Wie Bildstatistiken täuschen können

▪ Wolfgang Walla, Wie man sich durch statistische Grafiken täuschen lasst, Statistisches Landesamt
Baden-Württemberg, 2. Auf. 2011 (pdf-Download)

▪  Unsachgemäße Gestaltung bei Säulendiagrammen mit Piktogrammen erkennen
▪ Vorsicht Augenmaß! - Flächen und Volumen

"Mit Statistiken kann man leicht lügen. Ohne Statistiken ist es schwer, die Wahrheit zu sagen.“ (Andrejs Dunkels)

Es kommt gar nicht selten vor, dass statistische Daten, die uns als Bild in ▪ Bildstatistiken bzw. Diagrammen oder komplexeren ▪ Infografiken und in Texten allerorten begegnen, entweder auf einer fragwürdigen Datengrundlage stehen. Oft kommt es dann dazu, dass "Fakten" präsentiert werden, die bei genauerer Prüfung falsch sind.

Wenn Statistiken "lügen", werden  Äpfel und Birnen zusammengeworfen, Fragen suggestiv gestellt, Trends fahrlässig fortgeschrieben, Raten, Quoten oder Mittelwerte kunstwidrig berechnet, Wahrscheinlichkeiten vergewaltigt oder Stichproben verzerrt", kein Wunder also, " dass Lüge und Statistik für viele zusammengehören" (Krämer 2015, S.12)

Dabei ist im Allgemeinen davon auszugehen, dass solche statistischen "Lügen" häufig unabsichtlich erfolgen und die Personen, die sie weitergeben, oft nicht wissen, dass sie falsch sind. Sie machen, einfach gesagt, unsachgemäß Gebrauch von statistischen Daten und ziehen  Rückschlüsse daraus, die falsch sind. Vielen fehlt einfach auch das nötige Wissen und die Kompetenzen, die ihnen helfen, statistische Daten kritisch zu beurteilen. Dabei sind auch Kenntnisse und Kompetenzen gefragt, die nicht zum Deutschunterricht zählen, sondern vor allem im Fach Mathematik zu vermitteln sind.

Die wichtigsten Missverständnisse, aber auch Quellen der Manipulation, entstehen  z. B. wenn

• die Darstellung zu komplex, überladen oder mehrdimensional ist, und damit die Verständlichkeit beeinträchtigt ist

• die gewählten Farben suggestiv wirken

• mit den Daten, bewusst oder unbewusst, eine Scheingenauigkeit vorgetäuscht wird, die z. B. auf einer Überinterpretation der Daten beruht

• emotional aufgeladene Begriffe (»loaded terms), die bestimmte Konnotationen hervorrufen können, werden zur Beschriftung des Diagramms oder der komplexen Infografik oder in deren Kontext verwendet

• der Begleittext zur Darstellung dem, was die Bildstatistik aussagt, inhaltlich nicht entspricht,

• die ▪ Elemente der ▪ Bildstatistik ungenügend beschriftet sind oder ganz fehlen

• ein Diagrammtitel oder die Headline einer komplexeren Infografik als Fazit-Titel schon eine bestimmte Interpretation vorwegnimmt

• ein unpassend gewählter Maßstab der ▪ Achsen bzw. in der Darstellungsgröße der ▪ Datenpunkte/Merkmale (zu klein, zu groß, uneinheitliche Achs-Intervalle oder Klassenbreiten) gewählt wurde

• der Bezugsrahmen für die korrekte Interpretation des Dargestellten deshalb fehlt, weil  Basisgrößen (meist Absolutzahlen oder Basisjahre) weggelassen oder unkorrekt gewählt wurden oder solche Größen unbekannt sind

(vgl. Walla (2011,Vorwort)., leicht verändert und ergänzt).

Missverständnis oder Manipulation?

Was hier allgemein über die Möglichkeit ausgesagt wird, wie Statistiken aller Art trügen und täuschen können, gilt in besonderer Art und Weise für die ▪ Bildstatistiken, die besonders effektiv "lügen" können. Sie verfügen nicht nur über besondere Möglichkeiten zur Datenkosmetik, sondern können sich dabei auch noch auf Besonderheiten bei der kognitiven Verarbeitung von Bildinformationen durch unser Gehirn stützen.

