Grundlage

Egal welches Tool man nutzt: Damit es die Länder, von denen die Rede ist, identifizieren kann, muss die zugrundeliegende Tabelle international gültige Ländercodes beinhalten. Ich habe also eine Spalte eingerichtet und hier den so genannten ISO-3166-Code angegeben – DE für Deutschland, GB für Großbritannien usw. Eine Liste mit Ländercodes gibt es hier.

OpenHeatMap

Einstellungsmöglichkeiten bei OpenHeatMap

Hier mein Beispiel – die Karte zeigt, in welchen Ländern Europas die Menschen mehr von Armut bedroht sind als in anderen. Die Quote (sichtbar beim Moueseover) sagt, wieviel Prozent der Bevölkerung unterhalb der im jeweiligen Land geltenden Armutsschwelle leben.

Tableau Public

Um diese Software bin ich lange herumgeschlichen. Sie ist eigentlich was für Profis – und hat einen entsprechend stolzen Preis: In der Desktop-Version ist Tableau ab rund 1000 US-Dollar zu haben. Aber es gibt auch Tableau Public in einer eingeschränkten, kostenlosen Variante. Damit habe ich ein wenig experimentiert.

Um es gleich zu sagen: Für gelegentliche Visualisierungen im online-journalistischen Alltag ist auch die kostenlose Public-Version für meine Begriffe zu überladen. Die Software ist alles andere als selbsterklärend. Wenn man die grundlegenden Funktionen aber mal kapiert hat, lässt sich recht flott eine Heatmap erstellen, die sich in vielen Details anpassen lässt. Am Ende speichert man die Karte auf dem Tableau-Server, wo sie mitsamt der Rohdaten öffentlich ist, und kann sich einen Einbettungscode holen. Für diesen Schritt muss man einen Account anlegen.

Hier meine mit Tableau Public erstellte Karte:

Vorteile: Mächtiges Werkzeug. Bietet eine Vielzahl von Möglichkeiten, Karten und Diagramme aller Art zu erstellen. Das Programm erkennt anhand der Tabellenstruktur, welche Art von Charts sich daraus machen lassen, und bietet nur diese zu Auswahl an. Infofenster können editiert werden, eingebettete Diagramme lassen sich teilen.
Nachteile: Mächtiges Werkzeug. ;) Tableau für kleinere, schnelle Projekte, das ist dann eher so die Kanone, die auf Spatzen zielt. Muss lokal auf dem (Windows-)Rechner installiert werden. Will man die Software professionell nutzen, kommt man um die teure Premium-Variante nicht herum.

CartoDB

Einstellungsmöglichkeiten bei CartoDB

Hier meine CartoDB-Heatmap:

Vorteile: CartoDB dürfte viele Fans in Online-Redaktionen finden – es ist relativ leicht zu bedienen (wenn man ein paar Fallstricke mal überwunden hat) und das Ergebnis kann sich sehen lassen. Der Wizard hilft, schnell die passende Darstellung zu finden, und man hat eine ganze Reihe von Optionen, um Inhalt und Aussehen der Infofenster zu beeinflussen. Zudem erlaubt CartoDB, mehrere Tabellen zusammenführen – das ist praktisch, wenn man zum Beispiel eine bestimmte Region immer wieder benötigt.
Nachteile: Mit dem kostenlosen Basis-Account ist man ruckzuck am Limit: Bei fünf Tabellen ist Schluss. Für Privatanwender kann das genügen, Online-Redaktionen werden zahlen müssen. Die Preise sind gestaffelt und starten ab 29 US-Dollar pro Monat (zehn Tabellen), ab 149 US-Dollar/Monat ist die Zahl der Tabellen unbegrenzt.

Noch mehr Werkzeuge:
www.kartograph.org – Kartograph ist ein Framework zur Erstellung interaktiver Karten von Gregor Aisch, Programmierer und Designer, der auch an Datawrapper beteiligt ist.
www.selection.datavisualization.ch – Sammlung von Tools zur Visualisierung
17 Free Awesome Data Visualization Tools

Datawrapper: Prüfen und Beschreiben der Daten

Die Web-Oberfläche von Datawrapper ist sehr übersichtlich und führt Nutzer Schritt für Schritt bis zur fertigen Grafik. Die Daten werden entweder als .csv-Datei hochgeladen oder direkt aus einer Tabelle in das Datenfeld kopiert. Datawrapper stellt sie im nächsten Schritt als Tabelle dar und bietet Optionen unter anderem für das Zahlenformat, aber auch (wichtig!) ein Feld für die Quelle und einen Link dorthin.

Im nächsten Schritt werden die Daten visualisiert. Dabei hat man die Wahl zwischen Balken-, Linien-, Kreis- oder Donut-Diagramm. Wenn man noch keine genaue Vorstellung hat, probiert man einfach mal alles durch – es zeigt sich schnell, welches Chart geeignet ist, um aus den Daten eine informative und verständliche Infografik zu machen.

Datawrapper:Visualisieren der Daten

Anpassbar sind hier auch Farben und Layout, zudem lassen sich die Balken sortieren und einzelne Zahlenreihen hervorheben – zum Beispiel, um das eigene Land bei einem Ländervergleich herauszustellen.

Bei meinen ersten Gehversuchen zeigte sich Datawrapper ein bisschen widerspenstig. Mehrfach wurde ein Diagramm überschrieben, als ich eigentlich ein neues erstellen wollte, und Änderungen waren nach dem Klick auf “Neu veröffentlichen” nicht immer zu sehen. Ich habe mir mehrfach damit beholfen, eine erstellte Grafik zu duplizieren, um dann diese Kopie zu ändern. geändert. Der Fehler scheint aber inzwischen behoben; Mirko Lorenz, Projektleiter bei Datawrapper, reagierte schnell auf meine Anfrage und teilte mir mit, dass es zeitweise Probleme mit der Datenübertragung auf die Server von Amazon gab. Dort liegen die Diagramme, seit die Zugriffszahlen eine veritable Größenordnung erreicht haben.

Fazit: Datawrapper ist ein prima Online-Werkzeug mit Optionen, die für den redaktionellen Alltag völlig ausreichen. Es lässt sich allerdings auch auf dem eigenen Server installieren und bietet dann auch Vektorgrafiken, die sich für den Druck eignen. Online werden die fertigen Diagramme per iFrame eingebunden. Positiv: die selbstverständliche Integration des Open-Data-Konzepts – Betrachter können die Datentabelle hinter dem Diagramm herunterladen.

Praxisbeispiele

Aus der Antwort der Bundesregierung auf eine Große Anfrage der Linken zum Thema Alterarmut von Frauen habe ich mit Hilfe von Datawrapper diese Infografiken erstellt:

Die Ergebnisse der IGLU-Studie zur Lesekompetenz bei Viertklässlern kann man ebenfalls im Handumdrehen grafisch darstellen:

Stolpersteine auf dem Weg zu meiner Arbeit: Hermann und Paula Eschwege wohnten in der Wittelsbacher Allee. Ihre Geschichte beim Klick aufs Bild.

Wohl fast jeder, der mit offenen Augen durch Deutschlands Straßen geht, ist schon einmal über einen dieser messingfarbenen Pflastersteine für Opfer des Nationalsozialismus gestolpert: “Hier wohnte” steht darauf eingraviert, gefolgt von einem Namen, dem Geburtsdatum, dem Ziel der Deportation und, soweit bekannt, dem Todesdatum. Bis zum Jahresende werden 38.000 davon verlegt sein, die meisten in Deutschland, aber auch in vielen anderen Ländern Europas – eine mit Preisen bedachte Initiative des Künstlers Gunter Demnig.

Aus Frankfurt am Main wurden etwa 12.000 Menschen deportiert, die meisten in den Jahren 1941 bis 1945. An 700 von ihnen erinnert jeweils ein Stolperstein, eingelassen in das Pflaster vor dem letzten Wohnhaus. Doch können diese Zahlen wirklich einen Eindruck davon vermitteln, wie viele Frauen, Männer und Kinder in dieser Zeit gewaltsam aus ihrem Leben und aus der Mitte einer Stadtgesellschaft gerissen wurden? Die Opfer der Nazis lebten nicht irgendwo abgeschirmt, sondern waren Nachbarinnen und Nachbarn, im Westend, in Bockenheim, im Gallus, in Sachsenhausen, im Nordend, in Eschersheim, im Ostend, in Höchst. Wohin wurden sie verschleppt, nachdem die Nazi-Schergen sie im Morgengrauen aus ihren Wohnungen geholt und zu Sammelstellen wie der Großmarkthalle getrieben hatten? Wie viele Menschen deportierte die Gestapo nach Theresienstadt, nach Lodz, Kaunas, nach Auschwitz, Majdanek und in andere Ghettos und Konzentrationslager? Wem gelang die Flucht? Wie viele nahmen sich das Leben?

