In den meisten räumlichen Daten sind Muster zu erkennen, die die elementaren Grundbausteine des Systems bilden. Dies kann man sowohl bei den Zellen eines wachsenden Embryos beobachten, als auch bei Galaxien im expandierende Universium. Um die Prozesse im zugrundeliegenden System zu verstehen, ist es essentiell diese Strukturen zu verstehen. Räumliche Muster zu beschreiben ist häufig jedoch schwierig, da sie zumeist von mehreren Parametern abhängen, deren Wechselwirkung nicht immer klar ist. In meinem Vortrag werde ich erörtern, wie die wissenschaftliche Visualisierung bei der Analyse von hochdimensionalen Daten helfen kann. Ich konzentriere mich hierbei auf die strukturelle Beschreibung von hochdimensionalen Punktwolken und ihren Vergleich mit Anwendungen in verschiedenen Forschungsfeldern. Ziel meiner Arbeit ist die Entwicklung interaktiver, mathematischer valider Analysemethoden für große multivariate Daten, die dem Anwender helfen Muster und Strukturen in seinen Daten zu finden.