ergibt sich aus dem Streumaß der Daten, welches sich aus der Differenz des oberen und unteren Quartiles ergibt. Die beiden Linien repräsentieren die Werte, die außerhalb der Box liegen, die Linienlänge ist maximal das 1,5-Fache des Interquartilsabstands bzw. richtet sich nach dem letzten Wert aus den Daten, der gerade noch innerhalb dieser Grenze liegt [Tukey 1977]. Box Plots können – in einer vereinfachteren Variante – in Dashboards eingesetzt werden, wenn quantitative Werte zweier Variablen miteinander verglichen werden sollen [Few 2006, S. 146 und Robbins 2005, S. 95].

4.8.9 Scatterplots Scatterplots (zu Deutsch Streudiagramme) „stellen die gemeinsame Verteilung der Werte zweier Variablen dar, indem die Werte beider Variablen [in ein kartesisches Koordinatensystem] eingetragen werden. Aus der Lage und Verteilung der Wertepaare können häufig Rückschlüsse auf einen möglichen Zusammenhang (positiv/negativ) zwischen den Variablen gezogen werden [Thomson Publishing 2006].“

Es gibt ein- und mehrdimensionale Streudiagramm-Varianten. Ein eindimensionales Streudiagramm ist ein Dot Plot (Abbildung 19, links), in welchem die Verteilung eine Variable entweder auf der x- oder y-Achse dargestellt wird. Mehrdimensionale Streudiagramme sind Scatterplots (Abbildung 19, rechts) und Scatterplot-Matrizen. Während Scatterplots die Verteilung und Zusammenhänge zweier Variablen darstellen, stellen Scatterplot-Matrizen diese für mehr als zwei Variablen dar (multivariate).

32

Abbildung 19: Dot Plot (links) und Scatterplot (rechts)

Scatterplots eignen sich für die Vermittlung von Informationen besonders gut. Der Grund dafür ist, dass Informationen auf Skalen entlang von x- und/oder y-Achsen abgetragen werden, welche sich nach einer Studie von Cleveland und McGill von allen untersuchten Grund-Bestandteilen von Grafik-Elementen am besten für eine fehlerfreie und unverzerrte Vermittlung von Daten eignen. Die Informationen können also vom Betrachter richtig entschlüsselt werden (weitere Informationen siehe auch Abschnitt 4.9.1) [Cleveland/McGill 1984].

Da es aber nach Few zu lange dauert, den Inhalt der Streudiagramme zu verstehen, empfiehlt er ihren Einsatz in Dashboard jedoch nicht – auch wenn Scatterplots den Regeln guten Designs folgen [Few 2006, S. 148]. Mit dieser Aussage widerspricht er den Untersuchungsergebnissen von Cleveland und McGill nicht, im Gegenteil: Letztere hatten Aussagen über die „Effektivität“ von Grund-Bestandteilen von Grafik-Elementen aus ihren Untersuchungen abgeleitet (Wird die Information richtig, also unverzerrt und fehlerfrei entschlüsselt?), erweitert Few diese um den Aspekt der Effizienz (Wie lange dauert es, die Information richtig zu entschlüsseln?).

4.8.10 Karten „[Eine] Karte ist [ein] verebnetes, maßstabsgebundenes, generalisiertes und inhaltlich begrenztes Modell räumlicher Informationen [Wilhelmy 2002, S. 16].“

Karten können nach topografischen und thematischen Karten gegliedert werden: Während topografische Karten häufig in journalistischen Texten eingesetzt werden, zeigen thematische Karten die Verbreitung einer oder mehrerer Merkmale zu einem bestimmten Thema. Meist verbinden sie geografische mit statistischen Informationen. Der Kartengrund ist bei thematischen Karten von sekundärer Bedeutung und dient häufig nur der Orientierung. Die thematisierten Erscheinungen werden meist durch unterschiedliche Farben oder Muster oder durch Symbole repräsentiert. Für das Verständnis der Leser ist deshalb eine Legende in vielen Fällen unverzichtbar [Bouchon 2007, S. 29 f.]. Der Einsatz von Karten in Dashboards eignet sich nur bedingt. Ein typisches Einsatzszenario könnte statt der Auswahl eines Landes über ein Drop-Down Menü der Klick auf ein Land der Karte sein. Die Verwendung von Karten gibt dem Betrachter die Möglichkeit Informationen durch Klick auf einen Bereich der Karte einzugrenzen.

