Datenvisualisierung wirksam lehren – 8. DataViz Meetup bei The Information Lab

Autor:in: Nhung Le

Lesezeit: 6 Minuten

Datenvisualisierung beizubringen ist das eine – aber wie gelingt es, sie so zu vermitteln, dass Menschen sie im Arbeitsalltag wirklich nutzen?
Genau dieser Frage haben wir uns beim 8. DataViz Meetup „Teaching Data Viz“ in unserem Hamburger Office gewidmet.

Am Donnerstag, 20. November 2025, kamen Data-Enthusiast:innen, BI-Praktiker:innen und Verantwortliche für Data Culture, Enablement, BI-Training und Data Literacy in den Räumen von The Information Lab Deutschland zusammen. Das Meetup, ins Leben gerufen von Matthias Stahl (Head of Data & Visualisation, DER SPIEGEL) und Nina Koch (Senior Product Designer, New Work SE), machte diesmal bei uns Station.

Der Fokus: Wie gestalten wir Data-Viz-Trainings, die über „schöne Dashboards“ hinausgehen und echten Impact im Unternehmen entfalten?

Teil 1: Einblicke in Trainingskonzepte & Lernpfade

Im ersten Teil der Veranstaltung gaben unsere Kolleginnen Katharina von Borstel und Nhung Le Einblicke in unsere Trainingskonzepte rund um Datenvisualisierung.
Im Fokus standen unter anderem:

Lernpfade, die über Zertifizierungen hinausgehen – warum Lernen nach dem Zertifikat erst beginnt
Die Verbindung von Daten & Visualisierung als Kern erfolgreicher Data-Viz-Trainings
Wie Trainings so gestaltet werden, dass sie konkrete Use Cases adressieren und den Transfer in den Arbeitsalltag ermöglichen
Data Visualization als dauerhaftes Skillset, statt als einmaliges Schulungsformat

Damit legten Katharina und Nhung die inhaltliche Basis für die anschließende Diskussion: Was macht ein Training wirklich nachhaltig?

Teil 2: Panel „Beyond the Bar Chart“

Im zweiten Teil des Abends vertiefte eine Paneldiskussion die Praxisperspektive:
„Beyond the Bar Chart: Is Data Viz Training a Relevant Skill, or Just a Nice-to-Have for Better Storytelling?“

Auf der Bühne diskutierten Prof. Dr.-Ing. Christoph Kinkeldey von der HAW Hamburg, Florian Ziegler von Kühne+Nagel und Benjamin Schalk von The Information Lab darüber, welche Rolle Data-Viz-Training heute tatsächlich spielt – und wo Organisationen damit in der Realität stehen.

Im Fokus standen Fragen wie:

Welche Trainingsformate funktionieren in der Praxis wirklich – und welche bleiben an der Oberfläche?
Wie gelingt der Transfer von „schönem Dashboard“ hin zu gelebter Datennutzung in den Fachbereichen?
Welche Rolle spielen AI-Tools künftig beim Lernen und Visualisieren – als Unterstützung oder als zusätzliche Komplexität?

In vielen Beispielen aus Lehre, Praxis und Beratung zeigte sich, dass Datenvisualisierung ein zentraler Hebel für Kommunikation, Entscheidungsfindung und Zusammenarbeit zwischen Fachbereichen ist. Gut gestaltete Visualisierungen helfen Teams, dieselbe Datengrundlage zu sehen, schneller zu einem gemeinsamen Verständnis zu kommen und Entscheidungen nachvollziehbarer zu machen.

Gleichzeitig waren sich die Panelgäste einig: Ohne zielgruppenorientierte Trainings, klare Lernpfade und eine passende Data Culture bleibt das Potenzial von Tools wie Tableau, Power BI & Co. häufig ungenutzt.

How we teach DataViz

Im ersten Teil des Meetups ging es nicht nur darum, dass wir Datenvisualisierung trainieren – sondern vor allem darum, wie wir Lernprozesse so gestalten, dass sie nachhaltig wirken.
Statt allein auf Tools oder Zertifizierungen zu schauen, richten Katharina von Borstel und Nhung Le ihren Ansatz an einer einfachen Leitfrage aus: Wann ist Lernen eigentlich erfolgreich und was braucht es dafür in Data-Viz-Trainings?

Einen zentralen Schwerpunkt bildet dabei das Skillset, das wir mit unseren Data-Viz-Trainings gezielt aufbauen.

