Zum Inhalt springen
Wissensdatenbank

MCP-Schnittstelle

Askalot unterstützt das Model Context Protocol (MCP), einen offenen Standard, über den KI-Assistenten direkt mit der Plattform arbeiten können. So können KI-Agenten im natürlichsprachigen Gespräch Umfragen anlegen, Kampagnen verwalten, Fragebogenabläufe durchlaufen und Ergebnisse analysieren.

MCP ist ein standardisiertes Protokoll, mit dem KI-Systeme wie Claude externe Werkzeuge und Datenquellen nutzen. Mit der MCP-Schnittstelle von Askalot können Sie:

  • Umfrage-Workflows automatisieren – Projekte, Fragebögen und Kampagnen im Gespräch mit der KI anlegen
  • Umfragen programmatisch durchführen – durch Fragebogenabläufe navigieren und Antworten übermitteln
  • Befragte verwalten – Befragte importieren, ordnen und Kampagnen zuweisen
  • Den Audit-Trail abfragen – Änderungen nachverfolgen und Compliance sicherstellen
  • Auf die Dokumentation zugreifen – KI-Agenten können die Plattformdokumentation als Kontext lesen
https://portor.<tenant>.askalot.io/mcp

Ersetzen Sie <tenant> durch den Tenant-Namen Ihrer Organisation.

Dieser Connector ist für Sie und Ihr Team bestimmt. Befragte verbinden sich nie mit diesem Connector: Eine Kampagne, die den KI-Assistenten anbietet, gibt jeder befragten Person einen eigenen Connector, https://portor.<tenant>.askalot.io/respond/mcp, den sie mit einem Kopplungscode von ihrer Umfrageseite erreicht. Er enthält nur ihre eigene Umfrage. Siehe KI-gestütztes Selbstinterview.

Die MCP-Schnittstelle authentifiziert über OAuth 2.1, nicht über ein eingefügtes API-Token. Beim ersten Tool-Aufruf antwortet Portor mit 401 und einem OAuth-Discovery-Hinweis, und Ihr MCP-Client (zum Beispiel das Askalot-Plugin für Claude Code) führt Sie durch eine Anmeldung im Browser beim OIDC-Anbieter der Plattform. Anschließend speichert der Client die erhaltenen Access- und Refresh-Tokens und sendet das Access-Token bei jedem Aufruf als Authorization: Bearer – den Bearer-Wert selbst bekommen Sie nie zu sehen.

Endpunkt konfigurieren (nur die URL):

Konfigurieren müssen Sie nur die Server-URL. Das Askalot-Plugin liest sie aus der Umgebungsvariablen ASKALOT_MCP_URL; ein einfacher Eintrag in .mcp.json enthält dieselbe URL und sonst nichts – kein Token-Feld:

{
"mcpServers": {
"askalot": {
"type": "http",
"url": "https://portor.<tenant>.askalot.io/mcp"
}
}
}

Anmelden (bei der ersten Nutzung):

  1. Richten Sie den Client auf Ihren Tenant aus (export ASKALOT_MCP_URL=https://portor.<tenant>.askalot.io/mcp).
  2. Rufen Sie ein beliebiges MCP-Tool auf. Der Client öffnet in Ihrem Browser den /authorize-Endpunkt von Portor, der zur OIDC-Anmeldung der Plattform weiterleitet.
  3. Melden Sie sich an. Über dem Formular nennt die Anmeldeseite die anfragende Anwendung und die Adresse, an die Ihr Zugang gesendet wird; fahren Sie nur fort, wenn Sie diese Verbindung aus genau dieser Anwendung gestartet haben. Der Client tauscht den Code gegen Tokens und wiederholt den ursprünglichen Aufruf.
  4. Der Browser-Handshake findet nur einmal statt; danach wird das Refresh-Token unbemerkt eingelöst.

Ihre MCP-Sitzung befindet sich immer in genau einer Organisation – ihrer aktiven Organisation –, und jeder Tool-Aufruf wird in ihr aufgelöst. Projekte, Fragebögen, Kampagnen, Befragte und Datensätze gehören alle zu einer Organisation; deshalb ist die aktive Organisation das Wichtigste, was Sie wissen müssen, um zu verstehen, wo ein Tool sucht.

Wo Sie beginnen. Eine neue Sitzung startet in Ihrer Heimatorganisation, der Organisation, zu der Ihr Konto gehört. Bei der Anmeldung müssen Sie nichts auswählen.

Wo Sie gerade sind. list_organizations liefert jede Organisation, in der die Sitzung handeln darf, markiert die aktive und kennzeichnet versiegelte. Die Liste entspricht genau dem, was Ihnen das Menü Organisation wechseln im Browser anbietet – gehören Sie nur einer Organisation an, ist das die ganze Liste, und es gibt nichts zu verwalten.

Wechseln. switch_organization verschiebt die Sitzung in eine andere Organisation aus dieser Liste. Jeder spätere Aufruf wird in der neuen aufgelöst, und der Wechsel bleibt bestehen: Starten Sie Ihren MCP-Client neu, machen Sie dort weiter, wo Sie aufgehört haben. Der Tenant wird bei der Anmeldung festgelegt und ändert sich nie; ein Wechsel bewegt Sie also immer nur zwischen Organisationen innerhalb eines Tenants.

Eintreten dürfen und handeln dürfen. Die Liste enthält die Organisationen, in denen Sie Mitglied sind – Mitgliedschaften, die ein Administrator vergibt und entzieht, niemals die Sitzung selbst (für einen Askalot-Operator ist das jede Organisation im Tenant). Die Mitgliedschaft lässt die Sitzung eintreten; welche Tools sie dort nutzen kann, ergibt sich aus Ihren Rollen in dieser Organisation, und eine Rolle, die Sie anderswo haben, gilt dort nicht. In einer Organisation, in der Sie Mitglied sind, aber keine Rolle haben, schrumpft die Tool-Liste auf die Sitzungs-Tools – list_organizations, switch_organization, list_toolsets, get_my_entitlements und Ihre Modelleinstellungen –, bis ein Administrator Ihnen dort eine Rolle gibt; so können Sie jederzeit wieder herauswechseln. Entfernt ein Administrator Sie aus der Organisation, in der sich die Sitzung befindet, endet die Verbindung; melden Sie sich erneut an, startet die neue Sitzung in Ihrer Heimatorganisation.

