Wärmestreifen 3D in Power BI

3D-Diagramme haben in Business Intelligence keinen besonders guten Ruf. Zu Recht: Perspektive verzerrt Größen, Objekte verdecken sich gegenseitig und eine spektakuläre Kamerafahrt beantwortet noch keine fachliche Frage. Viele 3D-Dashboards sehen beeindruckend aus, machen Daten aber schwerer verständlich.

Die Wärmestreifen 3D für Power BI sind deshalb ein interessanter Gegenentwurf. Das Visual überträgt die bekannten Warming Stripes in einen interaktiven Datenraum: 175 Jahre auf der Zeitachse, Hunderte Wetterstationen in der Tiefe und die jeweilige Temperaturabweichung als Farbe und Höhe.

Das Projekt zeigt nicht, dass Power-BI-Berichte mehr 3D brauchen. Eine zusätzliche Dimension ist dann sinnvoll, wenn sie eine echte fachliche Struktur sichtbar macht und nicht nur dekorativ eingesetzt wird.

Was sind Wärmestreifen?

Die ursprünglichen Warming Stripes wurden von dem Klimawissenschaftler Ed Hawkins entwickelt. Jeder Streifen steht für ein Jahr. Blaue Farbtöne zeigen kühlere Jahre relativ zu einer Referenzperiode, rote Farbtöne wärmere Jahre.

Die Warming Stripes machen eine komplexe Zeitreihe als Farbverlauf unmittelbar verständlich. Keine Achsen, Zahlenkolonnen oder zusätzlichen Diagrammelemente lenken vom langfristigen Muster ab. Die University of Reading beschreibt das Konzept entsprechend als Klimavisualisierung ohne Wörter, Zahlen oder klassische Diagrammelemente.

Die Reduktion hat allerdings einen Preis. Eine klassische Streifengrafik zeigt meist eine zusammengefasste Reihe für eine Region, ein Land oder die globale Temperatur. Unterschiede zwischen einzelnen Orten, Datenlücken und lokale Verläufe bleiben unsichtbar. Genau an diesem Punkt setzt die räumliche Erweiterung an.

Was die Wärmestreifen 3D zusätzlich zeigen

Das Power-BI-Visual ordnet jedem Datenpunkt drei fachliche Eigenschaften zu: Das Jahr liegt auf der horizontalen Achse, die Wetterstation in der räumlichen Tiefe und die Temperaturabweichung wird über Farbe und Höhe sichtbar. Eine Säule steht damit für ein bestimmtes Jahr an einem bestimmten Ort.

Aus größerer Entfernung wird das langfristige Gesamtmuster sichtbar. Beim Hineinzoomen lassen sich einzelne Stationen und Jahre untersuchen. Nutzer können das Feld drehen, Perspektiven wechseln, Stationen auswählen und Filterwirkungen beobachten. Die Funktionen und Darstellungsvarianten sind auf der interaktiven Projektseite der Wärmestreifen 3D beschrieben.

Die dritte Dimension trennt hier zwei eigenständige analytische Achsen: Zeit und Ort. Das unterscheidet die Darstellung von einem dekorativen 3D-Säulendiagramm, das eine vorhandene zweidimensionale Aussage lediglich räumlich aufbläht.

Warum Farbe und Höhe gemeinsam eingesetzt werden

Die Temperaturabweichung wird gleichzeitig über Farbe und Höhe codiert. Das wirkt zunächst redundant. Beide Darstellungen übernehmen jedoch unterschiedliche Aufgaben. Die blau-rote Farbskala macht den grundlegenden Wechsel schnell sichtbar, während die Höhe zeigt, wie stark eine Abweichung ausfällt.

Die Farbe vermittelt das Muster, die Höhe unterstützt den Vergleich seiner Stärke. Die doppelte Codierung hilft besonders bei einer frei beweglichen Kamera: In der Aufsicht dominieren die Streifen, aus seitlicher Perspektive wird das Relief der Abweichungen sichtbar.

Das Visual bleibt trotzdem erklärungsbedürftig. Ohne Legende, Referenzwert und kurze Einführung könnten Nutzer Höhe, Farbe oder Perspektive falsch interpretieren. Ein auffälliges Visual entbindet nicht von sauberer Nutzerführung. Wie visuelle Hierarchie und klare Berichtslogik zusammenspielen, zeigt auch Dashboard Design in Power BI.

Die Referenzperiode verändert die Geschichte

Temperaturanomalien sind keine absoluten Temperaturen. Sie zeigen, wie stark ein Wert von einem definierten Vergleichszeitraum abweicht. Das Visual verwendet standardmäßig das jeweilige Stationsmittel von 1961 bis 1990.