4.8.11 Icons Eine Beschreibung von Icons findet sich in Abschnitt Icons. An dieser Stelle wird kurz auf die Verwendung von Icons in Dashboards und mögliche Icon-Ausprägungen eingegangen. Icons werden in Dashboards vor allem für Alerts, Up/down und On/off verwendet.

33

Alert-Icons werden insbesondere dann in Dashboards eingesetzt, um auf bestimmte Inhalte Aufmerksamkeit zu lenken. Dies gilt vor allem dann, wenn Kennzahlen in einen kritischen Bereich fallen und sofortiges Handeln erfordern. Ausprägungen von Alert-Icons sollten jedoch auf maximal zwei beschränkt werden. Few drückt dies folgendermaßen aus und liefert gleich eine Begründung mit: „limit alert levels to a maximum of two, and ideally to one. A single alert icon catches the eye much more effectively than multiple alerts with various meanings.” Klassische Alert-Icons sind Kreise unterschiedlichster Farben aber auch Ampeln. Von der Nutzung letzterer in Dashboards wird jedoch abgeraten [Few 2006, S. 153]. Eine weitere Icon-Ausprägung sind Up/down-Icons. Diese werden vor allem dann verwendet, wenn sich der Nutzer einen Überblick über die Entwicklung von Kennzahlen verschaffen möchte. Dabei zeigt ein nach oben (unten) gerichteter Pfeil, dass sich die Werte im Verhältnis zu einem Vergleichswert verbessert (verschlechtert) haben. Zwar kommt es häufig vor, dass einem nach oben (unten) gerichteten Pfeil die Farbe grün (rot) zugeordnet wird, jedoch können Farbenblinde Menschen diese Unterschiede nicht wahrnehmen. Eine andere Farbzuordnung ist an dieser Stelle ratsam [Few 2006, S. 154].

On/Off-Icons werden als sog. „flags“ verwendet, um Informationen von anderen zu unterscheiden. Gängige On/Off-Icons sind Asterisk*, Hacken und der Buchstabe x [Few 2006, S. 154 f.].

4.9 Verwendung von Design Elementen 4.9.1 Auswahl abhängig von der visuellen Wahrnehmung

Einige Design-Elemente vermitteln dem Betrachter quantitative Werte besser als andere. Doch warum ist das so? Die Antwort auf diese Frage liefern Untersuchungsergebnisse von Cleveland und McGill. Diese haben die Grund-Bestandteile aus denen sich Grafiken zusammensetzen (z.B. Winkel, Längen) danach untersucht, ob Betrachter dazu in der Lage sind, Informationen richtig, also fehlerfrei und unverzerrt zu entschlüsseln. Nicht untersucht wurde die Dauer, die die Betrachter durchschnittlich benötigten, die Information zu entschlüsseln. Es zählte einzig, ob die Informationen richtig oder falsch interpretiert werden konnten [Cleveland/McGill 1984]. Nachfolgende Tabelle zeigt eine Zusammenfassung dieser Untersuchungsergebnisse. Sie zeigt die Grundbestandteile von Grafik-Elementen nach dem Grad sortiert, in dem die Betrachter in der Lage waren, die Informationen richtig zu entschlüsseln. Ganz oben in der Tabelle stehen dabei die Elemente, aus denen die Betrachter Informationen richtig wahrnehmen konnten; je weiter unten die Elemente aufgelistet werden, desto schlechter sind diese für die richtige Vermittlung von Informationen geeignet [Robbins 2005, S .61]. Dreimal Plus (+++) ist die bestmöglichste, dreimal Minus (- - -) die schlechtmöglichste Bewertung.