Um das zumindest für einen kleinen Teil der Opfer anschaulich zu machen, habe ich die Liste der in Frankfurt verlegten Stolpersteine in eine Karte übertragen. Jeder rote Punkt steht für ein Einzelschicksal – für einen Menschen, der in Frankfurt lebte und arbeitete, und der aus der Stadt deportiert, ins Gefängnis geworfen, ermordet oder in den Suizid getrieben wurde.

Hält man sich vor Augen, dass in der Karte “nur” 700 der rund 12.000 Frankfurter Deportationsopfern verzeichnet sind, wird das Ausmaß deutlicher. Die folgende Infografik veranschaulicht die größten Verschleppungswellen im Zeitraum 1941 und 1945 – sie zeigt, wie verschwindend gering der Anteil der Frankfurter Deportierten ist, die nachweislich das Kriegsende erlebten. Die absoluten Zahlen erscheinen beim Mouseover.

Werkzeuge für den Datenjournalismus

Realisiert habe ich die Karte und das Diagramm mit kostenlosen Tools und ein wenig Fleißarbeit.
Und das ging so:

*Kratz, kratz*: Data Scraping

Das Verzeichnis der verlegten Stolpersteine, dankenswerter Weise von der Initiative Stolpersteine Frankfurt veröffentlicht, liegt leider nur in Form einer PDF-Datei vor. Ich habe die Daten mit Able2Extract in einer Excel-Tabelle verwandelt. Zwar haben einige Datensätze beim Konvertieren gelitten (beispielsweise wurde bei den Jahreszahlen aus so mancher 9 eine 0, und einige Angaben haben sich auf mehrere Zellen verteilt). Nach manueller Nachbearbeitung erfüllt die Software (die es in eingeschränkter Version kostenlos gibt) aber ihren Zweck.
Hier findet sich eine Sammlung weiterer Tools: Scraping for Journalism: A Guide for collecting data

*Polier, polier*: Daten bereinigen

Der nächste Schritt ist die Überlegung, in welcher Form ich die Daten benötige. Ich will eine Karte mit Markern und Informationen, die sich auf Klick in einem Fenster öffnen – also muss es eine Spalte mit genauen Ortsangaben geben. Die können in Form von Koordinaten vorliegen, aber Adressen tun es auch.

Darüber hinaus will ich die Möglichkeit geben, die Daten zu filtern: Die Option, das Ziel der Deportation auszuwählen, hilft bei der Einordnung, wie viele Menschen wohin verschleppt wurden. Außerdem möchte ich auf der Karte zeigen, wie viele Opfer bereits in Frankfurt den Tod fanden – etwa bei dem Pogrom oder durch Suizid – und wie wenigen die Flucht gelang. Für diese Informationen habe ich zusäzliche Spalten angelegt und die entsprechenden Daten in einer festgelegten Nomenklatur übertragen.

*Zauber, zauber*: Daten visualisieren

Nun wird es Zeit, der Excel-Tabelle einen Platz unter all den anderen tollen Google Fusion Tables zu verschaffen, einer Plattform für (öffentliche) Datentabellen, die eine ganze Reihe von Werkzeugen für die Visualisierung bietet. Bei Google Drive wählt man dazu unter “Erstellen” den Punkt “Mehr” -> “Fusion Table” aus und lädt die Tabelle hoch.

Entdecke die Möglichkeiten

Mit Google Fusion Tables kann man viel Lebenszeit verbringen. Am besten probiert man all die Optionen mal aus: Man kann Daten und Tabelle bearbeiten, neue Spalten und Zeilen hinzufügen, den Spaltentyp ändern, die Visualisierungstools durchgehen – und schauen, was passiert.

Noch nicht viel anfangen kann ich persönlich mit dem “New Look” von Google Fusion Tables; ich schalte deshalb zumeist unter”Help” auf “Back to classic look” und damit auf einen mir vertrauten Tabellenaufbau um. Wahrscheinlich verpasse ich damit lauter wunderbare Möglichkeiten. Nicht. ;)

Zwei Punkte seien erwähnt: Will man eine Karte erstellen, so muss Fusion Tables wissen, in welcher Spalte die Ortsangaben stehen. Arbeit man mit Adressen, sollte man prüfen, ob die Marker richtig sitzen, und notfalls korrigieren – die Option dafür findet sich hinter dem kleinen Google-Earth-Globus in der Location-Spalte. Und: Am Ende muss die Tabelle über den Button “Share” veröffentlicht werden – entweder für jeden oder zumindest für jene, die den Link kennen.

Sind alle Angaben vorhanden, die Daten ergänzt, bereinigt, geputzt und gebohnert, verwandelt ein Klick auf “Visualisieren -> Karte” die Tabelle in – Täätäää: eine Karte mit roten Markern! It’s magic!

Die Marker und die zugehörigen Informationen im Fenster lassen sich an dieser Stelle konfigurieren. Und schließlich findet sich hier auch der Embed-Code, um das Ergebnis im eigenen Blog einzubinden – falls man sich mit der einfachen Karte zufrieden geben möchte.

*Hex, hex*: Zusätzliche Filterfunktionen

Um die oben erwähnten Auswahloptionen zu ergänzen, braucht es noch ein wenig Javascript. Schnell und relativ einfach lässt sich das mit dem FusionTablesLayer Wizard bewerkstelligen. Der Zauberer braucht dafür nur den Link zur Karte (in der Kartenansicht von Fusion Tables über “Get embeddable link” zu finden) und Angaben, nach was die Daten gefiltert werden sollen. Leider, leider kann das Tool nur einen Filter erstellen. Das genügt mir nicht, ich möchte eine zweite Dropdown-Liste mit weiteren Filtermöglichkeiten – und muss deshalb den Code für die Filterfunktion händisch duplizieren. Wer das genauer wissen möchte, hier habe ich den Code notiert:

*Grübel, grübel*: Und was, wenn ich einen Timeslider haben will?

Mit dem Ergebnis bin ich eigentlich schon ganz zufrieden. Was mir noch fehlt: Ich hätte gern einen Timeslider, also einen verschiebbaren Regler, der Marker anhand einer Zeitangabe ein – bzw. ausblendet – so wie hier, ungefähr. Gibt es da draußen jemanden, der das mal für Dummies erklären kann? Ich weiß, dass man dafür der Closure library bedient, aber ich kapier’s noch nicht.

Um das Diagramm zu erstellen, habe ich das Tool Datawrapper genutzt. Dazu mehr im nächsten Posting.

Die neue Frankfurter Rundschau ist ein lebendes Medienprodukt. Sie “erscheint” nicht mehr in einem festen Rhythmus, sie ist einfach da. Es gibt sie, stets aktuell, im Web und als App, und es gibt sie, als zeitlosere Version mit reinen Hintergrund-Informationen, einmal pro Woche (vielleicht am Wochenende) auf Papier. Man kann sie einzeln kaufen und im Baukastensystem abonnieren: Zugriff auf ein einzelnes Format, Kombinationen oder Vollzugriff auf alle Formate. Im Web ist sie bis zu einem bestimmten Umfang kostenlos verfügbar.

Darüber hinaus gibt es die Möglichkeit für Leser, bestimmte journalistische Projekte – zu Beispiel investigative Geschichten – gezielt und zweckgebunden mitzufinanzieren.

Für die neue FR schreiben, filmen, foto-, audio- und kartografieren Journalistinnen und Journalisten, die ihre Aufgabe nicht darin erschöpft sehen, eine fertige Geschichte abzuliefern und sich dann der nächsten zuzuwenden. Die ihre Fragen an Interviewpartner nicht im stillen Kämmerlein stellen, um deren Antworten dann an die Leserinnen und Leser weiterzureichen. Für die “dran bleiben” nicht nur heißt, Nachdreher zu verfassen, sondern auch Reaktionen, Fragen, Kritik, Anregungen, bislang unbeachtete Aspekte zu dem, was sie bereits geschrieben haben, aufzugreifen. Die einen Text nicht mehr per se als abgeschlossen betrachten, bloß weil er erstmals publiziert worden ist.

Für die neue FR arbeiten Journalistinnen und Journalisten, die kommunizieren – in alle Richtungen. Die keinen Unterschied machen zwischen einem Fan oder einen Follower und dem Chef des Einzelhandelsverbandes – und die sich die Zeit nehmen, mit beiden zu reden. Die sich im Social Web ebenso selbstverständlich bewegen wie auf Pressekonferenzen. Die große Datenmengen ebenso übersetzen können verschwurbelte Politikerreden. Nicht zuletzt: Die sich nicht scheuen, ihre Arbeit transparent zu machen – und offen darüber berichten, wie sie berichten (oder auch, wie man sie am Berichten hindern will).

