ColorBrewer bietet erprobte sequenzielle, divergierende und qualitative Farbpaletten.
Ursprünglich wurde ColorBrewer von Cynthia Brewer und Mark Harrower an der Penn State als Kartografiewerkzeug entwickelt. Bis heute gehört es zu den meistgenutzten Palettenbibliotheken für wissenschaftliche Diagramme, weil es eine Aufgabe besonders gut löst: Die Paletten werden nach der Art der dargestellten Daten geordnet und darauf geprüft, ob sie bei Farbsehschwächen und im Graustufendruck funktionieren.
Zuerst den Palettentyp wählen
Eine ungeeignete Farbwahl in einer wissenschaftlichen Abbildung ist fast immer ein Typfehler und kein Geschmacksfehler. Ordnen Sie zuerst die Palettenfamilie dem Datentyp zu, bevor Sie einzelne Farben vergleichen.
| Datentyp | Palettenfamilie | Beispiel | Geeignet für |
|---|---|---|---|
| Ungeordnete Kategorien | Qualitativ | Set2, Dark2, Paired | Arten, Behandlungsgruppen, Bedingungen |
| Geordnet oder kontinuierlich | Sequenziell | Blues, Greens, YlOrRd | Konzentration, Anzahl, Dichte |
| Abweichung von einem Mittelpunkt | Divergierend | RdBu, RdYlBu, BrBG | Log-Fold-Change, Anomalie, Korrelation |
Eine divergierende Palette für sequenzielle Daten erfindet einen Mittelpunkt, den es nicht gibt. Eine sequenzielle Palette für Kategorien suggeriert eine Rangfolge, die nicht existiert. Beides führt Leserinnen und Leser in die Irre, noch bevor sie eine Achsenbeschriftung gelesen haben.
Abbildungs-Verbesserung in Aktion erleben
Skalieren Sie jede bestehende wissenschaftliche Abbildung hoch, farben Sie um oder beschriften Sie neu - bis zur 8K journalreifen Qualitat.
Werkzeug erkundenQualitative Paletten
#66C2A5 #FC8D62 #8DA0CB #E78AC3 #A6D854 #FFD92F #E5C494 #B3B3B3#1B9E77 #D95F02 #7570B3 #E7298A #66A61E #E6AB02 #A6761D #666666#A6CEE3 #1F78B4 #B2DF8A #33A02C #FB9A99 #E31A1C #FDBF6F #FF7F00 #CAB2D6 #6A3D9A #FFFF99 #B15928Bei Paired ist Vorsicht geboten: Nur die Paarbildung trägt Bedeutung. Verwenden Sie die Palette nicht für zwölf voneinander unabhängige Kategorien, denn die Farbpaare lassen Beziehungen vermuten, die Ihre Daten nicht belegen.
Sequenzielle und divergierende Paletten
#EFF3FF #BDD7E7 #6BAED6 #3182BD #08519C#CA0020 #F4A582 #F7F7F7 #92C5DE #0571B0#D7191C #FDAE61 #FFFFBF #ABD9E9 #2C7BB6Verankern Sie bei divergierenden Farbskalen die neutrale Farbe am inhaltlich sinnvollen Mittelpunkt. Reicht der Log-Fold-Change von -1 bis +4 und zentriert die Software die Skala am Wertebereich, liegt die neutrale Farbe bei +1,5. Die Abbildung wirkt dann so, als seien die meisten Gene herunterreguliert.
Für Farbsehschwächen geeignete Auswahl
Nicht jede ColorBrewer-Palette ist bei Farbsehschwächen zuverlässig; qualitative Paletten sind dabei am anfälligsten. Für die Praxis gelten folgende Regeln:
- Sequenzielle einfarbige Paletten (Blues, Greens, Purples) sind konstruktionsbedingt robust, da sie sich hauptsächlich in der Helligkeit unterscheiden.
- Set2 und Dark2 funktionieren mit drei bis vier Klassen gut; darüber nimmt die Unterscheidbarkeit ab.
- Paired ist nicht zuverlässig, weil die bedeutungstragenden Hell-Dunkel-Paare bei einer Farbsehschwäche zusammenfallen.
Tipp
ColorBrewer begrenzt die Zahl der Klassen bewusst. Bietet ein Schema höchstens 8 oder 9 Klassen, ist das eine Erkenntnis und keine technische Einschränkung: Oberhalb dieser Zahl können Leserinnen und Leser Farben nicht mehr zuverlässig einer Legende zuordnen. Nehmen Sie die Grenze als Signal, die Abbildung neu zu strukturieren.
Jetzt wissenschaftliche Abbildungen erstellen
Beschreiben Sie Ihre wissenschaftliche Abbildung in natürlicher Sprache - erhalten Sie publikationsreife Illustrationen in Minuten.
Kostenlos testenWeiterführende Artikel
Weiterführende Lektüre: Beste Farbpaletten für wissenschaftliche Abbildungen (2026), Abbildungen in eine Forschungsarbeit einfügen.