Wenn der Autor einer ▪ Bildstatistik weiß, dass wir ▪ bildliche Informationen holistisch, schnell und besonders effizient verarbeiten, kann er dies für seine Kommunikationsziele nutzen. Ob er dies im Sinne rationaler Verständigung und einer ▪ vernunftorientierten Argumentation tut, oder andere Ziele verfolgt, um seine Rezipienten für diese unbewusst beeinflussen will, macht dabei den eigentlichen Unterschied.

Im ersten Fall dient eine Bildstatistik dazu, auf einen Rezipienten dadurch Einfluss zu nehmen, dass sie ihn über einen bestimmten Sachverhalt möglichst "objektiv" informiert und/oder eine bestimmte Position mit nachprüfbaren statistischen Angaben zu untermauert.

Im zweiten Fall will sie den Rezipienten mit suggestiven Mitteln in eine bestimmte Richtung drängen, ohne dass diesem die Art und Weise, mit der dies angestrebt wird, bewusst werden soll. Daher werden die dargebotenen Daten so "aufbereitet", dass sie eine klare Deutungsperspektive enthalten.

Diesen Vorgang bezeichnet man auch als Manipulation. Sie ist dann erfolgreich, wenn es bei dieser Art der Einflussnahme auf eine andere Person oder Personengruppe gelingt, diese auch gegen ihre Überzeugungen und Interessen in bestimmte Richtungen des Denkens und des Handels zu lenken. Wer im Zuge der Bildkommunikation manipuliert wird, handelt dementsprechend nicht aus eigenen Einsichten oder Überzeugungen, sondern fremdbestimmt.

In der Alltagsargumentation gibt es zahlreiche ▪ Methoden eristischer Argumentation aus dem sog. ▪ rhetorischen Giftschrank (▪ Bonbons, ▪ Emotionalisieren, ▪ Andeuten, ▪ Scheinalternativen, ▪ Selbstbekehrung, ▪ rhetorische Fragen), die darauf abzielen, den anderen, ohne ihn zu überzeugen, zu bestimmten Handlungen zu bewegen oder ihm die Übernahme bestimmter Einstellungen zu suggerieren.

Die ▪ Bildkommunikation hat hierzu ihre eigenen Mittel. ▪ Ihre besonderen Vorzüge macht sie zugleich auch für die Manipulation besonders anfällig. Mit ihrer ▪ hohen Kommunikationsgeschwindigkeit, der ▪ fast automatischen Aufnahme der Bilder, ihrer ▪ besonders effizienten Informationsverarbeitung, der ▪ subtilen Übermittlung von Einstellungen und Gefühlen und der gemeinhin ▪ hohen Glaubwürdigkeit von Bildern macht sie uns als Rezipienten und Rezipientinnen auch besonders anfällig dafür, auf Manipulation "hereinzufallen". So nutzen wir Bildstatistiken eben auch oft "wie ein Betrunkener einen Laternenpfahl: vor allem zur Stütze unseres Standpunktes und weniger zum Beleuchten eines Sachverhalts." (Andrew Lang, zit. n. Krämer 2015, S.12)

Dementsprechend verarbeiten wir auch nicht jede Bildstatistik unvoreingenommen, sondern lassen bei der gewöhnlich schnellen und automatischen Rezeption jene Informationen gar nicht an uns heran, die nicht zu dem passen, was wir sonst über Gott und die Welt denken. Das ▪ Meine-Seite-Denken (Myside-Bias) spielt also auch bei der Rezeption von Bildstatistiken eine wichtige Rolle.

Bei der Kritik an Manipulation durch Bildstatistiken ist es im Übrigen grundsätzlich unerheblich, ob sie eher Zielen dienen sollen, die sich im politischen Spektrum links oder rechts finden. Dementsprechend ist es auch prinzipiell gesehen egal, ob sie "Argumente" gegen die drohende Klimakatastrophe präsentieren oder rechtspopulistische Propaganda gegen die Einwanderung visualisieren.

