6 Beispiele für schlechte Datenvisualisierungen

Wir analysieren sechs schlechte Datenvisualisierungen und zeigen, wie Sie sie für klareres Storytelling mit Daten verbessern.

Data VisualizationDashboards
PublishedMarch 28, 2025
6 Beispiele für schlechte Datenvisualisierungen

Was ist eine schlechte Datenvisualisierung?

Eine schlechte Datenvisualisierung führt ihr Publikum in die Irre oder verwirrt es, sei es durch verzerrte Proportionen, ein überladenes Design oder den falschen Diagrammtyp, sodass die Daten schwerer zu verstehen sind als die reinen Zahlen.

Datenvisualisierungen gehören zu den überzeugendsten und wirksamsten Wegen, die Welt um uns herum zu verstehen. Das liegt daran, dass Datenvisualisierungen Geschichten erzählen: Sie stellen einem Publikum einen Datensatz kreativ dar, um es über ein bestimmtes Thema oder Phänomen zu informieren. Visualisierungen sind zwar immer komplexer, informativer und ausgefeilter geworden, gehen aber manchmal ein wenig zu weit … und liefern zu viele Informationen oder werden zu kreativ für ihr eigenes Wohl.

Was macht eine Datenvisualisierung schlecht?

Wenn Visualisierungen für ihr Zielpublikum kompliziert statt hilfreich und kompliziert statt leicht verständlich ausfallen, ist der eigentliche Zweck der Visualisierung verfehlt.

Das kann auf mehrere Arten passieren:

  • Schlechte Farbwahl
  • Unverhältnismäßige Größe visueller Komponenten
  • Überflüssige oder redundante Daten
  • Eine Anordnung der Daten, die schlicht keinen Sinn ergibt.

Kurz gesagt: Datenvisualisierungen werden schlecht, wenn ihre Daten unordentlich oder unklar wirken.

In diesem Artikel sehen wir uns Beispiele für schlechte Datenvisualisierungen an. Wir zeigen, wo die Grafik danebenliegt – erklären aber auch, wie man sie verbessert, damit sie die Geschichte, die sie erzählen will, besser vermittelt.

Erstellen Sie Ihr eigenes DashboardErstellen Sie Ihr eigenes Dashboard

1. Unklare Datenführung

Unorganisierte Daten sorgen für eine unzusammenhängende Aussage.

Das Problem

Diese Grafik zeigt das durchschnittliche Alter, in dem junge Europäer ihr Elternhaus verlassen: In den nordischen Ländern am jüngsten, in West- und Mitteleuropa Mitte zwanzig und in Osteuropa und den Mittelmeerländern Ende zwanzig (oder sogar später!). Blasen stehen für Länder und enthalten jeweils das nationale Durchschnittsalter beim „Flüggewerden“. Die Färbung der Blasen hängt von diesem Durchschnittsalter ab.

Insgesamt ist das keine schlechte Idee. Aber hier liegt das Problem: Die Blasen sind in keinem sinnvollen Sinne angeordnet. Die roten Länder scheinen sich etwas unten zu häufen, die blauen oben – aber das war es auch schon. Vielleicht ist das eine schlechte Version einer Europakarte, aber sicher können wir nicht sein.

Die Blase für das durchschnittliche Auszugsalter in der EU ist kaum zu erkennen: Sie liegt ganz links in der Grafik und ist in Größe und Format nicht von den Länderblasen zu unterscheiden. Kurz gesagt, es fehlt hier an Organisation.

Beispiel für schlechte Datenvisualisierung: unorganisiertes Blasendiagramm zum Auszugsalter in Europa

Die Lösung

Eine wirksamere Methode, diese Daten zu ordnen, wäre, sie in farbcodierten Schichten aufzubauen: Der Großteil der gelben Länder läge in der Mitte und liefe zu den blauen und roten Kategorien oben und unten hin aus.

Die EU-Blase könnte entweder seitlich oder in der Mitte der gelben Schicht platziert werden. Unabhängig von der Platzierung sollte sie ein unterscheidendes Merkmal haben – etwa eine größere Darstellung oder fetten Text –, das ihre Bedeutung anzeigt.

