Big-Data

Der Google-Index sammelt Webseiten und strukturiert deren Daten für die Google Suche. So liefert uns Google möglichst präzise und schnelle Antworten – in Kombination mit unserem Nutzungsverhalten. Meta (Instagram und Facebook) sammeln Milliarden Daten über Beziehungen. Daraus haben sie ein Milliardengeschäft gemacht. Sie verkaufen dieses Wissen an Organisationen die uns «passende» Werbung oder Informationen zustellen wollen.

Aber nicht nur digitale Firmen sammeln Daten. Das Internet of Things mit all ihren Tracking-Tools, die globale Wirtschaftslogistik – eigentlich alles sammelt digitale Daten.

Daten fallen heute überall an: in Suchmaschinen, Onlineshops, Karten, Sensoren, Social Media, Verwaltung, Forschung und in beinahe jedem digitalen Produkt. Die Mengen wachsen schneller, als wir sie einzeln betrachten können. Genau hier beginnt Big Data.

Für Gestalter:innen bedeutet das: Wir müssen lernen, mit grossen, dynamischen und teilweise unübersichtlichen Informationsmengen umzugehen. Nebst klassischen Diagrammen braucht es Interfaces, Filter, Suchlogiken, Karten, Dashboards und interaktive Visualisierungen, die Komplexität verständlich machen.

Designer:innen müssen dafür nicht zwingend die technische Infrastruktur programmieren. Ein solides Verständnis für Datenstrukturen, Datenquellen und Darstellungsformen hilft jedoch enorm, um sinnvolle Konzepte zu entwickeln und mit Entwicklungsteams besser zusammenzuarbeiten.

Big Data ist damit nicht nur ein technisches Thema. Es verändert, wie wir Informationen sehen, wie wir Entscheidungen treffen und wie digitale Produkte entstehen.

Big Data meint nicht einfach «sehr viele Daten». Das Phänomen wird meist über die 5 Vs erklärt:

Volume: die schiere Menge an Daten.
Velocity: die Geschwindigkeit, mit der Daten entstehen und verarbeitet werden.
Variety: die Vielfalt der Formate, etwa Text, Bild, Audio, Video, Standort oder Klickverhalten.
Veracity: die Glaubwürdigkeit und Qualität der Daten.
Value: der tatsächliche Nutzen, der aus Daten gezogen werden kann.

Gerade für Designer:innen ist diese Unterscheidung wichtig. Denn nicht jede Datenmenge ist automatisch relevant. Gute Gestaltung hilft dabei, aus unübersichtlichen Datenkonstellationen lesbare, brauchbare und entscheidungsfähige Informationen zu machen.

Die 5 Vs zeigen auch: Big Data ist nie nur ein Speicherproblem. Es geht ebenso um Tempo, Unsicherheit, Interpretation und Wertschöpfung.

Daten erscheinen oft neutral. Doch sie werden gesammelt, strukturiert, bereinigt, kategorisiert und interpretiert. Jeder dieser Schritte ist eine Entscheidung.

Schon die Wahl, was getrackt wird, formt das Bild der Wirklichkeit. Ein Interface, das nur Klicks misst, sieht andere Dinge als ein Forschungsteam, das zusätzlich Interviews führt. Eine Plattform, die Reichweite priorisiert, sammelt andere Signale als ein System, das auf Qualität achtet.

Für die Gestaltung bedeutet das: Zahlen sind nicht einfach «wahr». Sie sind immer auch ein Produkt aus Messlogik, Plattforminteressen und Modellannahmen. Darum benötigt Big Data kritisches Lesen. Wer gestaltet, sollte nicht nur Visualisierungen zeichnen, sondern auch die Herkunft und Grenzen der Daten mitdenken.

Je grösser eine Datenbasis wird, desto wichtiger wird diese Haltung. Denn grosse Mengen kaschieren Bias nicht automatisch – sie können ihn auch verstärken.

Jeder Klick, jede Suche, jede Verweildauer und jede Bewegung auf einem Screen kann als Datenpunkt gespeichert werden. Für Plattformen und Produkte entstehen daraus Muster: Was wird gesehen? Was wird ignoriert? Wo steigen Menschen aus? Was führt zu einer Conversion?

Diese Datenspuren sind enorm wertvoll, weil sie Verhalten in grossem Massstab sichtbar machen. Gleichzeitig haben sie eine Grenze: Sie zeigen meist was passiert, aber selten warum.

Eine hohe Absprungrate kann Desinteresse bedeuten – oder Verwirrung, Stress, technische Probleme oder schlicht eine schnelle Antwort auf eine Frage. Genau deshalb ersetzt Big Data keine qualitative Forschung. Interviews, Beobachtungen, Tests und kontextbezogene Analyse bleiben zentral.

