Inspiriert von Fabian Heidenstecker und Stefan Werner habe ich ebenfalls einen komplett "synthetischen Podcast" erstellt - also einen durch KI generierten Podcast, der nur schriftliche Quellen nutzt und keine einzige Tonaufnahme.
Die Erstellung
Um den Podcast zu erstellen habe ich NotebookLM von Google verwendet und dem Programm folgende Quellen gegeben:
meinen Artikel über Standardisierung bei der Visualisierung aus dem Analytics Pioneers Magazin
Das Buch Visual Business Analytics von Andreas Wiener
Ein paar Artikel aus Web, die sich mit der Geschichte der Datenvisualisierung befassen
Das Ergebnis war in Englisch und ich habe es - um die KI noch mehr zu testen mit AI Dubbing von Elevenlabs übersetzt. Die Übersetzung ist nicht perfekt, z.B. "tiefes Eintauchen" für "Deep Dive", aber im wesentlichen schon ok.
Insgesamt denke ich, dass es auf Englisch besser rüberkommen würde, aber ich habe trotzdem die Übersetzung genommen, weil es mir bei der Frage:
Werden in Zukunft alle Podcasts synthetisch sein?
mehr um Inhalt und den Flow geht und weniger um Stilfragen. Wenn ich einen Podcast auf Englisch aufnehme, wie z.B. die Folgen mit Alberto Ferarri und Nikola Ilic, sind sie qualitativ sicher besser als automatische Übersetzungen, aber dennoch sind einige Formulierungen sicher nicht perfekt.
Anschließend habe ich mit Turboscribe noch ein Transkript für diesen Blog erstellt. Mit chatGPT4o wurde das Bild für das Video erstellt und CapCut lieferte die Untertitel.
Dieser Text hier ist aber im Wesentlichen Manuell erstanden.
Mein Fazit zum synthetischen Podcast
Aus meiner Sicht ist die Tonalität etwas überdreht und Marketing-lastig. Das ist aber eher eine Meinung von mir und Menschen (und KIs) sind nun mal verschieden. Insgesamt wirst das Gespräch für mich dafür sehr lebendig und hat einen guten Fluss.
Objektiv gesehen finde ich auch cool, wie kompakt und anschaulich die Anekdoten zur Geschichte der Datenvisualisierung vermittelt werden. Auch die Übergänge zwischen Vergangenheit und Gegenwart sind sehr gut.
Was mich dagegen eher stört, ist die eigentlich nicht notwendige Verbreiterung des Thema hin zu Big Data und allgemeine Trends. Das wirkt eher wie zwangshafte Profilierung und führt vom Fokus weg - insgesamt aber nicht zu sehr.
Aber an sich beeindruckend, wie viel Content in unter 10 Minuten geliefert wurde.
Ich bin also durchaus überzeugt davon. Ein wenig geht dabei die persönliche Note schon verloren und auch wenn die KI Meinungen reinbringt, ist es doch etwas anderes als Andreas Wiener, Johannes Rasch oder Philipp Klöckner zu hören.
Aber:
die KI ist besser schlechte Podcasts, genauso wie sie besser ist als schlechte Berater.
Was aktuelle Themen, Meinungen, Diskussionen und Kommentare angeht sind Menschen besser. Die KI liefert dagegen zeitloses Allgemeinwissen in einer sehr guten Form.
Eine zweite Meinung zum Thema (von chatGPT)
Als erfahrener Podcaster würde ich die Qualität dieser Episode grundsätzlich positiv bewerten, da sie gut strukturiert und informativ ist. Besonders auffällig an dieser Folge, die mit KI erstellt wurde, ist die Klarheit und Präzision der Informationen. Die Themen sind gut verknüpft, und es gibt eine kohärente Reise von den Ursprüngen der Datenvisualisierung bis hin zu modernen Technologien wie Visual Analytics und Dashboards.