Diese Korrekturen würden den Lesern nicht nur ermöglichen, die Unterschiede beim „Flüggewerden“ je Land zu kennen, sondern auch zu verstehen, wie diese Datenpunkte zusammenpassen, sodass sie Zusammenhänge erkennen und Schlüsse über dieses gesellschaftliche Phänomen ziehen können.

Wie Plecto bei unklarer Datenführung hilft

Mit vordefinierten Visualisierungen wie Balkendiagrammen, Liniendiagrammen, Tachometern und mehr führt Plecto Nutzer zu gängigen Formaten, bei denen klare Achsen, Hierarchie und Organisation bereits im Design verankert sind.

2. Zu viele Variablen

Überladene visuelle Komponenten machen Daten schwer lesbar.

Das Problem

Dieses Diagramm ist ein klassischer Fall von TMI (zu viele Informationen)! Die Daten werden hier nicht auf den typischen zwei, sondern auf drei Achsen gemessen: Anzahl, Monat und Obstsorte. Wir können die Mehrdimensionalität dieses Diagramms und den Versuch, möglichst viele Daten zu vermitteln, zwar würdigen, doch es ist auf den ersten Blick einfach zu viel, um es zu erfassen.

Das führt zu ernsten Problemen bei der Interpretation dieser Grafik. Es ist zum Beispiel schwierig, die Anzahl der Zitronen über alle Monate hinweg zu bestimmen, und unmöglich, die Anzahl der Bananen im Februar und März zu erkennen.

Auch bei keinem der Balken im mittleren Teil der Grafik kann der Leser die Anzahl der Früchte genau ablesen. Wenn sie nicht direkt am Zahlenraster liegen, ist die Obstmenge praktisch nicht zu bestimmen.

Beispiel für ein schlechtes Diagramm: 3D-Balkendiagramm mit zu vielen Variablen

Die Lösung

Die Lösung für das Problem dieses Diagramms ist, eine der Achsen zu streichen, sodass das neue Diagramm nur zwei statt drei Komponenten misst. Das ergibt zwar mehr Diagramme für dieselbe Informationsmenge, doch sie sind deutlich leichter lesbar.

Man könnte zum Beispiel die Anzahl der verkauften Orangen über die vier Monate verfolgen und entsprechende Diagramme für Äpfel, Zitronen und Bananen erstellen. Alternativ könnte man die vier im Januar verkauften Obstsorten verfolgen und entsprechende Diagramme für die übrigen drei Monate erstellen.

Wie Plecto Ihnen hilft, zu viele Variablen zu vermeiden

Plecto ermöglicht es, Variablen einfach zu filtern, zu stapeln oder aufzuteilen und in mehrere lesbare Diagramme zu überführen. So können Vertriebs- und Support-Manager wichtige Kennzahlen nach Mitarbeiter, Team, Zeitraum oder anderen Variablen in verschiedenen Widgets auf demselben Dashboard analysieren. Diese Vielseitigkeit verhindert den Drang, zu viele Daten in eine einzige verwirrende Visualisierung zu pressen, und liefert dennoch aussagekräftige Einblicke in die Performance.

Erstellen Sie Ihr eigenes DashboardErstellen Sie Ihr eigenes Dashboard

3. Unintuitive Prozentwerte im Kreisdiagramm

Eine Abweichung zwischen einem Anteil und seiner Darstellung erschwert das intuitive Verständnis.

Das Problem

Die Idee für dieses individuelle Kreisdiagramm ist kreativ und ausgesprochen einzigartig. Aber mal ehrlich – die Rechnung geht nicht auf! Die Segmentgrößen stimmen nicht mit den angegebenen Prozentwerten überein. Jede Seite eines Sechsecks entspricht einem Sechstel oder 16,67 Prozent der Gesamtfläche des Sechsecks, doch was hier zu sehen ist, widerspricht dieser grundlegenden Tatsache völlig.

Irgendwie nimmt der Fruktoseanteil (38,5 Prozent) viel mehr Platz ein als der Glukoseanteil (31,0 Prozent), der wiederum nur etwas größer ist als der Wasseranteil (17,1 Prozent). Und der 0,5-Prozent-Streifen für Mineralstoffe, Vitamine und Enzyme ist für den angegebenen Prozentwert viel zu groß.