Manche Organisationen sind versiegelt – eine kuratierte Demo oder die Daten eines ehemaligen Kunden, die für ihre Aufbewahrungsfrist verfügbar bleiben. list_organizations kennzeichnet sie, sodass Sie es vor dem Handeln wissen.

Versiegelt ist der Forschungsbestand dieser Organisation – ihre Projekte, Fragebögen, Kampagnen, Befragten, Pools, Umfragen, Datensätze und Forschungsberichte. Das Lesen bleibt unberührt: Auflisten und Abrufen all dieser Daten funktioniert weiter, ebenso die Dokumentations- und Methodikbibliothek-Tools. Für die Audit-Tools gelten ihre üblichen Regeln (siehe Audit & Compliance). Anlegen, Ändern und Löschen wird mit org_sealed abgelehnt. Jedes Tool erklärt, ob es liest oder schreibt, und genau diese Erklärung steuert die Ablehnung – die Grenze ist also eine Eigenschaft des Tools, keine Vermutung anhand seines Namens.

Ein Instrument ausprobieren funktioniert weiterhin, weil eine Vorschau nichts am Bestand ändert. create_survey ohne Kampagne startet eine Vorschau statt einer Umfrage, und get_survey_current_item, submit_survey_response und finish_survey durchlaufen sie Schritt für Schritt – so können Sie einen Fragebogen in einer versiegelten Organisation von Anfang bis Ende prüfen. Geben Sie create_survey eine Kampagne mit, wird der Aufruf abgelehnt: Dieser Durchlauf wäre ein echter Fall, und echte Fälle gehen in den Datensatz ein.

list_organizations und switch_organization funktionieren dort beide weiter, sodass eine Sitzung immer sehen kann, wohin sie sonst gehen darf, und die Organisation verlassen kann.

Die Versiegelung deaktiviert außerdem API-Tokens für diese Organisation: Sie können keines erzeugen, und ein vorhandenes funktioniert nicht mehr. Die oben beschriebene OAuth-Anmeldung ist davon nicht betroffen.

Askalot führt in Ihrem Auftrag drei Arten von KI-Aufrufen aus, und jede wählt Anbieter und Modell separat: Embedding (fest auf das lokale Modell der Plattform eingestellt – Indexierung und Suche müssen dasselbe verwenden, daher ist es nicht konfigurierbar), Direct LLM (eine einzelne, direkte Completion: Schlüsselwortextraktion bei einer Dokumentsuche und der Extraktionsdurchlauf beim Einlesen eines Dokuments) und Reasoning, das die Agenten ausführt und eine Stufe high / medium / low hat.

get_model_configuration meldet, was für Ihr eigenes Konto gilt, und je Slot, woher der Wert stammt:

Quelle Bedeutung
user Sie haben ihn gewählt
org von Ihrer Organisation übernommen
platform Standard von Askalot (nur der Embedding-Slot)
mixed Anbieter und Modell stammen aus unterschiedlichen Quellen
unconfigured nichts ist eingestellt, und es gibt keinen Plattformstandard

Der Direct-LLM-Slot und jede Reasoning-Stufe stehen auf unconfigured, bis Sie oder Ihre Organisation einen Anbieter wählen – und das klärt ein häufiges Missverständnis: Diese Slots haben absichtlich keinen Plattformstandard, weil die Aufrufe über Ihr eigenes Anbieterkonto abgerechnet werden. Eine Dokumentsuche oder ein Einlesen, das mit „requires an LLM provider — none is configured“ abgelehnt wird, oder ein Agent, der Sie bittet, einen Anbieter einzurichten, zeigt genau diesen Zustand, keinen defekten Schlüssel. Eine nicht konfigurierte Reasoning-Stufe steht in effective_config auf null.

update_model_configuration ändert Ihre eigenen Slots. Es führt zusammen: Nennen Sie direct_llm, bleiben Ihre Reasoning-Stufen, wie sie waren; nennen Sie reasoning: {"high": …}, bleiben medium und low unberührt. Übergeben Sie null für eine Stufe – oder clear_direct_llm: true –, um einen Slot wieder an den Wert Ihrer Organisation zurückzugeben. Die drei Reasoning-Stufen müssen am Ende denselben Anbieter verwenden, und eine nicht gesetzte Stufe zählt als Abweichung; ein erster Schreibvorgang nennt daher alle drei: Nur high zu setzen wird abgelehnt, weil medium und low ungesetzt blieben. Aus demselben Grund müssen Sie, um Reasoning zu leeren, wenn Ihre Organisation nichts festlegt, null für alle drei Stufen gleichzeitig übergeben.

direct_llm und reasoning akzeptieren jeweils anthropic_api oder bedrock. Fragen Sie get_model_configuration nach den zulässigen Werten und dem Standardmodell je Anbieter, statt zu raten; ein abgelehnter Schreibvorgang ändert nichts und nennt, was falsch war.

Der Direct-LLM-Slot und die Reasoning-Stufen bilden jeweils einen Bereich mit dem Kontrollkästchen Immer das neueste Modell verwenden, das aktiviert ist, sofern Sie es nicht ausgeschaltet haben. Solange es aktiv ist, hält Askalot die Slots des Bereichs auf dem neuesten Sonnet (Direct LLM) bzw. Opus / Sonnet / Haiku (high / medium / low) und wechselt erst, nachdem ein Testaufruf mit den Zugangsdaten dieses Slots erfolgreich war; wie das funktioniert, steht unter KI-Funktionen & Modelloptionen. Über die Tools:

  • get_model_configuration liefert auto_latest (je Bereich, direct_llm und reasoning: ob das Kontrollkästchen aktiv ist) und auto_status (je Slot: wann zuletzt geprüft wurde, das Ergebnis und das letzte Modell, dessen Testaufruf fehlschlug). Mögliche Ergebnisse sind ok, no_newer_model, pending_verification, no_credential, catalog_unreadable, session_expired oder der Ablehnungsgrund des Testaufrufs selbst.
  • Wenn Sie in update_model_configuration für einen Slot eines Bereichs eine model_id nennen, ist das eine manuelle Wahl: Das Kontrollkästchen dieses Bereichs wird im selben Schreibvorgang deaktiviert, der andere Bereich bleibt unberührt. Nennen Sie für einen Bereich mit aktivem Kontrollkästchen nur einen Anbieter (direct_llm={"provider": "bedrock"} oder jede Reasoning-Stufe als {"provider": …}), werden seine Slots mit dem neuesten Modell der jeweiligen Modellfamilie belegt, das der Anbieter bereitstellt; das Kontrollkästchen bleibt aktiv, und die Slots werden für den Test bei der nächsten Prüfung vorgemerkt. Die Antwort enthält das resultierende auto_latest.
  • Das Tool aktiviert ein Kontrollkästchen nie wieder; das geschieht auf der Profilseite.

