Dieser Artikel gibt Ihnen Tipps, wie Sie Antworten aus einer Bürgerumfrage zu Zonierungs- und Entwicklungsbeiträgen mithilfe von KI-gestützter Umfrageantwortenanalyse analysieren können. Wenn Sie Umfragen für Ihre Gemeinde oder die lokale Regierung durchführen, ist es entscheidend, zu verstehen, wie man den Wert aus den Ergebnissen extrahiert, um bessere Entscheidungen zu treffen.
Die richtigen Tools für die Analyse auswählen
Die Wahl des besten Tools zur Analyse von Bürgerumfrage-Antworten hängt stark davon ab, ob Ihre Daten quantitativ (strukturiert) oder qualitativ (offen, dialogisch) sind. So gehe ich das immer an:
Quantitative Daten: Für Fragen wie „Wie viele Leute haben diese Option ausgewählt?“ sind Excel oder Google Sheets Ihre besten Freunde. Diese Tabellen und einfachen Diagramme sind aus gutem Grund Klassiker — sie liefern die Rohzahlen und -trends schnell.
Qualitative Daten: Wenn Sie mit offenen Antworten oder KI-generierten Nachfragen zu tun haben, ist manuelles Lesen keine Option. Dutzende oder Hunderte detaillierte Antworten überwältigen schnell, wodurch KI-Tools nicht nur nützlich, sondern unerlässlich werden, um Muster zu erkennen und verborgene Erkenntnisse zu gewinnen.
Es gibt zwei Ansätze für Tools beim Umgang mit qualitativen Antworten:
ChatGPT oder ein ähnliches GPT-Tool für die KI-Analyse
Exportierte Umfrageantworten können in ChatGPT oder ein anderes großes Sprachmodell (LLM) Tool kopiert werden. Sie können dann direkt chatten und Fragen stellen, wie „Welche wiederkehrenden Themen gibt es?“ oder „Welche Beschwerden fielen auf?“
Nachteil: Diese Methode ist nicht sehr praktisch. Man stößt oft auf Zeichenbegrenzungen (Kontextgrenzen), verliert den Überblick über die Struktur der Umfrage (insbesondere bei Nachfragen) und verbringt Zeit damit, große Datensätze aufzuteilen.
Alles-in-einem-Tool wie Specific
Specific wurde von Grund auf für die Analyse von Umfrageantworten entwickelt. Es sammelt nicht nur Antworten über ansprechende dialogische Umfragen, sondern analysiert die Ergebnisse auch mit KI. Da es speziell für dialogische Umfragen entwickelt wurde, „versteht“ es den Kontext — es ordnet jede offene Antwort und Nachbefragung der richtigen Aufforderung zu (anstatt einfach einen Textblock in ChatGPT zu kippen).
Qualitätssteigerung: Durch das Stellen intelligenter, automatischer Nachfragen erhält Specific tiefere, kontextreiche Antworten. KI-Nachfragen bedeuten, dass Sie nicht mit oberflächlichen Antworten enden.
Keine lästige Arbeit: Die KI-gesteuerte Analyse liefert Ihnen klare Zusammenfassungen, hebt die Hauptthemen hervor, organisiert alles nach Themen und weist auf umsetzbare Schritte hin. Sie können auch direkt in der Benutzeroberfläche mit der KI über die Ergebnisse chatten, Anweisungen geben, Details erkunden oder auf bestimmte Gruppen eingrenzen — alles ohne Export oder manuelle Arbeit.
Erfahren Sie mehr darüber, wie die KI-Antwortenanalyse mit Specific funktioniert.
Nützliche Eingabeaufforderungen zur Analyse von Citizen Zoning And Development Input Umfrage-Daten
Für jeden, der in offene Umfrageergebnisse eintaucht, sind leistungsstarke Eingabeaufforderungen Ihr Shortcut zu umsetzbaren Antworten. Hier sind meine Favoriten und wie sie in der Praxis funktionieren:
Eingabeaufforderung für Kernideen: Verwenden Sie dies, um eine Liste der wichtigsten Themen zu erhalten, die von Bürgern genannt werden. Dies ist genau die Eingabeaufforderung, die die Zusammenfassungen der Kernantworten in Specific antreibt, aber auch mit ChatGPT gut funktioniert:
Ihre Aufgabe ist es, Kernideen in Fettdruck (4-5 Wörter pro Kernidee) + bis zu 2 Sätze lange Erklärung zu extrahieren.
Ausgabeanforderungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen die spezifische Kernidee erwähnt haben (nutzen Sie Zahlen, keine Wörter), am häufigsten erwähnte oben
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kernidee Text:** Erklärungstext
2. **Kernidee Text:** Erklärungstext
3. **Kernidee Text:** Erklärungstext
Tipp: KI liefert stärkere Ergebnisse, wenn Sie zusätzlichen Kontext über den Zweck der Umfrage, wer geantwortet hat und was Sie zu lernen hoffen, bereitstellen. So könnten Sie beginnen:
Die folgenden Umfrageantworten stammen von Bürgern zu Eingaben zur Zonierung und Entwicklung in unserer Gemeinde. Unser Ziel ist es, Schmerzpunkte, Motivationen und umsetzbare Prioritäten zu entdecken, die uns helfen, das Engagement zu verbessern und die Stadtplanung zu informieren. Bitte analysieren Sie die Antworten mit diesen Zielen im Hinterkopf.
Eingabeaufforderung für tiefere Erklärungen: Fragen Sie: „Erzählen Sie mir mehr über Bedenken hinsichtlich bezahlbarem Wohnraum“ (oder ersetzen Sie eine beliebige Kernidee) um tiefer in die Prioritäten der Bürger einzutauchen.
Eingabeaufforderung für spezifische Themen: Fragen Sie direkt: „Hat jemand über Umweltauswirkungen gesprochen?“ Falls nötig, fügen Sie hinzu „Zitate einfügen.“
Eingabeaufforderung für Personas: „Basierend auf den Umfrageantworten, identifizieren und beschreiben Sie eine Liste von unterschiedlichen Personas – ähnlich wie ‚Personas‘ im Produktmanagement verwendet werden. Für jede Persona fassen Sie ihre Hauptmerkmale, Motivationen, Ziele und eventuelle relevante Zitate oder Muster in den Gesprächen zusammen.“
Eingabeaufforderung für Schmerzpunkte und Herausforderungen: „Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf, die erwähnt wurden. Fassen Sie jede zusammen und notieren Sie Muster oder Häufigkeit des Auftretens.“
Eingabeaufforderung für Motivationen & Antriebe: „Extrahieren Sie aus den Umfragegesprächen die Hauptmotivationen, Wünsche oder Gründe, die die Teilnehmer für ihr Verhalten oder ihre Entscheidungen angeben. Gruppieren Sie ähnliche Motivationen und liefern Sie unterstützende Beweise aus den Daten.“
Eingabeaufforderung für Stimmungsanalyse: „Bewerten Sie die allgemeine Stimmung, die in den Umfrageantworten zum Ausdruck kommt (z.B. positiv, negativ, neutral). Heben Sie Schlüsselphrasen oder Feedback hervor, die zu jeder Stimmungskategorie beitragen.“
Eingabeaufforderung für Vorschläge & Ideen: „Identifizieren und listen Sie alle Vorschläge, Ideen oder Wünsche auf, die von den Umfrageteilnehmern geäußert wurden. Organisieren Sie sie nach Thema oder Häufigkeit und fügen Sie direkte Zitate hinzu, wo relevant.“
Eingabeaufforderung für nicht erfüllte Bedürfnisse & Chancen: „Untersuchen Sie die Umfrageantworten, um nicht erfüllte Bedürfnisse, Lücken oder Verbesserungschancen aufzudecken, die von den Befragten hervorgehoben wurden.“
Wie Specific qualitative Umfrageantworten nach Fragetyp analysiert
Die KI-gesteuerte Analyse in Specific passt sich der Frage-Struktur an, sodass Sie immer auf die Logik der Umfrage zugeschnittene Erkenntnisse erhalten:
Offene Fragen (mit oder ohne Nachbefragungen): Sie erhalten eine Zusammenfassung, die alle anfänglichen Antworten abdeckt, sowie eine Zusammenfassung jeder Nachbefragung, die mit jeder Hauptfrage verknüpft ist. So sehen Sie klar, warum bestimmte Ideen immer wieder auftauchen und wie der Kontext die Antworten beeinflusst hat.
Auswahlmöglichkeiten mit Nachbefragungen: Jede Auswahl teilt sich in eine eigene Mini-Analyse auf – wenn ein Befragter „Bezahlbarer Wohnraum“ auswählt und eine Nachbefragung erhält, wird dieser Faden als Block analysiert. Dadurch wird es einfach, verschiedene Segmente zu vergleichen, ohne dass geraten werden muss.
NPS (Net Promoter Score): Specific trennt automatisch jede Gruppe – Kritiker, Passive und Förderer – und fasst deren einzigartiges Feedback zur Nachbefragung zusammen („Warum haben Sie diese Bewertung gewählt?“). Sie sehen immer das ganze Bild, nicht nur eine Bewertung.
Sie können dasselbe in ChatGPT tun, aber Sie müssen die Daten manuell filtern und organisieren – es dauert einfach länger.
Wenn Sie Ratschläge benötigen, wie Sie eine großartige Bürger-Umfrage zu Zonierung und Entwicklungseingaben erstellen, oder die besten Fragen für Umfragen zu Bürgerzonen und Entwicklungseingaben suchen, schauen Sie sich diese ausführlichen Anleitungen von unserem Team an.
Arbeiten mit KI-Kontextgrenzen bei der Analyse von Umfrageantworten
Große KI-Modelle (ChatGPT, GPT-4, das Backend von Specific) haben alle Kontextgrößenbeschränkungen – die maximale Menge an Informationen, die sie gleichzeitig „sehen“ können. Bei Bürgerumfragen zu Zonierungs- und Entwicklungseingaben könnten Sie Hunderte oder Tausende langer Antworten haben, insbesondere wenn die Beteiligung hoch ist (obwohl neuere Forschungen zeigen, dass nur 8,34% der Gemeinden wirklich hohe Zahlen von engagierten Teilnehmern berichten, sehen die meisten kleinere, handhabbare Kohorten [1]).
Wenn Ihre Analyse auf eine Grenze stößt, gibt es zwei Möglichkeiten, um dies zu lösen (Specific bietet beide nativ an):
Filtern: Konzentrieren Sie die Analyse, indem Sie nur Gespräche einbeziehen, in denen Bürger ausgewählte Fragen beantwortet oder spezifische Antworten gewählt haben. Sie ziehen nur die relevantesten Daten zur KI-Bewertung heraus.
Zuschneiden: Wählen Sie nur die wichtigsten Fragen aus, die an die KI gesendet werden sollen. Dies kürzt den Datensatz, bleibt innerhalb der Kontextgrenzen, und lässt die KI hervorheben, was am meisten zählt, mit mehr Tiefe.
Das ist entscheidend, um Wert aus „großen“ Umfragen zu ziehen – besonders, wenn Sie Ergebnisse über verschiedene demografische oder Interessengruppen hinweg vergleichen möchten.
Zusammenarbeitsfunktionen zur Analyse von Bürgerumfrage-Antworten
Die Zusammenarbeit bei der Analyse von Eingaben zur Zonierung und Entwicklung ist oft chaotisch – Teams jonglieren E-Mail-Threads, verstreute Tabellenkalkulationsdateien und unendlich viele Versionen. Das verlangsamt die Entscheidungsfindung und erschwert die Abstimmung, insbesondere wenn Sie Rückmeldungen aus verschiedenen Abteilungen, Beratern oder Regierungsbeamten einbeziehen möchten.
KI-Chat mit maßgeschneidertem Kontext: Specific löst dies, indem es allen ermöglicht, Umfrageergebnisse zu analysieren, indem sie direkt mit der KI auf der Plattform chatten. Analysten können verschiedene Chats aufteilen – einen, um sich auf Wohnungsprobleme zu konzentrieren, einen anderen auf Umweltauswirkungen, einen anderen, um Führungszitate hervorzuheben.
Mehrere Chats, integrierte Filter: Jeder Chat hat seine eigenen Filter und seinen eigenen Kontext („sprechen Sie nur über Menschen, die in Zone 4 leben“), sodass es einfach ist, tiefere Einblicke zu gewinnen und Erkenntnisse zu vergleichen.
Klarer Austausch: Bei der Zusammenarbeit sehen Sie, wer jeden Chat gestartet hat, und jede Nachricht ist eindeutig zugeordnet – keine „Wer hat diese Erkenntnis geschrieben?“ Verwirrung mehr. Jeder Analyst oder Interessenträger kann seine eigene Ansicht aufbauen, und Sie können als Team Erkenntnisse für Ihre endgültige Präsentation oder Feedback-Sitzung der Gemeinschaft kombinieren.
Für Teams, die eine engere Zusammenarbeit wünschen, funktioniert dieses Modell weit besser als der Austausch von Tabellenkalkulationen oder das Verwalten von versionierten Word-Dokumenten.
Erstellen Sie jetzt Ihre Bürgerumfrage zu Zonierungs- und Entwicklungseingaben
Verbessern Sie Ihren Bürgerbeteiligungsprozess mit leistungsstarken KI-gestützten Erkenntnissen, kollaborativer Analyse und sofortiger Zusammenfassung – damit Ihre Entscheidungen immer durch das, was Bürger wirklich sagen und wollen, unterstützt werden. Beginnen Sie mit dem Sammeln und Analysieren von Zonierungs- und Entwicklungseingaben, die echten Wandel bewirken.
