methodatlas
Operations

Scatter Diagram

Zeichnet Datenpaare als Punktdiagramm, um vermutete Zusammenhänge, Ausreißer und Korrelationsstärke zu prüfen.

Kernfrage
Zeigen die gepaarten Daten ein Muster, das die vermutete Ursache-Wirkungs-Hypothese stützt, widerlegt oder offen lässt?
NiedrigWorkshop + Async30-90 min
Runsheet öffnenSession planenVergleich starten
Zweck

Bei der Frage, ob zwei Messgrößen zusammenhängen, macht die Methode Muster im Datenbild sichtbar. Sie trennt gefühlte Zusammenhänge von Beziehungen, die sich tatsächlich im Verlauf zeigen.

Funktionsweise

Messpaare werden über einen Zeitraum gesammelt und als Punktwolke gelesen. Aus Richtung, Streuung und Ausreißern ergibt sich ein erstes Bild über mögliche Zusammenhänge und Grenzen der Aussagekraft. So wird Korrelation prüfbar, ohne sie vorschnell mit Ursache zu verwechseln.

Visuelle Orientierung

Methodenskizze für ein schnelles Grundgefühl.

Scatter Diagram · Ursache-Wirkungs-Hypothese mit Daten prüfenDatenpaare aus vermuteter Ursache und messbarem Effekt als Punktwolke auftragen, Muster und Ausreißer beschreiben
Scatter DiagramDas Visual zeigt eine Ursache-Wirkungs-Hypothese, Datenpunkte als Scatter Plot, Trendlinie, Ausreißer und Interpretationshinweise.Vermutete Zusammenhänge als Punktwolke prüfenEin Scatter Diagram zeigt, ob Daten eine Ursache-Wirkungs-Hypothese plausibel machen oder schwächen.Hypothesemehr Wartezeit erhöhtFehlerquote?PunktdiagrammInterpretationpositive Tendenz, ein AusreißerprüfenKeine KausalitätKorrelation nur als nächsteHypothese behandelnvermutete Ursachemessbarer EffektTrendlinie

Ablauf

  1. 1Vermutete Ursache und messbaren Effekt benennen
  2. 2Datenpaare über einen Zeitraum sammeln
  3. 3Punktdiagramm zeichnen
  4. 4Muster, Cluster und Ausreißer beschreiben
  5. 5Korrelationsstärke einschätzen
  6. 6Ergebnis als Hypothese, nicht als Beweis interpretieren

Das Runsheet führt mit 5 Phasen, Timeboxen, 5 Stolperfallen und klaren Abbruchkriterien durch die Umsetzung.

Runsheet öffnen

Ideal für

  • Quantitative RCA
  • Prozess- und Qualitätsanalyse
  • Hypothesenprüfung mit Felddaten
  • Vorstufe zu vertiefter Analyse

Nicht gut für

  • Sehr kleine Datenmengen
  • Komplexe Multivariat-Zusammenhänge ohne Statistik
  • Schlussfolgerung auf Kausalität ohne Kontext

Vertiefung

Im Detail

Ein Scatter Diagram macht vermutete Zusammenhänge als Datenmuster sichtbar, bevor Ursachen behauptet werden. Saubere Messpaare, ausreichende Streuung und bewusste Betrachtung von Ausreißern bestimmen die Aussagekraft. Die Punktwolke hilft, Hypothesen zu stärken, zu schwächen oder Segmentierung nötig zu machen.

Durchführung

Prüfe, ob beide Messgrößen denselben Zeitraum, dieselbe Einheit und denselben Kontext teilen, bevor die Punktwolke interpretiert wird. Der Erkenntniswert steigt oft an Ausreißern stärker als an einer vorschnellen Trendlinie. Schließe mit einer Folgefrage für tiefergehende Analyse und vermeide jede vorschnelle Behauptung über Kausalität.

Output-Artefakte
Scatter PlotKorrelationsnotizHypothesenliste
Tags
root-causequalitycorrelationdatavisualization

Quellen

Scatter plot - Wikipediaen.wikipedia.org
Artefakt-Vorlagen
Scatter Diagram ArbeitsvorlageKompakte Arbeitsvorlage für Scatter Diagram mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
canvas

scatter-diagram-working-template.md

Kompakte Arbeitsvorlage für Scatter Diagram mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.

Scatter Diagram Canvas

Kontext

Wofür wird die Methode eingesetzt?

Kernfrage

Welche Frage soll am Ende beantwortet sein?

Input

Welche Daten, Beobachtungen oder Materialien liegen vor?

Arbeitsfläche

  • Bereich 1:
  • Bereich 2:
  • Bereich 3:
  • Beziehungen / Muster:

Ergebnisartefakte

  • Scatter Plot:
  • Korrelationsnotiz:
  • Hypothesenliste:

Offene Fragen

  • ...

Nächster Schritt

Owner, Datum, Erfolgssignal.

Wann stattdessen?

Kurze Entscheidungshilfe für vorhandene Alternativen.

Pareto Analysis

Statt Scatter Diagram, wenn du die wenigen wichtigsten Treiber hinter einem Ergebnis zuerst priorisieren willst.

Ähnliche Methoden

Alle Methoden
Operations
Root Cause Analysis

Trennt Ereignisse, Evidenz, bestätigte Ursachen und passende Maßnahmen, damit Analyse nicht zur Schuldsuche wird.

Operations
Root Cause Tree Analysis

Verzweigt ein Problem systematisch zu möglichen Ursachen, prüft Belege und leitet Gegenmaßnahmen ab.

Operations
DMAIC

Lenkt Verbesserungsarbeit von der Problemdefinition über Messung und Analyse bis zu Controls und dauerhaftem Transfer.

Operations
Fishbone Diagram

Ordnet mögliche Ursachen in Kategorien und schafft ein gemeinsames Bild für Untersuchung und nächste Tests.

Operations
Kepner-Tregoe

Trennt Situationsklärung, Ursachenanalyse, Entscheidung und Risiko, damit komplexe Probleme strukturiert lösbar werden.

Operations
8D Problem Solving

Koordiniert Team, Sofortmaßnahmen, Ursachenanalyse und Prävention in acht Schritten bis zur verifizierten Lösung.