Charts ga38afa798 1920

Statistiken schlüssig schildern: Was grafische Statistiken verständlich und vertrauenswürdig macht

Inzidenz. Positivitätsrate. Reproduktionszahl. Aus der Berichterstattung zur Corona-Pandemie sind Zahlen und Statistiken nicht wegzudenken. Ob die Lesenden diese aber richtig beurteilen können, ist fraglich.

Der folgende Artikel ist am 17. März 2022 auf der Webseite des European Journalism Observatory erschienen. Zum Originalbeitraggeht es hier.

Wie sollten Statistiken aussehen, damit die Lesenden ihnen vertrauen? Was braucht es, damit Grafiken korrekt interpretiert werden? Im Rahmen des interdisziplinären Projekts «Fake News on COVID-19» [1] haben wir – Forschende der Jungen Akademie Schweiz – diese Fragen untersucht. Basierend auf den Daten [2] und Ergebnissen präsentieren wir praktische Empfehlungen für Medienschaffende.

Statistiken verstehen am Beispiel der Corona-Fallzahlen

Stellen Sie sich vor, Sie lesen einen Artikel, in dem die folgenden beiden Grafiken abgebildet sind. Wenn wir Sie fragen würden, in welchem Land es am 1. Oktober 2020 mehr bestätigte Fälle pro Tag gab, was würden Sie sagen?

Täglich bestätigte Neuinfektionen im 7-Tage-Durchschnitt in Deutschland, Österreich und der Schweiz. Quelle: OWID.

Täglich bestätigte Neuinfektionen im 7-Tage-Durchschnitt pro Mio. Einwohner in Deutschland, Österreich und der Schweiz. Quelle: OWID.

Die erste Abbildung zeigt die durchschnittlichen Fallzahlen in absoluten Werten, die zweite Grafik gibt relative Fallzahlen an, weil die Zahl der bestätigten Fälle durch die Einwohnerzahl der drei Länder geteilt worden ist. In unserer Befragung antworteten die meisten Schweizer:innen, dass es zu diesem Zeitpunkt in Deutschland die meisten Neuinfektionen gegeben hat. Das stimmt auch: In der ersten Abbildung ist die gelbe Linie (Deutschland) zuoberst.

Die Teilnehmenden begründeten im Fragebogen ihre Antworten auch. Die Hälfte gab dabei an, dass sie sich bei ihrer Antwort auf die Grafik gestützt hat. Allerdings haben auch viele, die falsch geantwortet haben, mit der Grafik argumentiert. Ob die Befragten die passende Abbildung (nämlich die erste) angeschaut haben, ist also fraglich.

«Mir scheint, dass es genauer ist, die Anzahl der Fälle pro Million Einwohner zu vergleichen, da die Bevölkerung der Schweiz viel kleiner ist als die Deutschlands.»* (m, 47 J.)

«Das kann man so doch gar nicht vergleichen, Deutschland ist 10 mal so gross wie die Schweiz. dieser Vergleich macht keinen Sinn» (w, 35 J.)

Das stimmt natürlich. Um die Fallzahlen in Relation zur Bevölkerungsgrösse eines Landes vergleichen zu können, müsste die zweite Abbildung (Zahlen pro Mio. Einwohner) angeschaut werden. Aber: Das war nicht die Aufgabe.

Es sieht ganz so aus, als hätten die Befragten einfach nicht die für die Frage passende Grafik angeschaut. Stattdessen griffen viele bei ihrer Antwort auf das zurück, was sie schon einmal gelesen oder gehört hatten. So eine kritische Auseinandersetzung in Bezug auf die Vergleichbarkeit von Zahlen ist eigentlich erfreulich. Für Medienschaffende heisst das aber, dass sie Aussagen, die sich auf eine konkrete Grafik stützen, deutlich so kennzeichnen müssen und dabei auch erläutern sollten, welche Schlüsse sich aus der Grafik ziehen lassen. Damit lässt sich die Gefahr von Missverständnissen reduzieren und die Lesenden können Schlussfolgerungen besser nachvollziehen.

Empfehlung 1: Wenn sich Aussagen auf eine von mehreren Grafiken beziehen, dann sollte im Text eindeutig auf die entsprechende Abbildung verwiesen werden. Auch die Bildbeschreibung sollte deutlich machen, was die Grafik genau zeigt – und was sie nicht zeigt.

