Choroplethenkarte: Definition, Beispiele und Aufbau per API

Die Choroplethenkarte ist die häufigste thematische Karte, der Sie in Nachrichten, in Policy-Berichten und auf Unternehmens-Dashboards begegnen. Wenn Sie schon einmal eine Wahlkarte nach Marge, eine COVID-Karte nach Fallrate oder eine BIP-Karte nach Einkommen gesehen haben, dann haben Sie eine Choroplethenkarte gelesen.

Dieser Guide erklärt, was eine Choroplethenkarte ist, wann man sie einsetzt, welche Fehler am häufigsten passieren und wie Sie eine produktionsreife Choroplethenkarte mit einer Vektor-Tile-API bauen.

Die Definition in einem Satz

Eine Choroplethenkarte färbt jede Region der Karte anhand eines einzelnen numerischen Werts ein, der für diese Region gemessen wurde, und nutzt eine Farbskala zur Kodierung der Magnitude.

Das Wort stammt aus dem Griechischen khoros (Fläche) und plethos (Menge). Es geht auf französische Statistiker der 1820er-Jahre zurück und ist seitdem das Arbeitspferd der thematischen Kartografie.

Beispiele für Choroplethenkarten

Klassische Anwendungsfälle:

• Bevölkerungsdichte pro Land, Bundesland oder Postleitzahl
• Wahlergebnisse pro Wahlkreis, mit Farbintensität für die Marge
• BIP pro Kopf pro Land, oft auf logarithmischer Skala
• Arbeitslosenquote pro Region
• COVID-Fallrate pro 100.000 Einwohner pro Landkreis
• Durchschnittlicher Immobilienpreis pro Stadtteil
• Breitband-Verbreitung pro Zählbezirk
• Ernteertrag pro Agrarregion

Das verbindende Element ist immer dasselbe: eine einzige Zahl pro vordefinierter Region.

Choroplethenkarte vs. Heatmap

Beide werden oft verwechselt. Der Unterschied ist wichtig.

Eine Choroplethenkarte braucht vordefinierte Regionen. Die Daten sind bereits aggregiert. Jede Region bekommt eine Farbe. Die Grenzen sind Teil der Aussage.

Eine Heatmap braucht Punktdaten. Die Dichte wird per Binning oder Kernel-Smoothing berechnet. Das Ergebnis ist ein kontinuierlicher Verlauf, der Verwaltungsgrenzen ignoriert. Geeignet für Cluster-Entdeckung, nicht für Regionenvergleich.

Wenn Sie eine Zahl pro Postleitzahl haben, nehmen Sie eine Choroplethenkarte. Wenn Sie eine Wolke aus GPS-Pings haben, nehmen Sie eine Heatmap.

Aufbau einer Choroplethenkarte

Drei Zutaten:

1. Grenzgeometrie. Ein Satz GeoJSON-Polygone (oder Vektor-Tile-Layer) für die Regionen, die Sie einfärben wollen, jeweils mit stabiler Kennung (z. B. ISO-Ländercode, US-State-FIPS, EU-NUTS-Code, Postleitzahl).
2. Ein Datenwert pro Region. Ein einfaches JSON-Objekt oder eine CSV, geschlüsselt nach derselben Kennung.
3. Ein Renderer, der beides verknüpft. Moderne Web-Mapping-Bibliotheken (MapLibre GL, Mapbox GL, deck.gl, OpenLayers) können Daten zur Laufzeit per Feature-State oder Property-Expression an Grenzen koppeln.

So sieht das Muster konzeptionell in MapLibre GL JS aus:

map.addSource('regions', {
  type: 'vector',
  url: 'https://api.mapatlas.xyz/v1/tiles/regions.json',
});

map.addLayer({
  id: 'regions-fill',
  type: 'fill',
  source: 'regions',
  'source-layer': 'regions',
  paint: {
    'fill-color': [
      'interpolate',
      ['linear'],
      ['feature-state', 'value'],
      0,   '#f7fbff',
      50,  '#6baed6',
      100, '#08306b',
    ],
    'fill-opacity': 0.8,
  },
});

// Push your data to each feature at runtime
for (const [regionId, value] of Object.entries(yourData)) {
  map.setFeatureState(
    { source: 'regions', sourceLayer: 'regions', id: regionId },
    { value }
  );
}

Die Karte lädt die Grenz-Tiles einmal und re-styled sie, wenn sich Ihre Daten ändern. Kein serverseitiges Re-Rendering nötig.

Die richtige Farbskala wählen

Drei Regeln:

Sequentiell für eindirektionale Daten. Hell nach dunkel in einem Farbton. Für Größen, die von niedrig nach hoch laufen ohne sinnvollen Mittelpunkt (Bevölkerung, Einkommen, Quote).

Divergierend für zweidirektionale Daten. Ein neutraler Mittelpunkt und zwei Farbtöne nach außen (Rot und Blau, Braun und Türkis). Geeignet, wenn Null oder der Mittelwert sinnvoll ist und Werte auf beiden Seiten liegen können (Jahreswachstum, Wahlmarge, Abweichung vom Mittel).

Regenbogenskalen vermeiden. Sie suggerieren eine Ordnung, die die menschliche Wahrnehmung nicht gleichmäßig abbildet. Außerdem versagen sie bei farbsehgeschwächten Nutzern. ColorBrewer (colorbrewer2.org) ist der kartografisch erprobte Standard für Choropleth-Paletten.

Ein typischer Fehler sind zu viele Klassen. Fünf bis sieben sind der Sweet Spot. Mehr, und benachbarte Töne lassen sich nicht mehr unterscheiden.

Die Klassifikationsfrage

Wenn die Skala steht, müssen Sie entscheiden, wo die Klassengrenzen liegen:

• Gleiche Intervalle. Teilt den Wertebereich in gleich große Stücke. Gut für gleichverteilte Daten, scheitert bei Ausreißern.
• Quantile. Jede Klasse enthält dieselbe Anzahl Regionen. Hilfreich, wenn jeder Ton sichtbar sein soll, kann aber Größenunterschiede verbergen.
• Natural Breaks (Jenks). Minimiert die Varianz innerhalb der Klassen. Der datengetriebenste Default.
• Manuell. Wenn die Klassengrenzen Bedeutung tragen (z. B. Steuerstufen, demografische Schwellen).

Die Wahl beeinflusst die Geschichte, die die Karte erzählt. Veröffentlichen Sie die Klassifikationsmethode in jedem ernsthaften Bericht.

Häufige Stolperfallen

Flächen-Bias. Große, dünn besiedelte Regionen dominieren das Bild visuell. Eine Choroplethenkarte zu US-Präsidentschaftswahlen, gefärbt nach Marge, wirkt überwiegend rot, weil ländliche Counties riesig sind. Kartogramme oder Dot-Density-Karten beheben das.

Rohzahlen statt Raten. Eine Karte mit "COVID-Fällen pro Bundesland" ist im Wesentlichen eine Bevölkerungskarte. Normalisieren Sie immer nach Bevölkerung, Fläche oder einer anderen Bezugsgröße, außer der absolute Wert ist tatsächlich die Aussage.

Irreführende Skala. Quantil-Skalen lassen jede Karte interessant wirken, selbst wenn die Streuung winzig ist. Gleiche Intervalle lassen jede Karte flach wirken, sobald es Ausreißer gibt. Passen Sie die Klassifikation an die Frage an.

Fehlende Daten. Entscheiden Sie vorab, ob eine Region ohne Datum grau erscheint, weggelassen wird oder wie Null gefärbt wird. Jede Wahl verändert die Lesart.

Wann ein anderes Diagramm besser passt

Wenn Ihre Daten pro Region multivariat sind, plättet eine Choroplethenkarte sie. Alternativen:

• Small Multiples. Ein Gitter aus Choroplethenkarten, eine pro Variable.
• Bivariate Choroplethenkarte. Zwei Variablen, kodiert als 2D-Farbgitter. Schwer lesbar, aber stark, wenn es funktioniert.
• Kartogramm. Verzerrt die Regionengröße entlang des Werts, hilfreich bei dominantem Flächen-Bias.
• Balkendiagramm auf der Karte. Manchmal sind die Daten nur eine Tabelle und die Karte ist Dekoration.

Kartografie ist Kommunikation. Die Choroplethenkarte ist ein Werkzeug unter vielen.

Wo MapAtlas ins Spiel kommt

Die Dynamic Maps API liefert Vektor-Tile-Quellen für Länder-, Regionen- und Postleitzahlengrenzen, die Sie zur Laufzeit mit Ihren eigenen Daten stylen können, genau wie im MapLibre-Snippet oben. Die Grenzen werden in der EU gehostet, sind versionsgestempelt und sauber gegen die Standard-IDs (ISO 3166, NUTS, nationale Postleitzahlsysteme) joinbar.

Für Seiten, die aggregierte Kennzahlen pro Region anzeigen müssen (Immobilienpreis pro Postleitzahl, Lieferkosten pro Region, Umsatz pro Gebiet), liefert die GeoEnrich API die Werte pro Region geschlüsselt nach denselben Grenz-IDs, sodass derselbe Join für Karte und Tabellen funktioniert. Den vollständigen Hintergrund zu thematischen Karten finden Sie im Thematic Map Guide.