I. Wissenschaftliche Vorträge

visueller Inhalte. 3D-Szenen mit Perspektive und Semitransparenz, beleuchtete
und texturierte Oberflächen sowie dynamische Animationen erlauben nicht nur
die photorealistische Darstellung virtueller Welten wie in Computerspielen, son-
dern auch die Visualisierung abstrakter Daten mit bis dahin unbekannter visueller
Komplexität. Seit den 1980er Jahren ist so das Gebiet der (computergraphischen)
Visualisierung entstanden, das heute eine Teildisziplin der Informatik an der
Schnittstelle von Computergraphik, Mensch-Computer-Interaktion und Wissen-
schaftlichem Rechnen bildet. Methodisch kommen in der modernen Visualisie-
rungsforschung vielfältige Aspekte zusammen: mathematische Modellierung und
numerische Verfahren, skalierbare Algorithmen und hierarchische Datenstruktu-
ren, hardware-nahe und parallel Programmierung, Virtuelle und Augmentierte
Realität, bis hin zu kognitionswissenschaftlichcn Grundlagen und Benutzungs-
studien.
Während zu Beginn der Fokus der Wissenschaftlichen Visualisierung auf neuen
Methoden für Daten mit räumlichem Bezug wie dreidimensionale Felder aus
Simulationen (z. B. Strömung um Fahrzeuge) und Sensoren (z. B. medizinische
Bildgebung) lag, kamen seit den 1990er Jahren mit der Infonnationsvisualisierung
Darstellungstechniken für hochdimensionale und multivariate Daten sowie für
Strukturen wie Netzwerke und Relationen hinzu. Mit dem jüngsten Teilbereich
der Visualisierung, der visuellen Analytik, werden moderne Datenanalyseverfahren
wie maschinelles Lernen mit neuen visuellen Repräsentationen in hochinterakti-
ven Anwendungen integriert. Bei der Entwicklung solcher Visualisierungswerk-
zeuge folgt man heute einem benutzerzentrierten Ansatz. Dies bedeutet, dass man
ausgehend von einer Klassifikation der vorliegenden Daten und den Analysezielen
der Anwender entscheidet, mit welchen visuellen Metaphern die in den Daten
enthaltenen Informationen am verständlichsten abstrahiert und mit welchen In-
teraktionstechniken in komplexen Informationsräumen intuitiv navigiert werden
kann. Häufig orientieren sich die Entwickler/innen solcher Werkzeuge dabei an
dem bekannten „Information-Seeking-Mantra“ von Ben Shneiderman: „Over-
view first, zoom and filter, then details-on-demand”. Abstraktion und Interaktion
sind also die Schlüssel zur Visualisierung und Exploration von Big Data. Denn bei
riesigen Datenmengen im Peta-Byte-Bereich ist es offensichtlich nicht mehr mög-
lich, alle Daten auf einem Bildschirm darzustellen, selbst wenn dieser mehrere
Millionen von Bildpunkten auflösen kann.
An der Universität Stuttgart wird Visualisierungsforschung seit 20 Jahren in
großer Breite und auf international sichtbarem Niveau betrieben. Die im Folgen-
den vorgestellten aktuellen Projekte können nur einen ersten Eindruck von der
Vielfalt der Anwendungsdomänen und der neu entwickelten Visualisierungstech-
niken bieten.
In einem Transregio-Sonderforschungsbereich (SFB-TRR 75) geht es um
das bessere Verständnis von Tröpfchen-Phänomenen wie Treibstoffeinspritzung,

30