Ich habe fünfzehn Jahre damit verbracht zu erforschen, wie Menschen visuelle Informationen wahrnehmen. Farbe in der Datenvisualisierung ist einer dieser Bereiche, in denen unsere Intuition uns oft im Stich lässt.
Lassen Sie mich teilen, was die Forschung tatsächlich zeigt.
Die drei Aufgaben von Farbe in Diagrammen
Bevor Sie Farben auswählen, verstehen Sie, was Sie von der Farbe erwarten:
1. Kategorien unterscheiden
Wenn Sie verschiedene Datenreihen haben (Produkt A, Produkt B, Produkt C), hilft Farbe den Betrachtern, sie auseinanderzuhalten.
Forschungsergebnis: Menschen können auf einen Blick zuverlässig etwa 5–8 Farben unterscheiden. Darüber hinaus beginnen Betrachter, Kategorien zu verwechseln. Deshalb beschränken erfahrene Datenvisualisierer ihre Paletten.
2. Werte kodieren
In Heatmaps und Choroplethen-Karten repräsentiert Farbe eine Menge. Dunkler = mehr, heller = weniger (oder umgekehrt).
Forschungsergebnis: Sequentielle Farbskalen (hell bis dunkel in einem Farbton) funktionieren für die meisten quantitativen Daten besser als divergierende Skalen. Wir verstehen intuitiv „gesättigter = intensiver“.
3. Aufmerksamkeit lenken
Farbe hebt hervor, was wichtig ist. Der rote Balken zwischen grauen Balken sagt: „Schauen Sie hier.“
Forschungsergebnis: Eine einzelne Hervorhebungsfarbe vor einem neutralen Hintergrund ist effektiver als mehrere „wichtige“ Farben, die um Aufmerksamkeit konkurrieren.
Das kulturelle Gepäck von Farben
Farben tragen Bedeutung, aber diese Bedeutung variiert je nach Kontext und Kultur.
Rot
Westlicher Kontext: Gefahr, Verlust, Stopp, negativ, Dringlichkeit
Finanzkontext: Verlust, Abwärts, Verkauf
Designkontext: Fehler, Warnung, Aufmerksamkeit
In China: Glück, Wohlstand, Feier
An Aktienmärkten: Oft umgekehrt (Rot = Aufwärtstrend in einigen asiatischen Märkten)
Der sichere Ansatz: Verwenden Sie Rot nur für „schlecht“ oder „Aufmerksamkeit erforderlich“, wenn Ihr Publikum diesen kulturellen Kontext teilt. Erwägen Sie Form- oder Positionshinweise als Backup.
Grün
Allgemein: Wachstum, Gehen, positiv, Natur, Erfolg
Finanzkontext: Gewinn, Aufwärts, Kauf, Profit
Ziemlich universell, aber beachten Sie, dass Grün in einigen Kulturen religiöse Bedeutung hat.
Der sichere Ansatz: Kombinieren Sie Grün mit „Aufwärts“- oder „Gut“-Konzepten, aber verwenden Sie ein weiteres Unterscheidungsmerkmal (wie Pfeilrichtung) für kritische Informationen.
Blau
Allgemein: Vertrauen, Stabilität, Ruhe, professionell
Unternehmenskontext: Die häufigste Markenfarbe aus gutem Grund
Geringes Risiko: Blau ist die sicherste Farbwahl über Kulturen und Kontexte hinweg. Es ist auch die am besten unterscheidbare Farbe für Menschen mit Farbsehschwäche.
Orange/Gelb
Allgemein: Warnung, Vorsicht, Energie, Aufmerksamkeit
Statusindikatoren: Oft für „Warnung“ oder „Benötigt Aufmerksamkeit“ verwendet
Die Falle: Gelb auf Weiß hat schlechten Kontrast. Orange kann aggressiv wirken.
Die Realität der Barrierefreiheit
Hier ist, was viele Datenvisualisierer ignorieren: Etwa 8 % der Männer und 0,5 % der Frauen haben eine Form von Farbsehschwäche. Das sind weltweit etwa 300 Millionen Menschen.
Was farbenblinde Nutzer sehen
Rot-Grün-Farbenblindheit (am häufigsten): Rot und Grün erscheinen als ähnliche, schlammige Brauntöne.
Implikation: Verlassen Sie sich niemals ausschließlich auf Rot vs. Grün, um Kategorien zu unterscheiden. Es ist für einen bedeutenden Teil Ihres Publikums unsichtbar.
Lösungen, die funktionieren
- Verwenden Sie farbenblindenfreundliche Paletten: Blau-Orange, Blau-Gelb und Lila-Orange bieten für die meisten Arten von Farbsehschwäche gute Trennung.
- Fügen Sie sekundäre Kodierung hinzu: Muster, Formen oder Beschriftungen, die ohne Farbe funktionieren.
- Sorgen Sie für ausreichenden Helligkeitskontrast: Selbst ohne Farbe können hellere und dunklere Schattierungen unterschieden werden.
- Testen Sie Ihre Arbeit: Tools wie Coblis (Farbenblindheits-Simulator) zeigen, wie Ihr Diagramm für farbenblinde Nutzer aussieht.
Die Forschung zu Farbe und Verständnis
Studie: Cleveland und McGill (1984)
Ergebnis: Die Position entlang einer gemeinsamen Skala wird genauer wahrgenommen als die Farbsättigung.
Implikation: Verlassen Sie sich nicht auf die Farbintensität, um präzise Werte zu vermitteln. Verwenden Sie sie für allgemeine Muster; verwenden Sie Position (Balken, Punkte) für genaue Vergleiche.
Studie: Healey (1996)
Ergebnis: Eine einzigartige Farbe „springt heraus“ von einem Hintergrund in unter 200 ms, unabhängig davon, wie viele andere Elemente vorhanden sind.
Implikation: Wählen Sie zum Hervorheben eine Farbe, die sich deutlich von allem anderen unterscheidet. Subtile Unterschiede springen nicht heraus.
Studie: Borland und Taylor (2007)
Ergebnis: Regenbogen-Farbschemata (Rot-Gelb-Grün-Blau-Lila) werden oft falsch interpretiert, weil sie keine natürliche wahrnehmungsmäßige Ordnung haben.
Implikation: Verwenden Sie für sequentielle Daten einen Einfarbton-Gradienten. Für divergierende Daten verwenden Sie zwei Farben mit einem neutralen Mittelpunkt.
Aufbau eines Farbsystems für Daten
Schritt 1: Wählen Sie Ihre Primärpalette
Sie benötigen:
- 1–2 Markenfarben (für die Ausrichtung an der Unternehmensidentität)
- 1 Hervorhebungsfarbe (für Betonung)
- 1 neutrale Farbe (Grau, um abzuschwächen)
- 2–3 kategoriale Farben (falls benötigt)
Das war's. Die meisten Visualisierungen benötigen insgesamt 4–6 Farben.
Schritt 2: Definieren Sie die Hierarchie
Entscheiden Sie, was jede Farbe bedeutet:
- Hervorhebungsfarbe = am wichtigsten, Handlung erforderlich
- Primärfarbe = Hauptdatenreihe, Fokusbereich
- Sekundärfarbe = Vergleichsdaten, Kontext
- Neutrale Farbe = Hintergrund, weniger wichtig
Verwenden Sie dies konsistent über alle Ihre Visualisierungen hinweg.
Schritt 3: Erstellen Sie sequentielle Skalen
Für Heatmaps und Intensitätsdaten:
- Wählen Sie einen Farbton
- Erstellen Sie 5–7 Schattierungen von hell bis dunkel
- Sorgen Sie für ausreichenden Kontrast zwischen benachbarten Schattierungen
Tools wie ColorBrewer2 generieren diese Skalen unter Berücksichtigung der Barrierefreiheit.
Schritt 4: Testen und dokumentieren
Testen Sie Ihre Palette mit:
- Farbenblindheits-Simulationstools
- Displays mit geringem Kontrast
- Gedruckten Versionen (falls zutreffend)
Dokumentieren Sie Ihre Farbcodes, damit jeder sie konsistent verwendet.
Praktische Farbrichtlinien
Tun Sie dies:
- Verwenden Sie Blau als Standard-„sichere“ Farbe
- Begrenzen Sie kategoriale Paletten auf 5–7 Farben
- Machen Sie Hervorhebungsfarben offensichtlich anders
- Testen Sie auf Barrierefreiheit
- Seien Sie konsistent über Dashboards hinweg
Tun Sie dies nicht:
- Verwenden Sie Regenbogenpaletten für sequentielle Daten
- Verlassen Sie sich ausschließlich auf die Rot-Grün-Unterscheidung
- Verwenden Sie mehrere Hervorhebungsfarben
- Ändern Sie Farbbedeutungen mitten im Dashboard
- Verwenden Sie Farbe als einzige Möglichkeit, Kategorien zu unterscheiden
Farbe in verschiedenen Diagrammtypen
Balkendiagramme
Beste: Einheitliche Einzelfarbe mit einer Hervorhebung
Akzeptabel: 2–3 Farben für gruppierte Balken
Vermeiden Sie: Jeden Balken in einer anderen Farbe (außer bei bedeutungsvollen Kategorien)
Liniendiagramme
Beste: 2–3 klar unterschiedliche Farben
Akzeptabel: Unterschiedliche Linienstile (durchgehend, gestrichelt) als Backup
Vermeiden Sie: Mehr als 4–5 Linien in verschiedenen Farben
Heatmaps
Beste: Sequentielle Skala mit einem Farbton
Akzeptabel: Divergierende Skala (zwei Farben) mit bedeutungsvollem Mittelpunkt
Vermeiden Sie: Regenbogen- oder Hochsättigungsschemata
Kreisdiagramme
Beste: 2–3 Farben mit klarer Bedeutung
Akzeptabel: Ein Segment hervorheben vor neutralen anderen
Vermeiden Sie: 7+ verschiedene Farben um den Kreis
Hilfreiche Tools
Viele moderne Visualisierungstools enthalten durchdachte Farbpaletten. KI-gestützte Tools wie ChartGen wenden Farbforschung automatisch an – sie schlagen barrierefreie Paletten vor und bewahren Konsistenz.
Für manuelle Arbeit empfehle ich:
- ColorBrewer2 (sequentielle und divergierende Skalen)
- Viz Palette (Überprüfung der Barrierefreiheit)
- Coolors (Palettengenerierung mit Barrierefreiheits-Scores)
Abschließender Gedanke
Farbe ist kraftvoll, weil sie voraufmerksamkeitsmäßig verarbeitet wird – vor dem bewussten Denken. Das macht sie sowohl effektiv als auch gefährlich.
Effektiv: Die richtige Farbe springt heraus und lenkt die Aufmerksamkeit sofort.
Gefährlich: Die falsche Farbe lenkt ab, schließt Nutzer aus oder führt die Interpretation in die Irre.
Das Ziel ist nicht, die meisten Farben zu verwenden. Es ist, Farbe so bewusst einzusetzen, dass die Betrachter sie kaum bemerken – sie verstehen die Daten einfach schneller.