Die vier klassischen Qualitätsregeln
Speeder: Der Median der Interviewdauer dient als Maßstab für eine sorgfältige Bearbeitung. Markiert werden Fälle, die unter einem Anteil des Medians (Standard 33 %) oder unter einer von Ihnen gesetzten Sekunden-Untergrenze liegen – maßgeblich ist der größere der beiden Werte. Zeilen ohne oder mit nicht numerischer Dauer gelten nie als Speeder.
Straightliner: Haben alle beantworteten Items der ausgewählten Matrixfrage dieselbe Antwort und wurden mindestens 3 Items beantwortet (einstellbar), wird die Zeile markiert. Zusätzlich zeigt das Tool die längste identische Folge als schwächeres Signal, denn teilweises Straightlining ist in langen Grids häufig.
Dubletten: Taucht eine Befragten-ID erneut auf, bleibt das erste Vorkommen erhalten und jede Wiederholung wird markiert. Mit „Auch exakte Kopien ganzer Zeilen markieren“ finden Sie doppelte Einsendungen auch dann, wenn die ID neu vergeben wurde.
Unvollständige Interviews: Eine Zeile wird markiert, wenn der Anteil leerer Zellen über dem Schwellenwert liegt (Standard 50 %). Lücken durch Filterführung sind normal; bei komplexer Fragebogenlogik sollten Sie den Schwellenwert anheben.
Offene Nennungen, Beinahe-Dubletten, Kennungen und Aufmerksamkeitsprüfungen
Offene Nennungen mit geringer Qualität: Jede Antwort in den gewählten Freitextspalten wird in fester Reihenfolge geprüft – Nichtantworten („n/a“, „idk“, „nothing“, „.“, „good“, „weiß nicht“), keine Buchstaben („12345“), zu kurze Antworten (weniger als 2 Buchstaben), Tastaturgehämmer (5 benachbarte Tasten einer QWERTY-Reihe in einem Wort wie „asdfg“ oder eine Ein-Wort-Antwort aus 4 Nachbartasten wie „hjkl“), wiederholte Zeichen („kkkk“, „asdasd“, „jkjkjkjk“), zu wenige Vokale und ungewöhnlich geringe Zeichenvielfalt. Konsonantengruppen wie „sch“, „ch“ oder „sz“ zählen als ein Laut, daher werden lange deutsche Komposita wie „Bewertung“ oder „Rechtschreibprüfung“ nicht fälschlich markiert.
Schriftsysteme: Tastatur-, Vokal- und Längenregeln gelten nur für überwiegend lateinische Antworten. Chinesische, japanische, koreanische, kyrillische, arabische, hebräische, griechische, thailändische und Devanagari-Antworten durchlaufen nur die schriftunabhängigen Prüfungen (Nichtantwort, keine Buchstaben, Wiederholung, Entropie-Ausreißer, Copy-and-paste).
Copy-and-paste: Antworten derselben Spalte, die nach Normalisierung von Groß-/Kleinschreibung, Leerzeichen, Satzzeichen und unsichtbaren Zeichen identisch und mindestens 30 Zeichen lang sind, werden markiert, sobald mindestens 3 Befragte (in großen Dateien 0,5 % der Antworten) sie teilen – ein typisches Merkmal von Klickfarmen. Nichtantworten sind ein schwaches Signal: Sie werden aufgelistet, bleiben aber standardmäßig in der bereinigten Datei. Die Empfindlichkeit (niedrig, Standard, hoch) lockert oder verschärft die Schwellen.
Beinahe-Dubletten: Verglichen werden nur Spalten, die beide Zeilen beantwortet haben; ab 95 % identischen Antworten (einstellbar) bleibt die frühere Zeile, die spätere wird markiert. Beide Zeilen müssen mindestens die Hälfte der gewählten Spalten (mindestens 3) gemeinsam beantwortet haben. Statt aller O(n²)-Paarvergleiche bildet das Tool Hash-Gruppen; sehr große Gruppen werden nur mit sortierten Nachbarn verglichen, und das Ergebnis weist dann auf mögliche Lücken hin.
Wiederholte technische Kennungen: In Spalten mit IP-Adressen, Geräte- oder Fingerprint-IDs, E-Mail-Adressen oder Panel-IDs wird jede erneut auftretende Kennung markiert (erstes Vorkommen bleibt). Platzhalter wie „N/A“, „-“, „unknown“ oder „0.0.0.0“ zählen nicht, IP-Adressen werden in kanonischer Form verglichen. Optional gelten Adressen im selben /24- (IPv4) oder /64-Block (IPv6) als Wiederholung. Büros, Hochschulen und Mobilfunknetze teilen sich oft Adressen – prüfen Sie diese Fälle deshalb manuell.
Aufmerksamkeitsprüfungen: Hinterlegen Sie eine oder mehrere Fangfragen mit der erwarteten Antwort (z. B. „Bitte wählen Sie ‚Stimme voll zu‘“), als Code oder als Wertelabel. Mehrere zulässige Antworten trennen Sie mit Komma oder Semikolon. Taucht eine erwartete Antwort in der Spalte nie auf, warnt das Tool. Leere Antworten zählen standardmäßig nicht als Fehler, weil die Filterführung die Frage übersprungen haben kann.
