Generative KI entfaltet ihren Nutzen erst dann, wenn sie mit den täglichen Arbeitswerkzeugen interagiert: CRM, Helpdesk, Kalender, DMS. Genau hier setzt das Model Context Protocol (MCP) an. Ende 2024 von Anthropic vorgestellt, standardisiert MCP die Verbindung zwischen KI-Anwendungen und Drittsystemen. Das Ziel: schneller integrieren, sicher Aktionen auslösen und messbaren Mehrwert schaffen. Dieser Artikel erklärt MCP für Anfänger, zeigt praxistaugliche Beispiele und beleuchtet Grenzen.
Inhaltsverzeichnis
Was ist MCP?
„Das MCP (Model Context Protocol) ist ein offener Standard, der KI‑Anwendungen ermöglicht, über MCP‑Server strukturiert mit externen Systemen und Tools zu interagieren – Daten zu lesen/schreiben und Workflows oder Funktionen auszuführen. Die eigentliche ‚Intelligenz‘ bleibt im KI‑Modell; MCP stellt die standardisierte Brücke zu den externen Fähigkeiten her.“
Warum jeder über MCP spricht
Unternehmen und Mitarbeitende wollen mit KI nicht chatten, sondern Arbeit automatisieren: Notizen im CRM anlegen, Tickets im Helpdesk erstellen, E-Mails versenden, Workflows starten. Statt jede Integration individuell zu programmieren, bietet MCP eine standardisierte Art, diese Aktionen anzusprechen. Das beschleunigt Piloten und reduziert Integrationsaufwand – solange die Zielsysteme eine passende Schnittstelle bereitstellen.
Definition Tools im KI-Kontext (Tool Calling)
Heutzutage haben die meisten KI-Systeme nicht nur das eigene „Wissen“, sondern zusätzlich verschiedene Fähigkeiten oder Funktionen, auf die sie zurückgreifen können. Das kann zum Beispiel eine Suche, die Fähigkeit Bilder zu generieren, eine Webrecherche oder die Ansprache eines MCP-Servers sein. Genauso wird auch ein MCP-Server mit verschiedenen Fähigkeiten ausgestattet – z. B. einen Workflow auszulösen, eine Kalenderfreigabe anfordern oder Daten in einem System ändern.
So funktioniert MCP in der Praxis
Ein typischer Ablauf sieht so aus:
- Eine Nutzeranfrage kommt im Chat oder über einen Workflow an.
- Das KI-Modell plant die Lösung und wählt die nötigen „Tools“.
- Der MCP-Server ruft die passende Fähigkeit im Zielsystem auf: z. B. suchen, Daten ändern, Workflow triggern.
- Das Ergebnis oder die Bestätigung fließt zurück in die KI-Anwendung – der Nutzer sieht Erfolg oder nächste Schritte.
Ein praktisches Beispiel: Nach einem Kundentermin soll automatisch eine Meeting-Notiz im CRM erstellt werden. Die KI generiert den Text auf Basis des Transskripts, das MCP nutzt die CRM-Fähigkeit „Meeting-Notiz anlegen“, schreibt die Information und meldet „erfolgreich abgelegt“ zurück. Ohne MCP wäre hier manuelle Kopierarbeit nötig – mit MCP wird die manuelle Arbeit automatisiert delegiert.
Stärken: Aktionen in Drittsystemen – schnell und standardisiert
Der größte Vorteil von MCP ist die Fähigkeit, echte Aktionen auszuführen: Werte schreiben, E-Mails senden, Workflows anstoßen, Aufgaben anlegen. Das reduziert Medienbrüche, spart Zeit und macht Prozesse robuster. Auch komplexe Tools lassen sich über eine einheitliche Bedienlogik ansprechen – vom CRM bis zur Bildbearbeitung, sofern eine MCP-Schnittstelle vorhanden ist. Einige weitere Anwendungsfälle:
- Helpdesk-Flow: Ticket automatisch eröffnen, Informationen anreichern, nach Abschluss eine Kundenmail triggern – die KI übernimmt Routine, Menschen prüfen Fachliches.
- Kalender/CRM: Verfügbarkeiten prüfen, Termin bestätigen, Agenda-Vorschlag erzeugen – und die Notiz im CRM ablegen.
- Einkauf/Procurement: Bestellanforderung prüfen, Freigabe-Workflow starten, Bestellung im ERP auslösen.
- Buchhaltung/Finance: Auf Basis einer Eingangsrechnung die Buchung im FiBu-System anlegen.
- Produktion/Operations: Maschinenstatus aus dem MES lesen, Wartungsauftrag im CMMS anlegen, Ersatzteilbestellung im ERP auslösen und nach Abschluss automatisch Qualitätsreport im QMS archivieren.
