Metaforms

Was ist Metaforms AI?

Metaforms AI ist eine von WorkHack India Private Limited entwickelte AI-Plattform für Marktforschungsinstitute, Probenlieferanten und Umfrageprogrammierteams. Sie ermöglicht es den Agenten, an der Programmierung von Fragebögen, der Anpassung von Trackern sowie der Datenverarbeitung und -qualitätskontrolle mitzuwirken, wobei gleichzeitig eine manuelle Überprüfung, ein Versionsverlauf sowie Teamregeln beibehalten werden.

Metaforms ist weder ein allgemeines Suchwerkzeug noch lediglich ein Formulardesigner für Befragte. Der Schwerpunkt liegt derzeit darauf, die wiederholenden Aufgaben in Forschungsprojekten – von der Eingabe von Fragebögen über die Erstellung von Umfragedaten bis hin zur Überprüfung und Lieferung – zu standardisieren, was sich besonders für Forscherteams mit bereits vorhandenen professionellen Prozessen und Hosting-Plattformen eignet.

Hauptfunktionen

• AI-gestütztes Erstellen von Umfragen: Man lädt das Fragebogen-Format sowie die zugehörigen Unterlagen hoch, wählt ein Muster und die Komplexitätsstufe aus – anschließend erstellt oder modifiziert die KI den XML-Code für die Umfrage in Schritten. Programmierer können die Unterschiede Stück für Stück überprüfen, anstatt den gesamten Fragebogencode auf einmal anzunehmen.
• XML-Editor: Links wird die Struktur der Umfrage bearbeitet, rechts wird die ursprüngliche Fragebogenversion verglichen. Mit „Generate with AI“ oder „Edit with AI“ können konkrete Fragen bearbeitet werden. Jeder Speichervorgang wird in der Historie festgehalten, sodass frühere Versionen angezeigt oder wiederhergestellt werden können.
• AI Prompt Assistant: Basierend auf den hochgeladenen Fragebögen und den bereits erstellten XML-Dateien werden Empfehlungen für die nächsten Schritte gegeben. Der Benutzer kann diese anpassen oder akzeptieren. Die Option „Auto-Accept“ erzeugt kontinuierlich neue Abschnitte – doch bei komplexer Logik sollte die automatische Akzeptierung deaktiviert werden, damit jede Einzelheit überprüft werden kann.
• Think Hard Mode: Bei verschachtelten Schleifen, MaxDiff, Conjoint, Überprüfung zwischen Fragen, JS/CSS oder versteckter Logik lässt der Agent zuerst planen und dann erst erzeugen. Dies kann die Strukturintegrität verbessern, ersetzt aber keine Testdaten und Plattformvorschauen.
• Spezialisierungen: Je nach Projekt können Funktionen wie herkömmliche Fragearten, Überprüfung, Schleifen, Quoten, Quellen für Beispiele, Bilder, Datenabfrage und Skripte aktiviert werden. Je länger der Fragebogen ist, desto geringer kann die Anzahl der gleichzeitig wählbaren Spezialisierungen sein; in solchen Fällen muss der Fragebogen in Schritten erstellt und bearbeitet werden.
• AI-Regeln: Die Ergebnisse werden mithilfe von Anweisungen des Teams oder der Kunden, Codebeispielen, Erklärungen sowie XML-Schemata erzeugt. Die Regeln können entweder für alle Projekte verpflichtend gesetzt oder nach Bedarf ausgewählt werden; außerdem werden Berechtigungen, Nutzungsinformationen sowie Versionshistorien beibehalten.
• Templates und Shell: Grundlegende XML-Dateien, Quota Sheets, dynamische Platzhalter sowie AI-Regel-Ordner werden zu wiederverwendbaren Templates zusammengefasst. Neue Projekte starten mit denselben Standards, wodurch Unterschiede in der Arbeit verschiedener Programmierer verringert werden.
• Bearbeitung der Tracker-Version: Bei unterstützten Tracking-Studien werden die alten und neuen Versionen verglichen, betroffene Probleme und Logiken werden markiert, und Fragenummern, Labels, gespeicherte Werte, Datenaufbau, Quoten sowie Historie werden geschützt. Kunden müssen nach Änderungen nicht das gesamte Projekt erneut durchführen.
• Datenvalidierung: Auf der Grundlage der Fragebogenvariablen werden Prüfungen mit Python oder SPSS erstellt; nach Ausführung werden die fehlerhaften Einträge aufgelistet. Der Benutzer kann den Code ansehen, manuell Prüfungen hinzufügen, mit KI Grammatikfehler beheben und logische Fehler überprüfen.
• SPSS-Makros: Häufig verwendete Überprüfungsfunktionen werden in Vorlagen für die Datenverarbeitung wiederverwendet, um zusammen mit AI-Regeln konsistente Skripte zu erstellen. Makros gehören derzeit zum Überprüfungswerkzeugkasten von SPSS; es kann nicht angenommen werden, dass Python sie ebenfalls unterstützt.
• Plattform-Integration: Mit API-Schlüsseln können Forsta Decipher-, IntelliSurvey- und Confirmit-Projekte erstellt oder abgerufen werden. Zudem kann eine maßgeschneiderte Integration für interne Umfrageplattformen konfiguriert werden. Der Verbindungsrahmen sowie die Berechtigungen für die Anmeldedaten sollten vom Administrator gesteuert werden.
• Benutzerrollen und -gruppen: Owner, Admin und Editor haben unterschiedliche Rechte zur Verwaltung von Benutzern, Projekten, Vorlagen und der Datenspeicherung. Sie können Projekte entweder einzeln oder in Gruppen autorisieren.

Eingabe, Verarbeitung und Ausgabe

Untersuchung der Programmier-Workflows

1. Konfigurieren Sie in den Administrator-Einstellungen den API-Schlüssel der Umfrage-Hosting-Plattform und testen Sie die Verbindung mit minimalem Berechtigungsgrad.
2. Erstellen Sie eine Ad-hoc-Studie oder einen Tracker-Lauf, wählen Sie ein neues Projekt aus oder importieren Sie ein vorhandenes Plattformprojekt.
3. Wählen Sie ein passendes Template für den Kunden und die Plattform aus, und füllen Sie den Projektnamen, den Ordner sowie den Speicherpfad ein.
4. Laden Sie das ursprüngliche Fragebogen, die Quoten, die Materialien sowie weitere Unterstützungsdateien hoch und überprüfen Sie Version und Benennung.
5. Wählen Sie je nach Komplexität des Fragebogens „Basic“ oder „Advanced“ aus und aktivieren Sie die gewünschten Specializations sowie die AI-Regel-Ordner.
6. Erstellen Sie in dem XML-Editor Fragen in Batches und vergleichen Sie nacheinander die Fragebögen, das XML sowie die Unterschiede.
7. Für einfache Wiederholungsblocks kann Prompt Assistant verwendet werden, während komplexe Verzweigungen, Schleifen und Skripte mit Think Hard bearbeitet und manuell überprüft werden sollten.
8. Führen Sie den Betrieb in der Vorschauumgebung unter normalen Bedingungen durch, überprüfen Sie Grenzwerte und Konfliktdaten sowie Übergänge, Quoten, Speicherwerte, Quellen für Beispiele und Beendigungsbedingungen.
9. Nach der Freigabe wird es auf die Hostplattform synchronisiert, wobei Versionen, Änderungen, Testergebnisse und Lieferprotokolle gespeichert bleiben.

Datenverarbeitungsworkflow

1. Erstellen Sie ein Data-Processing-Projekt und wählen Sie die Verifizierungstools Python oder SPSS sowie die entsprechenden Vorlagen aus.
2. Laden Sie die Fragebögen und Variabendaten hoch und definieren Sie mit AI Rules sowie Makros die Überprüfungsstandards für das Team.
3. Erstellen Sie eine Überprüfung gemäß der Aufgabe, lesen Sie die für Menschen lesbaren Anweisungen und schauen Sie sich den tatsächlichen Code an.
4. Laden Sie die SAV-Daten hoch oder bereiten Sie die Ausführungsumgebung vor, um Einzelfragen sowie die gesamte Projektvalidierung durchzuführen.
5. Prüfen Sie die Fehlerprotokolle, um echte Datenprobleme, Ausnahmen im Fragebogen, Abbildungsfehler und Skriptfehler zu unterscheiden.
6. Überprüfen Sie mit „Edit with AI“ oder manuell, führen Sie die Aufgabe erneut aus und notieren Sie die Gründe für die Korrekturen.
7. Der endgültige Script, der Fehlerbericht sowie die Überprüfungsprotokolle werden ausgegeben und vom Verantwortlichen für die Datenverarbeitung unterzeichnet übergeben.

Passend für Nutzer und Szenarien

• Marktforschungsunternehmen: Steigerung der Fähigkeiten in der Programmierung von Umfragen für mehrere Kunden sowie bei der Verarbeitung von Daten, während gleichzeitig die Standards für jeden Kunden gewahrt bleiben.
• Stichproben- und Panel-Anbieter: Integration von Umfragedatenblättern, Quoten und Stichprobenquellen in die bestehenden Umfrageverwaltungsprozesse.
• Ermittlung von Programmierern: Reduzierung der wiederholten Erstellung von XML, um Zeit für komplexe Logik, Plattformbeschränkungen und Tests zu gewinnen.
• Datenverarbeitungsteam: Erstellung von Python- oder SPSS-Dateien zur Überprüfung sowie zentrale Ansicht der fehlerhaften Einträge.
• Tracker-Team: Bearbeitung von Wellen-Änderungen sowie Schutz der Fragenummern, Tags, Speicherwerte, Historie und Datenaufbau.
• Es eignet sich nicht für Personen, die nur einfache Fragebögen erstellen möchten, und kann auch keine Ersetzung für die Forschungsplanung, die Stichprobenwahl, die statistische Auswertung oder die Verantwortlichen für die Qualität der Daten sein.

Plattformen und Module

Preise und Abrechnung

Metaforms verwendet eindeutig eine Abrechnung nach Projekten und Modulen, anstatt nach Plätzen oder Tokens. Zu einem Projekt können die benötigten Mitglieder hinzugefügt werden, und je nach Arbeitsbedarf können Proxy-Einheiten genutzt werden. Auf der offiziellen Seite werden keine konkreten Jahresgebühren, Preise pro Projekt, eine Liste der Module sowie Kosten für zusätzliche Projekte oder Pilotpreise angegeben.

Die Regeln für Rückerstattungen, vorzeitige Beendigung, ungenutzte Leistungen, Übertragung von Projekten sowie Preiserhöhungen bei Verlängerungen sind derzeit noch nicht öffentlich bekannt. Bei Unternehmenskäufen sollten Moduldefinitionen, Plattformen, Projektbeschreibungen, Lieferunterstützung, Schulungen, Datenübertragung, Abnahmeprozesse sowie Kündigungsbedingungen in die Bestellung aufgenommen werden.

API, SDK und Open-Source-Status

• Metaforms nutzt die von den Kunden bereitgestellten API-Schlüssel der Umfrageplattformen, um Decipher, IntelliSurvey und Confirmit zu verbinden, und kann auch Integrationen für interne Plattformen erstellen.
• Diese Verbindungsfähigkeit entspricht nicht einer öffentlichen Entwickler-API; es sind weder einheitliche Endpunkte, SDKs, Webhooks, Geschwindigkeitsbeschränkungen noch eine eigene API-Preisgestaltung bekannt.
• Es wurde weder ein offizielles GitHub-Repo für das vollständige Produkt noch eine Open-Source-Lizenz gefunden; die Untersuchung der Programmierplattform sowie der AI-Agenten sollte daher als proprietäre Unternehmenssoftware angesehen werden.
• Ob Benutzer erstellter oder exportierter XML-, Python- und SPSS-Code in anderen Projekten wiederverwendet werden kann, muss anhand des Kundenvertrags, des Eigentumsrechts an den Vorlagen sowie der Regeln der Drittanbieterplattformen geklärt werden.

