Beste Farbpaletten für wissenschaftliche Abbildungen (2026)
Publikationsreife, farbenblindheitssichere Farbpaletten mit HEX-Werten für wissenschaftliche Abbildungen, Plots, Kreis- und Kombinationsdiagramme.
SciFig Team
Scientific Illustration Experts
Tipp
Kurzantwort: Verwenden Sie für die meisten wissenschaftlichen Abbildungen höchstens sechs gedämpfte kategoriale Farben. Wählen Sie für Werte, die in eine Richtung zunehmen, eine sequenzielle Palette, für Werte um einen aussagekräftigen Mittelpunkt eine divergierende Palette und als barrierearmen kategorialen Ausgangspunkt bis zu sechs Farben aus dem achtfarbigen Okabe-Ito-Set. Verlassen Sie sich nie allein auf den Farbton, sondern ergänzen Sie ihn durch Beschriftungen, Formen oder Positionen.
Farbe ist ein Kodierungskanal, keine Dekoration. Eine gute Palette macht Kategorien, Reihenfolgen und Hervorhebungen verständlich, ohne dass Lesende ständig zur Legende zurückkehren müssen. Dieser Leitfaden bietet Ihnen publikationsreife Farbpaletten mit HEX-Werten für Plots, Diagramme, Kreisdiagramme, Heatmaps, Poster und Signalwege; SciFigs wissenschaftlicher Farbpaletten-Generator liefert dafür einen praktischen Ausgangspunkt mit kopierbaren Werten.
Barrierefreiheit gehört zu dieser Entscheidung. Bang Wongs Leitfaden von 2011 in Nature Methods berichtet, dass bei Menschen nordeuropäischer Abstammung bis zu 8 % der Männer und 0,5 % der Frauen von der häufigen Rot-Grün-Farbsehschwäche betroffen sind. Farbe sollte deshalb immer durch einen zweiten Kodierungskanal wie Beschriftung, Form, Linienstil oder Position ergänzt werden.
Ein Raster aus wissenschaftlichen Farbpaletten-Mustern mit HEX-Werten, das sequenzielle, divergierende und kategoriale Schemata umfasst (Abbildung erstellt mit SciFig)
Wie Farbe die Lesbarkeit wissenschaftlicher Abbildungen beeinflusst
Farbe in einer wissenschaftlichen Abbildung ist keine Dekoration — sie ist ein Kodierungskanal und trägt entweder Information oder fügt Rauschen hinzu. Eine gut gewählte Palette macht Kategorien sofort unterscheidbar, lenkt den Blick auf das Schlüsselergebnis und bleibt sowohl im Graustufendruck als auch für Menschen mit Farbsehschwäche lesbar. Eine schlecht gewählte Palette verschleiert dagegen die Hierarchie und zwingt dazu, die Legende wiederholt nachzuschlagen.
Drei Fehlermuster treten immer wieder auf. Die Regenbogenpalette (die alte Jet-Colormap) erzeugt falsche Grenzen in kontinuierlichen Daten, weil ihre Farbstufen nicht wahrnehmungsgleichmäßig sind. Ein Perspektivbeitrag aus Nature Communications von 2020 dokumentiert diese Verzerrung und empfiehlt wissenschaftlich entwickelte Alternativen. Rot-Grün-Kodierung versagt bei häufigen Formen der Farbsehschwäche. Und zu viele Kategorien machen die Legende zur ständigen Nachschlagetabelle. Ein sinnvoller Standard ist deshalb, bei ungefähr sechs Farben aufzuhören und weitere Gruppen durch Formen, Texturen oder direkte Beschriftungen zu unterscheiden.
Für Publikationen ist ein zurückhaltendes Schema mit starkem Helligkeitskontrast ein sichererer Ausgangspunkt als ein greller Regenbogen. Die folgenden Optionen sind praktische Ausgangspunkte, keine offiziellen Vorgaben von Nature, Cell, IEEE oder The Lancet.
Palette
Anwendungsfall
Beispiel-HEX-Werte
Gedämpfte kategoriale Palette
Bis zu 6 Gruppen in Balken-/Liniendiagrammen
#4E79A7#F28E2B#59A14F#E15759#B07AA1#76B7B2
Kühle Palette im Nature-Stil
Vergleiche von zwei bis drei Gruppen
#386CB0#7FC97F#BEAED4
Sequenziell (einfarbig)
Geordnete Daten, Dichte, Wertausprägung
#F7FBFF#9ECAE1#4292C6#08519C
Divergierend
Daten mit bedeutsamem Mittelpunkt (z. B. log-Fold-Change)
#B2182B#F4A582#F7F7F7#92C5DE#2166AC
Zwei Regeln tragen den größten Teil des Nutzens. Verwenden Sie sequenzielle Paletten (innerhalb eines Farbtons von hell nach dunkel abgestuft) für geordnete oder kontinuierliche Daten und divergierende Paletten für Daten, die um einen bedeutsamen Nullpunkt zentriert sind. Reservieren Sie kategoriale Paletten für ungeordnete Gruppen und begrenzen Sie die Anzahl auf etwa sechs — darüber hinaus unterscheiden Sie Gruppen durch Form oder Textur, nicht durch mehr Farben.