Jetzt wird es schwieriger: Verbreitete sich Corona am 1. Oktober 2020 in der Schweiz schneller als in Österreich oder in Deutschland? Die Schwierigkeit liegt bei dieser Frage darin, dass die Lösung zwar (theoretisch) aus der richtigen Grafik ablesbar wäre, es jedoch eine nicht zu unterschätzende Transferleistung dazu braucht. Sie müssen nämlich zuerst wissen, dass Sie dazu die Grafik mit den absoluten und nicht die mit den relativen Fallzahlen verwenden müssen. Und auch wenn Sie die richtige Abbildung anschauen, können Sie die korrekte Antwort nicht sofort sehen. Im Gegensatz zu den absoluten Fallzahlen lässt sich die Geschwindigkeit, mit der sich diese Zahlen verändern, nicht einfach ablesen. Sie müssen dazu die Steigung der Kurven vergleichen: Je steiler die Kurve, desto schneller steigen die Zahlen in einem Land an. Dass die österreichische Kurve weniger steil ist als jene in der Schweiz und in Deutschland, lässt sich dabei mit viel gutem Willen erkennen. Doch ob nun zum gefragten Zeitpunkt die Fallzahlen in der Schweiz oder in Deutschland schneller am Steigen waren, lässt sich kaum ablesen (zur Info: die Schweiz lag knapp vorne).

In unserer Umfrage antworteten nur 4 von 10 Personen richtig auf diese Frage – ein Resultat, das bei einer Ja-/Nein-Frage selbst dann zu erwarten ist, wenn blind geraten wird. Wie viele davon einen Zufallstreffer gelandet haben und wie viele tatsächlich wussten, wie die Steigung ermittelt wird, können wir nicht sagen. Interessant ist aber, dass auch hier sehr viele Befragte ihre falsche Antwort mit der Grafik begründet haben – sie schienen also zumindest subjektiv Dinge aus der Grafik herauslesen zu können, die dort kaum erkennbar gewesen sein dürften. Allerdings wissen wir nicht, ob sie auch wirklich die richtige Grafik angeschaut haben. Das zeigt, wie schwierig es ist, nicht direkt ablesbare Informationen richtig zu bewerten.

Empfehlung 2: Grafiken sollten so dargestellt werden, dass die wichtigen Informationen direkt ablesbar sind. Die Lesenden sollten keine «mentale Zusatzarbei leisten müssen.

In Bezug auf unsere Frage zur Geschwindigkeit der Verbreitung hiesse das: Man hätte die Steigung der Kurven besser erkennbar machen müssen – zum Beispiel, indem man die Kurven logarithmisch darstellt (siehe Beispiel in Abbildung 3). Dann wäre einfacher zu erkennen gewesen, in welchem Land die Fallzahlen schneller gestiegen sind. Am deutlichsten werden die vorhandenen Unterschiede, wenn die Grafik die Wachstumsraten direkt anzeigt – was jedoch mathematische Modellierungen voraussetzt.

Simulation von exponentiell steigenden Fallzahlen ausgehend von der gleichen Anfangszahl von infektiösen Personen. Die rote Kurve mit runden Datenpunkten wächst schneller als die blaue Kurve mit dreieckigen Datenpunkten, was jedoch in der linearen Darstellung der Kurven (links) fast nicht zu erkennen ist. Stellt man die Daten logarithmisch dar (Mitte), wird der Unterschied deutlicher. Am deutlichsten werden die unterschiedlichen Wachstumsraten, wenn man sie direkt grafisch darstellt (rechts).

Simulation von exponentiell steigenden Fallzahlen, wobei die rote Population mit zehnmal weniger Personen startet als die blaue. Die jeweiligen Wachstumsraten sind in beiden Populationen dieselben wie in der obigen Darstellung, d.h. auch hier wächst die rote Kurve mit runden Datenpunkten wächst schneller als die blaue Kurve mit dreieckigen Datenpunkten. Aufgrund der unterschiedlichen Anfangszahlen ist der Unterschied in der linearen Darstellen der Kurven (links) noch schlechter zu erkennen. Stellt man die Daten logarithmisch dar (Mitte), wird der Unterschied auch hier deutlicher. Am deutlichsten werden die unterschiedlichen Wachstumsraten, wenn man sie direkt grafisch darstellt (rechts).

