DGB 3: Muster in Datendarstellungen erkennen, beschreiben und für Vorhersagen nutzen
7.1 Lernziele
- Diagramme und Grafiken hinsichtlich Aufbau, Achsen, Legenden und dargestellten Werten lesen.
- Muster, Trends, Schwankungen, Ausreißer und Vergleiche in Datendarstellungen erkennen und beschreiben.
- Unterschiede zwischen verschiedenen Darstellungsformen erläutern.
- aus Daten einfache Vorhersagen ableiten und diese begründen.
- Grenzen von Vorhersagen auf der Grundlage von Daten erklären.
- Datendarstellungen kritisch hinterfragen und mögliche Fehlinterpretationen erkennen.
7.2 Lerninhalte
Die Lerninhalte verbinden das Lesen, Beschreiben und Deuten von Datendarstellungen mit alltagsnahen und gesellschaftlich relevanten Beispielen, damit Muster nicht nur erkannt, sondern auch für Vergleiche, Entscheidungen und vorsichtige Vorhersagen sinnvoll genutzt werden können.
Grundlagen von Datendarstellungen
Ein sicheres Verständnis der Grundelemente von Diagrammen und Grafiken erleichtert jede weitere Analyse, weil Muster nur dann sinnvoll erkannt und beschrieben werden können, wenn Aufbau, Maßstab, Achsenbeschriftung und Legende korrekt gelesen werden. Datendarstellungen ordnen Informationen so, dass Entwicklungen und Zusammenhänge schneller sichtbar werden als in langen Tabellen. Zu den wichtigsten Grundelementen gehören Titel, Achsen, Einheiten, Skalen, Legenden, Farben und Beschriftungen. Wer ein Diagramm betrachtet, sollte zuerst klären, was dargestellt wird, welche Werte verglichen werden und in welcher Einheit gemessen wurde. Ein Temperaturdiagramm zeigt zum Beispiel Grad Celsius, ein Bevölkerungsdiagramm Personenanzahlen, ein Umsatzdiagramm Geldbeträge. Besonders wichtig ist das Lesen der Achsen. Auf der waagrechten Achse stehen häufig Zeiträume, Kategorien oder Orte, auf der senkrechten Achse Messwerte oder Mengen. Wenn Skalen ungleichmäßig gewählt sind oder nicht bei null beginnen, kann ein Diagramm stärker oder schwächer wirken, als es die Zahlen tatsächlich zeigen. Auch Farben und Symbole
müssen richtig gelesen werden, etwa wenn in einem Diagramm mehrere Linien verschiedene Altersgruppen oder Länder darstellen. Schülerinnen und Schüler sollen lernen, jede Datendarstellung zunächst formal zu erschließen, bevor sie Inhalte deuten. Erst wenn klar ist, was genau gemessen und wie dargestellt wurde, lassen sich Muster zuverlässig beschreiben und Fehlinterpretationen vermeiden. Grundelemente: Titel, Achsen, Skala, Legende, Einheit Darstellungen: Tabelle, Balkendiagramm, Liniendiagramm, Kreisdiagramm, Infografik Fragen: Was zeigt, welche Einheit, welcher Zeitraum, welche Gruppen
Häufige Darstellungsformen unterscheiden
Die verschiedenen Diagrammformen machen jeweils andere Zusammenhänge besonders sichtbar, weshalb es wichtig ist, ihre typischen Stärken zu kennen und zu verstehen, welche Muster sich in welcher Darstellung besonders gut erkennen lassen. Balkendiagramme eignen sich gut für Vergleiche zwischen Gruppen oder Kategorien. So kann etwa gezeigt werden, wie viele Stunden Jugendliche verschiedener Altersgruppen täglich Medien nutzen oder wie hoch der Stromverbrauch in mehreren Haushalten ist. Liniendiagramme eignen sich besonders für zeitliche Entwicklungen, etwa bei Temperaturen über eine Woche, Besucherzahlen über mehrere Monate oder der Entwicklung von