34

Elemente Bewertung

Positionierung (entlang einer Skala)7 +++ Positionierung (entlang zwei oder mehrerer Skalen)8 ++ Länge + Winkel 0 Fläche - Volumen - - Farbtöne/ -sättigung/ -kontrast - - - Abbildung 20: Grafik-Elemente und ihre Bewertung nach dem Grad der Entschlüsselbarkeit ihrer

Informationen [Robbins 2005, S. 61]

Überträgt man die Studienergebnisse auf Grafik-Elemente und vergleicht Säulen-/ Balkendiagramme mit Kuchendiagrammen auf ihre Eignung Informationen in Dashboards an Entscheider zu kommunizieren, sind die Ergebnisse eindeutig: Säulen-/Balkendiagramme eignen sich besser als Kuchendiagramme. Der Grund: Säulen- bzw. Balkendiagramme sind längenproportionale Darstellungen, welche Werte mit Längen visualisieren, wohingegen Kuchendiagramme Werte über Winkel anzeigen. Da Betrachter in der Studie von Cleveland und McGill Längen besser als Winkel einschätzen konnten, sind Säulen- bzw. Balkendiagramme folglich besser für die Darstellung/ den Vergleich von quantitativen Werten geeignet [Cleveland/McGill 1984]. Ebenso kann diese Beurteilung für die beiden Grafik-Elemente Sparklines und Bullet Graphs durchgeführt werden. Da beides längenproportionale Darstellungen sind, und Werte entlang einer bzw. zweier Skalen positioniert werden, eignen diese sich nach den Studienergebnissen besonders zur Darstellung von Informationen. Dot- bzw. Scatterplots eignen sich ebenfalls hervorragend, sollen Betrachter Informationen richtig entschlüsseln, denn die Daten werden auf Skalen entlang von x- und/oder y-Achsen positioniert und diese Art der Informationsvermittlung (Positionierung entlang einer/mehrerer Skalen) eignet sich am besten für die richtige Entschlüsselung der Daten durch den Betrachter. Da diese Studienergebnisse nicht auf Text und Tabellen angewendet werden können, seien an dieser Stelle Ergebnisse aus einer anderen Studie erwähnt, die Text und/oder Tabellen mit den Grafikelementen im Bezug auf die Informationsaufnahme vergleichen: Die Dekodierung von Informationen aus Tabellen dauert in der Regel länger als diese bei Grafikelementen benötigt, da letztere den Dekodiervorgang durch die Visualisierung der Informationen in großen Teilen vorwegnehmen [Bouchon 2007, S. 19].

Bildliche Informationen von Lesern werden eher beachtet und schneller erfasst als Informationen aus Fließtexten [Garcia/Stark 1991, S. 26 u. 50]. Die Bevorzugung von

7 Werte einer Variablen werden entweder entlang einer x- oder einer y-Achse

positioniert. 8 Werte zweier Variablen werden entlang einer x- und einer y-Achse positioniert.

35

Bildinformationen lässt sich durch die unterschiedliche Art der Informationsverarbeitung erklären. Der gesamte Prozess der Informationsverarbeitung im Gehirn wird in der angewandten Verhaltensforschung in drei Schritte gegliedert: in Informationsaufnahme, Informationsverarbeitung und Informationsspeicherung [Kroeber-Riel 1986, S. 17].

Eine Infografik stellt Informationen mit weniger Daten dar als Texte und Tabellen. Deshalb können aus Infografiken mehr Informationen innerhalb einer bestimmten Zeit aufgenommen werden als aus Texten mit vergleichbarem Inhalt [Bouchon 2007, S. 36].

4.9.2 Auswahl abhängig vom Datentyp und der Skala Neben Kriterien der visuellen Wahrnehmung ist die Auswahl der passenden Grafik-Elemente in Dashboards zudem davon abhängig, welche Daten visualisiert werden sollen. Nicht alle quantifizierten Werte können mit den gleichen Grafik-Elementen visualisiert werden. Tufte drückt dies folgendermaßen aus: „There are right ways and wrong ways to show data; there are displays that reveal the truth and displays that do not [Tufte 1997, S. 45].”