Was bemerkenswert ist, ist der Wechsel zwischen historischen Beispielen und aktuellen Trends. Die Erwähnung von Figuren wie Michael Florent van Langeren und William Playfair verbindet die Geschichte der Visualisierung mit den aktuellen Möglichkeiten im Big Data-Zeitalter. Das ist ein gelungener Mix aus Bildung und Unterhaltung, der die Hörer fesselt.
Was mir als Podcaster aber sofort auffallen würde, ist der Feinschliff bei der Sprachnuancierung und dem Fluss der Konversation. Manche Übergänge wirken etwas formal und könnten noch natürlicher gestaltet werden, um das Gefühl eines spontanen Dialogs zu verstärken.
Da KI diese Episode erstellt hat, wirkt die Struktur recht perfekt und durchdacht, aber manchmal könnte sie an Ecken ein wenig "menschliche" Lockerheit gebrauchen, damit die Hörer sich mehr verbunden fühlen.
Ein weiterer positiver Aspekt ist die klare Botschaft, die vermittelt wird: Die Bedeutung von Klarheit in der Datenvisualisierung und die Evolution dieser Disziplin. Die Episode regt die Zuhörer auch zum Nachdenken an, was einen wertvollen Mehrwert bietet.
Das komplette Transkript zum Nachlesen
Pläne, Grafiken, Mäpfe, ihr nennt es. Wir reisen in die Welt der Datenvisualisierung.
Und lasst mich euch sagen, die Zuhörer schicken uns einigermaßen cooles Zeug. Wir arbeiten mit Büchern, Studien, sogar einigermaßen aufmerkenswerten Visualen. Ich spreche hier von historischen Schatzen und kreuzigen Inhalte.
Alles in einem. Es ist wirklich wie eine Detektivgeschichte. Wir sind auf dem Weg, den Kode zu zerbrechen, um Daten sinnvoll zu machen und hoffentlich eure Leben in der Prozesse ein bisschen einfacher zu machen.
Richtig. Um es loszulassen, haben wir ein 1644-Map von einem Mann namens Michael Florent van Langeren. Die Geografie ist nicht genau mein Vorteil, aber ich habe das Gefühl, dass das nicht euer Alltagsmap ist.
Du kannst das sagen. Langeren versuchte, Abwechslungen von Rom bis zum Toledo-Meridian zu zeigen, nicht exakt revolutionär. Aber hier ist es interessant.
Er hat nicht nur die Abwechslungen geschrieben, er hat sie eigentlich visuell gezeigt. Deshalb ist dieser Map einer der ersten Beispiele für statistische Visualisierung. Er war also wie der ursprüngliche Daten-Artist, der eine langweilige Liste von Zahlen in etwas, das die Leute einfach nur durchschauen, verstehen können? Genau.
Das, mein Freund, ist die Macht der Visualisierung. Daten sind nicht nur Zahlen mehr. Es wird eine Geschichte, die man sieht, mit der man interagieren kann und mit der man Entscheidungen machen kann.
Das bringt uns zu einem weiteren Daten-Visualisierung-Superstar, William Playfair, einem 18. Jahrhundert-ökonomischen. Er hatte dieses großartige Stichwort, dass es, wenn Proportionen und Größe betroffen sind, einen Blick auf das Auge zu machen, das beste und bereitste Method, eine einzigartige Idee zu vermitteln.
Und sein 18. Jahrhundert-Daten-Visualisierung von Englands Handels-Balance hat diesen Punkt wirklich nach Hause gebracht. Playfair war ein Visionär.
Er verstand, dass Daten-Visualisierungen und Grafiken ökonomische Trends viel besser kommunizieren könnten als Tafeln und Zahlen. Es war revolutionär für seine Zeit. Also, wir sind von Handgetriebenen-Maps zu Playfairs ökonomischen Daten-Visualisierungen in nur ein paar Jahrhunderten gegangen.