Wenn Sie eine schnelle Entscheidungsregel brauchen, denken Sie in drei Grundtypen. Qualitative Paletten eignen sich für unterschiedliche Kategorien in wissenschaftlichen Plots und Diagrammen, sequenzielle Paletten für zunehmende Werte und divergierende Paletten für Werte, die um einen bedeutsamen Mittelpunkt auseinanderlaufen. Für schematische wissenschaftliche Diagramme — im Gegensatz zu Datendiagrammen — sollte die Palette noch enger gefasst sein: Ordnen Sie Farben semantischen Rollen wie Molekülklassen, Kompartimenten oder Zuständen zu, statt zusätzliche Farbtöne nur zur Dekoration zu verwenden.
Journal-Stil-Paletten im direkten Vergleich — gedämpft kategorial, sequenziell und divergierend — angewendet auf dasselbe Balkendiagramm und dieselbe Heatmap (Abbildung erstellt mit SciFig)
Farbenblindheitssichere Paletten und wie Sie sie prüfen
Eine farbenblindheitssichere Palette verringert das Risiko, dass Farbunterschiede für einen Teil Ihres Publikums verschwinden. Zwei etablierte Ausgangspunkte sind die Okabe-Ito-Palette und das in Wongs Leitfaden für Nature Methods vorgestellte Set. Beide setzen auf eine gute Unterscheidbarkeit bei häufigen Formen der Farbsehschwäche.
Der ursprüngliche Leitfaden zum Color Universal Design von Masataka Okabe und Kei Ito nennt ein Set aus acht Farben: #000000 (Schwarz), #E69F00 (Orange), #56B4E9 (Himmelblau), #009E73 (Bläulichgrün), #F0E442 (Gelb), #0072B2 (Blau), #D55E00 (Zinnoberrot) und #CC79A7 (Rötlichviolett). Es ist bewusst kein Regenbogen: Die Farben wurden so gewählt, dass sie bei Farbsehschwäche voneinander unterscheidbar bleiben.
Mit zwei Grundregeln wird jede Palette barriereärmer. Erstens: Kodieren Sie Bedeutung niemals allein mit Rot und Grün — kombinieren Sie Farbe mit einem zweiten Kanal wie Position, Form, Linienstil oder direkter Beschriftung. Zweitens: Prüfen Sie die Abbildung sowohl in Graustufen als auch mit einer Simulation für Farbsehschwäche. Der Graustufentest prüft den Helligkeitskontrast, ersetzt aber keine Simulation von Protanopie, Deuteranopie und Tritanopie. Das folgende Beispiel vergleicht eine Rot-Grün-Kodierung mit einer Okabe-Ito-Kodierung unter Deuteranopie.
Eine Abbildung zweimal gezeigt — Rot-Grün-Kodierung gegenüber Okabe-Ito-Palette — jeweils unter Deuteranopie simuliert, um zu zeigen, welche lesbar bleibt (Abbildung erstellt mit SciFig)
Vector Canvas-Bearbeitung in Aktion erleben
Bearbeiten Sie jede Form, jedes Label und jede Farbe im Live-Vektor-Canvas von SciFig - kein Illustrator erforderlich.
Die richtige Palette hängt davon ab, welche Aufgabe die Abbildung erfüllt, nicht vom persönlichen Geschmack. Den Palettentyp auf den Datentyp abzustimmen, ist ein sinnvoller erster Schritt bei der Farbgestaltung wissenschaftlicher Abbildungen.
Linien-, Balken- und andere wissenschaftliche Plots — eine gedämpfte kategoriale Palette, begrenzt auf etwa sechs Farben. Bei mehr Datenreihen teilen Sie in Small Multiples auf, statt Farben hinzuzufügen.
Boxplots und gruppierte Vergleiche — zwei bis vier kontrastreiche kategoriale Farben; halten Sie die Füllung innerhalb der Gruppe hell, damit die Medianlinie sichtbar bleibt.
Heatmaps — eine sequenzielle Palette für Werte, die nur in eine Richtung zunehmen, oder eine divergierende Palette, wenn es ein bedeutsames Zentrum gibt (Null, Baseline, Kontrolle). Vermeiden Sie Regenbogen-Heatmaps vollständig.
Kreisdiagramme — wenn Sie unbedingt eines verwenden müssen, begrenzen Sie es auf fünf Segmente, ordnen Sie diese klar und achten Sie auf ausreichenden Helligkeitskontrast benachbarter Segmente. Die besten Farben für Kreisdiagramme sind klar unterscheidbar, aber nicht grell.