Beide Tools wirken nur auf Ihr Konto. Dieselben Einstellungen finden Sie im Abschnitt KI-Modelle Ihrer Profilseite, und jede Änderung – egal auf welchem Weg – wird im Audit-Trail festgehalten.

Der MCP-Server ist einer von zwei Zugängen zu denselben Funktionen, und er kann Ihnen nicht sagen, wenn Sie die falsche gewählt haben: Der falsche Weg ist langsam und kostet Kontext, ist aber kein Fehler.

  • MCP ist für eine einzelne fachliche Aktion, eine Abfrage oder alles, bei dem der Server selbst urteilen muss. Die meiste Arbeit gehört hierher.
  • REST (https://portor.<tenant>.askalot.io/api/v1) ist für Massenarbeit und alles, dessen Payload oder Ergebnis groß ist. Schleifen und Filtern finden außerhalb Ihres Kontexts statt; Sie behalten nur eine Zusammenfassung.

Welche Zugangsdaten – das hängt davon ab, wer aufruft. Das OAuth-Access-Token, das Ihre MCP-Sitzung authentifiziert, wird auf /api/v1 als Authorization: Bearer <token> akzeptiert. Ein Personal Access Token gehört dagegen in den Header X-Api-Token, nie als Bearer; siehe Authentifizierung.

  • Ein Programm, das sein eigenes Token hält – ein SDK-Agent, der seine OAuth-Sitzung verwaltet –, darf es für REST wiederverwenden. Es hat die Zugangsdaten bereits in der Hand, und eine Sitzung ist auf beiden Wegen eine Identität.
  • Code, den Sie für eine Sandbox erzeugen, oder alles, was die Runde überdauert, verwendet ein PAT. Das ist keine Geschmacksfrage: Eine Sandbox hat keine eigenen Zugangsdaten, mit denen sie diese API erreicht. Ein PAT lässt sich außerdem separat widerrufen, ein Sitzungs-Token nicht.
  • Ein Modell, das einen Chat-Client steuert, sieht das Token überhaupt nie – der Client hält es. Wenn Sie Code schreiben, gilt für Sie der vorige Fall.

Fakten, die man leicht verwechselt:

  • bulk_create_respondents ist auf beiden Wegen auf 100 pro Aufruf begrenzt. REST validiert dieselbe Eingabe, 500 Befragte sind also in beiden Fällen fünf Aufrufe. REST gewinnt bei Roundtrips und Kontext, nie bei der Batch-Größe.
  • Die Pipeline-Job-Verben code_open_ends und derive_silver gibt es nur über MCP. Ein REST-Gegenstück müssen Sie nicht suchen.
  • Datensätze sind nicht MCP-exklusiv. list_datasets, get_dataset, delete_dataset und export_dataset haben alle Routen unter /api/v1/datasets, und Auflisten oder Exportieren ist genau die Arbeit mit großen Ergebnissen, für die REST da ist.
  • Große Inhalte kommen als Link zurück. export_dataset und get_qml_content oberhalb von 32 KB liefern eine kurzlebige signierte download_url; rufen Sie sie über normales HTTPS ab.
  • Ein QML-Speichervorgang nennt die Version, auf der er beruht. Lesen Sie mit get_qml_content und übergeben Sie dessen version_id als base_version_id an save_qml_file oder finalize_upload. Nennen Sie nach dem Speichern die version_id, die dieser Speichervorgang zurückgegeben hat. Bei overlap lesen Sie erneut und wenden Ihre Änderung noch einmal an; senden Sie nie denselben Inhalt erneut. Details: Fragebogen-Tools.
  • Abfragen statt Schleifen. Ohne Code-Sandbox schreiben Sie nicht Hunderte aufeinanderfolgender Tool-Aufrufe von Hand: Starten Sie den Job und fragen Sie get_task_status für eine Task-ID ab oder get_dataset für eine Datensatzstufe.

Der vollständige Tool-Umfang umfasst über 120 Tools – mehr, als ein einzelnes Forschungsvorhaben vor sich haben muss. Eine Verbindung kann in der URL die Bereiche nennen, die sie haben möchte:

https://portor.<tenant>.askalot.io/mcp?toolsets=analysis,campaign

Die Werte sind kommagetrennte Toolset-Namen. Eine Verbindung, die keine nennt, erhält alles; das ist der Standard und bleibt es.

Neun Toolsets lassen sich auf diese Weise filtern:

Toolset Was es enthält
project Projekte und ihre Eigentümerschaft
questionnaire Fragebögen und den QML-Lebenszyklus
sampling Befragte, Pools und Stichprobenstrategien
campaign Kampagnen und ihre Konfiguration
fielding Umfragen, Einladungen, Interviewer, den Antwortablauf
analysis Bundles, Datensätze und die Bronze/Silver/Gold-Pipeline
documents Ihre hochgeladenen Referenzdokumente
methodology Die gemeinsame Bibliothek zur Umfragemethodik
audit Den Audit-Trail

Acht weitere werden auf jeder Verbindung zugelassen, egal was Sie nennen, denn ohne sie könnte ein Agent seinen eigenen Kurs nicht korrigieren: Ihre Sitzungs- und Organisations-Tools, der Gesprächsverlauf, die Berechtigungen, die Dokumentation, das Tool list_toolsets selbst, der Forschungsbericht, die unten beschriebenen zusammengesetzten Tools und get_task_status – so lässt sich ein zusammengesetztes Tool, das Sie auf einer eingegrenzten Verbindung starten, von dort immer abfragen.

Zwei Dinge ist es nicht, und beides sollte klar sein:

  • Es ist keine Berechtigungsgrenze. Ihre URL wählen Sie selbst; ein genanntes Toolset sperrt also niemanden irgendwo aus. Was Sie dürfen, entscheiden Ihre Abonnementstufe, Ihre Rolle und die Projekteigentümerschaft – nichts davon ändert sich dadurch. Es grenzt ein, was vor Ihnen liegt, nicht, was Sie dürfen.
  • Es ist keine Rolle. Der Parameter akzeptiert diese Toolset-Namen und sonst nichts; eine Kurzform wie ?toolsets=analyst gibt es nicht.