Aber manche Dinge verändern sich nie, richtig? Ich meine, wir sind immer noch mit Daten-Visualisierungen beschäftigt. Mehr als jemals. Aber es gibt einen Höhepunkt.
Du hast ein faszinierendes Studium über die Visual Business Analytics im Jahr 2012 geschickt. Erinnerst du dich an das? Ja, ich erinnere mich. Nun, es hat gezeigt, dass obwohl die meisten Leute Daten-Visualisierung unglaublich wichtig finden, ein enormer Anteil von Geschäftsdaten ist immer noch präsentiert in, weißt du, Tafeln.
Du hast mich verarscht. Sind wir wirklich immer noch in Spreadsheet-Land, nach all diesem Zeitraum? Ich meine, was ist das Ziel? Warum empfinden sich nicht mehr Menschen die Macht der Visualisierung? Es ist nicht so einfach, Daten schön zu machen. Es geht darum, es klar, präzise und sinnvoll zu machen.
Und das ist, wo das Weltbild von Informationsdesign kommt. Ah, Informationsdesign. Und das ist, wo unser alter Freund Edward Tufte kommt, richtig? Er ist eine Art Legende in der Daten-Visualisierung-Welt, oder? Tufte ist der Gottvater.
Sein Buch, das Visualdisplay von quantitativer Information, ist grundsätzlich die Bibel für jeden, der Daten gut präsentieren will. Aus dem, was ich gelesen habe, ist, dass Tufte ein riesiger Anwalt für Klarheit ist und alles, was von der Information abhängt, nicht mag. All das, was er Chart-Dreck nennt.
Du hast es. Kein Chart-Dreck erlaubt. Lass die Daten für sich selbst sprechen.
Klar und präzise. Also weniger ist mehr, wenn es um Daten-Visualisierung geht. Verstanden.
Präzise. Und genau wie wichtig ist es, den richtigen Typ der Visualisierung für deine Daten zu wählen. Okay, ich brauche ein Beispiel.
Was macht eine gute Visualisierung gegen, naja, eine schlechte? Wie würden wir über Pie-Charts sprechen? Oder besser noch, warum sie nicht immer die beste Wahl sind? Ah, das großartige Pie-Chart-Debatte. Ich sehe sie überall, auch wenn ich das Gefühl habe, dass du eine Wahrheit-Bombe drücken wirst, warum sie nicht immer das beste Werkzeug sind. Nun, lass uns einfach sagen, sie können ein bisschen missläufig sein.
Sie sind okay für einfache Proportionen, aber fallen auseinander, wenn du viele Dinge vergleichst oder Trends über Zeit zeigst. Und es gibt tatsächlich Forschung, um das zu unterstützen. Ein Studium fand, dass eine riesige 96 Prozent der Menschen eher Bar-Charts als Pie-Charts für die Vergleiche der Marktteilung wählen.
96 Prozent. Okay, das ist ziemlich klar. Die Dataviz-Welt hat die Pie-Chart-Debatte aus den Händen ausgesprochen.
Etwas wie das. Es zeigt, wie sogar kleine Design-Wähler einen enormen Eindruck haben, wie gut wir die Information verstehen. Also, wir sind eine lange Weile weg von Lenggren's Map zu den heutigen Pie-Chart-Debatten.
Was kommt als Nächstes? Ich habe das Gefühl, dass wir die Oberfläche der Datenvisualisierung zerstören, besonders mit all den Daten, die in unserem modernen Welt generiert werden. Du hast recht, wir haben viel mehr Grund, um das zu beobachten. Wie würden wir uns hier kurz aufhalten und zurückkommen, um die Dashboards, die großen Daten und all die Herausforderungen und Möglichkeiten, die mit dem Visualisieren der massiven Anteile der Daten, die wir heute haben, zu erforschen? Okay, wir haben über die Geschichte der Datenvisualisierung gesprochen.