Im Wesentlichen muss man bei der Auswahl zunächst wissen, welcher Art die Daten sind, also welchem Datentyp diese zuordenbar sind. Gemeinhin unterscheidet man in nominale, ordinale und metrische (z.B. intervallbasierte) Variablen.

In einer nominalen Beziehung haben die Untergruppen einer einzelnen Kategorie keine natürliche Ordnung. Sie sind diskret. Verkaufsgebiete z.B. haben keine bestimmte Ordnung, wenn diese nach West, Ost, Süd und Nord unterteilt sind. Sie bauen nicht aufeinander auf und müssen in keiner bestimmten Reihenfolge oder Hierarchiereihenfolge genannt werden. In einer ordinalen Beziehung haben die Untergruppen einer einzelnen Kategorien eine vorgegebene (natürliche) Ordnung, wie zum Beispiel 1., 2. und 3. oder klein, mittel, groß. Intervallbasierte (metrische) Variablen innerhalb einer einzelnen Kategorie unterteilen alle in ihr enthaltenen quantitativen Werte in numerische Abschnitte. Die Abschnitte können hierbei vom größten zum kleinsten und vom kleinsten zum größten sortiert dargestellt werden. Die intervallbasierte Darstellung wird häufig verwendet, wenn ein großer Wert genauer analysiert werden soll [Few 2006, S. 131 ff.]. Damit die Informationen bestmöglich in einem Dashboard angezeigt werden können, muss in Abhängigkeit zum Datentyp die richtige Darstellungsvariante gewählt werden. Eine Zuordnung geeigneter Grafik-Elemente kann untenstehender Tabelle entnommen werden. In einigen Fällen ist eine überschneidungsfreie Zuordnung jedoch nicht möglich. Datentyp Maßzahlen Grafik-Elemente

Nominale Variablen

Absolute und relative Häufigkeiten

Säulen-/Balkendiagramm Kuchendiagramm

Ordinale Variablen

Absolute und relative Häufigkeiten, Median, Quartile, Perzentile, Minimum, Maximum

Säulen-/Balkendiagramm Kuchendiagramm Boxplot

36

Metrische Variable

Absolute und relative Häufigkeiten, Median, Quartile, Perzentile, Minimum, Maximum, Mittelwert, Standardabweichung

Dotplot Boxplot Histogramm Säulen/Balkendiagramme & Kuchendiagramme nur, wenn Variablen vorher kategorisiert werden

Abbildung 21: Zuordnung von Grafik-Elementen zu Datentypen, in Anlehnung an [Few 2006, S. 131 ff.

und Fahrmeir 2006]

37

5 Screendesign In den vorangestellten Kapiteln wurden verschiedene Aspekte beleuchtet, die sich dem Design von einzelnen Dashboard-Elementen widmen. Bevor das Anordnen dieser Elemente auf einem Screen umgesetzt wird, müssen grundsätzliche Überlegungen bezüglich Modi, Orientierung und Funktionen durchgeführt werden, da diese maßgeblich Einfluss auf die Darstellung haben.

5.1 Modi Beim Erstellen eines Interfaces ist die Frage „für wen erstelle ich dieses“ eine der ersten, die man sich stellen sollte. In der Regel kristallisieren sich bezüglich des Kompetenzgrades drei Gruppen heraus [Stapelkamp 2007, S. 552 ff.]:

• Anfänger

• Fortgeschrittene

• Experten Bei Dashboards sollten bereits Optionen wie „Expertenmodus“ und „Darstellung einfach“ (o.ä.) integriert werden. Aus Sicht der Usability (Individualisierbarkeit, DIN EN ISO 9241-(1)10) ist dies eine hervorragende Möglichkeit ein System an die Erfordernisse und Fähigkeiten der Nutzer anzupassen. Allerdings hat dies zur Folge, dass frühzeitig im Designprozess eine visuelle bzw. alternative visuelle Gestaltung von einzelnen Elementen und des gesamten Screens konzipiert werden muss. Als Hilfe hierfür eignet sich eine Sicht auf die Arten des Zuganges der Kompetenzgruppen [Stapelkamp 2007, S. 559]:

• Ein eher geleiteter Zugang zu und innerhalb des Tools,

• ein beschaulicher Zugang oder

• eher ein Expertenzugang, der einen schnellen Zugriff auf die Funktionen liefert (z.B. Icon basiert, Short-Cuts, ...).