Vertrauenswürdige Grafiken müssen verständlich, vollständig und korrekt sein

Ob sich Menschen bei ihrer Meinungsbildung ganz oder teilweise auf Grafiken stützen, hängt sicher auch davon ab, ob sie diesen vertrauen. Aber was macht statistische Grafiken überhaupt vertrauenswürdig? Das haben wir die Teilnehmenden unserer Umfrage gefragt – und einige erstaunliche Antworten bekommen. So findet ein Fünftel, dass Grafiken grundsätzlich nicht oder kaum vertrauenswürdig sind. Wir können aber nicht sagen, was die Gründe dafür sind. Ungenügende Datenkompetenz [4]? Generelle Skepsis gegenüber den Medien oder staatlichen Institutionen (z. B. dem Bundesamt für Gesundheit BAG)? Oder haben sie schlicht zu sehr das Sprichwort verinnerlicht, dass man keiner Statistik trauen solle, die man nicht selber gefälscht hat?

«Einer Statistik zu vertrauen ist schwierig. je nachdem wer die Statistik in Auftrag gibt bringt seine eigenen Ansichten und wünsche hinein» (w, 65 J.)

«Eine Statistik ist nie vertrauenswürdig ausser du hast sie selber gefälscht.» (m, 57 J.)

«Ich glaube all diesen Statistiken nicht… Grafiken könne sehr gut und einfach manipuliert werden.» (w, 28 J.)

Was können wir nun machen, damit die Lesenden unseren Grafiken vertrauen? Mit Abstand am wichtigsten ist für unsere Befragten die Quelle bzw. der Herausgeber. Wer das ist, sollte unbedingt in der Grafik oder der Bildbeschreibung stehen. Zudem kann man die Daten «open access» zur Verfügung stellen. So können sich potenziell alle, die das möchten, die Daten selber nochmal anschauen und überprüfen, ob eine Grafik auf korrekten Angaben und Berechnungen basiert.

Empfehlung 3: Die Quelle der Grafik und der Daten sollte angegeben und wenn möglich zugänglich gemacht werden.

Ein weiterer Punkt ist die Vollständigkeit der Daten und der Abbildung. So sollten alle Bestandteile der Grafik beschriftet sein.

Empfehlung 4: Statistische Grafiken sollten Daten vollständig aufführen – nicht nur in willkürlichen Ausschnitten. Zudem sollten alle Beschriftungen vorhanden sein.

Es gibt noch weitere Aspekte, auf die Sie achten sollten, wenn Sie Grafiken verwenden. Daten aus verschiedenen Untersuchungen oder in Bezug auf verschiedene Kontexte abzubilden und zu vergleichen, auch das macht Statistiken vertrauenswürdiger. Zum Beispiel sollten COVID-19-Kennzahlen wie bestätigte Fälle oder Hospitalisierungen zwischen Ländern oder Kantonen – am liebsten direkt innerhalb einer Abbildung – verglichen werden können. Und wenn das nicht möglich ist, zum Beispiel wenn die Zahlen unterschiedlich erhoben worden sind, dann sollte das ebenfalls explizit erwähnt werden.

Empfehlung 5: Machen Sie in der Grafik deutlich, inwiefern die abgebildeten Daten vergleichbar sind. Zum Beispiel, indem sie die entsprechenden Werte mehrerer Länder – natürlich in Relation zur Einwohnerzahl – abbilden, aber auf potentielle Unterschiede in der Datenerhebung verweisen.

Das sind nur einige wenige Merkmale, die unsere Befragten aufgezählt haben. Die folgende Abbildung zeigt weitere oft genannte Punkte.

«Was macht eine statistische Graphik zu Ansteckungsraten in Bezug auf das neuartige Coronavirus für Sie vertrauenswürdig?» Es waren keine Auswahloptionen vorgegeben. Aufgeführt sind Merkmale mit Nennung von mind. 5% der insgesamt 742 Befragten [2].

Wie Sie der Grafik (hoffentlich) entnehmen können, ist auch die Verständlichkeit einer Grafik wichtig für ihre Vertrauenswürdigkeit. Wissen Sie was der R-Wert ist oder wie ein 7-Tage-Inzidenz-Wert berechnet wird? Wenn Sie die Begriffe nicht verstehen, vertrauen Sie auch einer noch so steilen Linie in einer Grafik nicht, dass sie etwas Negatives ausdrückt. Damit Grafiken für die Lesenden vertrauenswürdig sind, müssen sie diese also auch verstehen. Das betrifft nicht nur die Sprache der Beschriftungen, sondern auch die Interpretation von beispielsweise Unterschieden.

Empfehlung 6: Verzichten Sie auf Fremdwörter oder komplexe statistische Parameter in der Grafik oder räumen Sie viel Platz ein, um diese verständlich zu vermitteln. Nutzen Sie einfache Interpretationsbeispiele im Fliesstext, um Schlussfolgerungen aus der Statistik zu beschreiben.

