Post · Power-BI-Custom-Visual · Open Data

175 Jahre Klimageschichte zum Anfassen

Die berühmten Warming Stripes von Ed Hawkins zeigen die Erderwärmung als Farbcode — dieses Power-BI-Visual stellt sie in den Raum: Zeit auf der einen Achse, 758 Wetterstationen auf der anderen, die Abweichung als Höhe. Man kann hineinfliegen, filtern, vergleichen — und zusehen, wie das Feld ab den 1980ern ins Rote kippt.

30. Juli 2026Visual 1.5.0.0Daten: NOAA GHCN-DailyWebGL · three.js
3D-Säulenfeld: 175 Jahre Temperaturabweichungen von GHCN-Wetterstationen, blau nach rot
Das Säulenfeld mit echten GHCN-Stationen: links beginnt 1850, rechts endet 2024 — nach hinten reihen sich die Wetterstationen. Blau = kälter, Rot = wärmer als 1961–1990.

Jede Säule ist ein Jahr an einem Ort. Links beginnt 1850, rechts endet 2024; nach hinten reihen sich Wetterstationen von Spitzbergen bis Melbourne. Blau heißt kälter, Rot heißt wärmer als das Mittel von 1961–1990. Ein Jahrhundert lang wogt das Feld richtungslos um die Nulllinie — dann hebt es sich als Ganzes. Kein einzelner Ort erzählt diese Geschichte; erst die 758 Stationen gemeinsam machen sie unübersehbar.

Das Ganze ist kein Video und keine Grafik, sondern ein Custom Visual für Microsoft Power BI: Die Daten kommen aus dem normalen Datenmodell, jeder Slicer wirkt sofort, jeder Klick ins 3D-Feld filtert die anderen Diagramme der Berichtsseite mit.

Das Beispiel — live, direkt hier

Kein Screenshot, kein Video: Das hier ist der echte Power-BI-Report. Zieh mit der Maus durch den Raum, zoom mit dem Mausrad bis zwischen die Säulen, klick eine Station an — und probier den Referenz-Kippschalter:

Live-Demo als „Publish to web“-Report — läuft direkt im Beitrag. Am Handy am besten über das Vollbild-Symbol unten rechts öffnen.

Für unterwegs oder zum Teilen gibt es die Tour auch als 30-Sekunden-Video (Aufbau-Animation → Relief → Rotation → Aufsicht):

30-Sekunden-Demo als Video. Einzelne Sequenzen nutzen den kuratierten Demo-Datensatz (siehe Quellenblock).

Vier Blicke auf denselben Datenraum

Das Visual rendert die identischen Daten in vier Darstellungsformen — vom klassischen Streifenbild bis zur Geländelandschaft:

Säulenfeld
Säulenfeld
Eine Säule pro Ort und Jahr — bis zu ~71.500 auf einmal.
Relief
Relief
Durchgehende Landschaft: die Erwärmung wird zur Geländestufe.
Bänder
Bänder
Pro Ort eine Wand von der Nulllinie zur Abweichung.
Streifen-Tafeln
Streifen-Tafeln
Die klassischen Warming Stripes, aufgestellt im Raum — Datenlücken bleiben sichtbar.

Interaktion: ein Visual, kein Film

⇄ Der Referenz-Kippschalter

Ein Klick wechselt die Nulllinie von 1961–1990 (WMO-Standard) auf 1850–1900 (vorindustriell) — und das gesamte Feld kippt sichtbar ins Rote. Es ist derselbe Datensatz, nur die Frage ist eine andere: „wärmer als früher?“ statt „wärmer als zuletzt?“. Der stärkste Moment des Visuals.

Die Daten

Wetterstationen758 aus 70 Ländern
Zeitraum1850–2024 (175 Jahre)
Datenpunkte im Visualbis zu ~71.500 Jahreswerte
QuelleNOAA GHCN-Daily (public domain), tagesgenaue Rohmessungen
AufbereitungTag → Monat → Jahr, mit Qualitäts- und Vollständigkeitsregeln
ReferenzAnomalie gegen das stationseigene Mittel 1961–1990
−0,42 °C
1900er Jahre
+1,60 °C
2020–2024

Mittel über die 153 Stationen mit durchgehender Reihe seit 1900, jeweils gegen die Referenz 1961–1990. Dazwischen liegt keine gerade Linie, sondern die bekannte Kurve mit der Abkühlungsdelle der 1960er — das Feld reproduziert sie sichtbar.

Transparenz: Die Reihen sind unbereinigte Stationsmessungen — ohne Homogenisierung und ohne Wärmeinsel-Korrektur; ein ungewichtetes Mittel über alle Stationen ist kein Globalmittel, und Ozeane fehlen ganz. Wer belastbare Globalwerte braucht, nimmt HadCRUT5 oder Berkeley Earth. Für das, was dieses Visual zeigt — die Richtung und Gleichzeitigkeit der Veränderung über hunderte Orte — sind die Rohreihen genau richtig.

Making-of

Ausgangspunkt war ein interaktives Standalone-Artifact (WebGL/three.js) mit kuratierten 60 Städten.

Portierung als Power-BI-Custom-Visual: Die Daten kommen seitdem aus dem Datenmodell — Slicer, Cross-Filtering, Tooltips und Formatbereich inklusive. three.js wird gebündelt, das Visual lädt zur Laufzeit nichts nach.

Die Demo-Daten wurden durch echte Messreihen ersetzt: eine reproduzierbare Pipeline lädt NOAA GHCN-Daily (tägliche Rohwerte), aggregiert zu Jahresanomalien und filtert Stationsfehler heraus.

Die echten Daten — viermal mehr Orte, 33 % Lücken — deckten Grenzfälle im Renderer auf, die mit kuratierten Daten nie auftraten: Nebel und Kameraeinpassung mussten mit der Feldgröße skalieren, und Datenlücken bleiben als Lücken sichtbar statt als Nullwerte.

Entwickelt wurde das Projekt im Pair mit Claude (Anthropic) — von der Analyse des Original-Artifacts über die Portierung bis zur Datenpipeline.

Selbst ausprobieren

Quellen & Attribution

Darstellung inspiriert von den „Warming Stripes“ von Prof. Ed Hawkins, University of Reading — showyourstripes.info.

Datengrundlage: NOAA Global Historical Climatology Network – Daily (Menne et al. 2012, doi:10.7289/V5D21VHZ), aufbereitet zu Jahresanomalien gegen 1961–1990; Aufbereitung siehe Projekt-Repository.

Die Screenshots dieses Beitrags stammen aus den GHCN-Daten. Einzelne Sequenzen des Demo-Videos nutzen den kuratierten 60-Städte-Demo-Datensatz, dessen Einzelstadtwerte rekonstruiert sind (Details: QUELLEN.md, Abschnitt 2). Das Visual zeigt 758 einzelne Messreihen gleichzeitig — kein flächengewichtetes Globalmittel.

Software: three.js und Power-BI-SDK (MIT-Lizenz); GHCN-Daten gemeinfrei.