Niederschlägen im Jahresverlauf. Kreisdiagramme zeigen Anteile eines Ganzen, zum Beispiel die Verteilung der Haushaltsausgaben oder die Nutzung verschiedener Verkehrsmittel. Auch Säulendiagramme, Punktdiagramme und gestapelte Diagramme kommen häufig vor. Punktdiagramme können Beziehungen zwischen zwei Größen verdeutlichen, etwa zwischen Lernzeit und Testergebnis oder zwischen Außentemperatur und Energieverbrauch. Gestapelte Balken zeigen Zusammensetzungen, zum Beispiel wie sich die Gesamtnutzung digitaler Medien auf Video, Spiele, Musik und Kommunikation verteilt. Die Wahl der Darstellung beeinflusst, was leicht erkannt wird. In einem Liniendiagramm fällt ein Trend schnell auf, während bei Anteilen ein Kreisdiagramm anschaulicher sein kann. Deshalb gehört zur Datenkompetenz auch die Frage, warum eine bestimmte Form gewählt wurde und ob sie für die Aussage passend ist. Formen: Balken, Linien, Kreis, Punkte, Säulen Eignungen: Vergleich, Verlauf, Anteil, Zusammenhang, Zusammensetzung Beispiele: Medienzeit, Temperatur, Ausgaben, Verkehr, Energieverbrauch
Muster in Daten erkennen
Muster in Datendarstellungen werden dann besonders verständlich, wenn Veränderungen nicht nur gesehen, sondern sprachlich geordnet als Anstieg, Rückgang, Schwankung, Wiederholung, Ausreißer oder gleichbleibende Entwicklung beschrieben werden. Ein Muster ist eine wiedererkennbare Struktur in Daten. Ein klassisches Muster ist der Anstieg, etwa wenn die Zahl der Radfahrenden im Frühling zunimmt oder die Nutzung einer Lernplattform vor Prüfungen steigt. Ein Rückgang zeigt sich, wenn Werte über längere Zeit sinken, beispielsweise bei Papierverbrauch nach der Einführung digitaler Abgaben.
Schwankungen liegen vor, wenn Werte auf und ab gehen, etwa bei täglichen Temperaturen oder Aktienkursen. Ein Ausreißer ist ein Wert, der deutlich von den übrigen abweicht, zum Beispiel ein ungewöhnlich hoher Stromverbrauch an einem Festtag. Auch wiederkehrende Muster sind wichtig. Verkaufszahlen von Eis steigen im Sommer oft regelmäßig an, Heizkosten sind im Winter höher, und Zugverspätungen können zu bestimmten Tageszeiten häufiger auftreten. Solche wiederkehrenden Verläufe helfen dabei, Daten nicht nur als einzelne Werte zu lesen, sondern als Teil eines erkennbaren Zusammenhangs. Schülerinnen und Schüler sollen lernen, dabei auf die Richtung, die Stärke und die Regelmäßigkeit von Veränderungen zu achten. Sprachlich präzises Beschreiben ist zentral. Statt nur zu sagen, „es wird mehr“, sollten Formulierungen wie „die Werte steigen zunächst langsam, dann deutlich an“ oder „nach einem starken Anstieg folgt eine Phase mit geringen Schwankungen“ verwendet werden. Dadurch wird aus dem bloßen Sehen eine fachlich belastbare Beschreibung. Musterarten: Anstieg, Rückgang, Schwankung, Ausreißer, Konstanz Beobachtungen: langsam steigen, stark sinken, gleich bleiben, plötzlich springen Beispiele: Temperatur, Stromverbrauch, Besucherzahlen, Medienzeit, Umsatz
Muster beschreiben und vergleichen