Daraus lässt sich ableiten, dass es keine allumfassende Lösung für alle Usergruppen gibt, sondern mehrere Designlösungen – individuell gestaltet, je nach User-Kompetenzgrad [Stapelkamp 2007, S. 552].

5.2 Styleguide Ein Styleguide ist ein elementarer Baustein bei der Gestaltung eines interaktiven Produktes. In ihm enthalten sind Funktions- und Gestaltungslayouts mit Informationen über zu verwendende Raster, Farben, Schriften, Schriftgrößen und sonstige Formatierungsvorlagen. Bezüglich des Umfangs oder den im Detail enthaltenen Informationen gibt es keine konkreten Vorschriften. Styleguides werden oftmals für ein jeweiliges Ausgabemedium (Tablet, Handy, PC,...) oder einzelne Zielgruppen (Anfänger, Fortgeschrittener, Experte) definiert [Stapelkamp 2007, S. 293 ff.]. Beim Design von BI Dashboards ist also ein Styleguide die Summe der in den vorherigen Kapiteln definierten Kriterien.

5.3 Orientierung Die Komplexität von BI Tools, die Mannigfaltigkeit an Funktionen und variabel anpassbaren Darstellungsoptionen erfordern eine für den Anwender nachvollziehbare Orientierung bei der Nutzung.

38

Ein gängiges Hilfsmittel hierfür ist ein intuitiv bedienbares Menü, welches den User durch die Software führt und ihn bei seiner Aufgabe unterstützt [Stapelkamp 2007, S. 320]. In der ISO 9241-(1)10 sind unter anderem diese beiden Grundsätze verankert: Aufgabenangemessenheit bzw. Selbstbeschreibungsfähigkeit (siehe Kapitel 4.6), d.h. dem User sollen genau die Schritte angeboten werden, die zum effizienten Absolvieren seiner Aufgabe erforderlich sind und diese Schritte sollen keiner weiteren Erklärung bedürfen, selbstbeschreibend sein. F. Thissen (2003) definiert folgende Punkte, die für einen User im Umgang mit der Navigation eines Multimediaproduktes berücksichtigt werden müssen.

• Der User muss immer wissen wo er sich im Moment befindet.

• Die Struktur der Software muss bekannt sein.

• Die zur Verfügung stehenden Funktionen müssen ersichtlich sein.

• Optionen müssen klar gekennzeichnet sein, damit der User sie nicht „übersieht“.

• Relevante Informationen und Funktionen müssen schnell verfügbar sein.

• Ein beschleunigte Erledigung der Arbeitsaufgabe muss ermöglicht werden.

• Eine „zurück“ (Undo) Funktion muss implementiert und zur Verfügung gestellt werden.

• Ein Ausstiegspunkt (z.B. „Abbrechen“) muss zu jedem Zeitpunkt der Interaktion vorhanden sein.

Das Bewusstsein, dass ein User mit einer bereits vorhandenen „kognitiven Landkarte“ Tools nutzt, sich mit einer bestimmten Erwartung an Funktionen und Output dem System nähert, sollte die Sinne für ein User-Centered Design schärfen. Wie in den vorherigen Kapiteln erwähnt, lassen sich drei Zielgruppen bei dem Umgang mit Dashboards definieren: Anfänger, Fortgeschrittene und Experten. Die Klassifizierung dieser Zielgruppen ist ein wichtiger Schritt beim User-Centered Design. Software zu designen ohne den User, seine Intention im Umgang mit dieser zu kennen, kann fatale Folgen haben. In Tabelle 5.1 eine Auflistung von Kriterien, die beim Orientierungsdesign als mentales Model betrachtet werden sollte.