Viele Menschen scheinen also für sich zu wissen, was eine vertrauenswürdige Statistik ausmacht – wobei es sich bei Weitem nicht nur um objektive Kriterien handelt. Nicht wenige Personen haben subjektive Kriterien genannt, die ihrer ganz persönlichen Meinung nach die Vertrauenswürdigkeit erhöhen, wie bspw. dass die Grafik für sie plausibel ist. Aus wissenschaftlicher Sicht gibt es auch noch andere Kriterien, die eine Grafik vertrauenswürdig machen. Beispielsweise die Aktualität der Daten: Das Bundesamt für Gesundheit BAG vermeldet seit zwei Jahren täglich die aktuellen Zahlen rund um die Corona-Pandemie. Aber machen aktualisierte Daten eine Grafik wirklich vertrauenswürdiger? Nicht unbedingt, finden die Teilnehmenden unserer Befragung.

Und was ist mit Reproduzierbarkeit der Ergebnisse, Messgenauigkeit von Daten und Zuverlässigkeit von Statistiken? Das sind wichtige Prinzipien in der Wissenschaft: Wenn Daten auf die gleiche Art und Weise erhoben und berechnet werden, sollten auch verschiedene Personen immer wieder zu den gleichen Ergebnisse kommen. Dass diese objektiv wichtigen Kriterien für viele Leute keine grosse Bedeutung haben, liegt womöglich an der fehlenden Sensibilisierung. Hier sollten Journalist:innen ansetzen, indem sie erläutern, wie wichtig aktuelle und reproduzierbare Daten sind, um verlässliche Schlüsse aus ihnen ziehen zu können.

Empfehlung 7: Schreiben Sie explizit, wie aktuell die in der Grafik abgebildeten Daten sind und gehen Sie auch auf die Zuverlässigkeit der Daten ein. Erklären Sie auch, wieso das wichtig für die Verlässlichkeit der Aussagen ist.

Nicht immer sagt ein Bild mehr als tausend Worte. Darum ist es wichtig, die Leser:innen nicht mit einer Grafik allein zu lassen. Nicht nur bei komplexen Statistiken, sondern auch wenn es um (vermeintlich) einfache Interpretationen geht, sollten Journalist:innen Schlussfolgerungen immer (auch) im Fliesstext erläutern.

Empfehlung 8: Wichtige Erkenntnisse sollten nicht (nur) in Form von Grafiken vermittelt, sondern immer (auch) im Text ausgeführt und begründet werden.

Das Publikum vertraut Grafiken, wenn es diese versteht

Und was heisst das jetzt? Medien(schaffende) müssen – nicht nur während der Corona-Pandemie – viele komplexe Informationen und (statistische) Daten verständlich vermitteln. Grafiken können dabei das Verständnis von Daten stützen und Verläufe oder Unterschiede auf einen Blick sichtbar machen. Daher sind sie zurecht ein wichtiges journalistisches Werkzeug. Allerdings sind Grafiken nicht neutrale und wertfreie Visualisierungen. Durch die Auswahl und Darstellung der Daten wird immer auch eine bestimmte Interpretation angedeutet und allein die Präsenz einer grafischen Statistik kann einem Text eine gewisse Wissenschaftlichkeit verleihen – unabhängig davon, ob dieser Eindruck auch gerechtfertigt ist. Das heisst, wenn im Artikel eine Grafik abgebildet ist, dann bewerten die Leser:innen auch die Aussagen im Text eher als richtig und glaubwürdig, als bei einem Artikel ohne eine solche Darstellung [5].

Das Erstellen und der Einsatz von statistischen Grafiken erfordern spezifische Kompetenzen der Journalist:innen. Eine erste Hürde, welche Medienschaffende nehmen müssen: Statistiken wissenschaftlich korrekt abbilden – das hat beispielsweise gerade im ersten Corona-Pandemiejahr mehr schlecht als recht funktioniert [6]. Zudem hat unsere Befragung gezeigt, dass mitunter wichtige Merkmale von vertrauenswürdigen Statistiken vom Publikum kaum beachtet werden. Journalist:innen können hier wertvolle Aufklärungsarbeit leisten und ihr Publikum dafür sensibilisieren, woran sie die Vertrauenswürdigkeit einer Statistik einschätzen können.

Doch Statistiken in Medien müssen noch eine zweite, nicht minder hohe Hürde überwinden: Für ein Laienpublikum ohne statistisches Vorwissen verständlich sein [8]. Auch darin kann die Vermittlung von Statistiken scheitern. Denn wenn eine Statistik zwar von Wissenschaftler:innen korrekt verstanden wird, in den Augen von Laien aber einen irreführenden oder wenig vertrauenswürdigen Eindruck erweckt, ist das Vermittlungsziel ebenfalls verfehlt.

