Daten verstehen, Zusammenhänge erkennen, Prognosen treffen
Führt vom Beschreiben einzelner Datenreihen über Zusammenhänge bis zur begründeten Vorhersage.
Hast du ein Konto?
Logge dich ein, damit es beim Checkout schneller geht.
Praktische Ideen, neue Materialien und dein 10%-Willkommenscode per Mail.
Wir haben dir eine Bestätigungs-E-Mail geschickt. Ein Klick, und dein 10%-Code kommt automatisch.
Mathematik · Datenkompetenz & Statistik · Klasse 8–13
Unterrichtsmaterial, mit dem Ihre Lerngruppe echte Datensätze auswertet, Zusammenhänge beschreibt und Prognosen kritisch prüft. Sie erhalten vollständige Reihen zur beschreibenden und beurteilenden Statistik, ein Datenlabor zum Klimawandel und ein Escape-Room-Format, das die Manipulation von Statistiken zum Unterrichtsgegenstand macht.
Kurz gesagt: Datenkompetenz im Mathematikunterricht bedeutet, Daten zu erheben oder zu beschaffen, sie mit geeigneten Kennwerten und Diagrammen zusammenzufassen, Zusammenhänge zu beschreiben und die Reichweite der eigenen Aussagen einzuschätzen. Die Reihen auf dieser Seite decken diesen Weg von der Diagrammkritik in Klasse 8 bis zur Modellierung und Prognose in der Qualifikationsphase ab – durchgängig mit echten Datensätzen, digitalen Auswertungswerkzeugen und ausgearbeiteten Lösungen.
Kaum ein Bereich der Schulmathematik hat sich in den letzten Jahren so verändert wie die Stochastik. Wo früher Urnenmodelle und Würfelversuche genügten, begegnen Jugendliche heute täglich Datenvisualisierungen: Fieberkurven in Nachrichtenportalen, Balkendiagramme in sozialen Netzwerken, Verlaufsgrafiken in Sport-Apps. Der Mathematikunterricht ist das einzige Fach, das systematisch erklären kann, warum eine gestauchte Achse eine Entwicklung dramatisch aussehen lässt, warum ein Mittelwert ohne Streuungsmaß wenig aussagt und weshalb aus einem Zusammenhang keine Ursache folgt. Damit wird Datenkompetenz zu einer Aufgabe, die weit über die Statistikstunde hinausreicht.
Fachlich tragfähig wird der Zugang aber erst, wenn die Lernenden mit Daten arbeiten, die nicht für den Unterricht zurechtgelegt wurden. Echte Datensätze haben Lücken, Ausreißer und uneinheitliche Erhebungszeiträume – genau daran zeigt sich, was Auswertung heißt. Die Reihen dieser Seite setzen deshalb konsequent auf reale Quellen: Klimareihen, Wettkampf- und Leistungsdaten, Erhebungen aus dem Alltag der Lerngruppe. Die digitale Auswertung mit Tabellenkalkulation oder GeoGebra ersetzt dabei nicht das mathematische Denken, sondern schafft Zeit dafür: Wer die Rechenarbeit auslagert, kann über Modellwahl, Aussagekraft und Grenzen der Prognose sprechen.
Die folgenden Reihen lassen sich einzeln einsetzen oder zu einer durchgehenden Einheit von der Diagrammkritik bis zur Regression verbinden.
Führt vom Beschreiben einzelner Datenreihen über Zusammenhänge bis zur begründeten Vorhersage.
Rätselformat, in dem die Lerngruppe eine gefälschte Auswertung aufdeckt und rechnerisch widerlegt.
Arbeit mit langen Messreihen: Trends erkennen, Schwankungen einordnen, Aussagen belegen.
Zeigt Schritt für Schritt, wie Tabellenkalkulation und dynamische Software den Statistikunterricht tragen.
Statistik, Analysis und Modellierung an Wettbewerbsdaten – ein Anlass, der die Lerngruppe erreicht.
Bewährt hat sich ein Einstieg über eine irreführende Grafik. Die Lernenden beschreiben zunächst nur, was sie sehen, formulieren daraus eine Behauptung und prüfen anschließend die Rohdaten. Fast immer stellt sich heraus, dass die Aussage überzogen ist – wegen einer abgeschnittenen Achse, einer ungünstigen Klasseneinteilung oder eines zu kurzen Betrachtungszeitraums. Diese Erfahrung liefert die Leitfrage der ganzen Reihe: Welche Aussage lässt ein Datensatz wirklich zu? Aus ihr ergibt sich der Bedarf an Kennwerten, Streuungsmaßen und sauberen Darstellungen fast von selbst.
Im zweiten Schritt folgt die eigene Auswertung. Die Lerngruppe erhält einen realen Datensatz, legt Fragestellung und Auswertungsplan fest und arbeitet arbeitsteilig mit Tabellenkalkulation oder dynamischer Geometriesoftware. Sinnvoll ist eine feste Reihenfolge: Daten sichten und bereinigen, geeignete Darstellung wählen, Lage- und Streuungsmaße berechnen, Zusammenhang beschreiben, erst dann interpretieren. Den Abschluss bildet eine Präsentation, in der jede Gruppe nicht nur ihr Ergebnis, sondern auch dessen Grenzen benennt. Das Escape-Room-Format eignet sich gut als Wiederholung vor der Klausur, weil es alle Teilkompetenzen unter Zeitdruck abruft.
| Stufe | Einsatz | Schwerpunkt |
|---|---|---|
| Klasse 8/9 | Einstieg | Diagramme lesen, Kennwerte berechnen und Manipulationen erkennen |
| Klasse 10/EF | Auswertung | Streuungsmaße, Zusammenhänge und lineare Regression deuten |
| Q1/Q2 | Modellierung | Prognosen aufstellen, Modelle vergleichen und kritisch bewerten |
Datenprojekte lassen sich leicht differenzieren, ohne die Klasse in Niveaugruppen zu trennen. Der einfachste Weg führt über den Datensatz selbst: Eine reduzierte Tabelle mit wenigen Merkmalen und vollständigen Werten genügt für den Zugang, während leistungsstärkere Lernende die vollständige Reihe mit fehlenden Einträgen und Ausreißern bearbeiten. Ebenso wirksam ist die Vorstrukturierung des Auswertungsweges: Eine vorgegebene Tabellenvorlage mit fertigen Spaltenköpfen entlastet beim Einstieg, während die offene Variante verlangt, den Auswertungsplan selbst zu entwerfen. Da die Dateien bearbeitbar sind, entstehen beide Fassungen aus einer Vorlage.
Für die Bewertung eignen sich Aufgaben, die über das Berechnen hinausgehen: eine gegebene Interpretation auf ihre Berechtigung prüfen, zwei Darstellungen desselben Datensatzes vergleichen oder begründen, warum eine Prognose nur für einen begrenzten Zeitraum trägt. Solche Formate decken die Anforderungsbereiche II und III ab und sind mit einem Erwartungshorizont gut handhabbar. Sinnvoll ist außerdem, den Rechenteil und den Deutungsteil getrennt zu gewichten – so wirkt ein Rechenfehler nicht doppelt, und die eigentliche Datenkompetenz wird sichtbar.
Die Bildungsstandards führen den Umgang mit Daten und Zufall als eigene Leitidee, und die Kernlehrpläne der Länder haben sie in der Sekundarstufe I fest verankert: Datenerhebung, Darstellung, Lage- und Streuungsmaße sowie die kritische Beurteilung von Statistiken gehören zum verbindlichen Bestand. In der Oberstufe schließt die beurteilende Statistik an, häufig verbunden mit Regression, Modellierung und der Bewertung von Prognosen. Der Bezug zur Medienbildung ist dabei ausdrücklich mitgedacht, weil die Beurteilung von Datenquellen fächerübergreifend gefordert wird.
In Klausuren und im Abitur tauchen Datenaufgaben meist als Modellierungsaufgaben mit Materialteil auf: Ein Diagramm oder eine Tabelle ist gegeben, daraus sind Kennwerte zu bestimmen, ein Modell aufzustellen und eine Aussage zu beurteilen. Der letzte Teilschritt entscheidet über die Note, weil dort selbstständig argumentiert werden muss. Die Reihen dieser Seite trainieren genau diese Abfolge, weil ihre Aufgaben durchgängig vom Erfassen über das Auswerten zum begründeten Urteil führen.
WM 2026 als Datenlabor (Klasse 7–11)
Stochastik verstehen durch Simulationen
Konfidenzintervalle verstehen & berechnen
Markov-Ketten: dynamische Zufallsmodelle
Statistik – Algebra Sek IDie Reihen arbeiten mit realen, öffentlich zugänglichen Daten – etwa langen Temperatur- und Klimamessreihen oder Wettkampf- und Leistungsdaten aus dem Sport. Die Datensätze sind für den Unterricht aufbereitet, aber nicht geglättet, sodass Lücken und Ausreißer als Gesprächsanlass erhalten bleiben.
Eine Tabellenkalkulation reicht für den größten Teil der Aufgaben aus; für Regression und dynamische Darstellungen ist GeoGebra hilfreich. Beide sind kostenfrei verfügbar, und die Materialien enthalten Hinweise zu den nötigen Arbeitsschritten, sodass auch Lerngruppen ohne Vorerfahrung zurechtkommen.
Das Format ist auf eine Doppelstunde ausgelegt und lässt sich durch Weglassen einzelner Rätselstationen auf eine Einzelstunde kürzen. Da die Stationen inhaltlich aufeinander aufbauen, empfiehlt sich das Kürzen von hinten statt in der Mitte.
Ja. Das Klima-Datenlabor bietet sich für die Zusammenarbeit mit Geographie oder Biologie an, die Diagrammkritik für ein gemeinsames Vorhaben mit Politik oder Deutsch im Bereich Medienbildung. Die mathematische Auswertung bleibt dabei in Ihrer Hand, die Sachdeutung kann das Partnerfach übernehmen.
Zu allen Aufgaben gehören ausgearbeitete Lösungen beziehungsweise Erwartungshorizonte. Bei Beurteilungs- und Modellierungsaufgaben sind sie als Orientierung formuliert, weil dort mehrere Wege vertretbar sind – die entscheidenden Argumente sind jeweils benannt.
Der Einstieg über Diagramme und Kennwerte gelingt ab Klasse 8. Regression, Konfidenzintervalle und Prognosemodelle setzen die Oberstufe voraus. Für Klasse 7 bis 11 eignet sich das Datenlabor mit Statistik, Wahrscheinlichkeiten und Diagrammen als Zwischenstufe.