Benutzer Grundhaltung Fragen Bedarf Motivation

Anfänger Neugier Um was geht es hier? Ist das interessant für mich? Nützt mir das was?

Was ist am wichtigsten? Wie funktioniert das?

Einstiegshilfe, Motivation (weitere Beschäftigung), Roter Faden

Ansprechendes Design, „ködern“ dadurch

Fortge-schrittener

Interesse Was finde ich hier alles? Gibt es etwas Neues für mich? Interessiert mich das, ist es nützlich? Wie ist die Strukturierung?

Übersicht über Bereiche des Produktes.

Sicherheit im Umgang mit Produkt wird durch Elemente vermittelt.

Gute Navigations-

39

möglichkeiten.

Relevante Informationen.

Experte Gezieltes suchen

Wo finde ich ...? Wo sind wertvolle Infos zum Thema ...?

Suche, Index Schneller Zugriff

Abbildung 22: Übersichtsplan Nutzergruppen [Thissen 2003, S. 59]

Positionierung von Elementen auf dem Screen Nach einer Studie von Nielsen/Pernice (2010) fällt in der Regel der erste Blick bei der Betrachtung eines Screens in den oberen linken Bereich (Abb. 5.1, Priorität 1), dann in angrenzende Gebiete (Abb. 5.1, Priorität 2) und schlussendlich in den rechten und unteren Screen-Ausschnitt (Abb. 5.1, Priorität 3).

Es lässt ich festhalten, dass der Nutzer immer zuerst im oberen linken Bereich wichtige Darstellungen erwartet. Sollten sich diese nicht dort finden, muss der User zusätzliche Blicke investieren, um das für ihn wichtige zu finden, daraus folgt eine Steigerung des Cognitive Load [Nielsen/Pernice 2010, S.68].

Abbildung 23: Nutzererwartungen und Prioritätszonen [Nielsen/Pernice 2010, S.66]

Schlussfolgerung daraus: Auch Dashboard-Elemente sollten nach diesem Raster angeordnet werden. Kerninformationen, die in der Wichtigkeit für den User als hoch einzuordnen sind, sollten im Bereich mit der Priorität 1 platziert werden, Zusatzinformation oder weniger wichtige Information in den Screen-Bereichen mit der Priorität 2 und 3.

40

6 Zusammenfassung und Ausblick Der vorliegende Arbeitsbericht entwarf ein 4-stufiges Architekturmodell zum Entwurf von Management Cockpits. Als die drei wesentlichen Schritte zu einem Management Cockpit wurden die Abstraktion, Visual Encoding und Screendesign beschrieben.

Klassische lineare Vorgehensmodelle wie das Wasserfallmodell sind für die Einführung von Management Cockpits eher ungeeignet. Becker et al. empfehlen daher ein evolutionäres Vorgehen. Nach einer Konzeptphase, die vor allem die Informationsbedarfsanalyse be-inhaltet, erfolgt eine iterative Umsetzung einzelner Module. Hier ist das Ziel, zügig Proto-typen zu entwickeln und die späteren Benutzer frühzeitig in die Umsetzung einzubeziehen [Becker et al. 2006, S. 247-262].

Abbildung 24: Evolutionäres Vorgehensmodell [Becker et al. 2006, 247-262]

Weitere Forschungsarbeiten sind vor allem im Bereich der Abstraktion erforderlich, um mit geeigneten Methoden die Informationsbedarfsanalyse zu optimieren, so dass die richtigen Informationen und Kennzahlen für den Entscheidungsträger identifiziert werden können. Allzu oft wird diese Tätigkeit intuitiv durch den Entwickler ausgeübt. Ergänzend sind weitere Forschungsarbeiten erforderlich, um bestehende Dashboards-Lösungen zu evaluieren und deren fachliche Eignung und Gebrauchstauglichkeit zu untersuchen.