Aber wo stehen die Dinge heute? Eine Sache, die in diesen Materialien stets aufkommt, sind die Dashboards. Sind sie die 21. Jahrhunderte Antwort auf Lenggren's Map? Es ist ein guter Weg, darüber nachzudenken.
Dashboards sind wie visuelle Kontrollpanelen für deine Daten. Du bekommst einen kurzen Snapshot von dem, was wichtig ist. Und sie haben oft interaktive Elemente, Filter, Drilldowns, du nennst es, damit du wirklich die Informationen erforschen kannst.
Ich habe ein paar Dashboards gesehen, die nur überflüssig mit Karten sind. Es ist fast zu viel Information auf einmal. Das ist das Ding.
Ein gut ausgestatteter Dashboard ist wichtig. Es sollte nicht darum gehen, jede einzelne Datenpunkte einzuschneiden, sondern um die relevantesten Informationen zu präsentieren auf eine Art, die klar und aktionabel ist. Erinnerst du dich an den Punkt über Dashboards, die bestimmte Entscheidungen unterstützen? Das ist großartig.
Es ist wie ein GPS, das dich direkt zu deinem Ziel führt, anstatt dir jede einzelne Straße auf der Karte zu zeigen. Es gibt also verschiedene Arten von Dashboards, je nachdem, was du versuchen willst, zu erreichen. Du hast es.
Du hast uns einige tolle Informationen über analytische, strategische und operative Dashboards geschickt. Jede von ihnen ist für einen bestimmten Typ von Nutzer und Zweck ausgestattet. Sagen wir, du bist ein Verkäufer.
Du würdest wahrscheinlich einen analytischen Dashboard nutzen, um Dinge wie Klick-through-Zahlen und Konversionen zu kontrollieren, herauszufinden, was funktioniert und was nicht. Ein Verkäufer, auf der anderen Seite, könnte einen strategischen Dashboard nutzen, um Tabs auf das große Bild, Wachstumsentwicklung, Marktteilung und Dinge wie das zu halten. Es geht also darum, die richtigen Daten an die richtigen Menschen, an der richtigen Zeit zu bekommen und sie visuell engagieren und leicht zu digestieren.
Genau. Und das führt uns zu einem weiteren hohen Thema aus deinem Material, Big Data. Wir schwimmen in Daten heutzutage und manchmal kann man diese traditionellen Visualisierungen einfach nicht aufhalten.
Okay, ich spüre eine Analogie. Wie halten wir uns von diesem Ozean von großen Daten abwärts? Einsteigen Sie in Visual Analytics, unseren hohen Geschwindigkeitsboot, um das große Meer von Informationen zu navigieren. Visual Analytics lässt uns in Realzeit mit diesen massiven Datensätzen interagieren, entdeckende Pattern und Beziehungen, die es unmöglich wäre, mit statischen Plattformen zu spoten.
Diese coolen 3D-Maps, die man drehen und zoomen kann. Reden wir über Dinge wie das? Genau. Es geht darum, eine immersive, exploratorische Erfahrung zu schaffen.
Vorstellen Sie sich, Daten auf dem Flugzeug zu filtern, spezifische Interessensbereiche zu zoomen und sogar Algorithmen zu haben, um Trends zu zeigen, die Sie verpasst hätten. Wie ein Datendetektiv bei Ihrem Seiten, der Ihnen hilft, die Beweise zu analysieren. Das ist ein großartiger Beweis.
Visual Analytics kombiniert menschliche Intuition mit der Kraft von Computern, um das Code komplexer Datensätze zu zerbrechen. Und es ändert bereits das Spiel in Bereichen wie Wissenschaft, Finanzen, sogar Gesundheitspflege. Das ist alles so faszinierend.
Aber ich muss sagen, es klingt auch sehr komplex. Es kann sein. Aber erinnern Sie sich, das Endeziel ist immer, um Daten verständlicher und nutzbarer zu machen.