Natürlich ist alles auch eine Frage der Bewertung, ob wir die Ziele, die mit einer trügerischen Bildstatistik verfolgt werden, eher teilen oder nicht. Wer sich für das Klima einsetzt, ist - im Sinne des ▪ Meine-Seite-Denkens (Myside-Bias) – angesichts des Tempos, das geboten ist, um einer Klimakatastrophe zu entgehen, sieht sich u. U.  als Klimaaktivist legitimiert, die Daten und ihre Darstellung so zu manipulieren, dass auch die anderen zum Handeln bewegt werden.

Daraus folgt natürlich: Wer Diagramme differenziert beschreiben und auswerten kann, ist auch nicht so einfach zu manipulieren.

So können Bildstatistiken täuschen

Hier werden nur einige wenige Beispiele präsentiert, die mehr oder weniger offensichtlich dafür sorgen, dass ein verzerrtes Bild der Daten entsteht, die von einer Bildstatistik visualisiert werden.

Im Grunde genommen fällt es dabei gar nicht so schwer, um zu erkennen, wie solche Bildstatistiken uns beeinflussen sollen. Vorausgesetzt: Wir schauen genau hin und rezipieren die Bildstatistik, das Diagramm oder die komplexe Infografik nicht schnell, einfach so nebenbei, ohne dass wir uns gedanklich damit wirklich beschäftigen.

Wenn wir wissen, dass uns unsere ▪ Wahrnehmung und unsere eigene Voreingenommenheit (▪ Meine-Seite-Denkens (Myside-Bias)) in eine bestimmte Richtung drängen, ist es notwendig, sich aus einer Position der kritischen und selbstkritischen Distanz gerade mit jenen Bildstatistiken zu beschäftigen, deren Aussage uns sofort einleuchten. Beim Durchblättern einer Zeitung oder beim kurzen Aufrufen einer Internetseite, die eine bestimmte Infografik zeigt, bleibt nämlich, um es salopp zu sagen, einfach zu viel hängen, ohne dass wir davon wissen. Und genau das wissen auch ihre Autorinnen und Autoren, wenn sie uns mit "guten" oder "bösen" Absichten mit ihrer Interpretation von Daten beeinflussen wollen.

Einen ausgezeichneten Überblick mit zahlreichen Beispielen über die verschiedenen Möglichkeiten, mit denen Bildstatistiken täuschen können, hat Walla(2011) zusammengestellt. Die Broschüre kann kostenlos als »pdf-Download heruntergeladen werden.

Gestauchte y-Achse ohne Darstellung des Nullwertes auf der Skala

Ein immer wieder verwendetes Mittel, um die Wahrnehmung und die Interpretation von Daten in einer Bildstatistik zu beeinflussen, ist der Verzicht auf die Angabe des Nullwertes in einem Rubrikendiagramm auf der ▪ y-Achse (Werte- bzw. Größenachse).

So beruhen beide Diagramme in dem nachfolgenden Beispiel auf den gleichen Werten, ergeben aber ein gänzlich anderes Bild beim ▪ Häufigkeitsvergleich.

Für größere Ansicht bitte an*klicken*tippen1

Während die Zunahme der Werte in dem Beispiel mit den abgeschnittenen Säulen signifikant (über-)betont wird, vermitteln die normalen Säulen in einem entsprechenden ▪ Säulendiagramm, das vom Nullwert ausgeht, im Vergleich damit den Eindruck eines eher moderaten Anstiegs der Werte.

Bei den abgeschnittenen Säulen kann man von Manipulation sprechen, ohne die inhaltlichen Absichten, die hinter einer solchen Darstellung stehen, zu bewerten. Was es bedeuten kann, lässt sich leicht ermessen, wenn man mit solchen Techniken die öffentliche Meinung in kontroversen Fragen beeinflussen will, wie z. B. Wie viele in Deutschland lebende Ausländer sind in einem bestimmten Zeitraum strafffällig geworden?

Um den Vorwurf der suggestiven Manipulation wenigstens etwas zu entkräften, sollte die Art des y-Achsenbruchs verdeutlicht sein, für die es unterschiedliche grafische Gestaltungsvarianten gibt.

Aber selbst dann, wird man, angesichts der Tatsache, dass viele Bildstatistiken, wie oben erwähnt, schnell und fast automatisch ohne größere gedankliche Anstrengung verarbeitet werden, solche Symbole beim ersten, schnellen Blick auf die Bildstatistik nicht erkennen.

Das liegt auch daran, dass bei der Wahrnehmung und Verarbeitung einer derartigen ▪ abbildenden Darstellung (depictive representations, depiktionale Darstellungen) von uns erworbene ▪ kognitive Diagrammschemata (graphic schemata) in einem ▪ zweischrittigen Verfahren ins Spiel kommen, mit denen wir eine bestimmte Zunahme oder Abnahme von Mengen in einem ▪ Säulen- oder ▪ Balkendiagramm oder einen bestimmten An- oder Abstieg von Linien in einem ▪ Linien- oder Kurvendiagramm, mit gängigen Konventionen übereinstimmend, als gravierend oder weniger gravierend einschätzen.

Kurz und gut: Gestauchte y-Achsen ohne Darstellung des Nullwertes auf der Skala spekulieren der intendierten Wirkung halber darauf, dass uns diese Diagrammschemata bei der Rezeption so steuern, wie dies die Macher*innen der Bildstatistik anstreben. Das gilt im Übrigen auch für die nachfolgenden Beispiele.

Erweitern oder Verringern des y-Achsenmaximums

Ähnlich wie gestauchten y-Achsen ohne Darstellung des Nullwertes auf der Skala beeinflusst die Änderung der maximalen Länge der Werteachse das Gesamtbild der Bildstatistik, indem es wie bei dem nachfolgenden Lienendiagramm einen unterschiedlich starken Anstieg der Wertelinie bewirkt.

Für größere Ansicht bitte an*klicken*tippen!

So werden z. B. mit einem kleineren Maximum bei einem ▪ Zeitreihenvergleich in einem ▪ einfachen Vergleich der Grad des Anstiegs betont, um ggf. die Vorstellung eines klaren und deutlichen Trends nahezulegen oder wenn wechselnde Hoch- und Tiefpunkte gibt, diese als Volatilität (lateinisch volatilis = fliegend, flüchtig) bezeichneten Schwankungen hervorzuheben. Bei einem ▪ doppelten Vergleich oder ▪ Mehrfachvergleich können die Abstände zwischen den miteinander zu vergleichenden Linien betont werden.

Vergrößern oder Verkleinern des Verhältnisses der Diagrammflächenabmessungen

Es muss aber gar nicht der direkte Eingriff in die Rubriken sein, mit denen eine ganz unterschiedliche Wirkung einer Bildstatistik erzeugt werden kann. Eine, digital sehr einfach umzusetzende Möglichkeit besteht darin, einfach die Abmessungen der Diagrammfläche dadurch zu verändern, dass man sie in vertikaler oder horizontaler Richtung "verzerrt".

Für größere Ansicht bitte an*klicken*tippen!

Das Ändern des Verhältnisses der Abmessungen eines Diagramms wirkt sich auf die Darstellung des Diagramms aus.

Rubrikendiagramme ohne detaillierte Skalen

Es kommt gar nicht so selten vor, dass Bildstatistiken ohne detaillierte Skalen in der Form von Rubrikendiagrammen präsentiert werden. Sie zielen eindeutig darauf ab, dass sie "gedankenlos" mit ihrer Botschaft z. B. bei einem ▪ Häufigkeits-/Mengenvergleich wie im folgenden Beispiel wahrgenommen und verarbeitet werden.

Letzten Endes wird der Rezipient bzw. die Rezipientin dabei bewusst im Unklaren darüber gelassen, ob die Säulen von einem Nullwert ausgehen, ob die Säulen abgeschnitten sind oder nicht. Die Hilfslinien die von der Wertachse zu den einzelnen Säulen gehen, dienen zudem der Betonung des Unterschiedes.

Dass hier manipuliert werden soll, liegt auf der Hand. Und: Es ist auch hier, wie stets bei der Bildkommunikation, schwer, sich der Manipulation zu entziehen. Steht darüber noch ein Fazit-Titel, dann ist davon auszugehen, dass auch bei einer flüchtigen Rezeption des Diagramms hängenbleibt, was die Macher*innen bzw. Verwender*innen der Darstellung beabsichtigen.