«Leicht verständlich für jedermann Einfach und ohne wissenschaftliche Begriffe, die nicht in Klammern erklärt werden» (w, 52 J.)

«Wenn die Darstellung der Grafik auf Anhieb verständlich ist, vertraue ich ihr» (w, 58 J.)

«Es muss klar und leicht verständlich sein, aber dennoch gut detailliert und mit Informationen, die genau und nicht aufgeblasen sind.» (m, 30 J.)

Wie so oft im Leben, gibt es nicht die eine Lösung, damit alle Lesenden eine Grafik verstehen und vertrauenswürdig finden – und auch unsere Befragung hat diesbezüglich nur an der Oberfläche gekratzt. Sie hat aber gezeigt, dass es einige konkrete Punkte gibt, die in den Augen vieler Menschen wichtig sind, damit sie einer Grafik vertrauen und sie verstehen. Schenken Sie darum diesen Aspekten etwas mehr Aufmerksamkeit, wenn Sie das nächste Mal eine Grafik erstellen oder in einen Beitrag einbinden. Ihre Leserschaft wird es Ihnen danken.

«Eine Grafik kann als Bild zur besseren Erfassung der Werte helfen» (m, 65 J.)

«Grafiken zeigen Dinge besser als nur blanke Zahlen und es ist klarer auf einen Blick als Zahlen zu vergleichen.» (w, 63 J.)

* Rechtschreib- und Grammatikfehler in den Antworten der Befragten wurden übernommen.

Referenzen

[1]

Junge Akademie Schweiz (SYA; o. D.). What can we learn from COVID-19 fake news about the spread of scientific misinformation in general? (https://swissyoungacademy.ch/d..., abgerufen am 4. Februar 2022).

[2]

Befragungsdaten aus dem SYA-Projekt “What can we learn from COVID-19 fake news about the spread of scientific misinformation in general?” stehen unter folgendem Link open access zur Verfügung: https://www.shkessler.com/s/Da...

[3]

SRF Data (o. D.). Fälle, Impfungen, Übersterblichkeit: Corona-Zahlen weltweit (srf.ch/news/international/coronavirus-grafik-faelle-impfungen-uebersterblichkeit-corona-zahlen-weltweit-2, abgerufen am 4. Februar 2022).

[4]

Servan Grüninger (02.02.2021). Datenkompetenz: Wer Zahlen sprechen hört, sollte zum Arzt gehen (https://medienwoche.ch/2021/02..., abgerufen am 4. Februar 2022).

[5]

Esther Greussing (05.11.2019). Datenvisualisierung vom Publikum her denken (https://medienwoche.ch/2019/11..., abgerufen am 4. Februar 2022).

[6]

Servan Grüninger (15.05.2020). Corona-Statistiken auf dem Prüfstand: Was uns Schweizer Medien servieren (https://medienwoche.ch/2020/05..., abgerufen am 4. Februar 2022).

Autor*innen

Autor*in

Beirätin

Dr. Sabrina Heike Kessler ist Senior Research and Teaching Associate am Institut für Kommunikationswissenschaft und Medien­forschung (IKMZ) der Universität Zürich (Schweiz) an der Abteilung Wissenschafts-, Krisen- und Risiko­kommunikation. Ihre Forschungsschwerpunkte sind Online-Recherche-, Selektions- und Rezeptionsprozesse im Bereich der Wissenschafts- und Gesundheitskommunikation.

Miriam S. Cano Pardo ist Masterabsolventin in strategischer Kommunikation und Management des Instituts für Kommunikationswissenschaft und Medienforschung (IKMZ) der Universität Zürich. Ihr Forschungsinteresse gilt der Wissenschaftskommunikation sowie der strategischen, organisationalen und Krisenkommunikation.

Autor*in

Präsidium, Fundraising

Servan Grüninger ist Mitgründer und Präsident von Reatch. Er hat sein Studium mit Politikwissenschaften und Recht begonnen und mit Biostatistik und Computational Science abgeschlossen. Zurzeit doktoriert er am Institut für Mathematik der Universität Zürich in Biostatistik. Weitere Informationen: www.servangrueninger.ch.

Der vorliegende Beitrag gibt die persönliche Meinung der Autor*innen wieder und entspricht nicht zwingend derjenigen von Reatch oder seiner Mitglieder.

Zum Kommentieren mehr als 20 Zeichen im Text markieren und Sprechblase anklicken.