Wie Data Storytelling Leben retten kann – Die Fallstudie Semmelweis

Data Storytelling ist ein strukturierter Ansatz, um Erkenntnisse aus Daten mit erzählerischen Elementen und explorativen Visualisierungen zu vermitteln. Wer Daten in Entscheidungen verwandeln will, profitiert davon, die Kunst des Daten-Erzählens zu beherrschen.

Im Gegensatz zur reinen Präsentation von Statistiken sind Datenstories ansprechender, einprägsamer und überzeugender. In einer Studie, die zwei Versionen einer Broschüre der Organisation Save the Children testete, spendeten Teilnehmende mit der Infografik-Version rund 50 % weniger als jene mit der erzählerischen Version. In einer weiteren Studie fanden Forschende heraus, dass Menschen weniger skeptisch sind, wenn ihnen eine Geschichte erzählt wird, während sie bei reinen Statistiken eher kleinlich werden.

Datenstories bestehen aus drei entscheidenden Zutaten — Daten, Visualisierung und Erzählstruktur. Für eine gute Datenstory gilt es, die richtigen Daten auszuwählen, eine Dramaturgie zu wählen, die den roten Faden vorgibt, und die Geschichte mit aussagekräftigen Visualisierungen zu veranschaulichen.

Abbildung 1: Erzählstruktur, Visualisierungen und Daten sind das Fundament von Datenstories, die Veränderungen anstoßen

Die Fallstudie Semmelweis

Die Geschichte ist reich an warnenden Beispielen schlechter Datenvisualisierung, die im Gegensatz zu Datenstories keine Wirkung entfalten. In seinem Buch Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals zitiert Brent Dykes die Geschichte von Dr. Ignaz Semmelweis als eines dieser Beispiele.

Obwohl er erkannte, dass Händewaschen Leben retten kann, gelang es Semmelweis nicht, die skeptische Ärzteschaft von seinen Erkenntnissen zu überzeugen. Im Rückblick hätten Prinzipien des Data Storytellings ihm helfen können, seine Einsichten wirkungsvoller zu vermitteln – und so Tausende Leben zu retten.

Semmelweis, genannt der „Vater der Händehygiene“, war ein ungarischer Arzt. 1844 arbeitete er als Assistenzarzt in einer Geburtsklinik, in der viele Frauen am Kindbettfieber starben – einem Fieber infolge einer postpartalen Infektion.

Während seiner Zeit in der Klinik bemerkte Semmelweis einen auffälligen Trend. Die Sterblichkeitsrate in von Ärzten und Medizinstudierenden betriebenen Kliniken durch Kindbettfieber lag deutlich höher (9,9 %) als in Kliniken der Hebammen (3,9 %) (Abbildung 2). Anders als Ärzte und Studierende führten Hebammen vor den Geburtsvorgängen keine Autopsien durch. Daraus schloss er, dass Materialien von Leichen das Sterberisiko der Frauen erhöhten.

Abbildung 2: Kliniken, in denen Ärzte sich nicht die Hände wuschen, verursachten mehr Todesfälle.

Mit diesem Wissen schlug er das Händewaschen vor – mit dramatisch sinkenden Todesraten. Dennoch konnte er seinen Vorgesetzten, Professor Klein, nicht von seiner Theorie überzeugen.

Semmelweis blieb Zeit seines Lebens ein vehementer Verfechter des Händewaschens – ohne Erfolg. 1861 veröffentlichte er sein Werk The Etiology, Concept, and Prophylaxis of Childbed Fever, worauf die medizinische Fachwelt mit scharfer Kritik reagierte. 1865 starb Semmelweis in einer Nervenheilanstalt – lange bevor die Keimtheorie breite Akzeptanz fand.

Abbildung 3: The Etiology, Concept, and Prophylaxis of Childbed Fever umfasst Hunderte Seiten – ohne Diagramme

Warum konnte er die Fachwelt nicht überzeugen?

Brent nutzte diese Fallstudie, um zu zeigen, dass die drei Komponenten des Data Storytellings – Daten, Erzählstruktur und Visualisierung – unverzichtbar sind, wenn Daten Veränderungen anstoßen sollen. In diesem Fall verhallten die Daten von Semmelweis ungehört, weil ihnen weder eine packende Dramaturgie zur Seite stand noch Visualisierungen. Dadurch konnten seine Daten das Publikum nicht überzeugen – obwohl sie korrekt, wertvoll und handlungsleitend waren.

Rückblickend hätte Semmelweis seine Botschaft mit Datenstories deutlich überzeugender transportieren können. Hier ist ein Beispiel von Brent Dykes: ein Liniendiagramm, das Daten, Narrative und Visualisierung zu einer schlüssigen Story verbindet.

Abbildung 4: Eine Datenstory von Dykes, die Semmelweis’ Argument besser veranschaulicht.

Der Ansatz von Semmelweis stand im direkten Kontrast zu dem von Dr. John Snow, einem britischen Arzt, der 1854 den Choleraausbruch in der Broad Street untersuchte und die Hypothese aufstellte, dass mit Keimen verunreinigtes Wasser Cholera verursacht. Nachdem er nachwies, dass die Sterblichkeit in der Nähe einer Wasserpumpe besonders hoch war, gelang es Snow, den Gemeinderat davon zu überzeugen, die Pumpe außer Betrieb zu setzen.

Abbildung 5: John Snows Datenvisualisierung

Fazit

Anders als Semmelweis haben Data Storyteller heute eine Fülle an Werkzeugen, um fesselnde Datenstories zu erstellen – von Business-Intelligence-Tools wie Tableau bis hin zu Programmiersprachen wie Python. Es ist klug, wenn moderne Datenprofis die Kunst und Wissenschaft des Data Storytellings meistern, um ins Handeln zu kommen.