Zwischen Analyse und Ästhetik: Data Design als Haltung

Miriam, du bist Architektin, Fotografin und Bedarfsanalystin. Was hat dich dazu bewogen, die zwei Weiterbildungsangebote zu Datenanalyse und -visualisierung zu besuchen, und gab es einen konkreten Auslöser aus deinem Berufsalltag?
Miriam Fluri: Bereits im Architekturstudium faszinierten mich die Diagramme im Entwurfsprozess, insbesondere jene von Rem Koolhaas. Im beruflichen Alltag werden die Kommunikation und das Storytelling immer wichtiger, vonseiten der Universität Bern gegenüber der Politik. Das gab den Anlass, Visualisierungen zu vertiefen, damit wir unsere Themen verständlicher darstellen können. Zum Beispiel unseren Bedarf an Flächen und die komplexen Zusammenhänge einfacher, besser darstellen und kommunizieren zu können.

Die CAS Generative Data Design und Data Visualization verbinden Information mit ästhetischer Erfahrung. Was bedeutet für dich gelungenes Data Storytelling – und wie verändert sich dies durch generative Ansätze?
Für mich wertet ein gutes Data Storytelling die relevanten Daten aus und setzt sie vor allem in einen Kontext, der auf das Zielpublikum abgestimmt ist. Und wieso Generative? Es erkennt die Muster in komplexen Daten besser als wir Menschen. Diesen Sachverhalt finde ich schon sehr, sehr spannend.

Daten scheinen objektiv – Design ist es nie. Wo siehst du die Verantwortung von Kreativschaffenden, wenn sie mit algorithmischen oder generativen Methoden arbeiten?
Das ist eine sehr grosse Verantwortung. Aber ich denke, wenn man transparent bleibt und die Daten offenlegt, sodass es wirklich nachvollziehbar ist, was man gemacht hat, stärkt es das Design. Die Daten und auch die Codes offenzulegen, finde ich einen guten Ansatz, der von den Data-Designer*innen gepflegt wird.

In welcher Form kannst du die in den CAS erworbenen Fähigkeiten in deiner Tätigkeit als Analystin anwenden? Mit etwas Abstand betrachtet: Was haben dir die CAS ermöglicht, das zuvor so nicht Teil deiner beruflichen Praxis war?
Das ist eine gute Frage. Ich dachte mir, vielleicht mache ich gar nicht viel Neues. Aber was ich mache, mache ich mit einem viel grösseren Verständnis und mit dem Hintergrundwissen was Design und Visualisierung alles können und was nicht, was sie dürfen und was sie sollen. Ich hoffe, dass ich mit diesen beiden CAS das Storytelling besser und klarer übermitteln kann. Und dass ich auch präziser das Zielpublikum damit ansprechen kann. In einem riesigen Datensatz kann oft viel festgestellt werden. Aber was ist relevant, was wollen wir damit zeigen? Oft diskutieren wir im Team lange über Folgendes: Was ist die Geschichte hinter diesen Daten? Was wollen wir vermitteln? Und wer liest es? Das Verständnis für die Daten ist jetzt viel grösser. Durch die Fertigkeiten und das Codieren werden die Darstellungsmöglichkeiten viel zahlreicher und vielseitiger.

Der Druck politischer und finanzieller Entscheidungsträger*innen nimmt zu, etwa im Kontext von Bildungsökonomie, Effizienzdebatten und steigenden Studiengebühren. Inwiefern siehst du datenbasierte und generative Visualisierungen als Instrument, um solche komplexen Zusammenhänge transparent, nachvollziehbar und gesellschaftlich diskutierbar zu machen?
Ich denke schon, dass die Visualisierungen den komplexen Sachverhalt viel besser transportieren und Politiker*innen den Kontext aufzeigen können. Sie werden sich dadurch nicht nur auf Schlagworte fokussieren. Ich erhoffe mir, dass Diskussionsräume durch solche Visualisierungen viel grösser werden. Dass es eben nicht nur um Kosten oder höhere Gebühren mal Anzahl Studierende gleich mehr Geld geht, sondern dass sie diese Komplexität mittragen, die solche Entscheide mit sich ziehen. Ich denke auch, dass man anhand von solchen Visualisierungen wie in Modellen denkt. Dass es nicht nur um die Frage geht, ob es richtig oder falsch ist, sondern dass man überlegen kann: Was passiert unter diesen Annahmen? Was kann weiter geschehen, oder was könnte das Resultat sein? So kommt man ein bisschen vom Schwarz-Weiss-Denken weg.