Publikationsreife und farbenblindheitssichere Farbpaletten für wissenschaftliche Abbildungen, Diagramme, Kreisdiagramme und Kombinationscharts mit HEX-Werten.
SciFig Team
Scientific Illustration Experts
Farbe ist der schnellste Weg, eine wissenschaftliche Abbildung professionell wirken zu lassen — und der schnellste Weg, sie amateurhaft wirken zu lassen. Dieselben Daten, geplottet mit einem Excel-Standard-Regenbogen gegenüber einer zurückhaltenden Vierfarbpalette, lesen sich entweder als Schülerprojekt oder als Nature-Einreichung. Gutachter bilden sich diesen Eindruck in der ersten Sekunde, bevor sie eine einzige Achsenbeschriftung lesen.
Dieser Leitfaden gibt Ihnen publikationsreife Farbpaletten mit kopierbaren HEX-Werten, die wissenswerten Journal-Konventionen und Anwendungshinweise für wissenschaftliche Plots, Kreisdiagramme, Heatmaps, Poster und Signalwege. Er behandelt auch die eine Einschränkung, die zu viele Abbildungen noch ignorieren: Rund 8 % der Männer und 0,5 % der Frauen haben eine Form von Farbsehschwäche, was bedeutet, dass eine Palette, die den Farbenblindheitstest nicht besteht, für einen erheblichen Teil Ihres Publikums unlesbar ist — Gutachter eingeschlossen.
Ein Raster aus wissenschaftlichen Farbpaletten-Mustern mit HEX-Werten, das sequenzielle, divergierende und kategoriale Schemata umfasst (Abbildung erstellt mit SciFig)
Warum Farbe über Lesbarkeit und Annahme entscheidet
Farbe in einer wissenschaftlichen Abbildung ist keine Dekoration — sie ist ein Kodierungskanal, und sie trägt entweder Information oder fügt Rauschen hinzu. Eine gut gewählte Palette macht Kategorien sofort unterscheidbar, lenkt den Blick zum Schlüsselergebnis und übersteht sowohl Graustufendruck als auch farbenblindes Betrachten. Eine schlecht gewählte zwingt die Leserin zur Arbeit, und eine müde Gutachterin, die arbeiten muss, neigt dazu, sich abzuwenden.
Drei Fehlermuster wiederholen sich. Die Regenbogenpalette (die alte Jet-Colormap) erzeugt falsche Grenzen, wo die Daten kontinuierlich sind, weil das menschliche Auge ihre Farbschritte nicht als gleich wahrnimmt. Rot-Grün-Kodierung ist für die häufigste Form der Farbenblindheit unsichtbar, bleibt aber der Standard für „gut vs. schlecht". Und zu viele Kategorien — mehr als etwa acht verschiedene Farben — übersteigt, was jemand im Arbeitsgedächtnis halten kann, sodass eine Legende mit zwölf Farben zur Nachschlagetabelle wird, die die Leserin aufgibt. Die folgenden Paletten sind so gewählt, dass sie alle drei vermeiden.
Top-Journals schreiben keine exakten Paletten vor, aber ihre veröffentlichten Abbildungen konvergieren zu einem erkennbaren Hausstil: gedämpfte, niedrig gesättigte Farben mit starkem Helligkeitskontrast. Diesen Stil zu treffen, signalisiert „das gehört hierher", bevor eine Gutachterin die Bildunterschrift liest. Unten finden Sie Startpaletten, die an gängige Journal-Ästhetiken angelehnt sind.
Palette
Anwendungsfall
Beispiel-HEX-Werte
Gedämpft kategorial
Bis zu 6 Gruppen in Balken-/Liniendiagrammen
#4E79A7#F28E2B#59A14F#E15759#B07AA1#76B7B2
Nature-Stil kühl
Vergleiche von zwei bis drei Gruppen
#386CB0#7FC97F#BEAED4
Sequenziell (einfarbig)
Geordnete Daten, Dichte, Größenordnung
#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 (hell-nach-dunkel eines Farbtons) 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 Familien. Qualitative Paletten eignen sich für unterschiedliche Kategorien in wissenschaftlichen Plots und Diagrammen, sequenzielle Paletten für ansteigende Größenordnungen und divergierende Paletten für Werte, die um einen bedeutsamen Mittelpunkt auseinanderlaufen. Für wissenschaftliche Diagramme statt Charts sollte die Palette noch strenger sein: Farben kodieren semantische Rollen, nicht Dekoration.
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 warum sie nicht verhandelbar sind)
Eine farbenblindheitssichere Palette ist keine Barrierefreiheits-Nettigkeit — sie ist eine Voraussetzung dafür, dass Ihre Abbildung von allen korrekt gelesen wird, und mehrere Journals empfehlen sie inzwischen ausdrücklich. Die beiden bestgetesteten Optionen sind die Okabe-Ito-Palette und Wongs Palette, beide so entworfen, dass jedes Farbpaar über die gängigen Formen der Farbsehschwäche hinweg unterscheidbar bleibt.
Das Okabe-Ito-Achtfarbenset ist das am häufigsten zitierte: #000000 (Schwarz), #E69F00 (Orange), #56B4E9 (Himmelblau), #009E73 (Bläulichgrün), #F0E442 (Gelb), #0072B2 (Blau), #D55E00 (Zinnoberrot) und #CC79A7 (Rötlichviolett). Es ist absichtlich kein Regenbogen — die Farben wurden für Kontrast bei Sehschwäche ausgewählt, nicht für visuelle Hübschheit, und genau deshalb funktioniert es.
Zwei Gewohnheiten machen jede Palette sicherer. Erstens: Kodieren Sie Bedeutung niemals allein mit Rot vs. Grün — paaren Sie Farbe mit einem zweiten Kanal wie Position, Form oder einer direkten Beschriftung. Zweitens: testen Sie in Graustufen — wenn Ihre Abbildung auch entsättigt noch lesbar ist, übersteht sie sowohl farbenblindes Betrachten als auch den Schwarzweißdruck, den einige Journals noch verwenden. Das folgende Beispiel zeigt dieselbe Abbildung in einer Rot-Grün-Kodierung gegenüber einer Okabe-Ito-Kodierung, simuliert unter Deuteranopie. Das gilt genauso für Kreisdiagramme, Kombinationscharts und mehrteilige Figuren wie für klassische Balkendiagramme.
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)
Abbildungs-Verbesserung in Aktion erleben
Skalieren Sie jede bestehende wissenschaftliche Abbildung hoch, farben Sie um oder beschriften Sie neu - bis zur 8K journalreifen Qualitat.
Die richtige Palette hängt davon ab, was die Abbildung leistet, nicht vom persönlichen Geschmack. Den Palettentyp dem Datentyp anzupassen ist die einzelne wirkungsvollste Entscheidung bei der Abbildungsfarbe.
Linien-, Balken- und andere wissenschaftliche Plots — eine gedämpft 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 einseitige Größenordnung 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 Pie Charts sind unterscheidbar, nicht laut.
Kombinationsdiagramme — geben Sie der Hauptserie eine stärker gesättigte Akzentfarbe und halten Sie unterstützende Balken, Flächen oder Linien zurückhaltend. Die beste Farbkombination für ein Combo Chart 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.
Das verbindende Prinzip: Farbe sollte die Arbeit der Leserin verringern, nicht vergrößern. 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 man eine Farbpalette für wissenschaftliche Plots und Diagramme auswählt
Wenn Sie eine Palette für wissenschaftliche Plots statt für eine illustrative Grafik auswählen, ist ein prozessuales Vorgehen sicherer als ein rein ästhetisches. Bestimmen Sie zuerst die Datenbeziehung: Kategorien brauchen eine qualitative Palette, zunehmende Größenordnungen eine sequenzielle Palette und Abweichungen um einen Mittelpunkt eine divergierende Palette.
Entscheiden Sie dann, was die Leserin zuerst sehen 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 Farbmathematik, weil sich der Betrachtungsabstand ändert. Eine Palette, die im Maßstab einer Journal-Abbildung elegant ist, kann über eine zwei Meter entfernte Posterhalle hinweg verblassen, daher bevorzugen Poster etwas höheren Kontrast und eine engere Palette — oft nur zwei oder drei Farben plus Neutraltöne. Ein häufig erfolgreiches Schema paart ein tiefes Marineblau oder Petrol für die Struktur mit einer einzelnen Akzentfarbe, die dem Schlüsselbefund vorbehalten ist, auf weißem oder sehr hellem Hintergrund. Dieselbe Regel gilt für Diagramme auf dem Poster: weniger Farben, stärkerer Kontrast und eine klar dominante Botschaft.
Die Disziplin ist dieselbe wie bei Abbildungen, nur 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.
Paletten mit einem Klick anwenden in SciFig
Die richtige Palette zu wählen ist das eine Problem; sie konsistent über jede Abbildung in einem Paper hinweg anzuwenden, ist ein anderes. Eine mehrteilige Abbildung manuell auf eine Journal-Palette umzufärben und sie dann erneut auf Farbenblindheitssicherheit zu prüfen, ist die Art mühsamer Arbeit, die unter Termindruck übersprungen wird. SciFigs Figure-Enhancer übernimmt den Umfärbeschritt: Er wendet eine gewählte Palette über die Elemente einer Abbildung an und hält das Schema konsistent, sodass Sie HEX-Werte nicht Panel für Panel von Hand abgleichen.
Der Arbeitsablauf ist unkompliziert — erzeugen oder importieren Sie Ihre Abbildung, wählen Sie eine Palette (journalkonform oder farbenblindheitssicher) und lassen Sie das Werkzeug sie einheitlich anwenden. Die Abbildungen bleiben publikationsreif ohne die manuelle Farbverwaltung. Um zu sehen, wie echte Abbildungen mit disziplinierten Paletten aussehen, stöbern Sie in der Inspirationsgalerie.
Wenn Sie noch in der Auswahlphase sind, beginnen Sie mit SciFigs wissenschaftlichem Farbpaletten-Generator. Geben Sie an, ob Sie Farben für Balkendiagramme, Kreisdiagramme, Kombinationsdiagramme oder wissenschaftliche Diagramme benötigen, und Sie erhalten eine Palette mit HEX-Werten, die Sie direkt anwenden können. Wenn Sie sofort eine Palette für ein wissenschaftliches Diagramm brauchen, ist das der schnellste zugängliche Startpunkt.
Vorher und nachher: eine Abbildung, umgefärbt von einer Standard-Regenbogenpalette zu einer farbenblindheitssicheren Journal-Palette in SciFigs Figure-Enhancer (Abbildung erstellt mit SciFig)
Jede bestehende Abbildung verbessern
Laden Sie Ihre Abbildung hoch - korrigieren Sie Label, skalieren Sie auf 8K hoch und exportieren Sie publikationsreife Ergebnisse.
Für die meisten Abbildungen funktioniert eine gedämpft kategoriale Palette, begrenzt auf etwa sechs Farben, am besten — sie bietet klare Unterscheidung, ohne die Leserin zu überfordern. Für geordnete Daten verwenden Sie eine einfarbige sequenzielle Palette, und für Daten mit bedeutsamem Mittelpunkt eine divergierende Palette. Wenn Sie eine Palette wollen, die zugleich professionell und barrierefrei ist, ist das farbenblindheitssichere Okabe-Ito-Set der am häufigsten empfohlene Startpunkt.
Eine farbenblindheitssichere Palette ist ein Farbsatz, der so gewählt ist, dass jedes Paar über die gängigen Formen der Farbsehschwäche hinweg unterscheidbar bleibt, die rund 8 % der Männer betreffen. Die beiden bestgetesteten Optionen sind die Okabe-Ito-Palette und Wongs Palette. Die entscheidenden Gewohnheiten sind, Bedeutung niemals allein mit Rot gegen Grün zu kodieren und Farbe mit einem zweiten Kanal wie Form, Position oder einer direkten Beschriftung zu paaren.
Nature, Cell und ähnliche Top-Journals schreiben keine exakten Paletten vor, aber ihre veröffentlichten Abbildungen konvergieren zu gedämpften, niedrig gesättigten Farben mit starkem Helligkeitskontrast — nicht zu grellen oder Regenbogenschemata. Eine gedämpft kategoriale Palette (sanfte Blau-, Orange-, Grün- und gedämpfte Rottöne) für gruppierte Daten, plus sequenzielle und divergierende Paletten für kontinuierliche Daten, trifft diesen Hausstil sehr genau.