Rufen Sie jederzeit list_toolsets auf, um jedes Toolset zu sehen, welche Tools es enthält, was Ihre Verbindung genannt hat und welche Namen sie nicht erkannt hat. Rufen Sie ein Tool auf, das Ihre Verbindung ausgeschlossen hat, nennt die Ablehnung das Toolset, das es enthält, und den URL-Parameter, der es zulassen würde – eine falsche Vermutung lässt sich also korrigieren, ohne diese Seite zu lesen.

Um den Umfang zu ändern, verbinden Sie sich neu, da er in der Verbindungs-URL steckt. Das ist eine Funktion des HTTP-Transports; eine stdio-Verbindung hat keine URL und ist immer uneingeschränkt.

Drei häufige Abfolgen gibt es jeweils als einzelnes Tool. Sie sind keine Abkürzungen, die Schritte auslassen – jeder Schritt ist dasselbe Tool, das Sie auch von Hand aufrufen würden, und schreibt dieselben Datensätze und hinterlässt denselben Audit-Trail:

Ein Aufruf Was er ausführt
prepare_campaign_fielding Stichprobenstrategie → Befragtenpool → Pool zuweisen → Fragebogenversion veröffentlichen → Umfragen anlegen
simulate_campaign_responses Umfragen anlegen → synthetische Antworten darüber erzeugen
run_bundle_pipeline Bronze-Extraktion → Silver (Codierung + Gewichtung) → Gold

Drei Dinge sollten Sie vor der Verwendung wissen:

  • prepare_campaign_fielding hält an, bevor die Einladungen hinausgehen. Es versendet nie; das bleibt ein separater, bewusster Aufruf von send_campaign_invitations, den Sie ausführen, nachdem Sie geprüft haben, was die Kette aufgebaut hat. Eine E-Mail lässt sich nicht zurückholen.
  • Bricht eine Kette mittendrin ab, bleibt bestehen, was sie bereits aufgebaut hat. Nichts wird rückgängig gemacht. Die Antwort nennt den Schritt in stopped_at_step; ein Wert ungleich null bedeutet, dass die Kette nicht fertig wurde, und Sie machen von dort mit den einzelnen Tools weiter. run_bundle_pipeline meldet einen Abbruch in seinem Umschlag {success: false, error, detail}; die anderen beiden liefern ihr normales Ergebnis mit ausgefüllten error und detail und ohne Schlüssel success.
  • Eine Kette prüft die gesamte Abfolge vorab. Deckt Ihr Abonnement einen späteren Schritt nicht ab, erfahren Sie das, bevor irgendetwas aufgebaut wird, statt ein halb fertiges Ergebnis zu erhalten.

simulate_campaign_responses und run_bundle_pipeline geben eine Task-ID zurück, die Sie mit get_task_status abfragen. run_bundle_pipeline meldet den Schritt, den sein Lauf erreicht hat, und nach Abschluss den Datensatz jeder Stufe; simulate_campaign_responses gibt denselben Fill-Task zurück wie das einfache Tool mass_fill_surveys, sodass die Abfrage Fortschritt statt Schritte meldet.

Die MCP-Schnittstelle stellt nach Funktionsbereichen geordnete Tools bereit.

Tool Beschreibung
list_organizations Die Organisationen auflisten, in die diese Sitzung wechseln darf; die aktive wird markiert, versiegelte werden gekennzeichnet
switch_organization Die aktive Organisation der Sitzung wechseln – jeder spätere Aufruf wird in ihr aufgelöst
Tool Beschreibung
list_projects Alle Ihre Projekte auflisten
get_project Projektdetails abrufen
create_project Ein neues Projekt anlegen
add_project_owners Benutzer als Projekteigentümer hinzufügen (die Zielpersonen müssen Mitglieder der Organisation des Projekts sein)
remove_project_owners Benutzer als Projekteigentümer entfernen (es gilt dieselbe Mitgliedschaftsregel)
Tool Beschreibung
list_questionnaires Alle Fragebögen auflisten
get_questionnaire Fragebogendetails abrufen
create_questionnaire Einen neuen Fragebogen aus QML-Inhalt oder aus einer Bibliotheksvorlage anlegen (template, kopiert in language, mit den übrigen Sprachen der Bibliothek als Übersetzungen); mit Inhalt kann es zusätzlich das inventory annehmen, aus dem der Inhalt erzeugt wurde, und speichert es mit Version 1 (ein Inventar, das nicht validiert, lässt das ganze Anlegen scheitern)
list_questionnaire_templates Die Fragebogen-Vorlagenbibliothek in einer ihrer Sprachen auflisten (language; standardmäßig Ihre, Englisch mit language_fallback gekennzeichnet, wenn die Bibliothek Ihre nicht anbietet), nach Kategorie und mit einer Suche über Name und Beschreibung
rename_questionnaire Einen Fragebogen umbenennen (die Adresse bleibt gleich)
delete_questionnaire Einen Fragebogen vorläufig löschen (Soft Delete)
restore_questionnaire Einen kürzlich vorläufig gelöschten Fragebogen wiederherstellen
list_qml_files Die QML-Fragebögen der Organisation auflisten
inspect_qml_file Kurzübersicht über die aktuelle Version eines Fragebogens
preview_qml_item Ein Fragebogenelement so zeigen, wie eine befragte Person es sieht; ein Host, der MCP Apps darstellt, zeigt die echten Steuerelemente in einem schreibgeschützten Bereich
get_qml_content Das aktuelle QML eines Fragebogens und seine version_id abrufen, die Basis, die ein Speichervorgang nennt (oberhalb von 32 KB kommt statt des Inhalts ein kurzlebiger Download-Link)
validate_qml_file Z3-SMT-Validierung auf der aktuellen Version eines Fragebogens ausführen (Erreichbarkeit, Konsistenz)
qml_quality_report Die D2–D8-Scorecard zur Designqualität für die aktuelle Version eines Fragebogens berechnen
save_qml_file QML speichern, das auf einer von Ihnen genannten Version beruht (base_version_id, aus get_qml_content): mit einem neueren Speichervorgang zusammengeführt, wenn andere Zeilen betroffen sind, bei denselben Zeilen als overlap abgelehnt. Blockiert nie wegen fehlerhafter Entwürfe (Inhalt über 32 KB wird abgelehnt; verwenden Sie das Upload-Handle unten)
request_upload_url / finalize_upload Zweistufiges Handle zum Speichern von QML-Inhalt oberhalb der 32-KB-Grenze von save_qml_file; auch finalize_upload nennt base_version_id
request_import_upload_url Einen Einmal-Link erhalten, um einen gedruckten Fragebogen (PDF oder Markdown) zum Import in ein Projekt hochzuladen; laden Sie die Datei per PUT dorthin
import_questionnaire Die hochgeladene Datei als neuen Fragebogenentwurf importieren. Langwierig und kostspielig: Läuft über Ihren eigenen KI-Anbieter und zählt gegen Ihr monatliches Importlimit. Im Quelldokument eingetragene Antworten werden verworfen, und der Upload wird gelöscht. Liefert eine task_id für get_task_status. Erfordert die Rolle Designer oder Manager (oder einen Operator) und Schreibzugriff auf das Projekt
get_questionnaire_inventory Das Inventar lesen, aus dem ein Fragebogen erstellt wurde: die beschriebene Version, jede gedruckte Fragenummer mit ihrer Element-ID und die Prüfungen, die hinzugefügt statt gedruckt wurden (invented), samt Importbericht
get_questionnaire_import_source Die Quelle, die ein PDF-Import gelesen hat, als Markdown lesen: was gefunden und entfernt wurde (Antworten, laufende Kopf- und Fußzeilen, gedruckte Seitenzahlen), dann ganze Seiten ab from_page bis etwa max_chars (Standard 32.000), mit next_page für den nächsten Aufruf. Jede Seite beginnt mit einer Markierung, die ihre Seite in der Datei, die darauf gedruckte Nummer und die Leseart (Text oder Vision) nennt; die Seitenzahlen des Inventars sind die der Datei. Ein Fragebogen, der nicht aus einem PDF importiert wurde, antwortet mit import_source_not_found
list_qml_translations Je Sprache, ob die Übersetzung einer Version vollständig ist, welche Texte unübersetzt sind und ob sie eingefroren oder von Hand bearbeitet ist
get_qml_translation Die Übersetzung einer Version in eine Sprache, mit jedem Quelltext als Vorlage und dem updated_at, das ein Speichervorgang nennt
save_qml_translation Übersetzten Text für eine Sprache speichern (teilweise, über das Gespeicherte zusammengeführt; nennt base_updated_at). Nur Text: unbekannte IDs oder Codes und unvollständige Positionslisten werden abgelehnt
delete_qml_translation Die Übersetzung einer Version in eine Sprache löschen (abgelehnt, sobald eingefroren)
publish_qml_file Einen Fragebogen für eine Kampagne veröffentlichen – validiert formal und pinnt die exakte Version (der einzige Weg, der eine Prüfung erzwingt)
move_qml_to_project Einen Fragebogen in ein anderes Projekt verschieben (der Versionsverlauf bleibt erhalten)
unpublish_qml_file Einen Fragebogen vorläufig löschen, wobei sein Versionsverlauf erhalten bleibt (bei aktiven Kampagnen blockiert)

