agentleFS
kayspiegelkayspiegel/survey-insight-skills/.agents/skills/entscheidungsvorlage/SKILL.md

entscheidungsvorlage

Skill2 starsChanged 3 months agoMITView on GitHub

Erstellt aus quantitativen Umfragedaten (CSV) eine strukturierte Entscheidungsvorlage (Decision Memo): Ausgangslage, Optionen mit Pro/Contra und Datenbeleg, begründete Empfehlung, Risiken/Annahmen. Ergebnis als Markdown nach reports/. Nutzen, wenn eine Entscheidung ansteht, die mit Research-Evidenz gestützt werden soll. Aufruf mit der Anfrage als Argument, z. B. /entscheidungsvorlage <zu treffende Entscheidung / Frage>.

1 other project uses a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

Entscheidungsvorlage (Decision Memo)

Ziel: Zu der in der Anfrage des Nutzers genannten Entscheidung eine handlungsleitende Vorlage bauen, in der jede Option mit Daten belegt ist und eine klare Empfehlung ausgesprochen wird. Für Entscheider:innen, nicht für Analyst:innen. Ergebnis als Markdown in reports/.

Werkzeug

python3 scripts/survey.py <cmd> [...] [--file CSV]

Aus dem Projekt-Root ausführen. Fehlt scripts/survey.py, unter .claude/scripts/survey.py nachsehen oder survey.py im Projekt suchen.

  • profile — Spaltenüberblick (immer zuerst).
  • freq COL [--by COL2] [--filter "COL=WERT"] [--sig] — Verteilung/Kreuztabelle, --sig für Signifikanz + Effektstärke (Einfach × Einfach).
  • text COL [--filter ...] [--sample N] — O-Töne/Freitext als Beleg.

COL = Index (aus profile) oder eindeutiger Namensteil.

Umfrage-Kontext

Liegt neben der CSV ein Kontextdokument (<name>.context.md, bei genau einer CSV im Ordner auch survey-context.md), zuerst lesen — dieser Skill profitiert davon am meisten, weil darin die anstehende Entscheidung und das Publikum der Vorlage stehen. Ausgangslage, Gegenstand und Glossar daraus übernehmen; die Zahlen kommen weiterhin nur aus dem Motor. Rekrutierungsweg und der Abschnitt „Wer fehlt" gehören unter Risiken und Annahmen: Eine Option, die unter den Antwortenden stark aussieht, kann bei den nie Erreichten anders aussehen. Dort genannte Erwartungen sind Prüfgegenstand, nie Beleg — nie eine Erwartung darüber entscheiden lassen, welche Option gewinnt. Gibt es kein solches Dokument, wie bisher vorgehen und am Ende einmal auf umfrage-kontext hinweisen.

Vorgehen

  1. Entscheidung schärfen. Was genau ist zu entscheiden? Welche Optionen sind plausibel? Wenn nicht vorgegeben, leite 2–4 realistische Optionen ab (inkl. „Status quo / nichts tun" als Referenz).
  2. Profilieren und die entscheidungsrelevanten Variablen finden.
  3. Evidenz je Option sammeln. Für jede Option gezielt die Daten befragen, die dafür oder dagegen sprechen (Verteilungen, Kreuzvergleiche, ggf. Signifikanz, Freitext- Bedarfe). Auch die Größe betroffener Nutzergruppen quantifizieren (Impact).
  4. Abwägen und empfehlen. Optionen anhand der Evidenz vergleichen, eine begründete Empfehlung geben. Trade-offs offenlegen, nicht verstecken.
  5. Report speichern nach reports/ (date +%F + kebab-Titel, nicht überschreiben) und Empfehlung + Pfad in der Antwort nennen.

Report-Format

# Entscheidungsvorlage: <Entscheidung>

**Datenbasis:** <Datei> · n = <…> · <Datum>

## Empfehlung
Klare Aussage in 1–2 Sätzen: welche Option, warum.

## Ausgangslage
Warum steht die Entscheidung an? Relevanter Datenkontext in 2–4 Sätzen.

## Optionen im Vergleich
| Option | Dafür (Daten) | Dagegen (Daten) | Betroffene (Impact) |
|---|---|---|---|
| A … | … (Zahl) | … (Zahl) | … % der Nutzer |
| B … | … | … | … |
| Status quo | … | … | … |

## Begründung der Empfehlung
Warum die empfohlene Option die Abwägung gewinnt — mit den entscheidenden Zahlen.

## Risiken & Annahmen
Was muss zutreffen? Was könnte schiefgehen? Datenlücken/Unsicherheiten — einschließlich
wen die Umfrage nicht erreicht hat (aus dem Umfrage-Kontext) und was das für die Empfehlung
bedeuten kann.

## Nächste Schritte
2–4 konkrete, priorisierte Schritte.

## Methodik
Genutzte Spalten/Filter/Tests in einem Absatz.

Regeln

  • Jede Option braucht Datenbeleg (pro und contra) — keine Bauchentscheidung.
  • Empfehlung eindeutig aussprechen, aber Trade-offs und Unsicherheiten transparent machen.
  • Signifikanz/Effektstärke nutzen, wo Gruppenunterschiede die Entscheidung tragen.
  • Impact quantifizieren (wie viele Nutzer/welcher Anteil betroffen).
  • Sprache = Sprache der Anfrage (Standard Deutsch). Entscheider-Ton: knapp, konkret.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.