Unsachgemäße Skalierung von Piktogrammen

Ein immer wieder zu beobachtender "Fehler" bei der Diagrammgestaltung ist die unsachgemäße Skalierung von Piktogrammen, z. B. in ▪ Säulendiagrammen wie in dem nebenstehenden Beispiel.

Für größere Ansicht bitte an*klicken*tippen!

Einem ganz ähnlichen Problem sieht man sich als Betrachter bzw. als Betrachterin häufig Bildstatistiken gegenüber, statistische Daten als Flächen- oder Volumenverhältnisse ohne umgebende Rubriken darstellt.

Schon »Wiilard C. Brinton (1880-1957) (1919, S. 39) kam zum Schluss, dass die nebenstehende Bildstatistik im Stil »Michael George Mulhalls (1836-1900) die ihnen zugrunde liegenden Daten und Mengenverhältnisse nicht korrekt visualisieren. So erscheine der größere Mann von 1911 wegen nicht korrekter Proportionen mehr als nur 2 1/4-fach bedeutsamer als der von 1899, wie dies eigentlich die angegebenen Daten signalisieren. Ließe man die Daten gänzlich weg, hätte ein Betrachter nicht einmal die Möglichkeit, diesen (suggestiven) visuellen Eindruck zu überprüfen.

Auch »Otto Neurath (1882-1945) und »Gerd Arntz (1900-1988), die die  ▪ Isotype-Methode der ▪ Wiener Methode der Bildstatistik um 1924 begründet haben, schließen sich dieser Kritik an grundsätzlich gestaltet sind. Isotype stellt, um "Gesellschaft und Ökonomie verständlich" (Jansen/Scharfe 1999, S.36) auch für einen "Durchschnittsbetrachter" verständlich zu machen, die statistischen Daten gerne als Flächen oder Volumen dar, die in künstlichen oder natürlichen Dingen vorkommen. Allerdings verzichtet die Isotypie auf  unterschiedlich große Figuren/Piktogramme und verwendet stattdessen eine Mehrzahl kleinerer Figuren, wie auch im mittleren Beispiel der obigen Abbildung und vermeidet damit die ▪ Problematik, die mit Flächen- und Volumenvergleichen einhergeht. (vgl. auch: ▪ Vorsicht Augenmaß! - Flächen und Volumen)

Das manipulative "Spiel" mit den Aussagen einer Bildstatistik

Schwieriger als solche Manipulationstechniken zu "enttarnen", die auf der besonderen Art unserer visuellen Wahrnehmung und kognitiven Verarbeitung von Bildern bzw. Bildstatistiken, Diagrammen und Infografiken beruhen, sind Interpretationen, also Rückschlüsse, die aus bestimmten Daten und ihren Relationen zueinander gezogen werden und z. B. in einem Zusatztext (Kontext) oder im Fazit-Titel einer Infografik, vorgenommen werden, häufig schwieriger als trugschlüssig zu erkennen.

Wenn jemand aus der Bildstatistik ▪ Ganztägige Fehltage in den Klassen 10 und 11 den Schluss, zieht, dass Schülerinnen und Schüler immer stärker die Schule schwänzen, dann lassen, die Daten, die diesem Diagramm zugrunde liegen, diesen Rückschluss nicht zu. Aus welchem Grund die Fehltage zustande kommen, gebt die Anzahl der Fehltage schließlich nicht an. Wenn man die Fehltage miteinander in den verschiedenen Klassen miteinander vergleicht, kann man zwar quantitative Unterschiede feststellen, mehr aber auch nicht. Die Gründe dafür liegen auf jeden Fall jenseits dieser statistischen Daten.

