Was ist Data Physicalization? Wie wir spielerisch Datenkompetenz stärken

Statistiken zu Wahlergebnissen, Graphen zu Infektionswellen oder individuelle Fitness-Tracker: Daten sind überall – aber was sich hinter ihnen verbirgt, ist oft unklar. Wie können wir Datenkompetenz trainieren und welche Möglichkeiten bietet Data Physicalization, um Daten physisch greifbar zu machen? Hier erklären wir, warum Daten als kleinstmögliche Informationseinheit nicht nur zum Hinterfragen anregen können – sondern auch zum selbstbestimmten Mitmachen.

Ob DNA-Doppelhelix oder Herzkammern: Aus den Naturwissenschaften wissen wir, dass physische Modelle helfen können, um komplexe Sachverhalte im wahrsten Sinne vor Augen zu führen und verständlich zu machen. Genau einen solchen Zugang bietet Data Physicalization: Daten werden in einer physischen Form greifbar und so vom Abstrakten ins Konkrete überführt. Wie genau, das erklären wir hier am Beispiel von unserem Data Keychain Workshop. Unsere größte Erkenntnis bei diesem Format: Menschen haben Lust auf Daten, wenn sie sie selbst in die Hand nehmen können.

Was ist Data Literacy (Datenkompetenz)?

Data Literacy oder Datenkompetenz bedeutet, dass wir verstehen, wie Daten gesammelt, analysiert und verwendet werden. Außerdem beinhaltet sie, dass wir Daten kritisch reflektieren und hinterfragen.

• Welche Informationen vermitteln uns Daten durch ihre spezifische Darstellung in Graphen oder Statistiken, lassen sie sich vergleichen?
• Wo kommen die Daten her, können wir ihren Informationen vertrauen?
• Wie werden die Daten gespeichert, können sie für andere Zwecke weiterverwendet werden?

Spätestens seit der weltweiten Corona-Pandemie ist klar: Die wenigsten Menschen wissen, wie eine exponentielle Wachstumskurve oder die Anonymisierung von Bewegungsdaten genau aussehen. Dabei sind Daten wichtige Wissensträger – sich mit ihnen zu beschäftigen bedeutet auch, an unserer Informationsgesellschaft teilzunehmen und sie mitzugestalten.

Was ist Data Physicalization (Datenphysikalisierung)?

Data Physicalization oder Datenphysikalisierung bedeutet, dass wir Daten in physischer Form darstellen und aus ihrer abstrakten Form in eine konkrete überführen, um sie greifbar zu machen. Der Ursprung von Datenphysikalisierung wird bis in die Steinzeit zurückgeführt: Die über 40.000 Jahre alten Einkerbungen in Lebombo-Knochen gelten als der Ursprung des menschlichen Bedürfnisses, Daten physisch festzuhalten. Heute gibt es in vielen Bereichen Daten zum Anfassen:

• In Bildung und Forschung sind haptische, maßstabgetreue oder vergrößerte Modelle eine wichtige Grundlage, um theoretisches Wissen sichtbar und anwendbar zu machen.   
• In Kultur und Kunst sorgen datenbasierte Spiele und Kunstwerke dafür, dass Erlebnisse für Auge und Sinne gleichzeitig auch lehrreich sein können.
• In der Stadtentwicklung dienen partizipative Datenerhebungen an öffentlichen Plätzen dazu, die Nachbarschaft bei geplanten Baumaßnahmen zu beteiligen. Zum Beispiel bieten wir mit unserem Kiezlabor unterschiedliche Möglichkeiten, mitzuentscheiden und mitzumachen – sei es beim Thema Kiezgestaltung, Nutzung von Wasser oder Entsieglung von Flächen.

An der Schnittstelle von Stadtgesellschaft, Verwaltung und Wissenschaft hat unser CityLAB-Team verschiedene Workshop-Formate entwickelt, die mit Data Physicalization einen niedrigschwelligen Zugang zu Daten bieten – und auch neue Möglichkeiten, mitzuentscheiden und mitzumachen.

Wie kann Data Literacy mit Data Physicalization trainiert werden?

Unser Data Keychain Workshop lässt Teilnehmende gemeinsam erleben, was es bedeutet, Daten zu erheben, zu analysieren und in Form eines Schlüsselanhängers weiterzuverarbeiten. Bei der diesjährigen re:publica und bei unserer CityLAB-Sommerkonferenz haben wir den Workshop in vier Schritten und in knapp einer Stunde durchgeführt:

1. Wir beginnen mit einem Kurzvortrag zur Frage „Was ist Datenphysikalisierung?“ für ein Basislevel an Datenkompetenz
2. Wir sammeln unsere eigenen Daten mit einem Fragebogen zu unserem persönlichen Medienverhalten und beantworten Fragen wie: „Wie hoch ist deine tägliche Smartphone Bildschirmzeit?“
3. Wir verarbeiten unsere Daten mit den vorbereiteten Schlüsselanhängern und unsere Antworten weiter, z.B. werden die Antwort-Kategorien „1–2 Stunden”, „2–4 Stunden” oder „4+ Stunden“ zu einem hellblauen rechteckigen Anhänger, dessen Größe die Intensität der Nutzung widerspiegelt.
4. Am Ende tragen alle Teilnehmenden ihre eigenen Daten als Anhänger an einem individuellen Schlüsselband – und nehmen hoffentlich auch neue Daten- und Medienkompetenzen mit.

Neugierig? Mehr Informationen zur Entwicklung und Durchführung des Workshops gibt es in diesem ausführlichen Blogbeitrag.  

CityLAB Berlin