Die Regeln als Formeln
Speeder: Dauer < max(p × Median der Dauer, Untergrenze in Sekunden), mit p = 0,33 als Standard und optionaler Untergrenze.
Straightliner: beantwortete Items ≥ m und alle beantworteten Items gleich (Standardabweichung 0), mit m = 3 als Standard.
Unvollständig: leere Zellen ÷ alle Spalten > Schwellenwert, Standard 0,50. Beinahe-Dublette: identische Antworten ÷ gemeinsam beantwortete Spalten ≥ s, Standard s = 0,95.
Warum der Median und nicht der Mittelwert? Interviewdauern sind rechtsschief: Wenige Personen lassen den Fragebogen stundenlang offen und ziehen den Mittelwert nach oben, sodass viele normale Fälle als Speeder gelten würden. Der Median ist gegen solche Ausreißer robust.
Beispiel mit den Beispieldaten
Der eingebaute synthetische Snackmarken-Tracker hat 600 Zeilen (596 generierte Befragte plus 4 exakt doppelte Einsendungen). Mit den Standardeinstellungen und den Spalten duration_sec, den 8 Grid-Items brand_grid_* sowie respondent_id ergibt sich:
Der Median der Interviewdauer liegt bei 520 Sekunden, die Speeder-Schwelle also bei 0,33 × 520 = 171,6 Sekunden; 26 Zeilen liegen darunter. 38 Zeilen geben auf allen 8 Markenaussagen dieselbe Antwort, 4 Zeilen wiederholen eine bereits vorhandene Befragten-ID und 0 Zeilen sind zu mehr als 50 % leer.
Mit diesen vier Regeln werden insgesamt 54 Zeilen markiert. 14 davon sind zugleich Speeder und Straightliner, deshalb ist die Summe der Einzelregeln (68) größer als 54. Die bereinigte Datei behält 546 Zeilen.
Die Beispieldaten enthalten außerdem die offene Frage like_most_oe, ip_address, device_id und eine attention_check-Frage, bei der 5 zu wählen ist. Mit allen Prüfungen markiert das Tool 17 Zeilen wegen minderwertiger offener Nennungen (10 Kauderwelsch-Antworten, 7 Zeilen mit kopiertem Text); 6 Nichtantworten werden als schwaches Signal gelistet, aber behalten. 4 Zeilen sind Beinahe-Dubletten (die doppelten Einsendungen), 11 Zeilen wiederholen eine IP-Adresse (8) oder Geräte-ID (7), und 46 Zeilen fallen bei der Aufmerksamkeitsprüfung durch – meist Straightliner, die ihr Grid-Muster einfach fortsetzen.
Alle acht Regeln zusammen markieren 80 Zeilen, 47 davon durch zwei oder mehr Regeln; die bereinigte Datei behält 520 Zeilen, von denen 5 nur das schwache Signal einer Nichtantwort tragen. Wählen Sie zusätzlich „Auch Zeilen entfernen, deren einziges Problem bei offenen Nennungen eine Nichtantwort ist“, werden 85 Zeilen markiert und 515 behalten.
Wann einsetzen – und wann vorsichtig sein
Setzen Sie das Tool vor der Tabellierung von Online-Panel- und Selbstausfüller-Befragungen ein, bei denen Speeder und Straightliner am häufigsten vorkommen. Es eignet sich auch, um Feldlieferungen auf Doppelerfassungen oder Testinterviews zu prüfen.
- Nicht als automatischen Löschschritt verwenden: Prüfen Sie markierte Zeilen, besonders solche mit nur einer Regel.
- Bei wenigen, faktischen Items oder wenn jemand alle Marken wirklich hoch bewertet, kann eine einheitliche Antwort echt sein.
- Bei CATI- oder Face-to-Face-Interviews misst die Dauer das Tempo der Interviewer, nicht der Befragten – die Speeder-Regel passt dort nicht.
- Die Prüfungen sehen nur die Datei; sie ersetzen keine Schutzmaßnahmen der Befragungsplattform (CAPTCHA, Device-Fingerprinting, Panel-Verifizierung), und flüssig formulierte KI-Antworten gelten nicht als Kauderwelsch.
- Dokumentieren Sie im Methodenteil oder Kundenbericht die Schwellen jeder Regel und die Zahl entfernter Fälle.
So lesen Sie die Markierungen
Eine einzelne Regel ist ein Anlass zur manuellen Prüfung; zwei oder mehr Regeln sind meist ein starker Beleg für unaufmerksames oder betrügerisches Antworten. „Alle Zeilen mit Markierungsspalten herunterladen“ behält jede Zeile und ergänzt flag_speeder, flag_straightliner, flag_duplicate und flag_incomplete; bei den weiteren Prüfungen kommen flag_open_end, flag_near_duplicate, flag_identifier, flag_attention, flag_rule_count und zuletzt flag_reasons hinzu. Spaltennamen und Begründungen im Export bleiben englisch, damit sie mit anderen Tools und Skripten kompatibel sind.
Nach der Bereinigung können Sie die Datei im Crosstabs-Arbeitsbereich tabellieren oder zuerst mit dem Label-Mapper numerische Codes in lesbare Antworttexte umwandeln.