Und wenn eine Lehrperson Eltern und Schüler*innen mit dem oben stehenden ▪ Spannen-Säulendiagramm rechtfertigen will, dass er keine zu strengen Noten gibt, weil er bei seinen Klassenarbeiten das ganze Notenspektrum ausschöpft und insgesamt einen Durchschnitt von 3,7 errechnet hat, ist eben auch dies nur die "halbe Wahrheit".  Denn, wenn lediglich die die jeweils schlechteste und die jeweils beste Note einer Klassenarbeit erfasst, kann man nur die Notenschwankungsbreite in einer Klasse ermitteln. So zeigt dieses Diagramm eben auch nur, dass im Laufe eines Jahres eine Notendifferenzierung eingetreten ist, die nahezu alle Noten ausgeschöpft hat. Ferner zeigt die Übersicht, dass manche Arbeiten eine größere Leistungsdifferenzierung ermöglichten als andere. Über die Häufigkeitsverteilung von Noten sagt das Diagramm allerdings nichts aus.

Darüber hinaus gibt es viele Fälle in die Irre führender Bildstatistiken bzw. Diagramme, die bestimmte Relationen zwischen Daten präsentieren, die, logisch betrachtet, nicht in dieser Weise in Beziehung gesetzt werden können, um bestimmte Aussagen zu ermöglichen.

So führt die Wahl der Bezugsgröße zu ganz unterschiedlichen Ergebnissen und Visualisierungen in Bildstatistiken, die nicht wie in den Beispielen oben durch Änderung ihrer Bestandteile in die Irre führen, sondern, statistisch betrachtet, auf einer "Milchmädchenrechnung" beruhen, die nur vordergründig aufgeht.

So kann man z.B. das Risiko eines tödlichen Unfalls beim Fliegen oder Bahnfahren dadurch miteinander vergleichen, dass man die entweder die die Anzahl der transportierten Personen (P) oder die geflogenen (gefahrenen) Kilometer (= Strecke S) zur Bezugsgröße für den (bild-)statistischen Vergleich macht. Oder man kann die Behauptung, Frauen seien die besseren Autofahrer, durch Wahl der Unfallhäufigkeit als Bezugsgröße "begründen", obwohl die Fahrhäufigkeit bzw. die Anzahl der von beiden Geschlechtern tatsächlich gefahrenen Kilometern die richtige Bezugsgröße darstellt und im ersten Fall nur eine scheinbare Korrelation besteht.

Solche Scheinkorrelationen, die vorgeben, als gebe es einen "Widerklang von zwei Variablen", kann nämlich "auch andere Ursachen als eine Abhängigkeit in der einen oder anderen Richtung haben" und "viele Korrelationen sind auch ein reines Kind des Zufalls und haben mit keiner Kausalität etwas zu tun, weder zwischen den jeweiligen Variablen noch zwischen diesen und irgendeiner anderen." (Krämer 2015, S.178) Nur weil einige Jahrzehnte "Aktienkurse und Rocksäume erstaunlich parallel (verliefen)" (ebd., S.179), besteht zwischen beiden Sachverhalten eben nicht der geringste Zusammenhang.

Im Bereich der ▪ Grundstrukturen logischer Argumentation der ▪ Rhetorik kennt man diese Problematik im Zusammenhang mit ▪ induktiven Argumenten (z. B. ▪ statistische Argumente, ▪ kausale Argumente)

Vor solchen "Fehlgriffen bei der Wahl der Bezugsmenge" (ebd., S.53) sind auch namhafte, seriöse Tageszeitungen nicht gefeit: So hat die New York Times damit einer Theorie über die Ursachen des Alkoholismus Vorschub geleistet, die den Grund, weshalb "Männer oft zur Flasche greifen", in ihren Ehefrauen sieht: "Denn zwei Drittel aller Säufer sind verheiratet, und so kombinierte man, dass die Ehefrau den Drang zur Flasche fördern müsse. In Wahrheit besagt aber der Anteil der Ehemänner unter den Alkoholikern für sich allein genommen nicht das Mindeste. Dazu müssen wir den Anteil der Ehemänner an der Risikogruppe (d.h. den Männer im heiratsfähigen Alter) kennen, und sollte dieser zwei Drittel übersteigen, [...], deutet obige Statistik sogar ganz im Gegenteil auf eine ernüchternde Wirkung des Ehelebens hin." (ebd., S.53f.)