Selbst mit all den Fancy-Technologien, diese Grundprinzipien von gutem Informationsdesign, Klarheit, Präzision, das richtige Visual für den Job zu wählen. Sie gehen nie aus dem Stil. Es geht also darum, den süßen Ort zwischen technologischer Kurzfristigkeit und diesen zeitlosen Designprinzipien zu finden.
Du hast es verstanden. Und das wird noch mehr wichtig sein, sobald wir weiter in die Welt der großen Daten gehen. Wow, wir haben so viel Grund in diesem tiefen Durchschnitt.
Von 17. Jahrhundert-Maps zur unglaublichen Welt von großen Daten und Visual Analytics. Es ist beeindruckend, wie weit wir gekommen sind.
Es ist erstaunlich, wie es sich alle zusammenzieht. Dieser Drang, Daten sichtbar zu machen, Geschichten mit Zahlen zu erzählen. Es ist ein gemeinsamer Strang durch die Geschichte.
Eine Sache, die mich wirklich beeindruckt hat, nach all diesen Materialien zu schauen, ist, wie sogar etwas so komplexes wie das menschliche Genom visualisiert werden kann. Wir sprechen hier über das Blueprint der Leben. Und trotzdem können wir es in einer Art repräsentieren, dass sogar ich anfangen kann, es zu verstehen.
Das ist das Macht-Visualisierende am besten. Wenn wir eine Sache so intrigig als DNA mit Visualen verstehen können, dann stellen wir uns die Möglichkeiten vor, die massiven Datensätze zu verstehen, mit denen wir jeden Tag umgehen. Kreditnummern, Shopping-Habiten, Musik-Preferenzen.
Es ist alles Daten. Und Visual Analytics kann uns helfen, diese Trende zu navigieren, um mehr informierte Entscheidungen zu machen. Es ist fast, als ob Visual Analytics ein Kristallball sein könnte, um uns die Zukunft von den Pattern, die in den Daten versteckt sind, zu prägen.
Aber sogar ohne die Zukunft zu prägen, hat dieser Tiefschwung uns eine ganz neue Weise gegeben, die Welt um uns herum zu betrachten. Es geht darum, mehr bewusst zu sein, mehr zu unterscheiden. Nächstes Mal, wenn du in einem Chart, in einer Präsentation, eine Grafik in den Nachrichten oder sogar eine Infografik auf Social Media siehst, stoppe für einen Moment und schaue es wirklich an.
Denke daran, die Geschichte, die es versucht, zu erzählen. Ist es klar? Ist es präzise? Versucht es, dich mit zu viel Verwirrung oder enttäuschenden Visualen zu verletzen? Wir müssen witzige Konsumenten von Daten sein, besonders heute. Genau.
Und erinnert euch, das ist nur der Anfang. Dieser Tiefschwung hat euch einen Geschmack gegeben, aber es gibt eine ganze Welt von Datenvisualisierung zu erforschen. Vielleicht schaut euch Edward Tufts' Arbeit an, besucht ein paar Online-Datenvisualisierung-Toolen oder beginnt sogar nur, mehr Visualen in eurem Alltagsleben zu bemerken.
Ihr könnt euch sogar inspirieren, eure eigenen Datenvisualisierungen zu kreieren. Die Möglichkeiten sind unendlich. Und auf diese Art, denke ich, es ist Zeit, uns diesen Tiefschwung zu beenden.
Ein großes Dankeschön an Sie, unser Experte, für das Leiten uns zu diesem faszinierenden Thema. Es war mir ein Vergnügen, euch zu haben. Es war mir ein Vergnügen, euch zu haben.
Und an Sie, unseren Zuhörer, danke, dass Sie uns auf dieser Reise in die Welt der Datenvisualisierung eingeladen haben. Bis zum nächsten Mal. Bleiben Sie interessiert, erforschen Sie weiter und halten Sie diese Datenvisualisierungen klar, präzise und sinnvoll.
Comments