Diese Periode ist nicht mehr die aktuelle WMO-Klimanormalperiode. Für operative Vergleiche wird heute 1991 bis 2020 verwendet. Die World Meteorological Organization empfiehlt 1961 bis 1990 jedoch weiterhin als feste Referenz für langfristige Klimavergleiche.

Im Visual kann die Referenz auf 1850 bis 1900 umgestellt werden. Dadurch verändert sich nicht der Messwert, sondern seine Einordnung. Das gesamte Feld verschiebt sich sichtbar in Richtung Rot.

Ein Referenzwert ist keine technische Nebensache, sondern ein Teil der fachlichen Aussage. Das gilt ebenso für Unternehmensberichte: Ist-Umsatz gegen Vorjahr, Budget oder Forecast erzählt jeweils eine andere Geschichte. Gute Visualisierung macht die Vergleichsbasis sichtbar, statt sie in einer Measure-Definition zu verstecken.

Wie das Custom Visual in Power BI funktioniert

Die Wärmestreifen sind kein eingebettetes Video und keine externe Webseite. Sie wurden als echtes Power BI Custom Visual umgesetzt. Die räumliche Darstellung wird mit three.js und WebGL gerendert, während die Daten aus dem Power-BI-Modell kommen.

Slicer wirken auf das Visual, ausgewählte Datenpunkte können andere Elemente auf der Berichtsseite filtern und beim Überfahren erscheinen Detailinformationen. Solche Funktionen entstehen nicht automatisch durch WebGL. Sie müssen über die Power-BI-Visual-API implementiert und mit den übrigen Berichtsinteraktionen abgestimmt werden.

Eine besondere Herausforderung ist die Datenmenge. Power BI stellt einem Custom Visual nicht automatisch beliebig viele Datenpunkte auf einmal bereit. Für größere Mengen müssen Datenansichten begrenzt und weitere Segmente über die API nachgeladen werden.

Anspruchsvolle Visualisierung beginnt deshalb nicht erst beim Rendering. Datenabruf, Aggregation, Auswahlzustand, Speicherbedarf und Performance gehören genauso zur Lösung. Der Beitrag Custom Visuals in Power BI ordnet ein, wann Standardvisuals, Deneb oder eine eigene Entwicklung der sinnvollere Weg sind.

Die Datenbasis ist kein globales Temperaturmodell

Das Visual nutzt Daten des Global Historical Climatology Network Daily von NOAA. GHCN-Daily bündelt tägliche Klimadaten von weltweit mehr als 100.000 Landstationen und unterzieht sie gemeinsamen Qualitätsprüfungen. Für das Projekt wurden daraus 758 Stationen mit langen und ausreichend vollständigen Zeitreihen ausgewählt.

Aus Tageswerten wurden zunächst Monats- und anschließend Jahreswerte berechnet. Jahre mit zu wenigen Monaten, auffällige Messwerte und Stationen mit erkennbaren Problemen wurden nach dokumentierten Regeln behandelt oder ausgeschlossen.

Das Ergebnis ist trotzdem kein belastbares globales Temperaturmittel. Die Stationen sind räumlich nicht gleich verteilt. Europa, Nordamerika und Teile Asiens sind stärker vertreten als andere Regionen, Ozeane fehlen vollständig und die Reihen wurden nicht wissenschaftlich homogenisiert.

Wer globale Temperaturentwicklungen wissenschaftlich bewerten möchte, sollte etablierte globale Datensätze und Bewertungen heranziehen. Die Wärmestreifen 3D beantworten eine andere Frage: Zeigen viele räumlich getrennte, lange Stationsreihen über die Zeit eine ähnlich gerichtete Veränderung?

Was Unternehmen aus dem Beispiel lernen können

Die Klimadaten sind visuell stark, aber das zugrunde liegende Muster lässt sich auf betriebliche Themen übertragen. In der Produktion könnte die Zeitachse Jahre oder Schichten abbilden, die räumliche Tiefe Maschinen oder Werke und die Höhe eine Abweichung bei Qualität, Energieverbrauch oder Durchlaufzeit.

In der Logistik könnten Relationen oder Standorte entlang einer Achse liegen, während Verspätungen über die Zeit als Höhe und Farbe erscheinen. In einem Portfolio ließen sich Produkte, Regionen oder Kunden über lange Zeiträume vergleichen.

Der Einsatz wird interessant, wenn Nutzer gleichzeitig drei Fragen beantworten sollen: Wie entwickelt sich eine Kennzahl über die Zeit? Welche Objekte unterscheiden sich? Und tritt eine Veränderung nur lokal oder systematisch über viele Objekte hinweg auf?

Ein 3D-Datenraum ist dann sinnvoll, wenn das gemeinsame Muster wichtiger ist als das exakte Ablesen jedes Einzelwerts. Für operative Steuerungsberichte ist häufig eine Kombination besser: ein starkes Übersichtsvisual für das Muster und klassische Tabellen, Linien- oder Balkendiagramme für präzise Detailwerte. Der Beitrag Vom Dashboard zur Entscheidung zeigt, warum die unterstützte Entscheidung wichtiger ist als der spektakulärste Diagrammtyp.

Warum nicht jedes Dashboard dreidimensional werden sollte

Trotz des gelungenen Beispiels bleiben die bekannten Nachteile von 3D bestehen. Objekte können andere Datenpunkte verdecken. Die Perspektive beeinflusst, wie hoch oder groß etwas wirkt. Kleine Bildschirme und mobile Nutzung erschweren die Navigation. Statische Exporte verlieren einen großen Teil des interaktiven Mehrwerts.

Auch Barrierefreiheit muss berücksichtigt werden. Nutzer mit visuellen oder motorischen Einschränkungen benötigen verständliche Alternativen. Das kann eine zweidimensionale Zusammenfassung, eine Tabelle oder eine klar geführte Detailansicht sein.

Technisch muss ein WebGL-Visual auf unterschiedlichen Geräten, Browsern, Auflösungen und Datenmengen stabil funktionieren. Rendering, Ladeverhalten und Speicherbedarf gehören in einen Testkatalog. Hinweise zur strukturierten Diagnose liefert Power BI Performance optimieren.

Bei Custom Visuals sind außerdem Herkunft, Quellcode, Lizenzen, externe Zugriffe, Wartung und Update-Prozess zu prüfen. Eine fehlende Zertifizierung bedeutet nicht automatisch, dass ein Visual unsicher ist. Sie bedeutet aber, dass das Unternehmen die fachliche, technische und organisatorische Bewertung nicht einfach delegieren kann. Spezialvisuals gehören deshalb in eine klare Power BI Governance.

Fünf Regeln für sinnvolle 3D-Visualisierung

1. Die dritte Dimension braucht eine fachliche Bedeutung. Sie sollte eine eigenständige Variable wie Ort, Zeit, Szenario oder Hierarchie darstellen und nicht lediglich Volumen vortäuschen.

2. Der Überblick muss vor dem Detail funktionieren. Nutzer sollten das wichtigste Muster erkennen, bevor sie die Kamera bewegen oder einen Datenpunkt auswählen.

3. Interaktion braucht Führung. Vordefinierte Perspektiven, klare Legenden, Tooltips und ein sichtbarer Ausgangszustand verhindern, dass Nutzer im Datenraum die Orientierung verlieren.

4. Die Datenmethodik gehört zur Visualisierung. Referenzperioden, Filterregeln, fehlende Werte und methodische Grenzen müssen dokumentiert sein.

5. Standard bleibt der Ausgangspunkt. Eine eigene Entwicklung ist nur gerechtfertigt, wenn Standardvisuals oder deklarative Lösungen den fachlichen Zweck nicht ausreichend erfüllen. Einen Entscheidungsrahmen bietet Power BI Visuals richtig auswählen.

---

Fazit: 3D braucht einen analytischen Grund

Die Wärmestreifen 3D funktionieren nicht deshalb, weil sie eindrucksvoll aussehen. Sie funktionieren, weil Zeit, Ort und Temperaturabweichung drei unterschiedliche fachliche Rollen übernehmen.

Das Visual macht aus einer einzelnen Klimakurve einen räumlichen Vergleich vieler Stationsreihen. Es verbindet den schnellen Eindruck der Warming Stripes mit Detailanalyse, Filterung und Power-BI-Interaktion. Gleichzeitig bleiben die Grenzen sichtbar: Die Daten sind kein Globalmittel, die Darstellung braucht Erklärung und die technische Lösung muss wie Software behandelt und betrieben werden.

3D ist in Power BI keine allgemeine Designempfehlung, sondern eine begründungspflichtige Speziallösung. Genau darin liegt die Stärke des Projekts. Es zeigt nicht, wie Berichte spektakulärer werden, sondern wie weit Power BI erweitert werden kann, wenn eine fachliche Frage mit Standardvisuals nicht angemessen beantwortet wird.

---

Der nächste sinnvolle Schritt

Wenn Standardvisuals für einen konkreten Anwendungsfall nicht ausreichen, sollte die erste Frage nicht lauten: „Wie bauen wir ein Custom Visual?“ Zuerst müssen Aussage, Zielgruppe, Interaktion, Datenmenge, Performance, Barrierefreiheit und Governance geklärt werden.

Im Consulting-Abo der Daten-WG unterstützen wir Teams bei genau diesen Entscheidungen – vom Review eines Visualisierungskonzepts bis zur technischen und organisatorischen Einordnung in eine bestehende Power-BI-Landschaft.