Kurz: MCP spart Handgriffe, standardisiert Integrationen und beschleunigt Automatisierungen – besonders bei wiederkehrenden Aufgaben.
Grenzen von MCP
Von vielen Anbietern wird MCP aufgrund seiner Einfachheit aktuell als „Allheilmittel“ tituliert. Doch das ist ein Trugschluss und zeigt fehlendes Verständnis der Technologie, denn: Nicht jede Fähigkeit, welche über ein MCP abbildbar ist, ist auch wirklich sinnvoll oder die beste Lösung.
Ein Beispiel dazu ist die Suche von Informationen. Folgende Situation: Ein SharePoint-MCP hat die Fähigkeit suchen. Das bedeutet, dass er im Hintergrund die SharePoint-Suche nutzt, um Informationen aus dem SharePoint abzufragen. Die SharePoint-Suche liefert häufig keine ausreichende Ergebnisqualität. In der Praxis bedeutet dies, dass der darauffolgende Schritt nicht auf der insgesamt besten Information sondern auf der erst besten Information ausgeführt wird. Dies bedeutet, dass die KI falsche Entscheidungen trifft, da sie nicht in der Lage war, die richtigen Informationen herauszusuchen. In diesem Blogartikel gehen wir ausführlich auf die Limitationen von MCP ein.
In einem solchen Fall wäre es z. B. deutlich vorteilhafter, dem KI-System mit einer Enterprise Search die Fähigkeit einer qualitativ hochwertigen Suche zur Verfügung zu stellen. Mit steigendem Automatisierungsgrad wird eine hochqualitative Suche immer wichtiger in KI-Systemen. Der Unterschied, wenn ein Prozess mit 10 Schritten mit einer Fehlerquote von 95% oder 99% abgeschlossen wird:
| Schritt | System mit 95% Genauigkeit | System mit 99% Genauigkeit |
| 1 | 95% | 99% |
| 2 | 90% | 98% |
| 3 | 86% | 97% |
| 4 | 81% | 96% |
| 5 | 77% | 95% |
| 6 | 74% | 94% |
| 7 | 70% | 93% |
| 8 | 66% | 92% |
| 9 | 63% | 91% |
| 10 | 60% | 90% |
So wird schnell deutlich, dass die Qualität der Suche einen massiven Unterschied macht.
Wer tiefer in dieses Thema einsteigen möchte, der sollte sich unser White Paper zum Thema MCP vs. Indexansätze herunterladen. Dort erklären wir auf 10 Seiten, welche technischen Ansätze es gibt, um Informationen für KI-Agenten bereitzustellen:
MCP skalierbar in gewachsene IT-Infrastrukturen einsetzen
Um diese neue Technologie erfolgreich einsetzen zu können, sollten verschiedene Punkte berücksichtigt werden:
- Architektur kombinieren: Nutzt eine indexbasierte Suche für Wissensfragen und konsistentes Retrieval; setzt MCP ein, um Folgeaktionen im System auszuführen. So bleibt die Antwortqualität hoch – und Prozesse werden trotzdem automatisiert.
- Zugriffsrechte konsistent halten: Least-Privilege-Prinzip sowohl auf dem vermittelnden Layer als auch im Zielsystem. Schreibaktionen stets nachvollziehbar protokollieren.
- Datenschutz beachten: Personenbezogene Daten DSGVO-konform verarbeiten; sensible Aktionen (z. B. E-Mail-Versand) mit Freigabeschritten absichern.
- Hosting und Standards: Für produktive Szenarien EU/Deutschland-Hosting und ISO-27001-konforme Prozesse bevorzugen – insbesondere, wenn MCP-basierte Automationen mit Kundendaten arbeiten.
Fazit
MCP funktioniert sehr gut, um Aktionen in Drittsystemen auszuführen. Es reduziert Integrationsaufwand, standardisiert Abläufe und automatisiert Routineprozesse effizient.
Die Suche sollte indexbasiert sein, um die Retrievalqualität zu gewährleisten – speziell bei großen Datenmengen, strengen Zugriffsmodellen und RAG-Anwendungen, die verlässliche Antworten benötigen.
In kurz: Kombiniere beide Ansätze. Nutze den Index, um präzise Informationen zu finden, und MCP, um die nächsten Prozessschritte direkt im Fachsystem auszuführen. Damit bleiben Qualität und Geschwindigkeit hoch – und die KI wird wirklich handlungsfähig.
Bei dir sind noch Fragen offen geblieben? Dann schicke jetzt eine Anfrage an unser Team und wir melden uns schnellstmöglich bei dir: