blog.category.aspect 29. März 2026 6 Min. Lesezeit

Skalenmanipulation: Wenn Achsen springen, lügen Grafiken

#blog.tag.aspect #blog.tag.d4_statistical_errors #blog.tag.bok #blog.tag.encyclopedia

Ein Diagramm zeigt den Aktienkurs eines Unternehmens. Die Linie fällt steil ab — eine steile Klippe, visuell dramatisch. Dann sehen Sie die Y-Achse genauer an: Sie beginnt bei 99,80 und endet bei 100,20. Der "dramatische Absturz" ist ein Rückgang von 0,3 Prozent. Willkommen in der Welt der Skalenmanipulation — einem der wirksamsten und am häufigsten eingesetzten Werkzeuge der visuellen Desinformation.

Was ist Skalenmanipulation?

Skalenmanipulation bezeichnet den gezielten oder fahrlässigen Einsatz irreführender Achsenskalierungen in Diagrammen. Die wichtigsten Varianten:

Abgeschnittene Achse (Y-Achse beginnt nicht bei null): Kleine absolute Unterschiede wirken dramatisch, weil der visuelle Kontext fehlt.
Ungleiche Intervalle: Die Abstände zwischen den Achsenwerten sind nicht gleichmäßig — ein Sprung von 1 zu 2, dann von 2 zu 5, dann von 5 zu 20.
Logarithmische Skala ohne Kennzeichnung: Eine log-Skala ist legitim und wichtig, aber sie darf nicht ohne Hinweis als lineare Darstellung präsentiert werden.
Doppelte Y-Achsen mit unterschiedlichen Skalierungen: Zwei Datensätze werden in einer Grafik kombiniert, wobei jede Achse so skaliert ist, dass die Kurven sich scheinbar decken oder kreuzen.

Die abgeschnittene Achse: das Standardwerkzeug

Wenn eine Y-Achse nicht bei null beginnt, wird der Bereich unterhalb des Minimums einfach weggelassen. Das ist manchmal legitim — wenn alle relevanten Datenpunkte im oberen Bereich liegen und ein Nullpunkt keinen inhaltlichen Sinn ergibt. Körpertemperaturen zwischen 36 und 40 Grad brauchen keine Achse bei null.

Manipulativ wird es, wenn die Technik eingesetzt wird, um Unterschiede zu dramatisieren, die im Gesamtkontext minimal sind. Das Standardbeispiel: Ein Fernsehsender zeigt zwei politische Umfragewerte — Partei A bei 51 %, Partei B bei 49 %. Die Achse beginnt bei 48 % und endet bei 52 %. Partei A wirkt mehr als doppelt so stark wie Partei B. Die Balken stehen im Verhältnis 3:1. Das tatsächliche Verhältnis ist 51:49.

Der Statistiker Darrell Huff beschrieb diesen Trick bereits 1954 in seinem Klassiker How to Lie with Statistics als "Gee-Whiz Graph" — die Grafik, die einen künstlichen "Wow-Effekt" erzeugt. Siebzig Jahre später ist die Technik verbreiteter denn je.

Ungleiche Intervalle: der subtilere Betrug

Noch subtiler als die abgeschnittene Achse sind Achsen mit ungleichen Intervallen. Eine lineare Skala hat gleichmäßige Abstände: jeder Schritt ist gleich groß. Wenn die Abstände variieren — 0, 1, 2, 5, 10, 50, 100 — wird der visuelle Verlauf verzerrt.

Ein Beispiel aus der Praxis: Ein Diagramm zeigt die Entwicklung von Unternehmensgewinnen über fünfzehn Jahre. Die frühen Jahre, in denen das Unternehmen langsam wuchs, nehmen viel Platz ein. Die neueren Jahre mit schnellerem Wachstum sind gedrängt. Der Eindruck: stabiles, gleichmäßiges Wachstum. Die Realität: exponentielles Wachstum in den letzten Jahren, das optisch abgeflacht wurde.

In umgekehrter Richtung funktioniert der Trick genauso: Frühe rasante Veränderungen werden visuell gedehnt, spätere Stagnation gestaucht. Das Ergebnis ist ein Diagramm, das eine gewünschte Geschichte erzählt — nicht die, die in den Daten steckt.

Logarithmische Skalen: legitim und manipulierbar

Die logarithmische Skala ist ein legitimes wissenschaftliches Werkzeug. Sie macht Sinn, wenn Daten über viele Größenordnungen variieren — zum Beispiel beim Vergleich von Bevölkerungsgrößen verschiedener Länder, bei der Darstellung von Erdbebenstärken oder bei Wachstumskurven. Auf einer log-Skala werden gleiche Verhältnisse als gleiche Abstände dargestellt, nicht gleiche Differenzen.

Das Problem entsteht, wenn log-Skalen ohne Kennzeichnung verwendet werden. Während der COVID-19-Pandemie wurden infektionsepidemiologische Daten von verschiedenen Medien teils linear, teils logarithmisch dargestellt — ohne dass das für Laien erkennbar war. Auf einer log-Skala sieht exponentielles Wachstum wie eine Gerade aus. Was dramatisch wirken würde, wird optisch gezähmt. Was auf einer linearen Skala erschreckend ausgesehen hätte, erschien kontrollierbar.

Weder die lineare noch die logarithmische Darstellung ist per se richtig oder falsch — aber jede erzeugt einen anderen visuellen Eindruck, und der Leser muss wissen, welche er sieht.

Doppelte Y-Achsen: Korrelationen erschaffen

Diagramme mit zwei Y-Achsen — eine links, eine rechts, mit unterschiedlichen Skalierungen — sind eine besondere Form der Manipulation. Zwei völlig unkorrelierte Variablen können so skaliert werden, dass ihre Kurven sich exakt überlagern oder an einem dramatischen Punkt kreuzen.

Ein bekanntes satirisches Beispiel: Ein Diagramm zeigt, dass die Zahl der Nicolas-Cage-Filmauftritte pro Jahr mit der Zahl der Schwimmbad-Ertrinkungsopfer in den USA korreliert. Mit passend gewählten Achsen decken sich beide Kurven nahezu perfekt. Das ist kein Hinweis auf eine kausale Verbindung — es ist ein Hinweis darauf, dass man mit doppelten Y-Achsen fast jede gewünschte Korrelation visuell erzeugen kann.

In seriöser Wissenschaftskommunikation gilt: Doppelte Y-Achsen sollten vermieden oder zumindest mit äußerster Vorsicht eingesetzt werden. Wenn zwei Variablen gemeinsam dargestellt werden sollen, sind getrennte Diagramme fast immer ehrlicher.

Beispiele aus der deutschen Medienlandschaft

Wirtschaft und Börse

Finanznachrichten sind ein Hotspot der Skalenmanipulation. Kursverläufe mit abgeschnittenen Achsen erzeugen täglich in Börsenberichten Dramatik, wo statistisch gesehen Ruhe herrschte. Ein Rückgang von 0,8 Prozent kann visuell wie ein Einbruch von 30 Prozent aussehen, wenn die Achse bei 99 beginnt.

Klimadaten

In Klimadebatten werden Temperaturgrafiken von verschiedenen Seiten strategisch skaliert. Skeptiker verwenden Achsen, die von -20 bis +50 Grad reichen — auf dieser Skala wirkt ein Anstieg von 1,5 Grad unsichtbar. Aktivisten nutzen abgeschnittene Achsen, um den gleichen Anstieg dramatisch erscheinen zu lassen. Beide Darstellungen können technisch korrekt sein und trotzdem entgegengesetzte Eindrücke erzeugen.

Politische Umfragen

Parteibezogene Medien präsentieren Umfragewerte routinemäßig mit abgeschnittenen Achsen, um die eigene Partei optisch dominieren zu lassen. Das ist so verbreitet, dass viele Leser es nicht mehr bemerken — was es effektiv macht.

Wie man es erkennt: eine Checkliste

Wenn Sie ein Diagramm kritisch prüfen wollen:

Beginnt die Y-Achse bei null? Falls nicht: Warum nicht? Ist das für diese Daten sinnvoll?
Sind die Achsenintervalle gleichmäßig? Prüfen Sie, ob die Abstände zwischen den Markierungen konstant sind.
Handelt es sich um eine log-Skala? Ist das gekennzeichnet? Ist es für diese Daten angemessen?
Gibt es zwei Y-Achsen? Wenn ja: Was würde passieren, wenn man die Skalierungen ändert? Würde die Aussage zusammenbrechen?
Was würde ein anderes Skalierungsformat zeigen? Stellen Sie sich vor, wie die Daten mit einer anderen Achse aussähen.

Zusammenfassung

Skalenmanipulation ist eine der ältesten und wirksamsten Methoden der visuellen Irreführung, weil sie technisch "korrekt" sein kann — die Zahlen stimmen, nur ihre Darstellung verzerrt. Die Lösung ist nicht Misstrauen gegenüber Diagrammen, sondern informiertes Lesen: wer weiß, wie Achsen funktionieren, kann nicht so leicht getäuscht werden. Und wer selbst Grafiken erstellt, trägt Verantwortung — für Korrektheit und für die Eindrücke, die seine Darstellungen erzeugen.

Quellen & Weiterführendes

Huff, Darrell. How to Lie with Statistics. W. W. Norton, 1954. (Dt.: Wie lügt man mit Statistik. Piper, 2019.)
Tufte, Edward R. The Visual Display of Quantitative Information. 2. Aufl. Graphics Press, 2001.
Cairo, Alberto. How Charts Lie: Getting Smarter about Visual Information. W. W. Norton, 2019.
Bergstrom, Carl T. & West, Jevin D. Calling Bullshit: The Art of Skepticism in a Data-Driven World. Random House, 2020.
Wikipedia: Manipulation durch Diagramme