Das Skillset für DataViz

Unsere Trainings setzen bei drei zentralen Kompetenzbereichen an:

1. Data Literacy
Data Literacy ist die Grundlage, ohne sie bleibt jede Visualisierung an der Oberfläche. Dazu gehören:

Datenverständnis & Kontextualisierung
Teilnehmende lernen, Kennzahlen einzuordnen: Woher kommen die Daten? Was bedeuten sie im Fachkontext? Welche Limitationen gibt es?
Datenmanagement & -aufbereitung
Dazu zählen Schritte wie Filtern, Aggregieren, Bereinigen oder das Zusammenführen von Datenquellen.
Analytisches Verständnis
Es geht darum, grundlegende Analysekonzepte zu verstehen: Zeitreihen, Vergleiche, Segmentierungen, Ausreißer – und wie diese sich sinnvoll visualisieren lassen.

Ziel ist, dass Teilnehmende nicht nur Charts bauen, sondern die dahinterstehenden Daten wirklich verstehen.

2. Design & Visualisierungs-Skills

Auf dieser Basis kommen die klassischen Data-Viz-Fähigkeiten ins Spiel:

Wahl des passenden Visualisierungstyps
Wann eignet sich ein Balkendiagramm, wann eine Heatmap, wann eine Karte? Und wann ist eine Tabelle tatsächlich die beste Lösung?
Verständnis für Wahrnehmung im menschlichen Gehirn
Wir arbeiten mit Prinzipien der Wahrnehmungspsychologie:
– Gestaltungsgesetze
– präattentive Merkmale (z. B. Farbe, Form, Position)
– visuelle Hierarchien
Übersetzung in Tableau-Design
Teilnehmende lernen, diese Prinzipien konkret in Tableau umzusetzen: Farbpaletten, Layout, Tooltip-Design, konsistente Achsenskalierung und mehr.

Das Ziel: Visualisierungen, die klar, lesbar und fokussiert sind und nicht nur „optisch beeindruckend“.

3. Kommunikation & Storytelling

Datenvisualisierung entfaltet ihren Wert erst dann, wenn sie verstanden und genutzt wird. Deshalb ist Kommunikation ein eigenständiger Kompetenzbereich:

Anpassung an Zielgruppen
Ein Dashboard für das Management sieht anders aus als eines für ein Controlling-Team. Wir trainieren, Zielgruppenbedürfnisse zu verstehen und Visualisierungen darauf auszurichten.
Storytelling mit Daten
Wie baue ich eine sinnvolle Dramaturgie auf? Welche Reihenfolge von Visuals unterstützt die Kernbotschaft? Wo setzen wir Highlights, wo Kontext?
Klarheit in Sprache und Gestaltung
Dazu gehören gute Titel und Beschriftungen, verständliche Annotationen und eine Visualsprache, die ohne lange Erklärungen funktioniert.

So wird aus einem Set an Charts eine kohärente Geschichte, die Entscheidungen unterstützt, statt nur Daten zu zeigen.

Drei praktische Tipps aus der Data School
Wie sich dieses Skillset in der Praxis bemerkbar macht, zeigt sich besonders deutlich in der Arbeit unserer Data School Coaches. Sie begleiten Teilnehmende vom ersten Dashboard bis zu komplexeren Analysen und sehen täglich, wo Datenvisualisierung im Alltag wirklich wirkt.
Zum Abschluss der Präsentation haben die Data School Coaches aus TIL UK ihre Tipps für Data Viz in Tableau geteilt. Ein Auszug daraus:

If you want to improve your data visualization skills, try helping somebody else out. If you can explain something to someone well, it means you’re on the right track. And I also think you should never stop learning. If you learn new stuff, you can help other people out more and they can then spread the word.

Robbin Vernooij, Data School Coach, TIL UK

Use color intentionally in your data viz. Stick to two to three colors so that you can intentionally guide your users to the most important parts of your analysis.

Jenny Martin, Data School Coach, TIL UK

Fazit: Data Viz als gemeinsame Lernreise

Das 8. DataViz Meetup „Teaching Data Viz“ hat gezeigt: Wirkungsvolle Datenvisualisierung entsteht nicht durch ein einzelnes Training oder ein neues Tool, sondern durch eine gezielt aufgebaute Kombination aus Skills, Lernpfaden und gelebter Praxis.

Wenn Data Literacy gestärkt wird, entstehen Visualisierungen auf einer soliden inhaltlichen Basis.
Mit guten Design- und Visualisierungs-Skills werden komplexe Sachverhalte klar und verständlich.
Durch Kommunikation und Storytelling werden aus Dashboards schließlich Entscheidungen und Dialoge.

Daran knüpfen unsere Trainings und Lernpfade an, von Einsteigerformaten bis zur langfristigen Begleitung von Teams und Organisationen.

Wenn Du Data-Viz-Training, Data Literacy oder BI-Enablement in Deinem Unternehmen weiterentwickeln möchtest oder mehr über unsere Trainingsformate und die Data School erfahren willst, komm gerne auf uns zu.

Jetzt Beratung anfragen