Tufte 1983 und IBCS 2004 (Hichert): Wie zwei Visualisierungs-Schulen die DACH-Dashboard-Welt prägen
Edward Tuftes Yale-Tradition trifft auf Rolf Hicherts SUCCESS-Regeln — und zwischen beiden Polen sortiert sich seit zwei Jahrzehnten die DACH-Dashboard-Praxis. Eine Betrachtung mit Stephen Few, Cole Knaflic, ColorBrewer und Viridis.
Die DACH-Dashboard-Praxis ist von zwei Schulen geprägt, die selten gemeinsam in einem Atemzug genannt werden — obwohl sie ähnliche Anliegen verfolgen, mit sehr unterschiedlichen Mitteln. Auf der einen Seite steht die analytische Tradition Edward Tuftes, die mit dem 1983 erschienenen Werk „The Visual Display of Quantitative Information” das wissenschaftliche Fundament der modernen Datenvisualisierung legte. Auf der anderen Seite steht das International Business Communication Standards (IBCS)-Regelwerk, das auf Rolf Hicherts Arbeit seit 2004 zurückgeht und vor allem in deutschen Konzernen eine standardisierte Berichtsästhetik durchgesetzt hat.
Tufte: Die analytische Schule
Edward Tufte, Statistik-Professor an der Yale University, veröffentlichte „The Visual Display of Quantitative Information” 1983 zunächst im Selbstverlag — der Verlag Graphics Press wurde dafür ins Leben gerufen. Es folgten „Envisioning Information” (1990), „Visual Explanations” (1997) und „Beautiful Evidence” (2006). Tuftes Programm lässt sich auf drei zentrale Begriffe verdichten: Data-Ink-Ratio, Chartjunk und Sparklines.
Die Data-Ink-Ratio postuliert, dass der Anteil der Tinte, die tatsächlich Daten darstellt, zur Gesamttinte einer Grafik möglichst hoch sein soll. Chartjunk bezeichnet die ornamentalen Elemente — Schattierungen, dreidimensionale Effekte, dekorative Hintergründe —, die in der Tufte-Schule als Störelemente gelten. Sparklines, ein von Tufte selbst geprägter Begriff, beschreiben sehr kleine, in den Fließtext eingebettete Visualisierungen, die einen Verlauf andeuten, ohne den Lesefluss zu unterbrechen.
Im DACH-Raum hat die Tufte-Schule eine treue, aber zahlenmäßig überschaubare Anhängerschaft gefunden — vor allem in datenjournalistisch geprägten Kreisen, in der R-Community um ggplot2 und Hadley Wickham und in einer Generation von BI-Architekten, die ihre Visualisierungsausbildung über Stephen Fews Bücher gewonnen haben. Few, ein US-amerikanischer Visualisierungs-Autor, veröffentlichte 2006 „Information Dashboard Design: The Effective Visual Communication of Data” und übersetzte Tuftes wissenschaftliche Prinzipien in eine pragmatische Sprache, die in der BI-Welt anwendbar war.
Cole Nussbaumer Knaflic, eine ehemalige Google-Datenanalystin, veröffentlichte 2015 „Storytelling with Data” — ein Buch, das die Tufte-Few-Linie in eine narrative Praxis übersetzte und in Unternehmensschulungen weltweite Verbreitung fand. Wer in den vergangenen Jahren ein Training zum Thema Datenvisualisierung absolviert hat, hat mit hoher Wahrscheinlichkeit Knaflics Beispiele gesehen.
Hichert und IBCS: Die DACH-Standardisierungsschule
Rolf Hichert, ehemaliger Professor an der Hochschule Konstanz und Berater für Berichtswesen, formulierte um 2004 herum die ersten Versionen der SUCCESS-Regeln — eine Akronym-basierte Sammlung von Gestaltungsprinzipien für Geschäftsberichte und Management-Dashboards. SUCCESS steht für: Say (die Botschaft), Unify (die Notation), Condense (die Verdichtung), Check (die Verifizierung), Express (die Wahrnehmung), Simplify (die Vereinfachung) und Structure (die Gliederung).
Aus dieser Initiative entstanden die International Business Communication Standards, die 2013 in einem gemeinnützigen Verein institutionalisiert wurden. Der entscheidende Beitrag von IBCS zur DACH-Berichtspraxis ist die Notationsstandardisierung: feste Konventionen für die Darstellung von Plan-Ist-Abweichungen (Plan als schraffierte Säule, Ist als gefüllte Säule, Abweichung als Differenz-Säule mit klar definierter Farbcodierung), für die Darstellung von Vorzeichen (negative Abweichungen rot, positive grün — wenn auch das in der KI-Welle der letzten Jahre zunehmend kritisch diskutiert wird), für die hierarchische Gliederung von Berichten.