Kombinationsdiagramme — geben Sie der Hauptserie eine stärker gesättigte Akzentfarbe und halten Sie unterstützende Balken, Flächen oder Linien zurückhaltend. Die beste Farbkombination für ein Kombinationsdiagramm macht die visuelle Hierarchie sofort klar.
Signalweg- und Mechanismus-Diagramme — eine kleine Palette, in der Farbe etwas bedeutet (etwa ein Farbton pro Molekülklasse), nicht eine andere Farbe pro Objekt. Konsistenz über die Abbildung hinweg zählt mehr als Vielfalt.
Der übergreifende Grundsatz lautet: Farbe sollte den Leseaufwand verringern, nicht erhöhen. Gute Farbpaletten für Diagramme sehen nicht nur gut aus, sie machen Kategorien, Ordnung und Hervorhebungen auf einen Blick lesbar. Wenn eine Palette Sie wiederholt zur Legende greifen lässt, tut sie das Gegenteil ihrer Aufgabe. Für die umfassendere Sammlung vermeidbarer Abbildungsfehler siehe 5 häufige Fehler bei der Erstellung wissenschaftlicher Abbildungen.
Wie Sie eine Farbpalette für wissenschaftliche Plots und Diagramme auswählen
Wenn Sie eine Palette für wissenschaftliche Plots statt für eine illustrative Grafik auswählen, ist ein systematisches Vorgehen sicherer als ein rein ästhetisches. Bestimmen Sie zuerst die Datenbeziehung: Kategorien brauchen eine qualitative Palette, zunehmende Werte eine sequenzielle Palette und Abweichungen um einen Mittelpunkt eine divergierende Palette.
Entscheiden Sie dann, was zuerst ins Auge fallen soll. In einem Kombinationsdiagramm bedeutet das meist, der dominanten Serie eine Akzentfarbe zu geben und unterstützende Serien zurückzunehmen. In einem Kreisdiagramm bedeutet es, weniger Segmente mit stärkerem Kontrast zu verwenden, statt acht ähnliche Farben nebeneinander zu stellen.
Prüfen Sie die Palette schließlich im realen Kontext: auf weißem Hintergrund, als Graustufenexport und unter Simulation von Farbsehschwäche. Wenn die Hierarchie in einer dieser Ansichten verschwindet, ist die Palette noch nicht publikationsreif.
Posterspezifische Farbpaletten
Poster verändern die Anforderungen an Farben, weil sich der Betrachtungsabstand ändert. Eine Palette, die im Maßstab einer Journal-Abbildung elegant wirkt, kann bei der Betrachtung aus zwei Metern Entfernung in einer Posterhalle verblassen. Deshalb brauchen Poster etwas stärkere Kontraste und eine engere Palette — oft nur zwei oder drei Farben plus Neutraltöne. Ein praktisches Schema kombiniert ein tiefes Marineblau oder Petrol für die Struktur mit einer einzelnen Akzentfarbe für den zentralen Befund auf weißem oder sehr hellem Hintergrund. Für Diagramme auf dem Poster gilt dieselbe Regel: weniger Farben, stärkere Kontraste und eine klar dominierende Botschaft.
Der Grundsatz bleibt derselbe wie bei Abbildungen, gilt für Poster aber noch strenger: weniger Farben, mehr Kontrast und Farbe für Bedeutung reserviert. Für die vollständige Anatomie eines funktionierenden Posters — Hierarchie, zentrale Abbildung und wie Farbe beides stützt — siehe unseren Leitfaden zu wissenschaftlichen Posterbeispielen.
Eine Palette mit SciFig konsistent anwenden
SciFigs wissenschaftlicher Farbpaletten-Generator hilft Ihnen, ein qualitatives, sequenzielles oder divergierendes Schema auszuwählen, und liefert die passenden HEX-Werte. Wenden Sie diese Werte im Vektor-Canvas an und ordnen Sie jeder Kategorie oder semantischen Rolle in allen Panels dieselbe Farbe zu.
Der Ablauf besteht aus drei Schritten: Wählen Sie den Palettentyp passend zur Datenbeziehung, übernehmen Sie ein dokumentiertes Set von HEX-Werten und verwenden Sie diese Zuordnung im gesamten Paper. Ist die Kontrollgruppe in Abbildung 1 blau, sollte sie auch in den Abbildungen 2 bis 6 blau bleiben. Eine kurze Übersicht der Farbzuordnungen verhindert solche Bedeutungsverschiebungen, wenn mehrere Panels oder mehrere Mitwirkende beteiligt sind.
