Zum Inhalt springen
Wissensdatenbank

Schnellstart

Dieser Leitfaden führt Sie durch den vollständigen Askalot-Workflow, vom Fragebogendesign bis zur statistischen Analyse.

Zeitaufwand: ca. 15 Minuten

Öffnen Sie armiger.dev.askalot.io, um Fragebögen mit KI-Unterstützung und SMT-Validierung in Echtzeit zu erstellen.

Armiger listet die Projekte auf, die Sie öffnen dürfen. Wählen Sie eines – Ihr Standardprojekt ist dabei, falls Sie noch keine weiteren angelegt haben –, und der Editor öffnet sich damit in Ihrem Browser. Er zeigt die Fragebögen, Dokumente und den Forschungsbericht dieses Projekts und sonst nichts. Um später an einem anderen Projekt zu arbeiten, kehren Sie zu Armiger zurück und wählen es in derselben Liste. Der Editor braucht einen Desktop-Browser: Chrome oder Edge 125, Firefox 147, Safari 26 oder neuer. Siehe Integration mit Armiger.

Armiger und der Editor erscheinen in Ihrer Sprache: der in Ihrem Profil, sonst der Ihrer Organisation, sonst der Ihres Browsers (Englisch, Spanisch, Französisch, Deutsch oder Ungarisch). Auf Ungarisch ist QML Explorer durchgehend ungarisch (seine Befehle, Hinweise und Bereiche: das Diagramm, die Bereiche für KI-Generierung und Projekt, die Item-Vorschau, die PDF-Ansicht und der Übersetzungs-Tab), während der umgebende Editorrahmen (Menüs, die eingebauten Befehle der Command Palette, der Datei-Explorer) englisch bleibt. Eine Sprachänderung wirkt beim nächsten Öffnen des Editors.

Um einen Fragebogen ohne KI-Assistenten zu beginnen, wählen Sie im Explorer des Editors am Ordner questionnaires den Befehl Neue Datei… und geben einen Namen ein.

Am schnellsten starten Sie mit einem fertigen Fragebogen aus der Vorlagenbibliothek: Lehrveranstaltungsevaluationen, Kundenfeedback, NPS, Veranstaltungsanmeldungen, HR-Pulsbefragungen, Patientenaufnahme und mehrere Hundert weitere, in 13 Kategorien.

Sie können die gesamte Bibliothek schon vor der Registrierung durchsehen: Der öffentliche Vorlagenkatalog zeigt jede Vorlage mit ihrem Ablaufdiagramm und ihren Fragen.

Vorlagen werden in Ihrer Sprache angezeigt und kopiert, wenn die Bibliothek sie anbietet, sonst auf Englisch mit einem entsprechenden Hinweis. Eine Kopie bringt die übrigen Sprachen der Bibliothek als Übersetzungen mit.

  • Auf der Startseite von Roundtable wählen Sie Mit einer Vorlage beginnen (auch der Fragebogenschritt des Leitfadens zum Forschungsablauf bietet das an). Suchen Sie nach Name oder Beschreibung, oder sehen Sie sich eine Kategorie an. Eine geöffnete Vorlage zeigt eine schreibgeschützte Vorschau: das Ablaufdiagramm des Fragebogens, wie es auch der Editor zeichnet, mit jedem Abschnitt, jeder Frage und den Pfaden dazwischen; angelegt wird dabei noch nichts. Diese Vorlage verwenden fügt dem gewählten Projekt eine Kopie hinzu (Ihr Standardprojekt ist vorausgewählt; die Liste enthält die Projekte, die Ihnen gehören) und bietet dann Bearbeiten an, das die Kopie im Editor öffnet, oder Kampagne durchführen, das das Formular für eine neue Kampagne öffnet – dieses Projekt und der neue Fragebogen sind darin bereits ausgewählt.
  • Im Editor klicken Sie mit der rechten Maustaste auf den Ordner questionnaires und wählen Neuer Fragebogen aus Vorlage…, oder Sie führen diesen Befehl über die Befehlspalette aus. Er öffnet dieselbe Vorlagenbibliothek in einem neuen Browser-Tab, bereits auf das Projekt eingestellt, an dem Sie gerade arbeiten: Sehen Sie sich eine Vorlage in der Vorschau an und wählen Sie Diese Vorlage verwenden – die Kopie wird diesem Projekt hinzugefügt und erscheint im Ordner questionnaires des Editors.
  • Über MCP listet list_questionnaire_templates die Bibliothek auf, und create_questionnaire nimmt statt content einen template-Slug entgegen; beide akzeptieren eine language. Siehe Fragebogen- und QML-Tools.

Die Kopie ist von da an Ihr eigener Fragebogen: Ändern Sie, was Sie möchten – spätere Versionen der Bibliothek wirken sich nicht auf sie aus. Wenige Sekunden nach dem Anlegen wird sie im Hintergrund auf logische Stimmigkeit geprüft, wie jede gespeicherte Version.

Mit dem KI-Assistenten:

Beschreiben Sie Ihre Anforderungen an die Umfrage:

„Erstellen Sie eine Umfrage zur Kundenzufriedenheit. Fragen Sie nach der allgemeinen Zufriedenheit und bei geringer Zufriedenheit gezielt nach den konkreten Problemen.“

Die KI erzeugt QML-Code, während der SMT-Solver die logische Konsistenz in Echtzeit validiert.

Beispiel-QML:

qmlVersion: "2.0"
questionnaire:
title: "Customer Satisfaction Survey"
codeInit: |
satisfaction_level = 0
needs_followup = 0
blocks:
- id: b_main
title: "Your Experience"
items:
- id: q_overall
kind: Question
title: "How satisfied are you with our service?"
codeBlock: |
satisfaction_level = q_overall.outcome
if q_overall.outcome <= 6:
needs_followup = 1
input:
control: Slider
min: 0
max: 10
labels:
0: "Very Dissatisfied"
5: "Neutral"
10: "Very Satisfied"
- id: q_reason
kind: Question
title: "What is the primary reason for your low rating?"
precondition:
- predicate: needs_followup == 1
input:
control: Radio
labels:
1: "Product quality"
2: "Delivery time"
3: "Customer service"
4: "Pricing"
- id: q_recommend
kind: Question
title: "Would you recommend us to others?"
input:
control: Switch
on: "Yes"
off: "No"

Armiger validiert automatisch:

  • ✓ Erreichbarkeit: Alle Fragen können erreicht werden
  • ✓ Konsistenz: Die Validierungsregeln sind erfüllbar
  • ✓ Azyklizität: Keine zirkulären Abhängigkeiten
  • ✓ Globale Erfüllbarkeit: Es gibt gültige Pfade bis zum Abschluss

Validierungsausgabe:

✓ All items reachable
✓ No circular dependencies detected
✓ Postconditions satisfiable
✓ Global formula: SAT
Flow paths: 2
Path 1: q_overall → q_recommend (satisfaction > 6)
Path 2: q_overall → q_reason → q_recommend (satisfaction ≤ 6)

Öffnen Sie targetor.dev.askalot.io, um die demografische Zielgruppensteuerung einzurichten und Ihre Kampagne zu starten.

  1. Klicken Sie auf „Neue Kampagne“
  2. Konfigurieren Sie die Einstellungen:
    • Name: „Q4 Customer Satisfaction“
    • Zielanzahl der Antworten: 500
    • Laufzeit: 14 Tage

Laden Sie eine CSV-Datei hoch oder verbinden Sie eine Benutzerdatenbank:

user_id,email,age,gender,customer_segment
1001,[email protected],34,M,premium
1002,[email protected],28,F,standard

Demografische Zielverteilung:

Altersverteilung:

  • 18-24: 15 % | 25-34: 30 % | 35-44: 25 % | 45-54: 20 % | 55+: 10 %

Kundensegment:

  • Premium: 30 % | Standard: 70 %

Targetor berechnet die Stichprobengrößen automatisch und verfolgt in Echtzeit, wie viele Umfragen je Segment abgeschlossen sind.

  1. Ordnen Sie der Kampagne den Fragebogen Customer Satisfaction zu – dabei wird er formal verifiziert, und die Kampagne wird auf genau diese Version festgelegt
  2. Prüfen Sie die Konfiguration
  3. Klicken Sie auf „Kampagne starten“

Targetor erzeugt eindeutige Umfragelinks und beginnt mit dem Versand.

Die Befragten rufen sirway.dev.askalot.io über eindeutige Links auf.

SirWay wertet die Fragen dynamisch anhand des aktuellen Zustands aus:

  1. Anfangszustand: Fragebogen laden, Variablen initialisieren
  2. Dynamischer Ablauf: Fragen mit erfüllten Vorbedingungen anzeigen
  3. Antwort erfassen: codeBlock ausführen, Zustand aktualisieren
  4. Neu auswerten: Vorbedingungen der verbleibenden Fragen prüfen
  5. Nächste Frage anzeigen: Fragen anzeigen, die jetzt neu infrage kommen
Respondent: Slides satisfaction to 4/10
→ codeBlock executes: needs_followup = 1
→ Precondition evaluated: needs_followup == 1 ✓
→ Question appears: "What is the primary reason?"
→ Selects: "Delivery time"
→ Final question: "Would you recommend us?"
→ Survey complete

Ein Fragebogen kann erst ins Feld gehen, wenn er die Verifikation bestanden hat. Zurückgewiesen werden:

  • ❌ Fragen mit unerfüllbaren Vorbedingungen (keine befragte Person könnte sie erreichen)
  • ❌ Antwortprüfungen, die keine Antwort erfüllen kann
  • ❌ Bedingungen, die sich auf eine Antwort beziehen, die keine Frage liefert
  • ❌ Zirkuläre Abhängigkeiten

Geprüft wird anhand des formalen Modells des Fragebogens: Abgedeckt ist jeder Antwortpfad, den das Modell enthält, nicht nur eine Stichprobe von Testläufen.

Öffnen Sie balansor.dev.askalot.io für statistische Korrektur und Datenexport.

Die Startseite von Balansor ist ein Pipeline-Board aus Bundle-Karten. Ein Bundle verbindet ein Projekt, einen Fragebogen und die Kampagnen, die Sie analysieren möchten, zu einer einzigen Pipeline Bronze → Silver → Gold; jeder Schritt am Datensatz bezieht sich auf dieses Bundle.

  1. Erstellen Sie ein Bundle für „Q4 Customer Satisfaction“ (Projekt + Fragebogen + seine Kampagnen)
  2. Extrahieren Sie den Bronze-Datensatz – Rohantworten mit der Demografie der Befragten, noch ohne Anpassungen
  3. Balansor zeigt die tatsächliche Demografie im Vergleich zu den Zielvorgaben
Segment Ziel % Ist % Abweichung
Alter 18-24 15 % 12 % -3 %
Alter 25-34 30 % 33 % +3 %
Premium 30 % 35 % +5 %
Standard 70 % 65 % -5 %

Beim Ableiten von Silver werden zuerst alle offenen Antworten in Kategorien codiert; anschließend werden über diese codierte Fallbasis die Poststratifikationsgewichte berechnet:

\[w_i = \frac{N_{\text{target},g}}{N_{\text{sample},g}}\]

Beispielgewichte:

  • Alter 18-24: 1,25 (unterrepräsentiert)
  • Alter 25-34: 0,91 (überrepräsentiert)
  • Premium: 0,86 (überrepräsentiert)
  • Standard: 1,08 (unterrepräsentiert)

Vor der Neugewichtung:

  • Durchschnittliche Zufriedenheit: 6,8/10
  • Weiterempfehlungsquote: 72 %

Nach der Neugewichtung:

  • Durchschnittliche Zufriedenheit: 6,5/10 (angepasst)
  • Weiterempfehlungsquote: 68 % (angepasst)

Exportieren Sie in mehreren Formaten:

CSV:

user_id,q_overall,q_reason,q_recommend,weight,segment
1001,4,2,0,1.08,standard
1002,8,NULL,1,0.86,premium

SPSS (.sav): Variablenbeschriftungen und Gewichte inklusive

Excel / Parquet: Vollständiger Datensatz mit der Gewichtsspalte, bereit für Ihr Analysewerkzeug

Zusammenfassende Statistiken: Gewichtete Mittelwerte, Konfidenzintervalle, Kreuztabellen

Armiger:

AI generates questionnaire
→ SMT validates: ✓ SAT, ✓ No cycles, ✓ All reachable
→ Saved as a new version of the questionnaire

Targetor:

Import 10,000 users
→ Select 1,200 (stratified sampling, 2.4× oversampling)
→ Launch campaign
→ Send unique survey links

SirWay:

User 1001 clicks link
→ Load QML, init: satisfaction_level=0, needs_followup=0
→ Present: q_overall
→ Collect: 4 → Execute: needs_followup=1
→ Present: q_reason (precondition satisfied)
→ Collect: 2 (Delivery time)
→ Present: q_recommend
→ Collect: 0 (No)
→ Complete: 3 items, 45 seconds

Balansor:

Load 500 responses
→ Calculate weights by demographic
→ Apply post-stratification
→ Export corrected data
→ Result: Weighted satisfaction 6.5/10 (CI: 6.2-6.8)

Der zentrale Workflow:

  1. ✓ Design mit KI und SMT-Validierung in Armiger
  2. ✓ Aufbau von Kampagnen mit demografischer Zielgruppensteuerung in Targetor
  3. ✓ Durchführung von Umfragen mit Lazy Evaluation in SirWay
  4. ✓ Analyse mit statistischer Korrektur in Balansor

Der entscheidende Fortschritt: kognitive Entlastung – die KI erzeugt Fragen, SMT sichert die Konsistenz, und Sie konzentrieren sich auf Ihre Forschungsziele.