Eine Vielzahl solcher und ähnlich gelagerter Fälle komplexer Sachverhalte hat Walla (2011)aufgearbeitet. Die Beispiele, die er dafür gibt, wie man sich durch statistische Größen täuschen lässt, sind allerdings zum Teil ohne entsprechendes Vorwissen nicht ohne Weiteres nachvollziehbar und dürften den hier vorgegebenen Zusammenhanf bei der ▪ Analyse diskontinuierlicher Sachtexte bzw. der ▪ Analyse und Beschreibung von Infografiken, Bildstatistiken bzw. Diagrammen, aus didaktischer Perspektive gesehen, sprengen.

Alles unter Manipulationsverdacht stellen?

Bei der ▪ Analyse und Beschreibung von Infografiken, Bildstatistiken bzw. Diagrammen in der Schule haben es die Schülerinnen und Schülern im Allgemeinen nicht mit rein wissenschaftlichen Diagrammen zu tun. Im Umfeld der ▪ schulischen Infografikanalyse sind es eher ▪ PR-Infografiken und ▪ journalistische Pressegrafiken unterschiedlicher Art, die in der Kommunikation bestimmte Ziele erreichen sollen. Sie werden von unterschiedlichen gesellschaftlichen Akteuren produziert und in Dienst ihrer jeweiligen Ziele gestellt, seien es Parteien, Verbände, die Wirtschaft allgemein oder einzelne Wirtschaftszweige oder auch die Medien.

Mal scheuen sie, wie z. B. in diktatorischen Regimen oder dort, wo sie die Meinungshoheit haben (z. B. in bestimmten privaten Fernsehkanälen) glatte Lügen mit Bildstatistiken zu verbreiten. Aber auch in einer pluralistischen demokratischen Gesellschaft, in der sich heutzutage viele Menschen in bestimmten Informationsblasen bewegen, die immer wieder die eigene Voreingenommenheit bestätigen, bestehen mittlerweile große Einfallstore für (Bild)Statisken aller Art, die im Grunde der Desinformation dienen und die Menschen, die sie erreichen, manipulieren wollen.

Aus diesem Grund und den eingangs immer wieder erwähnten Besonderheiten bei der Bildkommunikation ist bei der schulischen Analyse von Bildstatistiken und Infografiken stets die Einnahme einer Position kritischer Distanz erforderlich. Insbesondere ist "eine gesunde Portion Skepsis gegen alle Zahlen" geboten, "deren Produzenten auch die Nutznießer sind." (Krämer 1991, 2001, 7. Aufl. 2008, S.220) Pointiert zusammengefasst: "Jede Statistik, die von einer interessierten Seite selbst erstellt und verbreitet wird, ist bis zum Beweis des Gegenteils als manipuliert zu betrachten." (ebd., S.221)

Und: Ob das vielfach verwendete Zitat: »"Ich glaube nur der Statistik, die ich selbst gefälscht habe…", wirklich dem ehemaligen englischen Premierminister »Winston Churchill (1874-1965) zugeschrieben werden kann oder nicht oder der evangelische Theologe »Otto Dibelius (1880-1967) sein Urheber ist, ist hier weitgehend ohne Belang: "Richtig bleibt der Rat des Misstrauens. Gegenüber Statistiken — und Zitaten." (Churchill, Statistik und falsche Zitate, in: »Westdt.Ztg. v. 15.08.2018)

▪ Wolfgang Walla, Wie man sich durch statistische Grafiken täuschen lasst, Statistisches Landesamt
Baden-Württemberg, 2. Auf. 2011 (pdf-Download)

▪  Unsachgemäße Gestaltung bei Säulendiagrammen mit Piktogrammen erkennen
▪ Vorsicht Augenmaß! - Flächen und Volumen

Gert Egle, zuletzt bearbeitet am: 28.08.2023

 
ARBEITSTECHNIKEN und mehr
▪ Arbeits- und Zeitmanagement ▪ Kreative Arbeitstechniken ▪ Teamarbeit ▪ Portfolio ● Arbeit mit Bildern ● Arbeit mit Texten ▪ Arbeit mit Film und Video ▪ Mündliche Kommunikation ▪ Visualisieren ▪ Präsentation ▪ Arbeitstechniken für das Internet ▪ Sonstige digitale Arbeitstechniken