Analyse & Visualisierung
Eine eigenständige Analyseplattform für die Datenwerkstatt-Workshops — gemeinsame Sichtung, Analyse und Interpretation der erhobenen Daten, ohne Programmier- oder Statistikkenntnisse.
Die Plattform wurde nach den Prinzipien der Explorativen Datenanalyse (EDA) konzipiert: Statt standardisierter Auswertungen stehen Visualisierungen im Vordergrund, die direkt an den untersuchten Umweltphänomenen und den spezifischen Fragestellungen der Experimente orientiert sind.
Explorative Datenanalyse #
Visualisierungen #
Die Plattform bietet verschiedene Visualisierungstypen, die jeweils unterschiedliche Aspekte der Daten zugänglich machen.
Übersicht und Einordnung #
Die Übersichtsansicht zeigt die Messwerte aller offiziellen Messstationen in der Umgebung des Projektgebiets. Diese dienen als Referenz und Vergleichsgrundlage für die eigenen Messungen. Die Darstellung enthält verschiedene Grenzwerte (aktuelle und geplante EU-Grenzwerte, WHO-Empfehlungen) sowie Luftqualitätsindizes (deutscher Index, EU-Index, BLUME, US Air Quality Index). So lassen sich die eigenen Messwerte in einen breiteren Kontext einordnen.
Zeitverläufe #
Die zentrale Darstellung sind Zeitreihen – Linien- und Bubblediagramme, die den Verlauf der Messwerte über die Zeit zeigen. Alle Sensoren können gemeinsam dargestellt werden, mit verschiedenen Glättungsoptionen und zeitlichen Aggregationen. Die von den Teilnehmenden erfassten Notizen und Fotos werden direkt an der entsprechenden Stelle in der Zeitreihe zur Kontextualisierung der Messwerte angezeigt. So lassen sich Auffälligkeiten in den Messwerten mit dem dokumentierten Kontext verknüpfen – etwa ein plötzlicher Anstieg mit einer notierten Baustelle oder einem Straßenfest.
Verteilungen #
Violindiagramme zeigen, wie die Messwerte eines Sensors verteilt sind. Diese Darstellung hilft, die Streuung der Werte zu verstehen, Ausreißer zu erkennen und die Datenqualität einzelner Sensoren zu beurteilen.
Räumliche Darstellungen #
Die Kartenansicht zeigt die räumliche Verteilung der Messwerte als Farbwolken. Zusätzlich wurde eine innovative dreidimensionale Kartendarstellung entwickelt, die räumliche Verteilung und zeitliche Entwicklung integriert: Zwei Dimensionen zeigen die geografische Position, die dritte Dimension den Zeitverlauf. So lassen sich räumliche und zeitliche Muster in einer einzigen Ansicht erfassen.
Korrelationen #
Korrelationsanalysen zeigen Zusammenhänge zwischen verschiedenen Variablen – etwa zwischen Messwerten, Wetterdaten und nutzerdefinierten Kontextvariablen. Die Darstellung erfolgt als Balkendiagramm (Korrelationsstärke zwischen Variablenpaaren) und als gerichteter Graph (Variablen als Knoten, Korrelationen als Verbindungen). Die Netzwerkdarstellung macht komplexe Zusammenhänge auf einen Blick sichtbar: Starke Korrelationen erscheinen als dicke Linien, schwache als dünne.
BACI-Auswertung verständlich gemacht #
Für die Auswertung von Interventions-Experimenten nach dem BACI-Design wurde eine eigene laienverständliche Visualisierung entwickelt. Die BACI-Auswertungskarte zeigt die Sensorstandorte mit ihrer Rolle im Experiment, den gemessenen Interventionseffekt als Zahlenwert und Farbkodierung, die Qualitätsmetriken sowie eine verbale Zusammenfassung des Ergebnisses.
Diese Darstellung eignet sich für die Kommunikation an Stakeholder – Behörden, politische Entscheidungsträger oder die interessierte Öffentlichkeit. Sie ist ein guter Schritt in Richtung Verständlichkeit, aber noch nicht vollständig selbsterklärend. Die Methode ist auf beliebige Messparameter übertragbar, etwa Verkehrszählungen oder Lärmbelastung. Wie das BACI-Design und die Analysemethode dahinter funktionieren, steht unter Wissenschaftlich denken .
Externe Datenquellen #
Die Plattform integriert verschiedene externe Datenquellen, um die Messwerte in einen breiteren Kontext zu setzen und Vergleiche zu ermöglichen.
Offizielle Messstationen #
Das Berliner Luftgütemessnetz (BLUME) und das Hessische Landesamt für Naturschutz, Umwelt und Geologie (HLNUG) liefern Referenzwerte für den Vergleich mit den SensEm-Sensoren.
Meteorologische Daten #
Daten des Deutschen Wetterdienstes — Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit, Windrichtung, Niederschlag — helfen bei der Interpretation von Mustern in den Messwerten.
Kalender- und Zeitdaten #
Feiertage, Schulferien und Wochenenden ermöglichen die Analyse periodischer Muster.
Die Verknüpfung erfolgt automatisch über die raum-zeitlichen Bezüge: Jeder Messwert wird mit allen relevanten Kontextinformationen angereichert, die für seinen Ort und Zeitpunkt vorliegen.
Erkenntnisse aus dem Einsatz #
Die Erprobung der Analyseplattform in den Datenwerkstatt-Workshops lieferte wichtige Erkenntnisse.
Was funktioniert
- Messdaten + Kontextwissen verknüpft: Beobachtungen und lokales Wissen halfen, Muster zu erklären und Ausreißer einzuordnen.
- Fachexperten in der Datenwerkstatt: Ihre Anwesenheit verbesserte die Interpretationsqualität deutlich.
- BACI-Visualisierung: Reduziert Komplexität auf eine verständliche Aussage, ohne die Qualitätsmetriken zu verschweigen — gut geeignet für die Ergebniskommunikation.
Was schwierig war
- Abstrakte Darstellungen: Insbesondere statistische Visualisierungen wie Korrelationsdiagramme erforderten Erklärung.
- Einordnung der Messwerte: Ohne Vergleichswerte fiel die Bewertung schwer — die Integration von Grenzwerten reichte nicht immer aus.
- Interpretations-Unsicherheit: Teilnehmende äußerten insgesamt gewisse Unsicherheiten — fachliche Unterstützung war unverzichtbar.