Nur eins darf sie nicht mehr sein: Tageszeitung. Ein Schnappschuss vom Zustand der Welt hält sich heute einfach keine 24 Stunden mehr. Ich bin immer noch überzeugt, dass Journalismus ein Produkt ist, für dass es genug Käufer gäbe – aber wer will es haben, wenn wir es in ein nicht mehr zeitgemäßes Format pressen?

Unbezahlbar? Vielleicht doch: Die neue FR wird gemacht von einer kleinen, aber schlagkräftigen Truppe aus Experten für Crossmedia-Journalismus, Technik und Vermarktern, die im Digital-Geschäft versiert sind. Eine Crowdfunding-Aktion bringt sie zum Fliegen. Eine Genossenschaft hält sie in der Luft. Könnte das klappen?

© styleuneed – Fotolia.com

Für Websites, die mit WordPress laufen, gibt es ein passendes Plugin, das – wenn alles funktioniert – das Hantieren mit der Tabelle erspart. Wie ich das verstehe, erlaubt das Plugin allerdings nur das Anlegen einer einzigen Zeitleiste. Und ich kann mir nicht helfen: Ich finde es übersichtlicher, alle Daten in einer ordentlichen Tabelle vor Augen zu haben, als für jeden Eintrag auf der Zeitleiste im WordPress-Backend einen eigenen Artikel erstellen zu müssen. Aber das ist sicher Geschmackssache.

Um das Tool zu testen, habe ich einen Multimedia-Reisebericht zweitverwertet, der drüben bei Nach 100 Jahren zum Einsatz kommt. So wird aus der Zeitleiste eine Zeitreise, in der man blättern kann:

Eine lineare Zeitleiste wie diese funktioniert am besten, wenn es darum geht, eine Geschichte chronologisch zu erzählen – einen Lebenslauf zum Beispiel, ein singuläres Ereignis, über das man minutiös berichtet, oder eine Reise. Zwar wird unter der Zeitleiste ein verschiebbarer Überblick die Ereignisse eingeblendet, so dass man auch zwischen den Einträgen springen kann; sie ist aber eher eine Ergänzung und liefert nicht viele Informationen.

Ich finde ja, Zeitleisten brauchen Platz, um ihre ganze Wirkung zu entfalten. In das starre Spaltenkorsett einer Website gequetscht, wirken sie – naja, weniger attraktiv, als sie sein können. Ein Beispiel: So sieht die Vollansicht einer Zeitleiste zu den TV-Duellen der amerikanischen Präsidentschaftskandidaten aus, die ich für Frankfurter Rundschau und Berliner Zeitung produziert habe. Und so wirkt dieselbe Zeitleiste, wenn man sie in die Website einbettet.

Alles in allem scheint mir Timeline JS ein sehr schickes und relativ einfaches Instrument für diese Art des Erzählens im Web. Die damit erstellten Zeitleisten sind flash-frei, werden somit auch auf mobilen Apple-Geräten angezeigt. Wer sich besser auskennt als ich, kann seine Zeitleiste auch direkt in JSON erstellen, dem Format, auf dem Timeline JS basiert. Für die Zukunft ist auch eine Anbindung an Storify geplant.

Bislang hatte ich Zeitleisten ganz gern mit Dipity erstellt – hier trägt man die einzelnen Ereignisse direkt auf der Plattform des Dienstes ein. Aber wie oben schon erwähnt: Ich finde die Handhabung mit einer Tabelle angenehmer – auch, weil sie mir mehr Kontrolle über das Ergebnis gibt. Änderungen an den Daten lassen sich einfach in einem Dokument vornehmen, und auch Umbrüche in den Texten beispielsweise kann man hier per HTML definieren. Dipity ist zudem nur in einer eingeschränkten Basisversion kostenfrei.

Zum Vergleich noch mal eine Dipity-Zeitleiste zur Geschichte der Stadt Frankfurt, die ich vor längerer Zeit für Frankfurt Story erstellt hatte:

Tabelle: Badeseen in Rhein-Main

Auf der Karte ist der Zustand an der Markerfarbe zu erkennen: Grün steht für eine ausgezeichnete, gelb für gute, violett für ausreichende Wasserqualität. Rot sind Seen markiert, zu denen keine behördlichen Angaben zur Wasserqualität vorliegen.