Datenvisualisierung
Vibecoding
Data Processing
Zeitraum
Sep – Februar 24/25
Team
–
Tools
Cursor AI, Kaggle
Strategien
Datenverarbeitung
Gestaltungsprozess
Das Projekt zur NBA Shots Datenvisualisierung konzentriert sich auf die programmatische Umsetzung eines umfangreichen Datensatzes von Wurfpositionen und Trefferquoten aus den letzten 20 Jahren. Dabei liegt der Schwerpunkt auf der kreativen Nutzung von Form, Farbe und Position, um Mengen, Kategorien und zeitliche Abläufe sichtbar zu machen – ganz ohne den Einsatz von bildhaften Elementen. Durch parametrische und flexible Darstellungsweisen werden verschiedene Visualisierungsvarianten entwickelt, die neue Einsichten in die komplexen Daten ermöglichen und traditionelle Visualisierungsmethoden challengen.
Aufgabenstellung
Im Kurs „Programmiertes Entwerfen 2“ habe ich mich eigenständig mit der kreativen Datenvisualisierung beschäftigt. Das Ziel war, einen Datensatz — die Wurfpositionen und Trefferquoten der letzten 20 Jahre in der NBA — programmatisch in eine abstrakte, interaktive Visualisierung umzusetzen. Dabei stand die Auseinandersetzung mit Form, Farbe und Ordnungsprinzipien im Vordergrund, um Mengen, Kategorien und Zeitabläufe sichtbar zu machen, ohne auf bildhafte Elemente zurückzugreifen. Der Fokus lag auf der explorativen Nutzung unkonventioneller Visualisierungsmethoden, die neue Einblicke in komplexe Datenstrukturen eröffnen.
Skizzen
Bei der Gestaltung der Skizzen habe ich mich intensiv mit den Informationen des NBA-Datensatzes beschäftigt, um die Wurfpositionen und Trefferquoten sinnvoll zu visualisieren. Die Skizzen dokumentieren den Entwicklungsprozess: Die erste Darstellung zeigt das Basketballfeld in Zonen unterteilt, die den üblichen Spielerpositionen (SF, SG, PF, ST) entsprechen. Diese Aufteilung hilft, die Würfe in Relation zu den Spielerpositionen zu analysieren. Weitere Skizzen visualisieren die konkrete Verteilung der Wurfpositionen auf dem Spielfeld. Zusätzlich entstand die Idee einer Heatmap, bei der das Spielfeld in ein Raster eingeteilt wird, dessen Zellen farblich entsprechend der Trefferquote gefärbt sind. So lassen sich unterschiedliche Erfolgsraten der Wurfpositionen intuitiv erfassen.
Datenverarbeitung
Bei der Kürzung des Datensatzes habe ich vor allem die Werte verallgemeinert, um die Datenmenge deutlich zu reduzieren und ein gut sichtbares Raster für die Visualisierung zu erzeugen. Konkret bedeutete das, einzelne Werte auf übergeordnete Kategorien oder Zonen zusammenzufassen, statt jeden einzelnen Wurfpunkt präzise zu belassen. Dadurch wurden ähnliche Positionen und Trefferquoten gebündelt, was die Übersichtlichkeit erhöhte und gleichzeitig die Datenmenge von ursprünglich 4,2 Millionen Zeilen auf etwa 108.000 Zeilen verringerte. Zudem habe ich die Spaltenanzahl von 26 auf 10 reduziert, indem ich mich auf die wichtigsten für die Visualisierung relevanten Attribute konzentrierte. Dieser Schritt half, sowohl die Ladezeiten zu minimieren als auch die Performance der Visualisierung zu optimieren.
1. Ansicht
Die erste Ansicht zeigt deutlich, von welchen Positionen die meisten Würfe ausgeführt wurden und wo die Trefferquoten am höchsten sind. Die verschiedenen Zonen des Basketballfeldes werden farblich hervorgehoben, mit einer Skala von Lila über Hellblau und Blau bis Rot, sodass Unterschiede in Wurfhäufigkeit und Effizienz klar erkennbar sind. Ein Slider erlaubt die Navigation durch die Jahre, um die Entwicklung der Daten über die Zeit zu verfolgen.
2. Ansicht
Diese Ansicht baut auf der ersten auf, fokussiert sich jedoch auf ein einzelnes Team, das über eine Dropdown-Liste ausgewählt wird. Die Navigation durch die Jahre bleibt erhalten, um taktische Anpassungen und Veränderungen in Wurfpositionen und Trefferquoten saisonübergreifend zu analysieren und Entwicklungen der Teamstrategien sichtbar zu machen.
3. Ansicht
Die dritte Ansicht bietet eine Parallelvisualisierung der Trefferquoten der NBA-Teams im ausgewählten Jahr. Links werden die Teams nach ihrer Anzahl der versuchten Würfe positioniert, rechts nach erzielten Punkten. Die Verbindungen zeigen die Effizienz der Teams mit farblich intensiven Linien entsprechend der Trefferquote. Nutzer können Teams markieren, um deren Entwicklung über mehrere Jahre zu beobachten und Verbesserungen oder Verschlechterungen in der Wurfeffizienz zu analysieren.