Prüfen Sie das Ergebnis anschließend in Graustufen und mit einer Simulation für Farbsehschwäche. Kontrollieren Sie vor der Einreichung außerdem jede Legendenbeschriftung und jeden Datenwert. Weitere Qualitätsprüfungen finden Sie im Leitfaden zu publikationsreifen Abbildungen mit kleinem Budget; visuelle Beispiele zeigt die Inspirationsgalerie.
Vorher-Nachher-Vergleich eines Konturdiagramms mit Regenbogen-Colormap und zurückhaltender sequenzieller Palette (Abbildung erstellt mit SciFig)
Abbildungen im Vector Canvas verfeinern
Offnen Sie jede KI-generierte Abbildung im bearbeitbaren Canvas - geschichtetes SVG, 8K PNG oder bearbeitbares PPTX.
Für die meisten Abbildungen ist eine gedämpfte kategoriale Palette mit ungefähr sechs Farben ein sinnvoller Standard. Verwenden Sie für geordnete Daten eine einfarbige sequenzielle Palette und für Daten mit einem aussagekräftigen Mittelpunkt eine divergierende Palette. Wenn Sie ein zurückhaltendes und zugleich barrierearmes kategoriales Set suchen, ist Okabe-Ito ein weitverbreiteter Ausgangspunkt.
Eine farbenblindheitssichere Palette ist so angelegt, dass Unterschiede auch bei häufigen Formen der Farbsehschwäche erkennbar bleiben. Laut Wongs Leitfaden in Nature Methods betrifft die häufige Rot-Grün-Form bei Menschen nordeuropäischer Abstammung bis zu 8 % der Männer und 0,5 % der Frauen. Verlassen Sie sich nie allein auf Rot und Grün, sondern ergänzen Sie Farbe durch Form, Position, Linienstil oder direkte Beschriftungen.
Begrenzen Sie kategoriale Farben als praktischen Ausgangspunkt auf etwa sechs. Bei mehr Gruppen helfen Formen, Texturen, direkte Beschriftungen oder Small Multiples besser als zusätzliche Farbtöne. Sequenzielle und divergierende Paletten bilden kontinuierliche Bereiche statt einzelner Kategorien ab; für sie gilt diese Anzahlregel daher nicht auf dieselbe Weise.
Eine gute Palette für ein wissenschaftliches Diagramm verwendet nur wenige, semantisch konsistent eingesetzte Farben: Jeder Farbton ist einer Rolle wie einer Molekülklasse, einem Kompartiment oder einem biologischen Zustand zugeordnet, statt nur dekorativ eingesetzt zu werden. In den meisten Fällen reichen drei bis fünf klar getrennte Farben plus Neutraltöne. Wenn Sie schneller starten wollen, kann SciFigs wissenschaftlicher Farbpaletten-Generator eine für Diagramme geeignete Palette mit HEX-Werten vorschlagen.
Die besten Farben für ein wissenschaftliches Kreisdiagramm setzen auf starken Kontrast, wenige Segmente und eine zurückhaltende Palette: meist drei bis fünf Abschnitte mit klar unterscheidbaren Farbtönen und Helligkeitswerten. Vermeiden Sie Regenbogenfolgen sowie ähnlich helle Farbtöne direkt nebeneinander. Wenn Sie mehr als fünf Kategorien benötigen, ist ein Balkendiagramm meist die bessere wissenschaftliche Wahl.
Für die meisten Kombinationsdiagramme funktioniert eine stärker gesättigte Akzentfarbe für die Hauptserie und ruhigere Farben für unterstützende Serien am besten. Eine dunkelblaue Linie kann beispielsweise die Hauptaussage tragen, während graue oder sanfte petrolfarbene Balken Kontext liefern, ohne zu konkurrieren. Ziel ist eine klare visuelle Hierarchie, nicht die gleich starke Betonung aller Reihen.
Die Regenbogen- oder Jet-Colormap erzeugt falsche visuelle Grenzen, weil ihre Farbstufen nicht wahrnehmungsgleichmäßig sind. Manche Übergänge wirken dadurch schärfer, als es die zugrunde liegenden Daten rechtfertigen. Der Perspektivbeitrag aus Nature Communications von 2020 weist außerdem auf Probleme mit der Barrierefreiheit hin. Verwenden Sie für Werte, die nur in eine Richtung zunehmen, stattdessen eine wahrnehmungsgleichmäßige sequenzielle Palette.
Definieren Sie die Palette einmal als Satz von HEX-Werten und ordnen Sie jeder Kategorie in allen Abbildungen dieselbe Farbe zu. SciFigs Farbpaletten-Generator liefert die Werte; im Vektor-Canvas können Sie sie beim Bearbeiten anwenden. Halten Sie die Zuordnung in einer kurzen Übersicht fest, damit alle Mitwirkenden dieselbe Kodierung verwenden.
Weiterarbeiten
Empfohlene Ressourcen
Vorlagen, Tools und weiterführende Artikel für Ihre Forschung
