Offene Daten zum Leben erwecken und sie durch Visualisierungen greifbar machen

Welche Mitglieder des Grossen Rates intervenieren am meisten, und bei wem? Arbeiten die Parlamentarierinnen und Parlamentarier über die politischen Gräben hinweg zusammen? Arbeiten Männer eher mit Männern und Frauen mit Frauen zusammen? Dieser Blogbeitrag beschreibt anhand von Daten zu parlamentarischen Interventionen im Grossen Rat des Kantons Thurgau, wie Visualisierung offene Daten zum Leben erwecken und greifbar machen kann.

Die oben genannten Fragen habe ich mir gestellt, als ich im Rahmen des Open-Data-Kurses an der Universität Bern die Daten des Grossen Rates des Kantons Thurgau untersucht habe. Rohdaten in Excel-Tabellen, mit unverständlichen Zahlen, Zeichen und Variablennamen, können manchmal trocken und leblos wirken. In meinem Fall waren es zwei solcher Tabellen: Eine mit Daten zu den Mitgliedern des Grossen Rates und die andere mit Daten zu eingereichten Interventionen und deren Unterzeichner*innen seit 2012. Meine Aufgabe: Daten zum Leben zu erwecken, sie sichtbar, greifbar und erforschbar zu machen. Ermöglicht wird dies durch interaktive Visualisierungen, die einen intuitiven und unterhaltsamen Zugang zu den Daten bieten und es den Nutzern ermöglichen, Zusammenhänge zu entdecken und neues Wissen zu erwerben.

Die richtige Form finden

Jeder Datensatz enthält eine Vielzahl von Geschichten, große und kleine. Die Geschichte, die Sie erzählen wollen, bestimmt die Form, die die Visualisierung annehmen sollte. Wollen Sie Veränderungen über die Zeit oder über den Raum zeigen? Liegt der Schwerpunkt auf Zahlen oder auf Beziehungen? Welche Dimensionen möchte ich zeigen und miteinander verknüpfen? Je nach Antwort auf diese Fragen ist eine Karte, ein Sankey-Diagramm oder eine Treemap am besten geeignet. Websites wie Datavizproject können Ihnen helfen, sich einen Überblick über die Vielzahl von Visualisierungsformen zu verschaffen und die am besten geeignete auszuwählen.

Die Fragen, die mich beschäftigten, drehten sich hauptsächlich darum, wer die Vorschläge gemeinsam mit wem und wie oft einreicht. Die von mir gewählte Visualisierungsform ist daher eine Netzwerkvisualisierung, bei der die Abgeordneten durch Kreise und gemeinsame Interventionen durch Links zwischen den Abgeordneten dargestellt werden.

Das Kneten der Daten

Jeder, der schon einmal mit Daten gearbeitet hat, weiß, dass jeder Datensatz ein gewisses Maß an Arbeit erfordert, bis er die gewünschte Form und Qualität hat. Oft müssen die Daten gesiebt und gereinigt werden wie die Zutaten in einer Bäckerei, dann gemischt und zu einem Teig geknetet und schließlich in die gewünschte Form gebracht werden. Genau das ist in diesem Fall geschehen. Nehmen wir das Beispiel der Namen der Abgeordneten, die zur Verknüpfung der beiden Datensätze der Ratsmitglieder und der eingereichten Reden verwendet werden sollten. Anders als z. B. Identifikationsnummern sind Namen nicht eindeutig und unveränderlich. Es gibt Spitznamen, Doppelnamen, Rechtschreibfehler und Namensänderungen. All diese Elemente fanden ihren Weg in meine Daten. Eine Abgeordnete trat zum Beispiel unter drei verschiedenen Namen auf (Gina Rüetschi, Regina Rüetschi und Regina Rüetschi-Fischer). Um eine eindeutige Verbindung zwischen der Unterschrift auf einer Intervention und einem Parlamentarier herzustellen, mussten die Namen zunächst vereinheitlicht werden.