Eine genaue sprachliche Beschreibung von Datendarstellungen unterstützt das Verstehen deutlich, weil Beobachtungen erst dann fachlich nutzbar werden, wenn sie geordnet, verglichen und mit passenden Begriffen nachvollziehbar ausgedrückt werden. Beim Beschreiben von Diagrammen geht es nicht darum, jede Zahl einzeln zu nennen, sondern wesentliche Entwicklungen herauszuarbeiten. Schülerinnen und Schüler sollen den Gesamtverlauf erkennen, wichtige Wendepunkte benennen und Unterschiede zwischen Gruppen oder Zeiträumen darstellen. In einem Diagramm zur Mediennutzung kann etwa beschrieben werden, dass die tägliche Nutzung bei älteren Jugendlichen höher liegt als bei jüngeren und dass Videonutzung stärker zunimmt als das Lesen gedruckter Texte. Vergleiche spielen eine wichtige Rolle. Zwei Linien in einem Diagramm können parallel verlaufen, sich kreuzen oder sich im Abstand verändern. Bei Balkendiagrammen kann deutlich werden, welche Kategorie den höchsten oder niedrigsten Wert hat. Auch prozentuale Anteile lassen sich vergleichen, etwa wenn ein Kreisdiagramm zeigt, dass der größte Anteil der Internetnutzung auf Kommunikation entfällt, während Nachrichten einen kleineren Anteil ausmachen. Hilfreich sind sprachliche Strukturen wie „im Vergleich zu“, „während“, „hingegen“, „besonders auffällig ist“, „der höchste Wert liegt bei“ oder „zwischen den Jahren zeigt sich“. Solche Formulierungen helfen, Daten nicht nur abzulesen, sondern systematisch und verständlich zu deuten. Sprachmittel: steigt an, sinkt ab, bleibt konstant, liegt höher Vergleiche: größer kleiner, früher später, mehr weniger, ähnlich unterschiedlich Fokus: Verlauf, Wendepunkt, Abstand, Höchstwert, Tiefstwert
Von Mustern zu Vorhersagen
Vorhersagen aus Datendarstellungen gelingen dann sinnvoll, wenn beobachtete Muster vorsichtig fortgesetzt werden und gleichzeitig bedacht wird, dass Zukunftsaussagen immer unsicher bleiben und von neuen Einflüssen verändert werden können. Wenn Daten über einen längeren Zeitraum einen klaren Trend zeigen, kann daraus eine einfache Vorhersage abgeleitet werden. Steigt die Zahl ausgeliehener Schulbücher vor Prüfungszeiten regelmäßig, kann vermutet werden, dass dies im nächsten Prüfungszeitraum wieder ähnlich sein wird. Wenn ein Temperaturverlauf über mehrere Stunden ansteigt, lässt sich für die nächste Stunde ein vorsichtiger weiterer Anstieg annehmen. Auch bei Verkaufszahlen, Besucherzahlen oder Verkehrsaufkommen werden häufig Vorhersagen aus bisherigen Mustern entwickelt. Dabei müssen Schülerinnen und Schüler lernen, zwischen Beobachtung und Vorhersage zu unterscheiden. Eine Vorhersage ist keine sichere Tatsache, sondern eine begründete Annahme auf der Grundlage vorhandener Daten. Je regelmäßiger und länger ein Muster beobachtet wurde, desto plausibler kann die Vorhersage sein. Bei starken Schwankungen, wenigen Datenpunkten oder einmaligen Ausreißern sind Vorhersagen dagegen unsicherer. Es ist sinnvoll, Vorhersagen sprachlich vorsichtig zu formulieren, etwa mit Wendungen wie „wahrscheinlich“, „voraussichtlich“, „es ist zu erwarten“ oder „unter ähnlichen Bedingungen“. So wird deutlich, dass Daten Hinweise geben, aber die Zukunft nicht exakt festlegen. Schritte: Muster erkennen, Trend fortsetzen, Unsicherheit beachten, begründen Anwendungen: Wetter, Verkehr, Umsatz, Lernzeiten, Besucherzahlen Formulierungen: wahrscheinlich, vermutlich, erwartbar, unter Bedingungen
Grenzen und Unsicherheiten von Vorhersagen
Ein verantwortungsvoller Umgang mit Datendarstellungen verlangt das Bewusstsein, dass Muster täuschen können und Vorhersagen nur dann sinnvoll sind, wenn Datengrundlage, Zeitraum und mögliche Störfaktoren kritisch mitgedacht werden. Nicht jedes sichtbare Muster ist stabil genug für eine Vorhersage. Ein kurzfristiger Anstieg kann zufällig sein, ein Ausreißer kann eine Ausnahme darstellen, und ein Trend kann durch äußere Veränderungen plötzlich abbrechen. Wenn zum Beispiel die Nutzung einer Lernapp in einer Woche stark steigt, bedeutet das nicht automatisch, dass sie dauerhaft weiter steigt. Ferien, Prüfungen, Wetter, technische Ausfälle oder neue Regeln können Datenverläufe verändern. Auch die Menge der Daten ist entscheidend. Zwei oder drei Messpunkte reichen oft nicht aus, um einen belastbaren Trend zu erkennen. Werden Diagramme verkürzt dargestellt oder Skalen stark verändert, kann ein Muster dramatischer wirken, als es tatsächlich ist. Ebenso wichtig ist die Frage, ob alle relevanten Faktoren erfasst wurden. Ein Diagramm zum Fahrradverkehr sagt allein noch nichts über Wetter, Ferienzeiten oder neue Radwege aus. Schülerinnen und Schüler sollen deshalb lernen, Vorhersagen immer mit Vorsicht zu verbinden. Gute Datenkompetenz zeigt sich nicht nur im Erkennen von Trends, sondern auch im Benennen von Unsicherheiten, Alternativen und offenen Fragen. Unsicherheiten: Ausreißer, Zufall, Datenlücke, Sondereffekt, Einflussfaktor
Prüffragen: Genug Daten, passender Zeitraum, faire Skala, weitere Ursachen Grenzen: keine Sicherheit, keine Garantie, keine Vollständigkeit, keine Eindeutigkeit
Alltagsnahe und gesellschaftliche Beispiele
Beispiele aus Alltag, Schule, Umwelt und Gesellschaft machen den Nutzen der Datenanalyse greifbar, weil Mustererkennung und Vorhersagen dort unmittelbar mit Entscheidungen, Planung und der Bewertung von Entwicklungen verbunden sind. Im Schulalltag können Diagramme zeigen, wie sich Fehlzeiten im Jahresverlauf verändern, wann die Bibliothek besonders stark genutzt wird oder wie sich Ergebnisse bei Lernstandserhebungen entwickeln. Im Alltag lassen sich Wetterdiagramme, Stromverbrauchsverläufe, Fahrgastzahlen oder Taschengeldausgaben untersuchen. Gesellschaftlich relevant sind etwa Diagramme zur Bevölkerungsentwicklung, zur Mediennutzung Jugendlicher, zu Energiepreisen, zu Recyclingquoten oder zu Verkehrsbelastungen in Städten. Ein Beispiel aus dem Umweltbereich ist ein Liniendiagramm zu Niederschlägen über mehrere Monate. Daraus lassen sich Trockenperioden erkennen und vorsichtige Annahmen über Bewässerungsbedarf ableiten. Ein anderes Beispiel ist ein Balkendiagramm zur Nutzung verschiedener Verkehrsmittel in einer Stadt, aus dem hervorgeht, ob der Anteil von Radverkehr zunimmt. In der Medienbildung kann ein Diagramm zur täglichen Bildschirmzeit verschiedener Altersgruppen genutzt werden, um Trends und Unterschiede zu beschreiben. Solche Beispiele zeigen, dass Datenlesen keine isolierte Mathematikübung ist. Es geht darum, Entwicklungen in der Lebenswelt zu verstehen, Muster zu deuten und Aussagen über mögliche künftige Entwicklungen kritisch einzuordnen. Lebensbereiche: Schule, Umwelt, Verkehr, Medien, Konsum Beispiele: Wetterdaten, Stromkurve, Bildschirmzeit, Fahrgastzahlen, Bevölkerungszahlen Nutzungen: planen, vergleichen, deuten, bewerten, vorhersagen
Datendarstellungen kritisch hinterfragen
Kritisches Hinterfragen schützt vor Fehlurteilen, weil Diagramme und Grafiken durch Auswahl, Gestaltung und Auslassung eine bestimmte Wirkung erzeugen können, die nicht immer mit einer sachgerechten und ausgewogenen Interpretation übereinstimmt. Datendarstellungen wirken oft objektiv, können aber irreführend sein. Eine abgeschnittene y- Achse lässt kleine Unterschiede groß erscheinen, ungleiche Balkenbreiten können falsche Eindrücke erzeugen, und stark vereinfachte Infografiken können wichtige Informationen weglassen. Auch Farben spielen eine Rolle: Rot wirkt schnell bedrohlich, grün eher positiv. Dadurch können dieselben Zahlen sehr unterschiedlich wahrgenommen werden. Schülerinnen und Schüler sollen lernen, nicht nur die sichtbaren Werte, sondern auch die Darstellung selbst zu prüfen. Wichtige Fragen sind: Beginnt die Skala bei null, wenn das sinnvoll wäre? Sind die Zeitabstände gleich? Werden absolute Zahlen oder Prozente gezeigt? Fehlen Vergleichswerte? Ist die Quelle angegeben? Wird ein Einzelfall verallgemeinert? Solche Fragen helfen, Diagramme nicht vorschnell zu deuten.
Besonders bei Mediengrafiken oder Werbedarstellungen ist diese Kompetenz wichtig. Dort werden Diagramme oft genutzt, um Meinungen zu stützen, Produkte attraktiver wirken zu lassen oder Entwicklungen zu dramatisieren. Kritische Datenkompetenz bedeutet daher immer auch, die Machart einer Darstellung mitzudenken. Warnzeichen: abgeschnittene Achse, fehlende Quelle, unklare Skala, starke Farben Prüfkriterien: Maßstab, Zeitraum, Einheit, Vergleichswert, Darstellungsabsicht Kontexte: Mediengrafik, Werbung, Statistik, Infografik, Bericht
7.4 Aufgaben für den Unterricht
7.4.1 Diagramme lesen und erschließen
Ein sicherer Einstieg in Datendarstellungen gelingt besonders gut, wenn Lernende zunächst Aufbau, Achsen, Einheiten und Legenden systematisch entschlüsseln und dadurch eine verlässliche Grundlage für spätere Mustererkennung und Vorhersagen aufbauen. Die Schülerinnen und Schüler erhalten mehrere unterschiedliche Darstellungen, etwa ein Balkendiagramm, ein Liniendiagramm und eine Infografik. Zunächst bearbeiten sie feste Leitfragen: Was wird dargestellt? Welche Achsen sind zu sehen? Welche Einheit wird verwendet? Welche Zeiträume oder Gruppen werden verglichen? Welche Farben oder Symbole müssen beachtet werden? Erst danach formulieren sie in eigenen Worten, was die Darstellung grundsätzlich zeigt. In der gemeinsamen Sicherung wird deutlich, dass Daten nur dann richtig gedeutet werden können, wenn die formalen Elemente zuerst korrekt gelesen werden. Die Aufgabe ist besonders lernwirksam, weil sie das oft zu schnelle Deuten verlangsamt und ein methodisches Grundgerüst für alle weiteren Datenarbeiten schafft. Material: Balkendiagramm, Liniendiagramm, Infografik, Leitfragen Arbeitsschritte: lesen, markieren, benennen, erklären Kompetenzen: erschließen, zuordnen, beschreiben, sichern
Produkte: Analysebogen, Grundbeschreibung
7.4.2 Muster gezielt markieren
Das bewusste Hervorheben von Anstiegen, Rückgängen, Schwankungen und Ausreißern unterstützt die Lernenden dabei, Datenverläufe nicht nur oberflächlich wahrzunehmen, sondern als erkennbare Strukturen fachsprachlich präzise zu identifizieren und voneinander zu unterscheiden. Die Klasse arbeitet mit mehreren Diagrammen aus Alltag und Schule, etwa Temperaturverläufen, Bildschirmzeiten, Besucherzahlen oder Stromverbrauch. Die Schülerinnen und Schüler markieren in den Darstellungen unterschiedliche Muster farblich, zum Beispiel Anstiege grün, Rückgänge blau, starke Schwankungen gelb und Ausreißer rot. Anschließend benennen sie diese markierten Stellen mit passenden Formulierungen wie „starker Anstieg“, „kurzer Rückgang“ oder „auffälliger Einzelwert“. In Partnerarbeit vergleichen sie ihre Markierungen und begründen Unterschiede. Durch diese Aufgabe lernen die Schülerinnen und Schüler, Datenmuster bewusst zu sehen und nicht nur auf Einzelwerte zu schauen. Musterarten: Anstieg, Rückgang, Schwankung, Ausreißer Methoden: markieren, benennen, vergleichen, begründen Kompetenzen: erkennen, unterscheiden, zuordnen, erläutern Produkte: Farbdarstellung, Musterliste
7.4.3 Verläufe sprachlich präzise beschreiben
Die sprachliche Beschreibung von Daten stärkt das Verständnis besonders nachhaltig, weil Muster erst dann fachlich nutzbar werden, wenn Beobachtungen geordnet, differenziert formuliert und mit passenden Vergleichs- und Verlaufsbegriffen verständlich ausgedrückt werden. Die Schülerinnen und Schüler erhalten ein Diagramm und formulieren dazu zunächst freie Beschreibungen. Danach überarbeiten sie ihre Texte mithilfe sprachlicher Hilfen wie „zunächst“, „anschließend“, „deutlich“, „im Vergleich zu“, „auffällig ist“ oder „bleibt weitgehend konstant“. Im nächsten Schritt vergleichen sie ihre erste und zweite Version und besprechen, welche Formulierungen genauer, sachlicher und verständlicher sind. Alternativ können Formulierungskarten eingesetzt werden, aus denen passende Satzbausteine ausgewählt werden. Die Aufgabe erzielt einen hohen Lerneffekt, weil sie Datenanalyse direkt mit Sprachbildung verbindet und die Qualität fachlicher Aussagen deutlich verbessert. Sprachhilfen: zunächst, danach, deutlich, konstant Vergleiche: höher, niedriger, stärker, schwächer Kompetenzen: formulieren, präzisieren, vergleichen, überarbeiten Produkte: Beschreibungstext, Satzbausteinsammlung
7.4.4 Datendarstellungen vergleichen
Der Vergleich verschiedener Diagramme oder mehrerer Datenreihen schärft den Blick für
Gemeinsamkeiten, Unterschiede und Zusammenhänge und hilft dabei, Muster nicht isoliert, sondern in Beziehung zu anderen Entwicklungen und Gruppen zu verstehen. Die Lernenden erhalten zwei Darstellungen zum selben Thema, etwa Mediennutzung verschiedener Altersgruppen oder Energieverbrauch in zwei Haushalten. Sie vergleichen, welche Gruppe höhere Werte aufweist, wo sich Trends ähneln, an welchen Stellen sich Verläufe unterscheiden und ob sich Abstände im Zeitverlauf verändern. Die Ergebnisse werden in einer Vergleichstabelle gesichert. Anschließend formulieren die Schülerinnen und Schüler einen kurzen Vergleichstext mit mindestens drei begründeten Beobachtungen. Diese Aufgabe ist besonders lernstark, weil sie reines Ablesen überwindet und zum strukturierten Vergleichen und sprachlichen Einordnen anleitet. Vergleichsaspekte: Verlauf, Höchstwert, Abstand, Veränderung Darstellungen: Mediennutzung, Energieverbrauch, Wetterdaten, Besucherzahlen Kompetenzen: vergleichen, einordnen, begründen, formulieren Produkte: Vergleichstabelle, Vergleichstext
7.4.5 Vorhersagen aus Daten ableiten
Das Ableiten vorsichtiger Vorhersagen fördert vernetztes Denken, weil Lernende beobachtete Trends auf mögliche künftige Entwicklungen übertragen und dabei zugleich begründen müssen, warum ihre Annahmen plausibel, aber nicht sicher sind. Die Schülerinnen und Schüler bearbeiten Diagramme mit zeitlichen Verläufen, etwa Verkaufszahlen, Temperaturen, Fahrgastzahlen oder Bibliotheksnutzung. Zunächst beschreiben sie den bisherigen Trend. Danach formulieren sie eine Vorhersage für den nächsten Zeitraum und begründen diese mit dem erkannten Muster. Wichtig ist, dass sie ihre Aussagen sprachlich absichern, zum Beispiel mit „wahrscheinlich“, „vermutlich“ oder „unter ähnlichen Bedingungen“. Im Anschluss vergleichen die Gruppen ihre Vorhersagen und diskutieren, warum verschiedene Deutungen trotz derselben Daten möglich sein können. Die Aufgabe ist lernwirksam, weil sie Datenbeobachtung, Begründung und Unsicherheitsbewusstsein zusammenführt. Schritte: Trend erkennen, fortsetzen, begründen, absichern Formulierungen: wahrscheinlich, vermutlich, erwartbar, vorsichtig Kompetenzen: ableiten, prognostizieren, begründen, reflektieren Produkte: Vorhersagesatz, Begründung
7.4.6 Grenzen von Vorhersagen prüfen
Ein verantwortungsvoller Umgang mit Daten wird besonders dann gefördert, wenn Lernende erkennen, dass Vorhersagen auf unsicheren Grundlagen beruhen können und dass Ausreißer, Zufälle oder fehlende Daten die Aussagekraft deutlich einschränken. Die Klasse erhält Datendarstellungen, bei denen Vorhersagen schwierig sind, etwa stark schwankende Werte, kurze Zeitreihen oder einzelne Ausreißer. Die Schülerinnen und Schüler prüfen mit Leitfragen, ob genügend Daten vorliegen, ob der Zeitraum aussagekräftig ist und welche Einflussfaktoren fehlen könnten. Anschließend formulieren sie nicht nur eine mögliche
Vorhersage, sondern auch deren Grenzen. In der gemeinsamen Auswertung wird besprochen, warum Datenkompetenz nicht nur im Erkennen von Mustern besteht, sondern auch im Benennen von Unsicherheiten. Diese Aufgabe hat einen hohen Lernertrag, weil sie vorschnelle Gewissheiten verhindert. Prüffragen: genug Daten, stabile Entwicklung, fehlende Faktoren Unsicherheiten: Ausreißer, Zufall, Sondereffekt, Datenlücke Kompetenzen: hinterfragen, einschränken, abwägen, beurteilen Produkte: Prüfblatt, Unsicherheitsfazit
7.4.7 Irreführende Grafiken entlarven
Das kritische Untersuchen problematischer Diagramme stärkt die Urteilskraft, weil Lernende erkennen, dass Darstellungen durch abgeschnittene Achsen, auffällige Farben oder fehlende Angaben bestimmte Wirkungen erzeugen und dadurch leicht fehlgedeutet werden können. Die Schülerinnen und Schüler erhalten mehrere bewusst problematisch gestaltete Grafiken, etwa mit abgeschnittener y-Achse, fehlender Quelle, unklarer Skala oder stark emotionalisierenden Farben. In Gruppen analysieren sie, was auf den ersten Blick auffällt und warum die Darstellung möglicherweise irreführend ist. Danach überarbeiten sie eine Grafik so, dass sie fairer und verständlicher wird. Im Plenum wird verglichen, wie sich die Wirkung durch kleine Veränderungen der Darstellung verschiebt. Diese Aufgabe ist besonders lernförderlich, weil sie Datenlesen mit Medienkritik und Gestaltungskompetenz verbindet. Warnzeichen: Achsenbruch, Farbwirkung, Quellenmangel, Skalenfehler Methoden: prüfen, entlarven, überarbeiten, vergleichen Kompetenzen: analysieren, bewerten, korrigieren, reflektieren Produkte: Fehleranalyse, Neugestaltung
7.4.8 Eigene Daten erheben und darstellen
Selbst erhobene Daten machen Mustererkennung besonders bedeutsam, weil die Lernenden den gesamten Weg von der Datensammlung über die Darstellung bis zur Beschreibung und Vorhersage selbst gestalten und dadurch tiefere Einsichten gewinnen. Die Schülerinnen und Schüler sammeln eigene Daten aus dem Schulalltag, etwa tägliche Bildschirmzeit, Ankunftszeiten, Wasserverbrauch im Klassenraum, gelesene Seiten pro Woche oder Temperaturen im Schulhof. Danach übertragen sie die Werte in ein passendes Diagramm und beschreiben auffällige Muster. Im nächsten Schritt formulieren sie eine vorsichtige Vorhersage für die folgende Woche und begründen diese mit dem bisherigen Verlauf. Abschließend reflektieren sie, welche Unsicherheiten ihre eigene Datenerhebung enthält. Die Aufgabe ist besonders lernstark, weil sie Datenerhebung, Darstellungswahl, Analyse und Prognose in einem vollständigen Prozess verbindet. Datenthemen: Bildschirmzeit, Temperaturen, Ankunftszeiten, Wasserverbrauch Arbeitsschritte: erheben, darstellen, beschreiben, vorhersagen Kompetenzen: sammeln, visualisieren, deuten, prognostizieren Produkte: Diagramm, Datentext, Vorhersage
7.4.9 Diagramme in Alltag und Gesellschaft deuten
Lebensnahe und gesellschaftlich relevante Datendarstellungen erhöhen die Bedeutsamkeit des Themas, weil Mustererkennung und Vorhersagen dort direkt mit Umweltfragen, Mediennutzung, Mobilität oder Konsumverhalten verknüpft werden können. Die Klasse arbeitet mit echten oder didaktisch vereinfachten Diagrammen zu Themen wie Wetterentwicklung, Recyclingquoten, Verkehrsmittelwahl, täglicher Mediennutzung oder Energieverbrauch. Die Schülerinnen und Schüler beschreiben die auffälligen Muster, vergleichen Gruppen oder Zeiträume und formulieren eine mögliche Vorhersage mit Begründung. Danach diskutieren sie, welche Folgen diese Entwicklung für Alltag oder Gesellschaft haben könnte. Die Aufgabe ist besonders lernwirksam, weil sie Datenkompetenz mit Sachbezug, Deutung und gesellschaftlicher Einordnung verbindet. Themenfelder: Umwelt, Medien, Verkehr, Energie, Konsum Leitfragen: Was zeigt, was verändert, was folgt Kompetenzen: deuten, vergleichen, übertragen, reflektieren Produkte: Kurzinterpretation, Prognose
7.4.10 Reflexion zum Abschluss
Eine strukturierte Abschlussreflexion sichert methodische und fachliche Einsichten und unterstützt die Lernenden dabei, ihren Umgang mit Diagrammen, Mustern und Vorhersagen bewusst zu betrachten und sprachlich geordnet zusammenzufassen. Zum Abschluss verfassen die Schülerinnen und Schüler einen Reflexionstext oder bearbeiten Satzanfänge wie „Ein Muster erkenne ich daran, dass …“, „Beim Beschreiben eines Diagramms ist wichtig …“, „Eine Vorhersage ist nur dann sinnvoll, wenn …“ und „Besonders schwierig fand ich …“. Alternativ kann ein Partnergespräch mit Reflexionskarten durchgeführt werden. Entscheidend ist, dass die Lernenden nicht nur einzelne Begriffe wiederholen, sondern ihren Beobachtungs- und Denkprozess nachvollziehbar darstellen. Dadurch werden Datenverständnis und methodische Sicherheit nachhaltig gefestigt. Formen: Reflexionstext, Partnergespräch, Kartenarbeit Impulse: Muster, Beschreibung, Vorhersage, Schwierigkeit Kompetenzen: sichern, formulieren, ordnen, reflektieren Produkte: Text, Gesprächsnotiz
Grundlage: Digitale Grundbildung III – Lehrband 3. Klasse, Final V2.5.