Wie können große Mengen an Daten auditiv und visuell dargestellt werden?
Diese Frage stellten sich bereits eine Vielzahl an Forschern aus den unterschiedlichsten Fachgebieten.
Daten und ihre unterschiedlichen Erscheinungsbilder
Daten können, ähnlich wie auf unseren Festplatten, und je nachdem, wie sie interpretiert werden, eine unterschiedliche Aussage sowie ein unterschiedliches Erscheinungsbild annehmen. Der daraufhin erhaltende Output ist von der ursprünglichen Form weit entfernt. Durch viele Abstraktionsschritten wird versucht, aus einer Vielzahl an Datenformaten die verschiedensten Sachverhalte abzulesen. Durch dieses Verfahren kann es passieren, dass einzelne Daten während des Verarbeitungsprozesses kaum noch greifbar sind. Hinzu kommen unterschiedliche Methoden, wie jeweilige Daten zustande gekommen sind. Seien es Messungen, Beobachtungen oder Zufallsgeneratoren. So ist die Frage der Darstellung oder gar sinnhaften Darstellung niemals eindeutig beantwortbar. Doch festhalten lässt sich, dass Datenverarbeitungsprozesse für den Output ebenso verantwortlich sind wie Messmethoden oder andere heuristische Verfahren.
Liquid Dance – Vulkanausbrüche, Daten und ihre Erlebbarkeit
Liquid Dance ist das Projekt, an dem ich im Rahmen meines Master Praktikums im Studio Fluffy gearbeitet habe und nun als Werkstudent fortsetzen werde. In diesem Rahmen beschäftige ich mich, wie schon so viele Forscher vor mir, mit der Frage, wie große Daten sinnvoll dargestellt werden können.
Bei Liquid Dance geht es um die Daten des Vulkans Raikoke zur Zeit seines Ausbruchs im Juni 2019. Dafür wurden Datensätze verwendet, die aus einer Simulation der Forschungsgruppe Dr. Bernhardt Vogel stammen. In Liquid Dance soll die Komplexität der Daten intuitiv sowie interaktiv zugänglich und erfahrbar werden. Diese Daten sind als multidimensionale Datensätze abgespeichert, die mithilfe von Python basierter Softwaretools ausgelesen und weiterverarbeitet werden können.
In Abbildung 1 befindet sich der gesamte Datensatz in multidimensionalen Listen zusammengefasst. Schon allein durch die Anzahl der Werte und die daraus resultierenden Verarbeitungsmethoden ergeben sich viele Möglichkeiten der Verwendung. Aufgrund dessen bietet es sich an, zu Beginn einen kleineren Teil der Daten genauer zu inspizieren. Im folgenden Beispiel wird sich auf die die Schwefeldioxid-Werte (SO2) fokussiert.
SO2-Werte und ihre Dimensionen
Allerdings rückt der zu Beginn erwähnte Aspekt der Datenverarbeitung in den Hintergrund. Auch die Anzahl an Daten, mit denen die Plots erstellt wurden, ist nicht wirklich relevant. Aufgrund dessen werden die Daten in der Laufzeit ihrer Verarbeitung dargestellt.
Damit diese Werte überhaupt dargestellt werden können, muss zunächst die Dimensionalität der Daten auf unser Ausgabeformat angepasst werden. Dies kann zum Beispiel geschehen, in dem eine Dimension auf ihren Durchschnittswert reduziert wird. In diesem Fall werden die mehrdimensionalen Schwefeldioxiddaten auf drei Dimensionen zu mehreren Zeitpunkten reduziert. Dies geschieht, indem die Nord-Süd-Ausdehnung der Messdaten wegreduziert wird.
Damit diese Werte überhaupt dargestellt werden können, muss zunächst die Dimensionalität der Daten auf unser Ausgabeformat angepasst werden. Dies kann zum Beispiel geschehen, in dem eine Dimension auf ihren Durchschnittswert reduziert wird. In diesem Fall werden die mehrdimensionalen Schwefeldioxiddaten auf drei Dimensionen zu mehreren Zeitpunkten reduziert. Dies geschieht, indem die Nord-Süd-Ausdehnung der Messdaten wegreduziert wird.