Die richtige Codebasis ist der Schlüssel

Sind die Daten bereinigt und formatiert, geht es im nächsten Schritt um die Erstellung der Visualisierung. Wer wie ich wenig oder gar keine Erfahrung mit interaktiven Visualisierungen hat, braucht Hilfe, um den Einstieg zu finden. Glücklicherweise gibt es im Internet eine Menge davon, vorausgesetzt, man weiß, wo und wie man suchen muss. Das Tool, mit dem ich arbeiten wollte, heißt D3.js und besteht aus einem Javascript-Framework für interaktive Webvisualisierungen. Tutorials zu den Grundlagen gibt es zum Beispiel auf Youtube . Wenn man aber eine bestimmte Visualisierung im Sinn hat, stößt man mit rein didaktischem Wissen schnell an seine Grenzen. Die Antwort liegt in Codebeispielen. Auf Observable zum Beispiel finden Sie hunderte von Visualisierungen mit dem entsprechenden Quellcode. Der Trick besteht darin, die Visualisierung zu finden, die am besten zu Ihren Vorstellungen passt, und sie als Grundstruktur zu verwenden, die Sie dann kürzen, umwandeln und erweitern können, bis Ihre eigene Visualisierung Gestalt annimmt. In meinem Fall hat es zwei Anläufe gebraucht, bis ich den richtigen Ausgangspunkt gefunden habe: ein Minimalbeispiel eines einfachen kräftebasierten Netzes mit einer Filterfunktion.

Lassen Sie sich überraschen

Auch wenn man eine klare Vorstellung und das richtige Werkzeug hat, läuft nicht immer alles nach Plan. Daten können uns manchmal überraschen, indem sie unseren intuitiven Erwartungen an ihren Inhalt und ihre Struktur zuwiderlaufen. Anfangs ging ich davon aus, dass die Zusammenarbeit an einem bestimmten:MP auf einen relativ kleinen Personenkreis beschränkt ist. Im Laufe der Visualisierung stellte sich heraus, dass die Mitglieder des Großen Rats viel stärker miteinander vernetzt waren, als ich angenommen hatte. Sie waren sogar so stark miteinander verbunden, dass das Bild eher wie ein Wollknäuel als ein Netzwerk aussah (Abb. 1). Es war fast unmöglich, aus dieser Visualisierung irgendwelche Schlüsse zu ziehen. Die Lösung bestand darin, auf den Kern der Fragen zurückzukommen, die ich mit der Visualisierung stellen wollte: Welche Netzwerke des Großen Rates arbeiten regelmäßig zusammen? Um diesen Erkenntnisgewinn zu erreichen, musste ich den Informationsgehalt reduzieren. In der endgültigen Visualisierung werden nun standardmäßig nur noch die Links angezeigt, wenn zwei Abgeordnete mindestens drei Interventionen gemeinsam unterzeichnet haben. Das Ergebnis ist ein klares Bild der regelmäßigen Zusammenarbeit (Abb. 2).

Abb. 1: Netzwerk mit allen Kooperationen
Abb. 2: Netzwerk mit Zusammenarbeit für drei oder mehr Interventionen

Schlussfolgerungen der Studie

Die von uns erstellte Visualisierung ermöglicht es uns, die Daten zu erkunden und auf spielerische Weise unsere eigenen Schlussfolgerungen zu ziehen. Wir können nun die Fragen beantworten, die wir zu Beginn gestellt haben:

1. Welche Mitglieder des Grossen Rates reichen die meisten Interventionen ein und bei wem?

Die Anzahl der Interventionen, die ein Mitglied zwischen 2012 und 2021 eingereicht hat, steigt tendenziell mit der Anzahl Dienstjahre seit 2012. Toni Kappeler (PG) hat mit 51 Wortmeldungen in 10 Jahren die meisten Reden eingereicht. Toni Kappeler (PSE) und Josef Gemperle (PDC) haben am häufigsten zusammengearbeitet und in 10 Jahren 11 Reden eingereicht (davon 8 zum Thema Energie). Dieses Ergebnis ist auch Teil der Antwort auf die folgende Frage.