Beispiel für ein irreführendes Kreisdiagramm: Wabendiagramm mit unverhältnismäßigen Segmenten

Die Lösung

Es ist in Ordnung, einem typischen, „langweiligen“ Kreisdiagramm eine kreative Note zu geben – aber nicht auf Kosten der statistischen Genauigkeit oder des gesunden Menschenverstands. Zum Glück ist die Korrektur für dieses misslungene Wabendiagramm einfach: Die Abschnitte der Grafik neu aufbauen, sodass sie im Verhältnis zu ihren angegebenen Werten stehen.

Wie Plecto unverhältnismäßige Kreisdiagramm-Segmente vermeidet

Plecto sorgt für statistische Genauigkeit mit Donut-Diagrammen, die automatisch berechnet werden, sodass die Segmentgröße exakt proportional zum angegebenen Wert ist. Das garantiert eine visuelle Darstellung, die den Daten immer treu bleibt. Und haben wir erwähnt, dass sie großartig aussehen?

4. Unverhältnismäßige Größe von Piktogrammen

Übertriebene Bildgrößen vergrößern – und verfälschen – den tatsächlichen Größenunterschied.

Das Problem

Das ist ein weiterer Fall falscher Proportionen, aber anderer Art. Hier zeigen zwei Balkendiagramme die Zahl der Absolventen in den Kohorten A und B: einen Absolventen in A und drei in B. Doch statt Balken verwenden die Diagramme Piktogramme. Das linke Diagramm zählt die Absolventen mit einzelnen Einheiten, während das rechte Diagramm ein einziges großes Piktogramm für dieselbe Menge nutzt.

Genau hier liegt das Problem des rechten Diagramms. Ein skalierbares Piktogramm zeigt nicht einfach nur eine Menge, sondern führt eine weitere Dimension ein – nicht nur die der Zahl, sondern auch der Größe.

Dadurch wird das Piktogramm, um proportional zu bleiben und dennoch die „3“ zu erreichen, auf eine Größe skaliert, die das Publikum glauben lässt, der Unterschied zwischen A und B sei viel größer, als er tatsächlich ist. Der Absolvent aus B wirkt nämlich nicht nur dreimal, sondern sechs- oder siebenmal so groß wie der Absolvent aus A!

Beispiel für ein unverhältnismäßiges Piktogramm-Diagramm, das Absolventenkohorten vergleicht

Die Lösung

Die Lösung für diese minderwertige Grafik (rechts) findet sich in der viel besseren Grafik links. Hier sind drei gleich große Piktogramme übereinandergestapelt und zeigen so proportional (und korrekt) den Unterschied zwischen 1 und 3.

Wenn man überlegt, wie man Daten darstellt, muss man bedenken, was genau abgebildet wird: einen Unterschied in den Proportionen (das Verhältnis der Teile eines Ganzen) oder einen Unterschied in der Zahlenmenge (der Vergleich von Werten oder Mengen über Kategorien oder Zeit).

Wenn Sie eine proportionale Darstellung wünschen, nutzen Sie Visualisierungen wie Kreis- (Donut-)Diagramme, gestapelte Balkendiagramme oder Treemaps. Wenn Sie aber einfach nur die Größe von Datensätzen vergleichen möchten, verwenden Sie einzelne Einheiten – oder einen einfachen Balken –, um sie realistisch darzustellen.

Wie Plecto Ihnen hilft, unverhältnismäßige Einheitendarstellungen zu vermeiden

Vergessen Sie Skalierungsprobleme, wenn Sie die Visualisierung automatisieren können. Plecto verwendet für Einheitenvergleiche feste Größen und verhindert so Skalierungsfehler. Für Mengenvergleiche werden standardmäßig Standard-Balken- und Säulendiagramme eingesetzt, um Unterschiede zwischen einzelnen Einheiten genau darzustellen. Das spart nicht nur Zeit, sondern sieht auch professionell aus und zeigt die Performance genau so, wie sie ist.

5. Verzerrte Kreisdiagramm-Ansicht

Eine verzerrte Darstellung von Datenvisualisierungen erzeugt trügerische optische Täuschungen.

Das Problem

Als Beispiel für eine proportionale statt numerische Darstellung zeigen die beiden folgenden Kreis- (Donut-)Diagramme proportionale Anteile der „Todesursache“. Beim Blick auf das rechte Diagramm glauben wir, Abschnitt B sei der größte – oder zumindest gleich groß wie Abschnitt A. Doch das linke Diagramm zeigt, dass dem nicht so ist und Abschnitt A eindeutig der größte ist. Was ist da los?

Die 3D-Kreisdiagramm-Ansicht rechts verzerrt das Diagramm: Abschnitt B ist zum Betrachter hin geneigt und wirkt dadurch viel größer, als er wirklich ist. Kurz gesagt, es ist ein Trick fürs Auge – einer, der zwar keine falschen Informationen direkt liefert, aber einen irreführenden Eindruck der Realität erzeugt.

Beispiel für ein verzerrtes 3D-Kreisdiagramm, das ein Segment übertreibt

Die Lösung

Die Lösung ist wirklich einfach: Verwenden Sie keine 3D-Kreisdiagramme, denn sie verzerren die dargestellten Daten unweigerlich, und nutzen Sie stattdessen 2D-Diagramme. Das ist ehrlicher und stellt außerdem sicher, dass Sie möglichst verlässliche und genaue Daten erhalten. Das ist besonders wichtig, weil so viel von dem, was als „gute“ Datenvisualisierung gilt, auf dem ersten Eindruck beruht, der nicht nur die Lesbarkeit, sondern auch die Wahrhaftigkeit begründet.

Wie Plecto Ihnen hilft, Datenverzerrungen zu vermeiden

Plecto verwendet für zentrale Diagramme wie Donut-, Linien- und Balkendiagramme ausschließlich 2D-Visualisierungen. Das schließt Verzerrungen durch 3D-Perspektiven aus und garantiert die visuelle Wahrhaftigkeit Ihrer Daten auf den ersten Blick.

Boost performance with real-time dashboards

Start your free trial today and see the difference data visualization makes.

6. Wo anfangen …?

Wer nicht darauf achtet, was und wie er misst, macht eine Grafik unsinnig.

Das Problem

Zum großen Finale eine Visualisierung mit nicht nur einem oder zwei, sondern mehreren Problemen! Diese Grafik zeigt, wie sich Mitglieder der Generation „Baby Boomer“ selbst beschreiben, wobei jede Beschreibung durch einen anderen farbcodierten Prozentwert auf einer menschenähnlichen Figur dargestellt wird.

Diese Grafik ist letztlich ein „kreatives“ Kreisdiagramm, ähnlich dem vorherigen Wabenbeispiel in dieser Liste (Nummer 3). Während die Wabengrafik die Proportionen jedoch einfach nicht korrekt darstellte, begeht diese Grafik mehrere statistische und gestalterische Sünden:

Beispiel für eine irreführende Infografik: Prozentwerte, die 100 Prozent übersteigen
  • Die angegebenen Prozentwerte ergeben nicht 100, sondern 243. Da es hier keine Überschneidungen zwischen Kategorien gibt, entsteht beim Betrachter der Eindruck, der Grafikdesigner habe einen gravierenden statistischen Fehler gemacht.
  • Die den einzelnen Kategorien zugewiesenen Flächen entsprechen überhaupt nicht ihren Prozentwerten. Die Kategorie „menschenkundig“ (78 Prozent) nimmt ganz offensichtlich nicht 78 Prozent der Figur ein!
  • Unklar ist auch, warum der Designer eine menschliche Figur und ein scheinbar willkürliches Farbschema gewählt hat. Welche Information vermitteln diese Gestaltungsentscheidungen dem Leser, oder welche Information sollen sie in seinem Kopf verstärken? Wir wissen es schlicht nicht.

Insgesamt vermittelt diese Grafik einen stark irreführenden Eindruck von den Informationen, die sie darstellen will. Wenn der Leser die menschliche Figur sieht, verbindet er sie gedanklich mit einer Gesamtheit (etwa 100 Prozent), so wie den Kreis eines Kreisdiagramms.

Wenn der Leser aber Kategorie-Prozentwerte sieht, die 100 übersteigen und in der Grafik keine visuelle Grundlage haben, schließt er daraus, dass die Zahlen willkürlich platziert sind und keine echte „Geschichte“ dahintersteckt. Mit anderen Worten: Die Grafik wird bedeutungslos.

Erstellen Sie Ihr eigenes DashboardErstellen Sie Ihr eigenes Dashboard

Die Lösung

Die einzige Lösung ist, diese Grafik komplett zu verwerfen und neu zu beginnen – diesmal als Balkendiagramm. Wenn die Daten dieser Grafik in ein Balkendiagramm übertragen werden, kann das Zielpublikum die Beziehung zwischen diesen Wertekategorien („menschenkundig“, „kreativ“ usw.) besser verstehen, ohne den falschen Eindruck zu gewinnen, dass diese Werte rechnerisch „zusammenpassen“ sollen.

Wenn statt bloßer Prozentwerte auch Zahlendaten vorliegen, wäre eine noch bessere Lösung ein Venn-Diagramm. Die Überlappung der Blasen würde dem Betrachter mehr über die Beziehungen zwischen den Werten der Befragten verraten: Wie viele Befragte sagten zum Beispiel, sie seien sowohl „Führungspersönlichkeit“ als auch „lernbereit“? Und damit der Betrachter schnell eine Vorstellung davon bekommt, wie viele Befragte in jede Wertekategorie fallen, lassen sich die Blasen entsprechend dimensionieren.

Wie Plecto die Datenvisualisierung vereinfacht

Mit über 10 Widget-Typen für Datenvisualisierung bietet Plecto Nutzern eine Vielzahl an Formaten, um wichtige Informationen darzustellen, selbst bei überlappenden Variablen oder Personen, die in zwei Kategorien fallen – etwa ein Baby Boomer, der sich sowohl als technik- als auch menschenkundig betrachtet.

Wählen Sie aus Tachometern, Tabellen, Donut-Diagrammen, Flächendiagrammen oder Säulen- (Balken-)Diagrammen, um Performance-KPIs so zu visualisieren, wie es für Sie am sinnvollsten ist. Tatsächlich ist das Grundprinzip von Plecto, Daten einfach und zugleich motivierend zu nutzen, um die Teamleistung zu steigern!

Wie sieht ein schlechtes Dashboard aus?

Die sechs obigen Beispiele sind alle einzelne Diagramme. Ein Dashboard erhöht den Einsatz, weil es viele Diagramme gleichzeitig auf einem Bildschirm zeigt, sodass sich kleine Fehler zu einer Anzeige summieren, die niemand auf einen Blick lesen kann. Das sind die häufigsten Fehler im Dashboard-Design und wie Sie sie beheben:

  1. Zu viele KPIs. Zwanzig Kennzahlen auf einem Bildschirm bedeuten, dass keine heraussticht. Wählen Sie die fünf bis sieben aus, die zum Handeln anregen, und geben Sie allem anderen ein eigenes Dashboard.
  2. Keine visuelle Hierarchie. Wenn alle Widgets gleich groß sind, weiß das Auge nicht, wohin es schauen soll. Dimensionieren und platzieren Sie Widgets nach Wichtigkeit, mit der Hauptzahl am größten.
  3. Eitelkeitskennzahlen. Zahlen, die beeindruckend aussehen, aber keine Entscheidung verändern, verdrängen die, die es tun. Verfolgen Sie stattdessen individuelle KPIs, die an ein Ziel gebunden sind.
  4. Das falsche Diagramm für die Kennzahl. Ein Kreisdiagramm für Zeitreihendaten oder ein Liniendiagramm für Kategorien zwingt den Leser, rückwärts zu denken. Passen Sie den Diagrammtyp an die Form der Daten an.
  5. Veraltete, statische Daten. Ein Dashboard, das auf dem Export der letzten Woche beruht, ist ein Bericht, kein Dashboard. Binden Sie Live-Daten an, damit sich die Zahlen in Echtzeit bewegen.

Möchten Sie die Kehrseite sehen? Entdecken Sie die Echtzeit-Dashboards von Plecto oder lesen Sie unsere Zusammenstellung der besten Datenvisualisierungen mit gelungenen Beispielen.

