Kursbeschreibung

Der Klimawandel gehört zu den großen globalen Herausforderungen des 21. Jahrhunderts. Wenn wir die Treibhausgas-Emissionen nicht eindämmen und die Erderwärmung deutlich unter zwei Grad Celsius halten, wird sich die Welt nachhaltig verändern. Schon heute beobachten wir globale Auswirkungen wie die Verschiebung von Vegetationszonen, den Anstieg des Meeresspiegels und zunehmend extreme Wetterperioden. Ein wichtiger Aspekt der Bekämpfung des Klimawandels ist Aufklärung und Information. Es ist notwendig zu zeigen, wie sich das Klima in den letzten 250 Jahren bereits verändert hat - wie sich das Klima aufgrund unseres heutigen Handelns voraussichtlich verändern wird. Ein wichtiges Instrument hierfür sind Klimaszenarien. Klimaszenarien erlauben uns, Aussagen über mögliche Zukünfte zu machen. Auf der Grundlage komplexer ökologischer und sozio-ökonomischer Modelle können wir die positiven als auch negativen Auswirkungen unseres derzeitigen Handelns abschätzen. Das Verständnis und die Interpretation von Klima-Szenarien ist jedoch komplex und für Nicht-Experten schwer zugänglich. Um Klimaszenarien verständlicher und brauchbarer zu machen, möchten wir Datenvisualisierungen erstellen, die es unterschiedlichen Nutzergruppen ermöglichen, die Szenarien zu erkunden, zu verstehen und zu verwenden.

Aufgabenstellung

Nach mehreren Runden Brainstorming und Diskussion zum Thema Klimaszenarien wurden im Kurs Arbeitsgruppen gebildet, die zusammen an einem Hauptprojekt arbeiteten. Wir (Florian, Sofia, Fabian) bildeten eine dieser Gruppen, um uns gemeinsam mit dem übergeordneten Thema des Fingerprinting im Bereich der Klimaszenarien auseinanderzusetzen.

Das Ziel war es, mehrere SSPs („Shared Socioeconomic Pathways“, verschiedene Zukunftsszenarien) auf einen Blick miteinander vergleichen zu können. Dies wollten wir mithilfe eines Online-Tools ermöglichen, das vor allem Experten erlauben sollte, das Konzept der SSPs kommunizieren zu können.

Designprozess

Als wir bei unserer Recherche auf die SSP Database stießen und uns einige der Datensätze ausgegeben wurden konnten wir schnell erkennen, dass es besonders schwer war die einzelnen SSPs bzw. Szenarien miteinander zu vergleichen. Zwar konnte man beispielsweise auf einen Blick erkennen welches Szenario mehr oder weniger Gasverbrauch oder Bevölkerungswachstum vorraussagte. Sobald man jedoch mehr Komplexität zuließ verloren die Grafiken an Anschaulichkeit und wurden nicht passend dargestellt. Durch das Hinzufügen von mehreren SSPs oder Sektoren wurde die Visualisierung überladen und zu komplex. Dazu war die Bedienung alles andere als optimal.

Diese Problematik versuchten wir in unserer Gruppe zu lösen, und beschäftigten uns in den ersten Wochen unserer Zusammenarbeit vor allem mit der Formfindung für unseren SSP-Fingerprint. Welche Darstellungsformen eignen sich am besten? Ab wann wird es zu komplex? Welche Farben können potenziell Wertung in unsere Fingerprints bringen?

Bereits von Beginn an waren wir vor allem an einem modifizierten Sterndiagramm interessiert. Die Kombination aus einer markanten Form und dem Potenzial der Überlagerung (und damit einhergehend der einfache Vergleich mehrerer) überzeugte uns, und so entwickelten wir einen ersten Prototypen, um mit einem echten Datensatz zu testen, ob unsere Vermutung stimmte.

Nach der ersten Runde Feedback im Kurs wurde schnell klar, dass mehrere Iterationen nötig waren, um die Schwachstellen in der Darstellungsform zu beheben:

1. Die sogenannten RCPs (abweichende Versionen der SSPs, die durch politische Enscheidungen entstehen) konnten nicht effizient dargestellt werden.
2. Die Darstellung fühlte sich zu einfach an, und befürchteten, dass wir die Thematik zu niederkomplex darstellen.

Es ging für uns zurück zum Zeichenbrett, wir lösten uns etwas vom Sterndiagramm und versuchten eine eigene, individuelle Version des Sterndiagramms zu entwickeln. Dafür arbeiteten wir gleichzeitig analog, in Sketch und in Code.

Letztendlich legten wir uns auf zwei Darstellungsformen fest:

1. Unser Sterndiagramm, das mithilfe von „geteilen Armen“ auch die RCPs darstellen konnten.
2. Eine modifizierte Version des Box Plots, der ebenfalls die RCPs darstellen konnte.

Diese Diagramme wollten wir im Stile der Small Multiple in einem Online-Tool darstellen. Dies sollte es erlauben, die verschiedenen SSPs (inklusive ihrer RCPs) auf einen Blick zu vergleichen.

Umsetzung

Wir wählten eine sehr experimentelle Herangehensweise bei der Umsetzung des Projekts. Da unser Design abhängig von der Umsetzung und den eigentlichen Datensätzen war, arbeiteten wir parallel zum Designprozess immer wieder im Code. Dadurch konnten wir unsere Annahmen immer wieder validieren—und verwerfen. Teilweise warf uns diese iterative Methode nach hinten, und wir mussten neue Ansätze finden.

Für die technische Umsetzung und das Prototyping benutzten wir React, styled-components, D3 und react-faux-dom.

Resultat

Das Ergebnis ist ein Online-Tool, welches das Explorieren unserer Small Multiple erlaubt. Außerdem haben wir für die Werkschau 2018 ein Plakat entworfen, das unser Ergebnis dokumentierte.

🕹 Zum Online-Tool →

Reflexion

Nach Diskussion unserer finalen Ergebnisse im Kurs, und im Dialog mit einigen Besuchern der Werkschau, stellten wir einige Bereiche fest, in die wir mehr investieren könnten. Durch die hohe visuelle Komplexität, die unsere Fingerprints in sich beinhalten, war es teilweise schwer, die Daten konsequent abzulesen. Dies kommt wohl vor allem durch unsere weniger pragmatische Herangehensweise: Wir arbeiteten sehr formbasiert, um dadurch datengetriebene Formen zu erstellen.

Dies machte sich oft bei der Lesbarkeit bemerkbar, resultierte jedoch in interessante Datenfiguren bzw. Fingerprints, die die SSPs auf den ersten Blick voneinander unterscheidbar machten.

Weitere Iteration könne dabei helfen, die Lesbarkeit der Figuren zu verbessern und deren Komplexität (auf Wunsch) zu verringern.