2. Gibt es eine Zusammenarbeit zwischen Abgeordneten über die politischen Grenzen hinweg?

Ja, es gibt eine sehr gute Zusammenarbeit zwischen den Parteien. Einige Abgeordnete, wie Elisabeth Rickenbach (EVP), arbeiten sogar häufiger mit Abgeordneten anderer Parteien zusammen als mit ihren Parteikollegen. Gerade im Rahmen der regelmässigen Zusammenarbeit entstehen aber auch parteiinterne Netzwerke (Abb. 2).

3. Arbeiten Männer eher mit Männern und Frauen mit Frauen zusammen?

Von den 264 Parlamentariern, die zwischen 2012 und 2021 im Grossen Rat vertreten waren, sind zwei Drittel Männer und ein Drittel Frauen. Betrachtet man das Geschlecht der Parlamentarierinnen und Parlamentarier, so zeigt sich, dass sich das Netzwerk in einen von Frauen und einen von Männern dominierten Teil aufteilen lässt (Abb. 3).

Abb. 3: Farbiges Netzwerk nach Geschlecht

Auch hier liegt ein Teil der Erklärung für diese Trennung in den internen Netzwerken der Parteien. Das von Frauen dominierte Netzwerk besteht zu einem großen Teil aus SP-Abgeordneten, die mit 60 % einen deutlich höheren Frauenanteil als der Durchschnitt aufweisen.
Ein zweiter Grund für diese sichtbare Trennung könnte in den Themen der eingereichten Interventionen liegen. Während die Beiträge zum Beispiel zum Thema Verkehr hauptsächlich von Männern stammen, werden die Beiträge zu sozialen Fragen eher von Frauen eingereicht.
Wenn dies Ihre Neugierde geweckt hat, können Sie mithilfe der Live-Visualisierung viele weitere Geschichten entdecken.

Offene Regierungsdaten und Visualisierungen

Ich hoffe, ich konnte zeigen, dass interaktive Visualisierungen trockene Daten in lebendige und spannende Geschichten verwandeln können. Oft scheint der Nutzen von Open-Government-Datensätzen zu obskuren und vermeintlich uninteressanten Themen begrenzt zu sein. Doch Visualisierungen helfen uns, die in den Daten enthaltenen Geschichten zu entdecken. Geschichten, die uns einen Blick hinter die Kulissen von Politik, Wirtschaft und Gesellschaft ermöglichen, die Transparenz schaffen, Zusammenhänge aufzeigen und zu neuen Ideen anregen. Gleichzeitig trägt jede Visualisierung und Anwendung dazu bei, mögliche Probleme mit den Daten zu erkennen und so deren Qualität zu verbessern. Offene öffentliche Daten sind die Grundlage für eine informierte, kritische, innovative und vernetzte Gesellschaft, und Visualisierungen helfen, dieses Potenzial zu entwickeln.


Dieser Artikel wurde zuerst auf Open Government Data im Kanton Thurgau veröffentlicht. Auf diesen Seiten finden Sie Informationen zu Open Government Data (OGD) im Kanton Thurgau, Veranstaltungen, Presseartikel und Anwendungen sowie den OGD-Blog.

Creative Commons Licence

AUTHOR: Jurek Müller

Jurek Müller, PhD in Klimawissenschaften, arbeitet am Institut Public Sector Transformation zu den Themen Open Government Data, Linked Data, Public Value, Smart Government und Smart City. Sein Ziel ist in der öffentlichen Verwaltung die Grundlagen für eine transparente, innovative und partizipative Gesellschaft zu schaffen.

Create PDF

Ähnliche Beiträge

0 Kommentare

Dein Kommentar

An Diskussion beteiligen?
Hinterlasse uns Deinen Kommentar!

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert