Datawrapper

Kurzfazit

Datawrapper ist seit Jahren das Standard-Werkzeug für Datenvisualisierung in Redaktionen — von der ZEIT über die New York Times bis zur Süddeutschen Zeitung. Das Berliner Unternehmen liefert genau das, was viele KI-Daten-Tools nicht können: die saubere, schnelle, publikationsfähige Aufbereitung eines analytischen Ergebnisses. Kein KI-Werkzeug im engeren Sinn — wer Insights aus Daten erwartet, ist bei Julius AI oder dem ChatGPT Data Analyst besser aufgehoben. Wer aber das Ergebnis solcher Analysen in einen schönen, responsiven, barrierefreien Chart bringen will, kommt an Datawrapper kaum vorbei. Großer Pluspunkt für DACH-Unternehmen: User-Daten liegen in Frankfurt, der freie Plan ist ungewöhnlich großzügig, und die deutsche Firma erklärt jeden Schritt auf Deutsch.

Für wen ist Datawrapper?

Redaktionen und Datenjournalisten: Die Kernzielgruppe. CSV laden, Chart anpassen, iFrame ins CMS einfügen — der gesamte Workflow dauert bei Routinegrafiken unter fünf Minuten. Praktisch alle großen deutschen Redaktionen nutzen Datawrapper, oft im Custom-Plan mit eigenem Branding.

Kommunikations- und PR-Abteilungen: Pressemitteilungen mit Daten wirken stärker, wenn sie eine eingebettete, eigene Grafik mitliefern. Datawrapper liefert reproduzierbare, markenkonforme Visualisierungen, die in Newslettern, Social-Media-Beiträgen und PDF-Reports landen können — der Custom-Plan erlaubt eigenes CI ohne “Created with Datawrapper”-Logo.

Analysten und Berater: Wer Excel- oder Python-Analysen für Kunden aufbereitet, bekommt mit Datawrapper schnellere und sauberere Visualisierungen als mit Excel-Charts. Besonders die Choropleth-Karten und sortierten Bar-Charts sind dem Excel-Standard meilenweit überlegen.

KI-Power-User und Citizen Data Scientists: Wer mit Julius AI, dem ChatGPT Data Analyst oder Claude Datensätze analysiert, hat am Ende eine Tabelle oder einen Pandas-DataFrame — aber keine publikationsreife Grafik. Datawrapper schließt diese Lücke: Output aus dem KI-Tool als CSV in Datawrapper laden, formatieren, einbetten.

Behörden und NGOs: Für Open-Data-Portale, Transparenzberichte und Bürgerkommunikation eignet sich Datawrapper besonders, weil die Charts barrierefrei sind und auf jedem Endgerät korrekt dargestellt werden. Nonprofits bekommen 20 % Rabatt auf den Custom-Plan.

Weniger geeignet für: Wer ein interaktives Live-Dashboard mit Drill-Downs braucht (besser: Tableau oder Power BI), wer auf eine KI-Funktion zur automatischen Mustererkennung in Daten hofft (besser: Julius AI), und wer komplexes Scrollytelling oder narrative Datenstücke produzieren will (besser: Flourish oder D3.js-Eigenbau).

Preise im Detail

Plan	Preis	Was du bekommst
Free	0 USD	Unbegrenzte Charts, alle Charttypen, Google-Sheets-Integration, PNG-Export, “Created with Datawrapper”-Hinweis
Custom	599 USD/Monat (5.990 USD/Jahr)	10 Lizenzen, eigenes Branding/Themes, SVG- und PDF-Export, kein Datawrapper-Logo, Prioritäts-Support, Schulung; zusätzliche Nutzer +21 USD/Monat
Enterprise	Auf Anfrage	Alles aus Custom + Self-Hosting der Charts, SSO, SLA-Verträge