Parameterreferenz – Parameter, Rückgabeschemas, QML-Lebenszyklus, Struktur der Z3-Ausgabe

Tool Beschreibung
list_indexed_documents Alle für die semantische KI-Suche indexierten Dokumente auflisten, jeweils mit ihrem Dokumentschlüssel (zum Beispiel projects/<project-id>/report.pdf)
get_document_summary Die gespeicherte Markdown-Zusammenfassung eines Dokuments abrufen, benannt über seinen document_key
get_document_chunk Einen bestimmten Abschnitt eines indexierten Dokuments abrufen (document_key, chunk_index)
search_document_chunks_by_keyword Indexierte Dokumentabschnitte nach Schlüsselwort durchsuchen, optional auf document_keys beschränkt
Tool Beschreibung
read_paper Den Forschungsbericht eines Projekts lesen – die zusammengesetzten Kapitel sowie das aktuelle Bearbeitungstoken jeder Einheit
edit_paper_unit Eine exakte Passage innerhalb einer Einheit des Berichts ersetzen; alles andere bleibt Byte für Byte unverändert
read_paper_translation Die Übersetzungen des Berichts in eine Sprache lesen: ohne Einheit den Zustand jeder Einheit (aktuell, veraltet, fehlend) und die Bearbeitungstokens; mit Einheit deren Quelltext und Übersetzung nebeneinander
edit_paper_translation Die Übersetzung einer Einheit in eine Sprache schreiben, verankert wie bei edit_paper_unit; eine Übersetzung, die auf einer älteren Quelle beruht, wird vollständig ersetzt

Der Forschungsbericht wird in seiner Quellsprache (Englisch) verfasst. Eine Übersetzung ist ein separater Text neben jeder Einheit, der Lesern angezeigt wird, die den Forschungsbericht in dieser Sprache lesen, und wird nie in die Quelleinheit geschrieben. Der Skill translate-paper des Askalot-Plugins führt einen Agenten durch einen Übersetzungsdurchgang.

Tool Beschreibung
list_campaigns Kampagnen auflisten (optional nach Projekt)
get_campaign Kampagnendetails abrufen
create_campaign Eine neue Kampagne anlegen
update_campaign Kampagnenfelder ändern (Name, Termine, Status, Zulassung von Freiwilligen, das Angebot des KI-Assistenten und seine Texte)
delete_campaign Eine Kampagne löschen
add_interviewers_to_campaign Interviewer hinzufügen (Benutzer mit Interviewer-Rolle)
remove_interviewers_from_campaign Interviewer aus einer Kampagne entfernen
update_campaign_questionnaire Den einer Kampagne zugewiesenen Fragebogen ändern
assign_pool_to_campaign Einer Kampagne einen Befragtenpool zuweisen
get_campaign_pool Den einer Kampagne zugewiesenen Befragtenpool abrufen
send_campaign_invitations Umfrage-Einladungen per E-Mail an Befragte senden

Befragte werden einer Kampagne nicht direkt hinzugefügt – weisen Sie mit assign_pool_to_campaign einen Befragtenpool zu; anschließend legt bulk_create_surveys für jede befragte Person im Pool eine Umfrage an.