In deutschen Großkonzernen hat IBCS seit etwa 2012 Verbreitung gefunden — von der Automobilindustrie über die chemische Industrie bis zu den großen Versicherern. Die Standardisierungslogik passt zur DACH-Controlling-Kultur, die seit Jahrzehnten vom ICV (Internationaler Controller Verein, gegründet 1975 in Gauting) und von Beratungshäusern wie Horváth oder CTcon geprägt ist. Wer in einem deutschen DAX-Konzern arbeitet, kennt mit hoher Wahrscheinlichkeit das IBCS-typische Erscheinungsbild: die ruhige, monochrome Farbpalette, die einheitliche Säulenlogik, die fast eintönige Strenge.
Wo die Schulen sich treffen — und wo sie sich widersprechen
Beide Schulen teilen die zentrale Ablehnung dekorativer Elemente. Beide sehen Klarheit als oberstes Ziel der Visualisierung. Beide bevorzugen sachliche, datendichte Darstellungen über die berühmten „glänzenden Dashboards” der frühen Excel-Generation.
Wo sie sich unterscheiden, ist im Verhältnis zur Standardisierung. Tufte argumentiert für die individuelle visuelle Lösung — jede Datensituation verdient eine spezifisch zugeschnittene Visualisierungsform, und der Anspruch ist die wissenschaftliche Ehrlichkeit der Darstellung. IBCS dagegen argumentiert für die Notationsstandardisierung: Wer ein IBCS-konformes Diagramm liest, soll auf einen Blick verstehen, was die Botschaft ist, weil die Konventionen immer gleich sind. Ein „kleiner Tufte” wäre vermutlich entsetzt über die Strenge dieser Normierung; ein orthodoxer IBCS-Anwender empfände Tuftes Sparklines vermutlich als ästhetische Spielerei.
In der DACH-Praxis hat sich eine bemerkenswerte Synthese herausgebildet — meist nicht explizit benannt, aber in der täglichen Berichtsarbeit sichtbar. Größere Konzerne kombinieren die IBCS-Notation für Standard-Reports mit einer freieren, eher Tufte-orientierten Visualisierungssprache für analytische Sonderauswertungen. Power BI, Tableau und Qlik bieten alle drei mittlerweile IBCS-konforme Themes oder Custom-Visuals an — graphωmega und Zebra BI sind hier die bekanntesten Anbieter.
Die Farbfrage: ColorBrewer und Viridis
Eine eigene Geschichte verdient die Farbgebung in Dashboards. Cynthia Brewer, Geografie-Professorin an der Pennsylvania State University, veröffentlichte 2003 das ColorBrewer-Werkzeug — eine systematische Sammlung von Farbskalen, die nach wahrnehmungspsychologischen Kriterien entwickelt wurden. ColorBrewer unterscheidet sequenzielle, divergierende und qualitative Farbskalen und berücksichtigt explizit die Bedürfnisse von Menschen mit Farbsehschwächen.
Die Viridis-Familie — entwickelt 2015 für matplotlib durch Stéfan van der Walt und Nathaniel Smith — schloss eine Lücke, die ColorBrewer offen gelassen hatte: eine perzeptuell uniforme, durchgängig farbsehfreundliche, in Schwarz-Weiß-Druck noch interpretierbare sequenzielle Skala. Viridis hat sich in der wissenschaftlichen Visualisierung mittlerweile als De-facto-Standard etabliert; in der BI-Welt findet die Skala langsam Anwendung, vor allem in datenwissenschaftlichen Kreisen.
In der IBCS-Welt spielt die wahrnehmungspsychologische Farbtheorie eine vergleichsweise nachgeordnete Rolle. IBCS arbeitet bewusst mit einer reduzierten Farbpalette — Schwarz, Grau, Weiß, mit punktuellem Rot und Grün für Abweichungen — und legt die Begründung weniger auf wahrnehmungspsychologische Forschung als auf Konsistenz und Wiedererkennbarkeit. Aus Tufte-Perspektive ist das eine pragmatische, aber nicht zwingend wissenschaftlich begründete Setzung.
Was die Generative-KI-Welle für die Dashboard-Welt bedeutet
Eine kritische Beobachtung am Rande: Die seit November 2022 — dem ChatGPT-Launch — beschleunigte Generative-KI-Welle hat die Dashboard-Welt vor eine neue Frage gestellt. Wenn Sprachmodelle Visualisierungen erzeugen können, wer kontrolliert die Einhaltung von Visualisierungsstandards?
Die ersten Beobachtungen seien — vorsichtig formuliert — gemischt. Sprachmodelle neigen dazu, statistisch plausible, aber visuell unsinnige Diagramme zu generieren: dreidimensionale Tortendiagramme mit zwanzig Segmenten, gestapelte Säulen mit Variablen unterschiedlicher Skalierung, falsch beschriftete Achsen. Wer KI-generierte Visualisierungen in produktive Berichte einbettet, ohne sie gegen Tufte- oder IBCS-Prinzipien gegenzuprüfen, produziere — wieder vorsichtig formuliert — eine neue Generation von Chartjunk, in der die Tufte-Schule seit Jahrzehnten ihre Schreckensbilder findet.