41

Quellenverzeichnis Amar/Stasko 2004: Amar, R.; Stasko, J. (2004): A knowledge task-based framework for the design and evaluation of information visualizations. In: Proc. IEEE Symposium on Information Visualization (InfoVis), S. 143-149. Amar et al. 2005: Amar, R.; Eagan, J.; Stasko, J. (2005): Low-level components of analytic activity in information visualization. In: Proc. IEEE Symposium on Information Visualization (InfoVis), S. 111-117. Becker/Cleveland 1996: Becker, R.; Cleveland, W. S. (1996): S-Plus Trellis Graphics User's Manual. Mathsoft Inc., Seattle, WA, and Bell Labs, Murray Hill, NJ. Becker et al. 2006: Becker, J.; Maßing, D.; Janiesch, C.: Ein evolutionäres Vorgehensmodell zur Einführung von Corporate Performance Management Systemen. In: Proceedings of the DW2006 - Integration, Informationslogistik und Architektur. Lecture Notes in Informatics. Friedrichshafen, Germany, 2006. S. 247-262.

Bissantz 2008: Bissantz, N. (2008): Industriereporting mit grafischen Tabellen. In: Journal of Performance Management, 04/2008. Bosch at al. 2006: Bosch, C.; Schiel, S.; Winder, T. (2006): Emotionen im Marketing, Gabler Wissenschaft, Wiesbaden 2006.

Bouchon 2007: Bouchon, C. (2007): Infografiken - Einsatz, Gestaltung und Informationsvermittlung. Verlag Werner Hülsbusch, Boizenburg.

BPM Standards Group 2004: BPM Standard Group (2004): Business Performance Management Industry Framework Document. Online verfügbar unter http://www.bpmstandardsgroup.org/documents/BPMFrameworkDraft-V4.0092904.pdf, Abruf am 12.12.2010. Braumann/Hannig 2009: Braumann, S.; Hannig, U.: Information Dashboard Design. In: Journal of Performance Management, 02/2009.

Cleveland/McGill 1984: Cleveland, W. S.; McGill R. (1984): Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, Vol. 79, S. 531-554.

Cleveland 1994: Cleveland, William S. (1994): The elements of graphing data. Rev. Murray Hill, N.J: AT&T Bell Laboratories. DIN ISO EN 9241-10 2008: DIN ISO EN 9241-10 (2008): DIN Taschenhandbuch 354. Teil 10., Berlin et al., Beuth Verlag GmbH.

42

Eckerson 2006: Eckerson, Wayne W. (2006): Performance Dashboards. Measuring, Monitoring, and Managing Your Business. Hoboken, New Jersey, Canada: John Wiley & Sons Inc. Eckerson 2011: Eckerson, Wayne W. (2011): Performance Dashboards. Measuring, Monitoring, and Managing Your Business. Hoboken, New Jersey, Canada: John Wiley & Sons Inc. Fahrmeir 2006: Fahrmeir, L.; Künstler, R.; Pigeot, I.; Tutz, G. (2006): Statistik – Der Weg

zur Datenanalyse. Springer-Verlag, Heidelberg, Berlin.

Few 2004: Few, Stephen (2004): Show me the numbers. Designing tables and Graphs to enlighten. Oakland: Analytics Press.

Few 2006: Few, Stephen (2006): Information Dashboard Design. The Effective Visual Communication of Data. Sebastopol: O'Reilly Media, Inc. Few 2007: Few, Stephen (2007): Save the Pies for Dessert. Online verfügbar unter http://www.perceptualedge.com/articles/08-21-07.pdf, Abruf am 04. August 2011.

Garcia/Stark 1991: Garcia, M.; Stark, P. (1991): Eyes on the news. St. Petersburg/Florida: The Pointer Institut for Media Studies.

Gartner 2001: Gartner (2001): Gartner’s Business Intelligence, Analytics and Performance Management Framework, Gartner Research, Publikationsdatum: 19. Oktober 2009, Publikationsnummer: G00166512 Giordano/Hummel 2006: Giordano, M.; Hummel, J. (2006): Mobile Business: Vom Geschäftsmodell zum Geschäftserfolg, Gabler Wissenschaft, Wiesbaden 2006

Gluchowski/Dittmar 2008: Gluchowski, P.; Dittmar, C. (2008): Management Support Systeme und Business Intelligence. Springer, S. 217.

