Im thinkBI Podcast geht es diesmal um die Umsetzung eines Dashboard-Prototyps. KI verändert diesen Schritt grundlegend: Visualisierungen, die früher an Werkzeuggrenzen scheiterten, lassen sich heute deutlich leichter individuell entwickeln.
Das klingt zunächst nach einem eindeutigen Fortschritt. Wer eine besondere Darstellung benötigt, muss nicht mehr darauf warten, dass sie als Standardfunktion im BI-Werkzeug verfügbar wird. Offene Frameworks, HTML, SVG oder eigene Visuals schaffen zusätzliche Wege. KI senkt dabei die Hürde, den notwendigen Code zu erzeugen.
Doch genau mit dieser neuen Freiheit wird eine alte Frage wichtiger: Sollten wir alles visualisieren, was wir technisch umsetzen können?
Wenn Werkzeuggrenzen verschwinden
Paper-Prototyping war immer auch eine bewusste Befreiung vom Werkzeug. Im Entwurf sollen Anforderungen, Informationsstruktur und gewünschte Aussagen zunächst ohne Rücksicht auf die Grenzen einer konkreten Software sichtbar werden. Das Blatt Papier kennt keine Visual-Bibliothek. Es zwingt das Denken nicht in Balken-, Linien- oder Kreisdiagramme.
In der technischen Umsetzung kam anschließend oft die Ernüchterung. Eine im Prototyp entwickelte Darstellung ließ sich im gewählten Werkzeug nicht oder nur mit erheblichem Aufwand realisieren. Dann wurde der Entwurf angepasst, ein Standardvisual zweckentfremdet oder die Aussage in eine andere Form übersetzt.
KI verschiebt diese Grenze. Eigene Visuals können schneller programmiert, offene Darstellungsstandards leichter genutzt und ungewöhnliche Entwürfe eher umgesetzt werden. Der Weg vom Prototyp zur individuellen Darstellung wird kürzer.
Damit gewinnt die Gestaltung an Freiheit. Aber Freiheit allein erzeugt noch keine Qualität.
Ein Visual ist ein Kommunikationsangebot
Ein Dashboard ist nicht dann gelungen, wenn es den Entwurf technisch exakt reproduziert. Es ist dann gelungen, wenn Menschen die dargestellte Information verstehen, einordnen und für ihre Entscheidungen nutzen können.
Jede Visualisierung ist ein Kommunikationsangebot. Der Ersteller codiert eine Aussage in Positionen, Formen, Farben, Größen und Beziehungen. Der Empfänger muss diese Aussage wieder entschlüsseln. Je ungewohnter und komplexer die Darstellung ist, desto mehr zusätzliche Denkarbeit entsteht auf der Empfängerseite.
Genau hier liegt die Stärke vieler Standardvisuals. Ein Balkendiagramm ist nicht automatisch die kreativste Lösung. Aber seine grundlegende Leselogik ist weithin bekannt. Nutzer müssen nicht zuerst die Darstellung erlernen, bevor sie sich mit der eigentlichen Aussage beschäftigen können.
Das ist kein Argument gegen Custom Visuals. Es ist ein Argument für einen klaren Maßstab. Eine individuelle Darstellung ist dann sinnvoll, wenn sie eine fachliche Aussage besser transportiert als die bekannten Alternativen. Sie ist nicht schon deshalb sinnvoll, weil sie technisch möglich oder visuell ungewöhnlich ist.
Die Frage lautet deshalb nicht: Was können wir bauen? Die Frage lautet: Was müssen unsere Stakeholder verstehen?
Standards sind keine Einschränkung des Denkens
Standardvisuals werden leicht als Ausdruck begrenzter Möglichkeiten verstanden. Tatsächlich können sie eine gemeinsame visuelle Sprache bilden. Wiederkehrende Darstellungsformen entlasten die Leser, schaffen Vergleichbarkeit und reduzieren die Zeit, die für das Entschlüsseln eines Dashboards benötigt wird.
Gerade in gewachsenen BI-Landschaften ist das wichtig. Wenn jede Berichtsseite eine eigene visuelle Grammatik verwendet, muss jede Darstellung neu gelernt werden. Aus gestalterischer Freiheit entsteht dann kommunikative Reibung.
Standards bedeuten deshalb nicht, dass jeder Sachverhalt in dieselbe Form gezwungen werden sollte. Eine Abweichung kann notwendig sein, wenn die fachliche Frage mit den vorhandenen Mitteln nicht angemessen beantwortet wird. Doch diese Abweichung braucht eine Begründung aus der Aussage heraus. Der Wunsch nach Besonderheit reicht nicht.
KI ändert an diesem Prinzip nichts. Sie erweitert den Lösungsraum, aber sie liefert nicht automatisch das Urteil, welche Lösung im konkreten Nutzungskontext verständlich ist. Dieses Urteil bleibt eine Gestaltungs- und Kommunikationsaufgabe.
Die Umsetzung bleibt ein Kreislauf
Auch ein sorgfältiger Prototyp ist noch keine Garantie dafür, dass das fertige Dashboard funktioniert. Erst mit realen Daten wird sichtbar, wie sich Werte verteilen, wie dicht eine Darstellung wird und ob die vorgesehenen Vergleiche tatsächlich lesbar bleiben.
Deshalb gehört der Fachbereich auch in die Umsetzungsphase. Ein früher Feedback-Loop zeigt, ob die ursprüngliche Idee unter realen Bedingungen trägt. Dabei geht es nicht nur um Zustimmung zur Optik. Es geht um die Frage, ob die beabsichtigte Aussage ankommt und ob die Darstellung die weitere Analyse unterstützt.
Das semantische Modell schafft dafür die fachlich konsistente Grundlage. Es ermöglicht, Kennzahlen entlang von Dimensionen und Granularitäten zu untersuchen. Das Dashboard eröffnet einen verständlichen Einstieg in diese Analyse. Self-Service und Ad-hoc-Auswertungen können daran anschließen, ersetzen aber nicht die Aufgabe, die erste Sicht bewusst zu gestalten.
Der Dashboard Creation Cycle endet daher nicht mit der technischen Implementierung. Entwurf, Umsetzung, reale Daten und Rückmeldung wirken aufeinander zurück. Was auf Papier plausibel war, muss sich in der Nutzung bewähren.
KI kann uns heute nahezu jede erdenkliche Darstellung bauen. Die entscheidende Reife zeigt sich aber nicht in der Zahl der Möglichkeiten, die wir ausschöpfen. Sie zeigt sich in den Möglichkeiten, auf die wir bewusst verzichten, damit eine Aussage klar bleibt.
🎧 Die komplette Folge findest du im thinkBI Podcast.
Musik: Great Podcast Intro (short & long) von Lundstroem
Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/