Für UX und UI Design heisst das: Datenspuren liefern Hinweise. Bedeutung entsteht erst durch Interpretation.

Design ist längst nicht mehr nur eine einmalige gestalterische Entscheidung. Viele digitale Produkte werden laufend gemessen, getestet und angepasst. A/B-Tests, Empfehlungssysteme, personalisierte Inhalte und algorithmische Sortierungen verändern, was Nutzer:innen sehen – und wann sie es sehen.

Damit verschiebt sich auch die Rolle von Designer:innen. Gestaltung wird stärker prozesshaft: Hypothesen werden formuliert, Varianten getestet, Daten interpretiert und Systeme iterativ verbessert. Das verlangt eine andere Form von Sorgfalt als bei statischen Medien.

Gerade im UX/UI Bereich entstehen dadurch neue Aufgabenfelder: Wie kann ein Dashboard lesbar bleiben? Wie werden Filter konzipiert? Wie schafft man Vertrauen in automatisierte Entscheidungen? Wie zeigt man Unsicherheit, Priorisierung oder Empfehlung transparent an?

Big Data macht Gestaltung damit nicht weniger kreativ – aber stärker verbunden mit Logik, Systemdenken und kontinuierlicher Veränderung.

Ein grosser Teil von Big Data entsteht im offenen und halb-offenen Internet. Webseiten werden indexiert, Inhalte verlinkt, Suchanfragen gespeichert, Posts kommentiert, Videos angesehen, Likes verteilt und Verbindungen zwischen Menschen, Themen und Interessen laufend neu berechnet.

Suchmaschinen wie Google strukturieren einen grossen Teil des öffentlich zugänglichen Webs. Grosse Plattformen wie YouTube, Instagram, TikTok, Facebook, LinkedIn oder X sammeln zusätzlich gewaltige Mengen an Verhaltensdaten. So entstehen Datenräume, die oft als Sammlung des Wissens der Menschheit beschrieben werden – mit allen Chancen und Risiken.

Die Chance liegt im Zugang: Wissen wird auffindbar, auswertbar und kombinierbar. Das Risiko liegt in der Machtkonzentration: Wenige Akteure kontrollieren grosse Teile dieser Infrastruktur, ihrer Priorisierung und ihrer kommerziellen Verwertung.

Für Gestalter:innen ist das entscheidend. Denn viele digitale Produkte stehen heute in Beziehung zu diesen grossen Datenökosystemen – sei es über Suche, Social Media, Empfehlungssysteme oder KI-Modelle.

Big Data ist immer auch eine Machtfrage. Daten bestimmen, welche Inhalte sichtbar werden, welche Werbung ausgespielt wird, welche Produkte empfohlen werden und welche Entscheidungen automatisiert vorbereitet oder getroffen werden.

Das betrifft nicht nur Technologieunternehmen. Auch Staaten, Institutionen, Versicherungen, Banken, Gesundheitswesen, Bildungssysteme und Logistik arbeiten zunehmend datengetrieben. Wo Daten gesammelt werden, entstehen Klassifikationen, Scorings, Prioritäten und Ausschlüsse.

Für Designer:innen wird dadurch relevant, wie Systeme Macht ausüben: Ist eine Empfehlung nachvollziehbar? Wird eine Person fair behandelt? Gibt es Widerspruchsmöglichkeiten? Werden Risiken sichtbar gemacht?

Design ist damit nicht bloss Oberfläche. Es wird zur Schnittstelle zwischen komplexen Datensystemen und den Menschen, die deren Folgen spüren.

Generative KI arbeitet nicht aus dem Nichts. Sie basiert auf Trainingsdaten: Texte, Bilder, Codes, Metadaten, Bewertungen, Korrekturen und Muster aus menschlicher Kommunikation und kultureller Produktion. Je grösser und vielfältiger diese Datenbasis, desto leistungsfähiger kann ein Modell bestimmte Zusammenhänge simulieren.

Damit wird Big Data zum Rohstoff neuer Werkzeuge. Textgeneratoren, Bildgeneratoren, Empfehlungssysteme, Suchassistenten und viele AI-Features in Design-Tools greifen direkt oder indirekt auf grosse Datensammlungen zurück.

Die Chancen sind enorm: schnellere Exploration, neue gestalterische Möglichkeiten, Unterstützung bei Analyse, Text, Bild und Struktur. Gleichzeitig bleiben zentrale Fragen offen: Dürfen alle Daten dafür genutzt werden? Wer profitiert? Welche Verzerrungen stecken in den Trainingsdaten? Und wie definieren wir Originalität, Autorschaft und Verantwortung neu?

Für Webdesign Essentials ist diese Verbindung zentral: Wer KI und generative Gestaltung verstehen will, muss Big Data mitdenken. Denn die Qualität, Fairness und kulturelle Perspektive eines Systems hängen stark von den Daten ab, auf denen es basiert.