Die BARC-Konferenzen und die DACH-Visualisierungsöffentlichkeit
Eine eigene Erwähnung verdient die Rolle des Würzburger Marktforschungs- und Analystenhauses BARC, das seit 1994 die größte deutschsprachige BI-Konferenzlandschaft prägt. Die BARC-Konferenzen — vom BI & Analytics Summit über die Data & Analytics Tagungen bis hin zu den themenspezifischen Workshops — sind im DACH-Raum der wichtigste öffentliche Ort, an dem sich Visualisierungsfragen mit der breiteren Marktpositionierung der BI-Anbieter verbinden. Auf den BARC-Konferenzen treffen sich Tufte-Anhänger, IBCS-Praktiker und Hersteller-Vertreter; die Diskussionen, die dort geführt werden, prägen die Praxis der Folgejahre.
In den vergangenen drei Jahren habe sich auf diesen Konferenzen eine wiederkehrende Spannungslinie etabliert: Auf der einen Seite die KI-getriebenen Herstellerversprechen — Copilot, Pulse, Insight Advisor — die suggerieren, dass die Visualisierungswahl bald keine menschliche Entscheidung mehr sein müsse. Auf der anderen Seite die Praktiker, die — durchaus mit Tufte- und Hichert-Argumenten ausgestattet — warnen, dass ohne menschliche Visualisierungskompetenz die KI-generierten Dashboards eine neue Welle der visuellen Unklarheit produzieren würden. Diese Spannung ist auch in der Fachliteratur ablesbar: In den BARC-Studien zur Datenvisualisierung lassen sich seit etwa 2023 zwei klar unterscheidbare Lager identifizieren.
Die ICV-Tagungen — der Internationale Controller Verein veranstaltet seit Jahrzehnten den Controller Congress in München — bilden die zweite zentrale DACH-Plattform, auf der Visualisierungsfragen verhandelt werden. Hier ist der IBCS-Einfluss historisch stärker spürbar; Vorträge zur Berichtsstandardisierung und zur SUCCESS-Methodik gehören regelmäßig zum Programm.
Mobile Dashboards und die Gerätefrage
Eine in der klassischen Visualisierungsliteratur — Tufte schrieb in der Print-Ära, Hicherts SUCCESS-Regeln entstanden in der Powerpoint-und-Excel-Welt — unterbelichtete Dimension ist die Gerätefrage. Mobile Dashboards, die heute auf Smartphones und Tablets konsumiert werden, stellen Anforderungen, die weder die Tufte- noch die IBCS-Schule in ihrer ursprünglichen Form ausreichend adressiert haben.
Power BI Mobile, Tableau Mobile und Qlik Sense Mobile haben in den vergangenen Jahren jeweils eigene Layout-Engines entwickelt, die responsive Visualisierungsanordnungen ermöglichen. In der Praxis bleiben mobile Dashboards jedoch oft ein Stiefkind — entwickelt für die Desktop-Auflösung, dann auf mobile Geräte „heruntergebrochen”. Die Frage, wie eine IBCS-konforme Plan-Ist-Säule auf einem 6-Zoll-Bildschirm aussehen soll, ist in den IBCS-Standards bisher nicht definitiv beantwortet.
Eine pragmatische Antwort, die sich in einigen DACH-Konzernen etabliert hat, ist die Trennung zwischen analytischen Desktop-Berichten und zusammenfassenden mobilen Cockpit-Ansichten. Auf dem Desktop volle IBCS- oder Tufte-Strenge, auf dem Smartphone eine reduzierte Top-Kennzahlen-Ansicht mit einfachen Sparklines — eine Lösung, die beide Schulen in ihrer jeweiligen Tradition respektiert.
Praxis: Die nüchterne Dashboard-Ästhetik
Was beide Schulen in der DACH-Praxis verbindet, ist die nüchterne, fast spartanische Ästhetik, die sich in den vergangenen zehn Jahren als professioneller Standard etabliert hat. Wer heute in einer deutschen Konzernzentrale ein Management-Dashboard öffnet, sieht meist eine reduzierte, weiß-graue Oberfläche mit klar abgegrenzten Kennzahlen, ruhigen Visualisierungen ohne Effekte und einer klaren narrativen Struktur. Diese Ästhetik ist das stille Resultat von vier Jahrzehnten Visualisierungsforschung — von Tuftes Yale-Büchern über Hicherts SUCCESS-Regeln, über Fews Pragmatik und Knaflics Storytelling bis hin zu den Farbpaletten der ColorBrewer- und Viridis-Generation.
Sie ist auch das, was die Generative-KI-Generation überleben muss — wenn sie überleben will.