Parameterreferenz – Parameter, Rückgabeschemas, Batch-Muster, Berechtigung zur Einladung

Tool Beschreibung
list_respondents Alle Befragten auflisten (die Zielpersonen der Umfragen)
get_respondent Details zu einer befragten Person abrufen
create_respondent Eine neue befragte Person anlegen
update_respondent Angaben zu einer befragten Person ändern
delete_respondent Eine befragte Person entfernen
bulk_create_respondents Mehrere Befragte auf einmal anlegen
bulk_delete_respondents Befragte nach Filter löschen (zweistufiger dry_run-Ablauf)
generate_survey_access_token Ein Magic-Link-Token für die Umfrage einer befragten Person erzeugen
send_survey_invitation Einer befragten Person eine Umfrage-Einladung mit Magic Link per E-Mail senden

Parameterreferenz – Parameter, Rückgabeschemas, Massenanlage, Demografie

Mit Befragtenpools ordnen Sie Befragte in wiederverwendbaren Gruppen für Kampagnen.

Tool Beschreibung
list_respondent_pools Alle Befragtenpools auflisten
get_respondent_pool Pooldetails einschließlich der Liste der Befragten abrufen
create_respondent_pool Einen neuen Befragtenpool anlegen
add_respondents_to_pool Befragte zu einem bestehenden Pool hinzufügen
remove_respondents_from_pool Befragte aus einem Pool entfernen
generate_pool_from_strategy Einen Pool in gewünschter Größe aus einer Stichprobenstrategie ziehen; der Pool speichert seine Ziehungseinstellungen
preview_pool_generation Eine Ziehung in der Vorschau ansehen, ohne den Pool anzulegen
plan_sample_size Nur lesend: eine Ziehung aus den Zielvorgaben eines Projekts bemessen (Fehlermarge oder Power für zwei Gruppen, zweiseitig, Normalapproximation), aus Eignung, Rücklauf und Designeffekt; liefert die benötigten vollständigen Interviews, den Oversampling-Faktor und die Zahl der Einzuladenden, mit der Revision der gespeicherten Zielvorgaben. Auch POST /api/v1/projects/{project_id}/sample-size-plan
save_sizing_targets Die Zielvorgaben aller Ziele im Forschungsbericht des Projekts speichern und dabei die gelesene Revision nennen; eine veraltete Revision ist ein Konflikt (REST 409). Auch PUT /api/v1/projects/{project_id}/sizing-targets
refresh_pool_from_strategy Einen bestehenden Pool mit den gespeicherten Ziehungseinstellungen neu ziehen
delete_respondent_pool Einen Befragtenpool löschen

Parameterreferenz – Parameter, Rückgabeschemas, Umgang mit Duplikaten, Erzeugung aus Strategien

Stichprobenstrategien legen demografische Zielverteilungen fest, um repräsentative Stichproben von Befragten zu bilden. Eine Strategie enthält keine Größen- oder Auswahleinstellungen – das sind Eingaben jeder einzelnen Poolziehung –, sodass eine Strategie Pools beliebiger Größe speisen kann.

Tool Beschreibung
list_sampling_strategies Alle Stichprobenstrategien auflisten
get_sampling_strategy Strategiedetails einschließlich der Faktoren abrufen
create_sampling_strategy Eine Strategie mit eigenen Faktoren für Befragte anlegen
create_default_strategy Eine Strategie mit den Standardfaktoren Geschlecht und Alter anlegen
update_sampling_strategy Eine bestehende Strategie ändern
delete_sampling_strategy Eine Stichprobenstrategie löschen

Beispiel: Eine eigene Stichprobenstrategie anlegen

AI Assistant: I'll create a sampling strategy targeting your demographics.
→ create_sampling_strategy(
name="Urban Millennials",
project_id="...",
factors=[
{"name": "Gender", "attribute_path": "gender",
"target_distribution": {"male": 0.48, "female": 0.50, "other": 0.02}},
{"name": "Age Group", "attribute_path": "age",
"target_distribution": {"25-34": 0.60, "35-44": 0.40}}
]
)
Strategy created! Now generating a representative pool...
→ generate_pool_from_strategy(strategy_id, pool_name="Urban Millennials Pool",
requested_size=200)

Parameterreferenz – Parameter, Rückgabeschemas, Faktorschema, Validierung der Verteilungen

Tool Beschreibung
list_users Benutzer in Ihrer aktiven Organisation auflisten (einschließlich Interviewern) – rufen Sie switch_organization auf, um die Benutzer einer anderen Organisation zu sehen
get_user Benutzerdetails abrufen

Hinweis: Interviewer sind Benutzer mit der Rolle interviewer. Sie werden als Benutzer verwaltet, nicht als Befragte.

Bei Kampagnen mit Interviewern (Benutzer mit Interviewer-Rolle) steuern Sie die Verteilung der Arbeitslast:

Tool Beschreibung
assign_respondents_to_interviewer Befragte einem bestimmten Interviewer (Benutzer) zuweisen
unassign_respondents_from_interviewer Zuweisungen zu Interviewern aufheben
get_interviewer_workload Zugewiesene Befragte und den Abschlussstand ansehen
get_unassigned_respondents Befragte finden, die noch nicht zugewiesen sind
Tool Beschreibung
list_surveys Umfragen auflisten (Filter nach Kampagne oder befragter Person)
create_survey Eine neue Umfragesitzung starten
update_survey Status und Ablaufzustand einer Umfrage ändern (gebundene Entitäten sind unveränderlich)
bulk_create_surveys Umfragen für alle Befragten einer Kampagne anlegen
bulk_delete_surveys Umfragen nach Filter löschen (zweistufiger dry_run-Ablauf)
get_survey_current_item Die aktuelle Frage mit eingebetteten Antwortoptionen abrufen
submit_survey_response Eine Antwort übermitteln und weitergehen (der nächste Schritt ist eingebettet)
finish_survey Eine Umfrage ausdrücklich abschließen
mass_fill_surveys Einen asynchronen Hintergrund-Task einreihen, der Umfragen mit synthetischen Testantworten füllt (liefert {task_id, status})
get_task_status Einen asynchronen Task über task_id abfragen: einen mass_fill_surveys-Lauf, eine simulate_campaign_responses- oder run_bundle_pipeline-Kette oder einen import_questionnaire-Lauf (Codierungsjobs für Datensätze werden stattdessen über get_dataset abgefragt)

Parameterreferenz – Parameter, Rückgabeschemas, Zustandsautomat, Verteilungsmodi, Personas

Ein Bundle bindet ein Projekt, einen Fragebogen und eine Auswahl von Kampagnen an eine lineare Datensatzkette Bronze → Silver → Gold. Bundle-Tools verwalten diese Bindung und liefern die Qualitätsübersicht des Bundles; Datensatz-Tools führen die einzelnen Bundle-bezogenen Stufen aus – Extraktion, Codierung + Gewichtung, Verfeinerung und Export.