Begrenzen Sie kategoriale Farben auf etwa sechs. Darüber hinaus kann die Leserin die Legende nicht im Arbeitsgedächtnis halten, also unterscheiden Sie weitere Gruppen durch Form, Textur oder Small Multiples statt durch mehr Farben. Sequenzielle und divergierende Paletten nutzen einen kontinuierlichen Bereich statt diskreter Kategorien, sodass die „Anzahl"-Regel für sie nicht gilt — sie sollten aber dennoch einen einzelnen Farbton (sequenziell) oder zwei Farbtöne um einen Mittelpunkt (divergierend) verwenden.
Eine gute Palette für ein wissenschaftliches Diagramm verwendet nur wenige, aber sehr konsistente Farben, sodass jeder Farbton eine Rolle wie Molekülklasse, Kompartiment oder biologischen Zustand markiert, statt nur dekorativ zu sein. In den meisten Fällen reichen drei bis fünf klar getrennte Farben plus Neutraltöne. Wenn Sie schneller starten wollen, kann SciFigs wissenschaftlicher Farbpaletten-Generator eine solide Basis mit HEX-Werten liefern.
Gute Farbpaletten für Diagramme machen Kategorien, Reihenfolge und Hervorhebungen sofort lesbar, ohne dass man ständig zur Legende zurückspringen muss. Für gruppierte Balken- und Liniendiagramme bedeutet das meist eine gedämpft kategoriale Palette, für kontinuierliche Werte eine sequenzielle und für Vergleiche um einen Mittelpunkt eine divergierende. Die beste Wahl hängt von der Datenbeziehung ab, nicht von der spektakulärsten Einzelfarbe.
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 Helligkeiten. Vermeiden Sie Regenbogenreihenfolgen und vermeiden Sie ähnlich mittlere Töne direkt nebeneinander. Wenn Sie mehr als fünf Kategorien brauchen, ist ein Balkendiagramm meist die bessere wissenschaftliche Wahl.
Bestimmen Sie zuerst die Datenstruktur: qualitative Paletten für Kategorien, sequenzielle für zunehmende Größenordnungen und divergierende für Werte um einen bedeutsamen Mittelpunkt. Begrenzen Sie dann die Gesamtzahl der Farben, testen Sie die Palette in Graustufen und unter Simulation von Farbsehschwäche und stellen Sie sicher, dass die wichtigste Serie sofort hervorsticht. Eine Palette für wissenschaftliche Plots sollte Struktur klären, nicht dekorieren.
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 visuelle Hierarchie, nicht Gleichgewicht um jeden Preis.
Die Regenbogen- oder Jet-Colormap erzeugt falsche visuelle Grenzen, wo die Daten kontinuierlich sind, weil das menschliche Auge ihre Farbschritte nicht als wahrnehmungsgleich empfindet — manche Übergänge wirken schärfer, als es die zugrunde liegenden Daten rechtfertigen. Sie besteht zudem den Farbenblindheitstest nicht. Verwenden Sie stattdessen eine wahrnehmungsgleichmäßige sequenzielle Palette (hell-nach-dunkel eines Farbtons), die Größenordnung ehrlich darstellt und in Graustufen lesbar bleibt.
Definieren Sie Ihre Palette einmal (als Satz von HEX-Werten) und wenden Sie sie auf jede Abbildung an, wobei jede Datenkategorie durchgehend derselben Farbe zugeordnet bleibt. Dies von Hand über mehrteilige Abbildungen hinweg zu tun, ist fehleranfällig, daher spart ein Werkzeug, das eine Palette einheitlich anwendet — wie SciFigs Figure-Enhancer — den manuellen Farbabgleich und hält den gesamten Abbildungssatz für die Einreichung visuell kohärent.
Empfohlener nächster Schritt
Passende SciFig-Ressourcen
Vertiefe das Thema mit den für diesen Artikel relevantesten SciFig-Seiten.