Schlechte Visualisierungen vermeiden? Probieren Sie Plecto aus!

Zusammenfassend hier die sechs Probleme, die wir beschrieben haben – und ihre Lösungen:

  1. Unorganisierte Daten erzählen keine aussagekräftige Geschichte: Ordnen Sie die Datenblasen in einem hierarchischen Format an.
  2. Überladene visuelle Komponenten machen Daten schwer lesbar: Reduzieren Sie die Zahl der Achsen und Variablen.
  3. Anteile sehen nicht so aus, wie sie sich lesen: Stellen Sie sicher, dass ein Viertel in Ihrer Visualisierung auch wie ein Viertel aussieht.
  4. Maßeinheiten der Daten sind falsch dimensioniert: Nehmen Sie sich bei Maßeinheiten nicht zu viel künstlerische Freiheit.
  5. Visuelle Manipulation von Daten erzeugt irreführende Eindrücke: Vermeiden Sie optische Täuschungen und halten Sie Ihre Daten ehrlich.
  6. Alles sagen wollen und nichts sagen: Wissen Sie, was Sie messen und wie Sie es tun werden.

Weil Datenvisualisierungen allgegenwärtig sind, überrascht es nicht, dass es reichlich gute und schlechte Beispiele gibt. Deshalb ist es wichtig, die Warnsignale einer schlechten Datenvisualisierung zu kennen, damit Sie sicherstellen können, dass die Daten, mit denen Sie arbeiten, verlässlich, valide und vertrauenswürdig dargestellt werden.

Mit Plecto vermeiden Sie die Fallstricke schlechter Datenvisualisierung und verlassen sich auf bewährte Visualisierungsmethoden, sodass Ihr Unternehmen transparent und genau auf seine Daten zugreifen kann. Diese Klarheit liefert Ihnen die Einblicke, die Sie brauchen, um datenbasierte Entscheidungen zu treffen und Ihre KPI-Ziele zu erreichen.

Verschwenden Sie Ihre Zeit nicht mit mangelhaften Datenvisualisierungen! Melden Sie sich unten noch heute für eine kostenlose Plecto-Demo an.

FAQ

Häufig gestellte Fragen

Datenüberlastung entsteht, wenn eine Visualisierung versucht, zu viele Kennzahlen oder Farben in eine einzige Ansicht zu pressen, sodass das Publikum verwirrt ist und die wichtigsten Informationen nicht erkennen kann. Plecto hilft Nutzern, das zu vermeiden, mit übersichtlichen, anpassbaren Vorlagen, die Klarheit und Hierarchie betonen. Mit Plecto können Manager die relevantesten KPIs auswählen und nur die Daten hervorheben, die sofortiges Handeln erfordern.

Ein schlechtes Dashboard enthält zu viele KPIs, gibt jedem Widget das gleiche visuelle Gewicht, stützt sich auf Eitelkeitskennzahlen, verwendet die falschen Diagrammtypen oder läuft mit veralteten Daten – das Ergebnis ist ein Bildschirm, den niemand auf einen Blick lesen kann. Ein gutes Dashboard zeigt eine Handvoll handlungsleitender KPIs in einer klaren Hierarchie, in Echtzeit aktualisiert.

Die häufigsten Fehler sind abgeschnittene oder manipulierte Achsen, 3D-Effekte, die Proportionen verzerren, zu viele Variablen in einem einzigen Diagramm, unverhältnismäßige Größen, schlechte Farbwahl und die Wahl des falschen Diagrammtyps für die Daten. Jeder davon macht die Daten schwerer lesbar oder sogar aktiv irreführend.

Ein schlechtes Dashboard versucht, alles zu zeigen, und vermittelt am Ende nichts. Ein gutes Dashboard zeigt nur die Kennzahlen, die Entscheidungen vorantreiben, in einer klaren visuellen Hierarchie und in Echtzeit aktualisiert. Ein schneller Test: Kann jemand es in wenigen Sekunden von der anderen Seite des Raums aus verstehen?

Starten Sie Ihre kostenlose 14-tägige Plecto-Testphase noch heute.

Hat Ihnen der Artikel gefallen? Teilen Sie ihn:

LinkedInFacebookX

JAMES NIILER