Tool Beschreibung
create_bundle Ein Pipeline-Bundle anlegen
list_bundles Bundles auflisten, optional auf ein Projekt gefiltert
get_bundle Bundle-Details, einschließlich der Konfigurationen seiner Stufen (Silver-Kalibrierungsziele, Gold-Operationen)
clone_bundle Die fertigen Datensätze und Konfigurationen eines Bundles tief in eine unabhängige Variante kopieren
delete_bundle Ein Bundle und seine Datensatzkette löschen
get_bundle_quality Die Repräsentativitätsübersicht des Bundles (Auswahl, Feldphase, gewichtet, Verschiebung in der Feldphase, Rücklauf)
compare_bundle_quality Verbesserung von Bronze zu Silver gegenüber der aktuellen Strategie des Bundles
get_bundle_coding Stand der Codierung offener Antworten – die Kandidaten, die das Bronze anbietet, die vom Analysten festgelegte Antwortart für jeden (deskriptiv, nominal oder Kennung; fehlend = nicht klassifiziert), die Fragenauswahl und je Frage die vorgeschlagenen Dimensionen, ihre Kategorien und welche ausgewählt sind
set_coding_selection Festlegen, welche Freitext-Einheiten das Bundle codiert (Manager-Rolle, identifizierter Benutzer erforderlich); lehnt eine nicht klassifizierte oder eine Kennungs-Einheit ab, und kein Tool klassifiziert eine solche
assign_bundle_strategy Die aktuelle Stichprobenstrategie des Bundles zuweisen (oder entfernen)
set_calibration_targets Die Kalibrierungsziele des Bundles bearbeiten – die Gewichtungsspezifikation für Silver –, jedes raked (es wird darauf gewichtet) oder benchmark (nur bewertet); jedes Speichern prüft die Antwortcodes gegen den Fragebogen des Bundles
preview_calibration_targets_copy Vorschau auf das Kopieren der Kalibrierungsziele eines anderen Bundles in dieses: welche passen (mit ihrer Rolle) und welche nicht, mit Begründung; schreibt nichts
list_datasets Datensätze aus der Kette eines Bundles auflisten
get_dataset Datensatzdetails, Kennzahlen und Status abrufen – der schlanke Zugang, den Pipeline-Schritte zum Abfragen nennen
get_dataset_schema Das Spaltenschema eines Datensatzes abrufen oder nur seine Spaltennamen und Steuerelementtypen, optional auf benannte Spalten eingegrenzt
create_bronze_dataset Den Bronze-Datensatz eines Bundles extrahieren
code_open_ends (Alias derive_silver) Offenen Text codieren und dann gegen die Kalibrierungsziele gewichten; das ergibt das Silver des Bundles
create_gold_dataset Das Silver eines Bundles mithilfe des Gold-Operationskatalogs zu seinem Gold verfeinern
export_dataset Einen fertigen Datensatz exportieren (CSV, XLSX, SPSS, Parquet, R, JSON)
delete_dataset Einen Datensatz löschen

Referenz der Bundle-Tools – Parameter für Bundle-Lebenszyklus und Qualität, Rückgabeschemas

Referenz der Datensatz-Tools – Stufenparameter, Rückgabeschemas, Exportformate

Tool Beschreibung
query_audit_events Den Audit-Trail mit Filtern durchsuchen
get_entity_history Den vollständigen Verlauf einer beliebigen Entität ansehen
get_audit_stats Ereigniszahlen nach Entitätstyp

Alle drei lesen nur Ihren Tenant und Ihre aktive Organisation. Um den Audit-Trail einer anderen Organisation zu lesen, wechseln Sie zuerst in sie. Ereignisse, die ohne Organisation erfasst wurden, etwa System- und Service-Aktionen, werden nicht zurückgegeben.

Innerhalb der Organisation hängt das, was Sie sehen, von Ihrer Rolle ab:

Wer Was die Audit-Tools zurückgeben
Administrator (org_admin der Organisation oder ein Askalot-Operator) Den Audit-Trail der gesamten Organisation, einschließlich get_audit_stats
manager Ihre eigenen Aktionen sowie den vollständigen Verlauf von Projekten, Fragebögen, Kampagnen und Umfragen in Projekten, die Ihnen gehören
Alle anderen Nur Ihre eigenen Aktionen

Anfragen nach den Aktionen eines anderen Benutzers oder nach dem Verlauf einer Entität außerhalb Ihrer Reichweite werden abgelehnt. get_audit_stats ist Administratoren vorbehalten, und eine Verbindung, die für keinen Benutzer handelt, liest überhaupt kein Audit. In einer Organisation, in der jedes Mitglied jedes Projekt liest, etwa der öffentlichen Organisation Askalot Demo, ist der Audit-Trail Administratoren vorbehalten: Wer die Forschung lesen darf, darf deshalb noch lange nicht lesen, wer was getan hat, denn Audit-Ereignisse enthalten Details wie IP-Adressen.

Die Audit-Ansicht im Browser wendet dieselben Rollen an, doch ein Askalot-Operator und ein normaler Benutzer sehen dort mehr:

Wer Was die Audit-Ansicht im Browser zeigt
Askalot-Operator (tenant_admin) Jedes Ereignis im Tenant, über alle Organisationen hinweg
Organisationsadministrator (org_admin) Jedes Ereignis der aktiven Organisation
manager Innerhalb der aktiven Organisation: Ihre eigenen Aktionen sowie den Verlauf von Projekten, Fragebögen, Kampagnen und Umfragen in Projekten, die Ihnen gehören
Alle anderen Nur Ihre eigenen Aktionen, einschließlich Ihrer Anmeldungen

Eine Anmeldung wird in der Organisation erfasst, in der die Sitzung startet, eine Abmeldung oder Passwortänderung in der Organisation, in der die Sitzung gerade arbeitet; sie gehören damit wie jede andere Aktion zum Audit-Trail dieser Organisation.