Privatsphäre, Sicherheit und Rechtstreue in der Forschung

• Metaforms verarbeitet Kontonamen und E-Mail-Adressen und kann außerdem identifizierbare Informationen, Fragebögen, Antworten, Stichprobendaten sowie Gesundheitsinformationen sammeln, die für Forschungszwecke genutzt werden.
• Die Datenschutzrichtlinie listet die Verpflichtungen im Zusammenhang mit HIPAA, GDPR und dem indischen IT Act auf und gewährt Rechte auf Zugang, Korrektur, Löschung, Einschränkung, Widerspruch sowie Portabilität. Bei geschützten Gesundheitsinformationen muss weiterhin der geltende Vertrag unterzeichnet werden und die konkreten Kontrollmaßnahmen überprüft werden.
• Auf der Produktseite wird angegeben, dass das Produkt den Standards ISO/IEC 27001 sowie SOC 2 Type II entspricht. Zudem werden jährliche unabhängige Penetrationstests durchgeführt, und das Produkt ist außerdem mit den Vorgaben von HIPAA und GDPR kompatibel. Der Käufer sollte die aktuellen Zertifikate, Berichte über die durchgeführten Tests sowie eine Liste der Unterauftragnehmer anfordern.
• Die Protokolle können IP-Adressen, Browser, Anbieter, Zeitangaben, Seiten sowie Klicks enthalten. Auch Websites verwenden Cookies; in der Datenschutzerklärung wird außerdem auf Drittanbieter-Werbetechnologien hingewiesen, und Unternehmen sollten überprüfen, ob auch in ihrer Umgebung solche Technologien verwendet werden.
• Die Benutzerrollen sollten nach ihren Aufgaben getrennt konfiguriert werden, damit nur der Owner Zugriff auf die Steuerung der Datenspeicherung hat. Vor dem Teilen von Projekten, Vorlagen und Regeln sollten die Isolierung sowie die Bearbeitungsrechte der Kunden überprüft werden.
• Die Seite mit den Dienstleistungsbedingungen behält weiterhin die Definitionen der WorkHack-Website aus dem Jahr 2023 bei, was einen deutlichen Zeitausgleich zu den aktuellen Metaforms-Produkten, der Abrechnung sowie dem Umfang der Module darstellt. Die endgültigen Genehmigungen, Verpflichtungen, Rückerstattungen sowie die Datenverarbeitung richten sich nach dem unterzeichneten Vertrag und den neuesten Anhängen.
• Die Verarbeitung der Daten der Befragten muss den Anforderungen bezüglich Einwilligung, Zweckbeschränkung, Minimierung, Aufbewahrung, Löschung sowie grenzüberschreitender Übertragung entsprechen. Von KI erzeugter Code kann Probleme hinsichtlich der Konformität nicht selbst lösen.

Vorteile und Einschränkungen bei der Verwendung

• Vorteile: Der Agent ist um den Prozess der professionellen Untersuchung herum konzipiert und kann XML, Plattformregeln, Kundenvorlagen sowie Validierungscode wiederverwenden.
• Vorteile: Die schrittweise Erstellung, die Unterschiedsprüfung, die Versionshistorie sowie die Überprüfung auf Abweichungen tragen dazu bei, die manuelle Kontrolle beizubehalten.
• Vorteile: Abrechnung nach Projekt statt nach Plätzen oder Tokens – geeignet für die Zusammenarbeit mehrerer Personen sowie für häufige Nutzung durch Agenten.
• Einschränkung: Die Kapazität für Spezialisierung ändert sich je nach Länge des Fragebogens; komplexe Fragebögen müssen möglicherweise in mehreren Schritten erstellt werden.
• Einschränkung: Auto-Accept beschleunigt wiederholte Blöcke, kann aber auch Fehler auf nachfolgende Probleme übertragen.
• Einschränkungen: Python- und SPSS-Skripte können syntaktische oder logische Fehler aufweisen; sie müssen mit echten Testdaten ausgeführt und von Hand unterschrieben werden.
• Einschränkungen: Standardpreise, einheitliche API, Rückerstattungen, Standard-SLA, spezifische Datenaufbewahrungsfristen sowie die Abdeckung aller Plattformen sind nicht öffentlich bekannt.

Zusammenfassung

Metaforms AI eignet sich für professionelle Forschungsteams, die eine skalierbare Erhebungserstellung, Tracker-Anpassungen sowie Datenvalidierung benötigen. Bei der Bewertung sollten echte Fragebögen und historische Daten verwendet werden, um die Genauigkeit von XML, die Erkennung von Abweichungen, die Synchronisierung der Plattformen sowie die Kosten für die manuelle Überprüfung zu prüfen. Zudem müssen Projektanforderungen, Sicherheitszertifizierungen sowie vertragliche Rechte berücksichtigt werden.