Jansen/Scharfe 1999: Jansen, A.; Scharfe, W. (1999): Handbuch der Infografik: Visuelle Information in Publizistik, Werbung, Öffentlichkeitsarbeit. Berlin et al., Springer. Kroeber-Riel 1986: Kroeber-Riel, W. (1986): Vorteile der Business Grafik: Zu den Wirkungen von Bild und Graphik auf das Entscheidungsverhalten. In: IM - Information Management, 1986, Vol. 3, S. 17-23.

Krüger/Vogt 2007: Krüger, D.; Vogt, H. (2007): Theorien in der biologiedidaktischen Forschung, Springer Verlag, Berlin Heidelberg, 2007

43

Liebig 1999a: Liebig, M. (1999): Die Grafik muss passen. In: Sage & Schreibe - Werkstatt Infografik (Teil 3), 1999, S. 2-4. Liebig 1999b: Liebig, M. (1999): Die Infografik. Konstanz, UVK-Medien. Malik 2005: Malik, S. (2005): Enterprise dashboards. Design and best practices for IT. Hoboken, N.J, Wiley.

Munzner 2009: Munzner, T.: A Nested Model for Visualization Design and Validation. In: IEEE Transactions on Visualization and Computer Graphics. Vol. 15, Nr. 6, November 2009. Nielsen/Pernice 2010: Nielsen, J.; Pernice, K. (2010): Eyetracking Web Usability. Addison-

Wesley Longman, Amsterdam.  

Oehler 2006: Oehler, K. (2006): Corporate Performance Management - Mit Business Intelligence Werkzeugen. München, Wien, Carl Hanser Verlag. Robbins 2005: Robbins, N. B. (2005): Creating More Effective Graphs. Hoboken, N.J., John Wiley & Sons Inc.

Rockart 1979: Rockart, John F.: Chief executives define their own data needs. Harvard Business Review 1979, Vol. 2, S. 81-93. Runk 2008: Runk, C. (2008): Typografie und Layout. Bonn, Galileo Press. Schumann/Müller 2000: Schumann H.; Müller W.: Visualisierung – Grundlagen und allgemeine Methoden. Springer-Verlag, Berlin, Heidelberg 2000. Spriessler 1999: Spriessler, H. (1999): Infografiken gestalten: Techniken, Tipps und Tricks. Berlin et al., Springer.

Stapelkamp 2007: Stapelkamp, T. (2007): Screen und Interfacedesign. Berlin et al., Springer Verlag.

Tankard 1989: Tankard, J. (1987): Quantitative Graphics in Newspapers. In: Journalism Quarterly. Vol. 64, S. 406-415. Thissen 2003: Thissen, F. (2003): Kompendium Screen-Design. Berlin et al., Springer Verlag.

Thomson Publishing 2006: Brosius, F. (20xx): SPSS 8. Magdeburg, International Thomson Publishing.

44

Tufte 1997: Tufte, Edward R. (1997): Visual Explanations. Cheshire, CT, Graphics Press. Tufte 2003: Tufte, Edward R. (2003): Envisioning Information. 9. Auflage, Cheshire, CT, Graphics Press. Tufte 2006: Tufte, Edward R. (2006): Beautiful Evidence. Cheshire, CT, Graphics Press. Tukey 1977: Tukey, J. (1977): Exploratory data analysis. Addison-Wesley, Reading, MA.

Valiati et al. 2006: Valiati, E.; Pimenta, M.; Freitas, C., M. (2006): A taxonomy of tasks for guiding the evaluation of multidimensional visualizations. In: Proc. AVI Workshop on Beyond time and errors: novel evaLuation methods for Information Visualization (BELIV). ADM, Article 15. Ware 2004: Ware, C. (2004): Information Visualization. Perception for design. 2. Auflage, Amsterdam et al., Morgan Kaufmann Publishing.

Wilhelmy 2002: Wilhelmy, H. (2002): Karthographie in Stichworten. 7. Auflage, Berlin et al., Borntraeger.