Einordnung: Der Free-Plan ist eine der großzügigsten Lösungen im Markt — keine Chart-Quote, keine Zeitbegrenzung, alle Charttypen verfügbar. Für Einzeljournalisten und kleine Blogs reicht das oft dauerhaft. Der Sprung zum Custom-Plan ist allerdings groß: 599 USD/Monat sind eine bewusste Schwelle, die signalisiert “Du bist eine Redaktion, ein Unternehmen, eine Marke”. Für Solo-Selbstständige oder kleine Teams ist das selten verhältnismäßig — wer nur einmal im Quartal eine Grafik ohne Datawrapper-Logo braucht, behilft sich besser mit Screenshot-Bearbeitung. Studierende, Lehrende und akademische Forschende bekommen kostenlosen SVG/PDF-Export auf Antrag — eine sympathische Geste. Nonprofits zahlen 20 % weniger. Enterprise lohnt erst, wenn Self-Hosting oder SSO regulatorisch verpflichtend sind.

Stärken im Detail

Zugänglichkeit ohne Lernkurve. Du brauchst keine Schulung. Wer einmal Excel-Charts gebaut hat, findet sich in Datawrapper in unter zehn Minuten zurecht. Die Reihenfolge ist immer gleich (Upload → Check → Visualize → Publish) und der Workflow funktioniert auch nach längeren Pausen sofort wieder. Genau das macht Datawrapper für unregelmäßige Nutzer attraktiv — kein Skill-Verlust durch Nichtnutzung.

Defaults sind redaktionell durchdacht. Achsenbeschriftungen, Farbpaletten, Zahlenformate, Tooltip-Texte — die Voreinstellungen entsprechen dem, was Profi-Designer in Redaktionen ohnehin machen würden. Datawrapper-Charts sehen nicht nach “Excel im Webbrowser” aus, sondern nach durchdachter Infografik. Das spart enorm Nachbearbeitungszeit.

Responsive und barrierefrei by default. Jeder Chart funktioniert ohne Zusatzaufwand auf Mobilgeräten, mit Screenreadern und in High-Contrast-Modi. Datawrapper veröffentlicht regelmäßig Studien zur Lesbarkeit von Datengrafiken und integriert die Erkenntnisse direkt ins Tool. Das ist eine Qualität, die selbst große Custom-Lösungen oft nicht erreichen.

Live-Daten aus Google Sheets. Charts können direkt mit einem Google Sheet verbunden werden. Aktualisiert sich die Quelltabelle, aktualisiert sich auch der publizierte Chart — perfekt für laufende Indikatoren wie Wahlumfragen, Inzidenzen, Marktdaten. Das ist eine der unterschätzten Funktionen: einmal eingerichtet, läuft die Visualisierung ohne weitere Pflege.

EU-Hosting für Nutzerdaten. Die User-Daten (Account, hochgeladene CSVs, Konfigurationen) liegen in AWS Frankfurt (eu-central-1). Damit ist Datawrapper eines der wenigen international relevanten Visualisierungs-Tools, das DSGVO-konform out of the box funktioniert. Wichtig zu wissen: Die fertig veröffentlichten Charts werden über AWS Virginia (us-east-1) ausgeliefert — für die meisten Anwendungsfälle unproblematisch, weil die Charts dort nur statisch gehostet werden.

Tiefe Kartenfunktionen. Choropleth- und Symbol-Karten sind ein eigener Schwerpunkt. Datawrapper liefert vorgefertigte Geometrien für Bundesländer, Kreise, Postleitzahlen, Wahlbezirke — sowohl für Deutschland als auch international. Wer regionale Daten visualisieren will, hat hier deutlich weniger Reibung als mit eigenen GeoJSON-Imports.

Deutsches Unternehmen, deutsche Doku. Datawrapper GmbH sitzt in Berlin, Support und Dokumentation sind auf Englisch und Deutsch verfügbar, das Geschäftsmodell ist transparent, die Firma ist seit über zehn Jahren am Markt etabliert. Für deutsche Unternehmen und Behörden ist das ein nicht zu unterschätzender Vorteil — Verträge, Rechnungen, Datenschutzfragen laufen alle nach deutschem/europäischem Recht.

Schwächen ehrlich betrachtet

Keine KI-Funktionen. Datawrapper hat bewusst keine LLM-basierten Chart-Vorschläge, keine automatische Daten-Insight-Generierung, keinen Natural-Language-zu-Chart-Workflow. Wer “Mach mir den besten Chart für diese Daten” als Prompt erwartet, wird enttäuscht. Das ist legitim — Datawrapper positioniert sich als Werkzeug für Profis, die wissen, was sie sehen wollen — aber 2026 ist es eine spürbare Lücke gegenüber Konkurrenten wie Julius AI oder ChatGPT Data Analyst.

Custom-Preis ist eine harte Schwelle. 599 USD/Monat sind 7.188 USD im Jahr. Für eine Mittelstandsfirma, die monatlich vielleicht zehn Charts erstellt, sind das pro Chart deutlich sechsstellige Cent-Beträge — kaum zu rechtfertigen. Zwischen Free und Custom fehlt eine Zwischenstufe (etwa 30–80 USD/Monat für Einzelnutzer ohne Datawrapper-Branding). Wer regelmäßig Charts ohne Logo braucht, wechselt deshalb oft zu Konkurrenten wie Flourish (das kostengünstigere Pläne anbietet).

Veröffentlichte Charts liegen auf US-Servern. Auch wenn die User-Daten in Frankfurt liegen, werden die finalen Embeds über AWS Virginia ausgeliefert. Für die meisten Use Cases ist das unproblematisch, weil keine personenbezogenen Daten transportiert werden — aber wer eine wirklich vollständige EU-Lieferkette braucht (z. B. Behörden mit strengen Vorgaben), muss das im Datenschutzkonzept berücksichtigen.

Keine echte Interaktion über Tooltip hinaus. Du kannst Datawrapper-Charts nicht filtern, drillen, gruppieren oder dynamisch umstellen. Wer interaktive Exploration braucht, sitzt im falschen Tool — dafür sind Tableau, Power BI oder Looker Studio gemacht. Datawrapper ist explizit ein Publikationswerkzeug, kein Dashboard-Tool.

Kein Scrollytelling, keine Animationen. Datawrapper-Charts sind statische Visualisierungen mit Tooltip. Wer narrative Datenstücke produzieren will (Karte zoomt mit dem Scrollen, Diagrammwerte ändern sich basierend auf Lese-Fortschritt), braucht spezialisierte Tools wie Flourish Story, Pudding-Style D3.js oder eigene Entwicklung.

Keine eigene Datenbereinigung. Datawrapper erwartet sauber vorbereitete CSVs. Datumsformate, Dezimalseparatoren, fehlende Werte — alles muss vorher bereinigt werden. Wer Rohdaten aus mehreren Quellen verarbeitet, braucht zusätzlich ein Tool wie Excel, OpenRefine oder einen Pandas-Schritt davor.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Interaktive Dashboards mit Drill-Downs brauchst	Tableau
KI-gestützte Datenanalyse mit automatischen Insights willst	Julius AI
Scrollytelling oder animierte Datenstücke produzierst	Flourish (kein eigener Eintrag)
Schnelle Ad-hoc-Charts ohne Cloud-Upload brauchst	Microsoft Excel oder LibreOffice

Erwähnenswert ohne eigene Tool-Seite: Flourish (gehört zu Canva, stärker bei Storytelling und Animation), Highcharts (für Entwickler, lizenzpflichtig), Observable Plot (Code-basiert, sehr flexibel) und Looker Studio von Google (kostenlos, gut bei Marketingdaten). Datawrapper bleibt der Standard für nicht-interaktive, publikationsfähige Charts in Redaktionskontexten — keine Alternative kommt diesem spezifischen Profil näher.

So steigst du ein

Schritt 1: Registriere dich auf datawrapper.de — kostenlos, kein Download. Bereite deine Daten als CSV vor: Spaltenköpfe in der ersten Zeile, Zahlen mit Punkt oder Komma als Dezimalseparator (Datawrapper erkennt europäische Formate automatisch). Wenn du aus einem KI-Tool wie Julius AI oder dem ChatGPT Data Analyst kommst, lass dir das Ergebnis direkt als CSV exportieren — das spart Reformatierungsarbeit.

Schritt 2: Lade dein CSV hoch oder füge den Link zu einem öffentlichen Google Sheet ein. Im “Check & Describe”-Schritt prüft Datawrapper Datentypen und meldet Inkonsistenzen — ernst nehmen, sonst stimmen Achsen oder Sortierung nicht. Wähle den Charttyp; Datawrapper schlägt passende Varianten basierend auf deiner Datenstruktur vor. Konfiguriere Achsenbeschriftungen, Farben, Sortierreihenfolge und Tooltip-Texte über die Seitenleiste — investiere besonders in die Tooltip-Texte, weil die meisten Leser ihre Information genau dort holen.

Schritt 3: Klicke auf “Publish & Embed” — Datawrapper generiert einen responsiven iFrame-Code, den du direkt in dein CMS einfügst. Bei Verbindung zu einem Google Sheet aktualisiert sich der Chart automatisch, wenn die Quelltabelle sich ändert. Für Print: lade alternativ als PNG (Free) oder SVG/PDF (Custom) herunter. Speichere den Chart als Vorlage, wenn du den gleichen Stil regelmäßig brauchst — das spart bei Wiederholungen mehrere Minuten pro Chart.

Ein konkretes Beispiel

Ein Datenjournalist einer Regionalzeitung analysiert die Haushaltsdaten seiner Gemeinde — CSV-Export aus dem Rathaus, 12 Jahre, 48 Haushaltspositionen, rund 6.000 Zeilen. Statt selbst Stunden in Excel-Pivot-Tabellen zu verbringen, lädt er die Datei in Julius AI und fragt: “Welche fünf Ausgabeposten sind in den letzten zehn Jahren am stärksten gewachsen und wie sehen die Trendlinien aus?” Julius AI liefert eine bereinigte Tabelle mit den Top-5-Treibern und einer ersten Skizze. Diese Tabelle exportiert er als CSV und lädt sie in Datawrapper. Dort wählt er ein Liniendiagramm, hebt den größten Treiber farblich hervor, ergänzt einen erläuternden Annotation-Pfeil am Wendepunkt 2020 und gibt jedem Datenpunkt einen sprechenden Tooltip. Nach 90 Minuten Gesamtarbeit ist die Visualisierung im CMS eingebettet — statt drei Tagen manueller Excel-Aufbereitung. Zeitersparnis: ~85 %. Lizenzkosten: 0 EUR (Free-Plan reicht, da die Datawrapper-Attribution für regionalen Datenjournalismus akzeptabel ist).

DSGVO & Datenschutz

• Datenhosting User-Daten: AWS Frankfurt (eu-central-1) — alle Account-Daten, hochgeladenen CSVs und Chart-Konfigurationen liegen in der EU.
• Datenhosting publizierte Charts: AWS Virginia (us-east-1) — die ausgespielten iFrames werden über US-Server bereitgestellt, enthalten aber nur die fertige Grafik ohne personenbezogene Daten.
• Anbieter: Datawrapper GmbH, Berlin (deutsche GmbH unter deutschem Recht).
• Datennutzung: Datawrapper nutzt hochgeladene Daten ausschließlich zur Diensterbringung, nicht für KI-Training oder Weiterverkauf. Tracking erfolgt über selbst gehostetes Matomo (europäische Analytics-Lösung).
• Auftragsverarbeitung (AVV): Für Custom- und Enterprise-Kunden verfügbar — Standardvertragsklauseln, deutsches Recht, deutscher Gerichtsstand.
• Account-Löschung: Möglich; Charts werden standardmäßig beibehalten, um Embeds in Drittseiten nicht zu zerstören, können auf Antrag aber vollständig gelöscht werden.
• Empfehlung für Unternehmen: Unbedenklich für die meisten Anwendungsfälle in DACH. Vor Verarbeitung personenbezogener Rohdaten (z. B. Adresslisten in einer Karte) explizit AVV einholen und prüfen, ob die Daten überhaupt in den Chart müssen — oft reicht eine aggregierte Form.

Gut kombiniert mit

• Julius AI — Datenanalyse und erste Mustererkennung übernimmt Julius, die finale, publikationsfähige Grafik baut Datawrapper. Klassisches Tandem aus “Was steckt drin?” und “Wie zeige ich es?”.
• ChatGPT — der ChatGPT Data Analyst bereitet Rohdaten auf und liefert Tabellen, die du in Datawrapper laden kannst. Besonders praktisch bei sehr unsauberen Quelldaten, die Datawrapper alleine nicht sinnvoll verarbeitet.
• Tableau — wer große Datenbestände interaktiv erforschen will, nutzt Tableau für die Exploration und Datawrapper für die finale, eingebettete Publikation. Beide Tools überschneiden sich an den Rändern, ergänzen sich aber gut.

Unser Testurteil

Datawrapper verdient 4 von 5 Sternen. Für seine Kernfunktion — schnelle, saubere, publikationsfähige Datenvisualisierungen — ist Datawrapper das beste Werkzeug im deutschsprachigen Markt und gehört auch international zur Spitzengruppe. Der Free-Plan ist außergewöhnlich großzügig, das EU-Hosting nimmt DSGVO-Sorgen ab, und die deutsche Firma ist seit über zehn Jahren stabil etabliert. Den fünften Stern verliert es aus drei Gründen: Erstens fehlt ihm bewusst jede KI-Funktion, was 2026 zunehmend zur Schwäche wird. Zweitens ist der Preissprung von Free (0 USD) auf Custom (599 USD) eine harte Schwelle ohne Zwischenstufe — eine Marktlücke, die Wettbewerber wie Flourish nutzen. Drittens sind die fertigen Charts nicht interaktiv-explorativ, sondern statisch — für Business-Dashboards das falsche Tool. Wer Datenjournalismus oder Pressekommunikation macht, sollte Datawrapper ausprobieren. Wer Dashboards oder KI-gestützte Datenexploration sucht, ist anderswo besser bedient.

Was wir bemerkt haben

• Mai 2026 — Datawrapper hat trotz allgemeinem KI-Boom weiterhin keine LLM-basierten Funktionen integriert. Die Firma kommuniziert offen, dass sie sich auf das bewährte Werkzeug für Profis konzentriert und KI-Hype meidet — eine bemerkenswert konservative Haltung in einem Markt, in dem viele Wettbewerber jede Funktion mit “AI” labeln.
• 2024–2026 — Der Custom-Preis steht bei 599 USD/Monat stabil — keine Erhöhungen, aber auch kein Anpassen an die Marktrealität, dass viele Solo-Profis eine Zwischenstufe brauchen würden. Hier verliert Datawrapper potenzielle Kunden an Flourish.
• Seit 2023 — Datawrapper Academy (kostenloser Lernbereich auf der Website) wurde stetig ausgebaut und gilt in der Datenjournalismus-Community als hervorragende Lernquelle, auch unabhängig vom Tool selbst. Wer Charts grundsätzlich besser machen will, profitiert davon — selbst wenn er ein anderes Tool nutzt.
• Hosting-Architektur — Die Trennung in User-Daten (Frankfurt) und veröffentlichte Charts (Virginia) ist seit Jahren unverändert und transparent dokumentiert. Für strengste EU-Lieferketten-Anforderungen bleibt das ein Diskussionspunkt, der aber selten ein echtes Hindernis ist.
• Geschäftsmodell — Datawrapper bleibt profitabel und bootstrapped (kein VC-Geld) — eine Seltenheit unter relevanten SaaS-Tools im Datenbereich. Das spricht für Langfristigkeit und Unabhängigkeit von Quartalszahlen-Druck.