Tool Beschreibung
list_documentation Verfügbare Dokumentation auflisten
get_documentation Ein bestimmtes Dokument laden
search_documentation Die Dokumentation nach Schlüsselwort durchsuchen

Ressourcen bieten schreibgeschützten Zugriff auf Plattformdaten:

Ressourcen-URI Beschreibung
repository://overview Plattformstatistiken und Zählungen
repository://schema Beziehungen und Struktur der Entitäten
qml://files Die QML-Fragebögen der Organisation
docs://primer Überblick über die Plattform
docs://qml-syntax Referenz der Sprache QML
docs://getting-started Schnellstartanleitung

Weitere Dokumentationsressourcen spiegeln die Wissensdatenbank (docs://guide, docs://glossary, docs://campaign-management, docs://survey-execution, docs://creating-surveys, docs://data-analysis, docs://quality-metrics).

AI Assistant: I'll help you set up a customer satisfaction survey.
1. First, let me create a project...
→ create_project("Customer Research 2026", "Annual satisfaction study")
2. Now I'll register your questionnaire...
→ create_questionnaire("CSAT Survey", qml_content, project_id)
3. Creating the campaign...
→ create_campaign("Q1 CSAT", project_id, questionnaire_id, admits_volunteers=false, offers_ai_channel=false)
4. Adding your respondent list...
→ bulk_create_respondents(100, generate_demographics=true)
→ create_respondent_pool("CSAT Sample", respondent_ids=[...])
→ assign_pool_to_campaign(campaign_id, pool_id)
→ bulk_create_surveys(campaign_id)
Your campaign is ready! 100 respondents have surveys waiting.
AI Assistant: I'll import your paper questionnaire into the project.
1. Getting an upload link for the PDF...
→ request_import_upload_url(project_id, "application/pdf")
PUT the file to upload_url with Content-Type: application/pdf
2. Starting the import (this takes a few minutes)...
→ import_questionnaire(project_id, upload_id, "visitor-survey.pdf")
→ get_task_status(task_id) # until completed or failed
3. Reading what it built...
→ get_questionnaire_inventory(result.questionnaire_id)
Each printed question number maps to its item id; the checks marked
invented were added and are worth reviewing before you publish.
4. Checking a question against what the import read (PDF only)...
→ get_questionnaire_import_source(result.questionnaire_id, from_page=12)

Ein abgelehnter Import startet nichts und nennt, was die Ablehnung behebt: unsupported_type (derzeit werden nur PDF und Markdown gelesen), too_large, invalid_request, no_ai_slot (verbinden Sie in den Profileinstellungen einen Anthropic-API-Schlüssel oder Amazon Bedrock und ein Direct-LLM-Modell) oder fair_use_exceeded (das monatliche Importlimit). Ein abgelehnter Import braucht einen neuen Upload, weil die Datei in jedem Fall gelöscht wird.

AI Assistant: I'll create a demographically balanced sample for your study.
1. Creating a sampling strategy with your target demographics...
→ create_sampling_strategy(
name="National Representative",
project_id,
factors=[
{"name": "Gender", "attribute_path": "gender",
"target_distribution": {"male": 0.49, "female": 0.51}},
{"name": "Age", "attribute_path": "age",
"target_distribution": {"18-34": 0.30, "35-54": 0.40, "55+": 0.30}}
]
)
2. Generating a pool that matches your targets...
→ generate_pool_from_strategy(strategy_id, pool_name="Q1 Sample Pool",
requested_size=500)
3. Assigning the pool to your campaign...
→ assign_pool_to_campaign(campaign_id, pool_id)
Done! Your campaign now has 500 respondents balanced to match
national demographics.
AI Assistant: I'll walk through the survey and show you each question.
→ create_survey(questionnaire_id, respondent_id)
→ get_survey_current_item(survey_id)
Question 1: "What is your age?"
Type: Integer input (18-100)
User: 35
→ submit_survey_response(survey_id, "q_age", 35)
→ get_survey_current_item(survey_id)
Question 2: "How satisfied are you with our service?"
Type: Scale (1-5)
...
AI Assistant: Let me distribute the 50 respondents among your 5 interviewers (Users with interviewer role).
→ get_unassigned_respondents(campaign_id)
Found 50 unassigned respondents
→ assign_respondents_to_interviewer(campaign_id, interviewer_user_1, respondents[0:10])
→ assign_respondents_to_interviewer(campaign_id, interviewer_user_2, respondents[10:20])
...
→ get_interviewer_workload(campaign_id, interviewer_user_1)
Assigned: 10 respondents
Completed: 0
In Progress: 0

Wenn Sie das Entitätsmodell kennen, fällt die Arbeit mit der MCP-Schnittstelle leichter:

Project
├── Questionnaire (owns a QML version chain)
└── Campaign
├── Respondents (survey targets)
├── Interviewers (Users with interviewer role, optional)
└── Surveys (individual sessions)

Jeder Fragebogen gehört zu einem Projekt, und jeder Benutzer hat ein Standardprojekt (is_default: true). Nennt eine Anfrage kein Projekt, finden Sie das Standardprojekt mit list_projects und verwenden seine ID.

  • Befragte: Zielpersonen der Umfrage mit demografischen Daten. Ihre abgeschlossenen Umfragen bestimmen den Fortschritt der Kampagne. Sie greifen über Magic Links auf Umfragen zu (keine Anmeldung an der Plattform nötig).
  • Interviewer (optional): Benutzer mit der Rolle interviewer, die Umfragen für Befragte durchführen. Sie haben ein Plattformkonto und helfen Befragten beim Ausfüllen, füllen selbst aber keine Umfragen aus.

Interviewer können zugewiesen werden, um Befragten persönlich oder telefonisch zu helfen. Sind Interviewer zugewiesen, halten die Umfragen fest, welcher Interviewer die Umfrage der jeweiligen befragten Person durchgeführt hat.

  • Befragte sind Zielpersonen der Umfrage mit demografischen Daten (Alter, Geschlecht, Wohnort). Sie haben kein Konto auf der Plattform.
  • Benutzer sind Plattformkonten für Authentifizierung und Verwaltung. Benutzer mit der Rolle interviewer können Umfragen durchführen.
  • Befragte und Benutzer sind getrennte Entitäten. Interviewer sind Benutzer, keine Befragten.

MCP-Tools liefern strukturierte Fehlermeldungen. Zwei gelten in jeder Kategorie:

  • not_found – die Entität befindet sich nicht in der aktiven Organisation der Sitzung. Die Meldung nennt die durchsuchte Organisation; siehe Ihre aktive Organisation.
  • org_sealed – die aktive Organisation ist versiegelt. Lesezugriffe gelingen; diese Ablehnung kommt immer nur von einem Tool, das ihren Forschungsbestand geändert hätte.

Ausführliche Fehlermuster sind je Kategorie dokumentiert: