Schnellstart
Dieser Leitfaden führt Sie durch den vollständigen Askalot-Workflow, vom Fragebogendesign bis zur statistischen Analyse.
Zeitaufwand: ca. 15 Minuten
Schritt 1: Design in Armiger
Abschnitt betitelt „Schritt 1: Design in Armiger“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.
Mit einer Vorlage beginnen
Abschnitt betitelt „Mit einer Vorlage beginnen“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
questionnairesund 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 Ordnerquestionnairesdes Editors. - Über MCP listet
list_questionnaire_templatesdie Bibliothek auf, undcreate_questionnairenimmt stattcontenteinentemplate-Slug entgegen; beide akzeptieren einelanguage. 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.
Ihren Fragebogen erstellen
Abschnitt betitelt „Ihren Fragebogen erstellen“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"SMT-Validierung
Abschnitt betitelt „SMT-Validierung“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)Schritt 2: Kampagne in Targetor aufbauen
Abschnitt betitelt „Schritt 2: Kampagne in Targetor aufbauen“Öffnen Sie targetor.dev.askalot.io, um die demografische Zielgruppensteuerung einzurichten und Ihre Kampagne zu starten.
Kampagne anlegen
Abschnitt betitelt „Kampagne anlegen“- Klicken Sie auf „Neue Kampagne“
- Konfigurieren Sie die Einstellungen:
- Name: „Q4 Customer Satisfaction“
- Zielanzahl der Antworten: 500
- Laufzeit: 14 Tage
Befragte importieren
Abschnitt betitelt „Befragte importieren“Laden Sie eine CSV-Datei hoch oder verbinden Sie eine Benutzerdatenbank:
user_id,email,age,gender,customer_segmentDemografie konfigurieren
Abschnitt betitelt „Demografie konfigurieren“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.
Starten
Abschnitt betitelt „Starten“- Ordnen Sie der Kampagne den Fragebogen Customer Satisfaction zu – dabei wird er formal verifiziert, und die Kampagne wird auf genau diese Version festgelegt
- Prüfen Sie die Konfiguration
- Klicken Sie auf „Kampagne starten“
Targetor erzeugt eindeutige Umfragelinks und beginnt mit dem Versand.
Schritt 3: Durchführung in SirWay
Abschnitt betitelt „Schritt 3: Durchführung in SirWay“Die Befragten rufen sirway.dev.askalot.io über eindeutige Links auf.
Lazy Evaluation
Abschnitt betitelt „Lazy Evaluation“SirWay wertet die Fragen dynamisch anhand des aktuellen Zustands aus:
- Anfangszustand: Fragebogen laden, Variablen initialisieren
- Dynamischer Ablauf: Fragen mit erfüllten Vorbedingungen anzeigen
- Antwort erfassen:
codeBlockausführen, Zustand aktualisieren - Neu auswerten: Vorbedingungen der verbleibenden Fragen prüfen
- Nächste Frage anzeigen: Fragen anzeigen, die jetzt neu infrage kommen
Beispielablauf
Abschnitt betitelt „Beispielablauf“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 completeWas die Verifikation ausschließt
Abschnitt betitelt „Was die Verifikation ausschließt“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.
Schritt 4: Analyse in Balansor
Abschnitt betitelt „Schritt 4: Analyse in Balansor“Öffnen Sie balansor.dev.askalot.io für statistische Korrektur und Datenexport.
Ein Bundle erstellen
Abschnitt betitelt „Ein Bundle erstellen“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.
- Erstellen Sie ein Bundle für „Q4 Customer Satisfaction“ (Projekt + Fragebogen + seine Kampagnen)
- Extrahieren Sie den Bronze-Datensatz – Rohantworten mit der Demografie der Befragten, noch ohne Anpassungen
- Balansor zeigt die tatsächliche Demografie im Vergleich zu den Zielvorgaben
Verteilung der Antworten
Abschnitt betitelt „Verteilung der Antworten“| Segment | Ziel % | Ist % | Abweichung |
|---|---|---|---|
| Alter 18-24 | 15 % | 12 % | -3 % |
| Alter 25-34 | 30 % | 33 % | +3 % |
| Premium | 30 % | 35 % | +5 % |
| Standard | 70 % | 65 % | -5 % |
Den Silver-Datensatz ableiten
Abschnitt betitelt „Den Silver-Datensatz ableiten“Beim Ableiten von Silver werden zuerst alle offenen Antworten in Kategorien codiert; anschließend werden über diese codierte Fallbasis die Poststratifikationsgewichte berechnet:
Beispielgewichte:
- Alter 18-24: 1,25 (unterrepräsentiert)
- Alter 25-34: 0,91 (überrepräsentiert)
- Premium: 0,86 (überrepräsentiert)
- Standard: 1,08 (unterrepräsentiert)
Korrigierte Ergebnisse
Abschnitt betitelt „Korrigierte Ergebnisse“Vor der Neugewichtung:
- Durchschnittliche Zufriedenheit: 6,8/10
- Weiterempfehlungsquote: 72 %
Nach der Neugewichtung:
- Durchschnittliche Zufriedenheit: 6,5/10 (angepasst)
- Weiterempfehlungsquote: 68 % (angepasst)
Daten exportieren
Abschnitt betitelt „Daten exportieren“Exportieren Sie in mehreren Formaten:
CSV:
user_id,q_overall,q_reason,q_recommend,weight,segment1001,4,2,0,1.08,standard1002,8,NULL,1,0.86,premiumSPSS (.sav): Variablenbeschriftungen und Gewichte inklusive
Excel / Parquet: Vollständiger Datensatz mit der Gewichtsspalte, bereit für Ihr Analysewerkzeug
Zusammenfassende Statistiken: Gewichtete Mittelwerte, Konfidenzintervalle, Kreuztabellen
Der vollständige Workflow im Überblick
Abschnitt betitelt „Der vollständige Workflow im Überblick“Design → Kampagne → Durchführung → Analyse
Abschnitt betitelt „Design → Kampagne → Durchführung → Analyse“Armiger:
AI generates questionnaire→ SMT validates: ✓ SAT, ✓ No cycles, ✓ All reachable→ Saved as a new version of the questionnaireTargetor:
Import 10,000 users→ Select 1,200 (stratified sampling, 2.4× oversampling)→ Launch campaign→ Send unique survey linksSirWay:
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 secondsBalansor:
Load 500 responses→ Calculate weights by demographic→ Apply post-stratification→ Export corrected data→ Result: Weighted satisfaction 6.5/10 (CI: 6.2-6.8)Zusammenfassung
Abschnitt betitelt „Zusammenfassung“Der zentrale Workflow:
- ✓ Design mit KI und SMT-Validierung in Armiger
- ✓ Aufbau von Kampagnen mit demografischer Zielgruppensteuerung in Targetor
- ✓ Durchführung von Umfragen mit Lazy Evaluation in SirWay
- ✓ 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.