Model Context Protocol: die Brücke zwischen LLMs und Unternehmenssystemen

Das Model Context Protocol ist ein offener Standard, der es KI-Anwendungen mit grossen Sprachmodellen ermöglicht, direkt mit lokalen oder externen Systemen wie CRMs, ERPs oder Wissensdatenbanken zu interagieren – ohne für jedes System eine individuelle Schnittstelle implementieren zu müssen.

MCP fungiert als universelle Sprache zwischen Sprachmodellen und verschiedenen Datenquellen. Dem Sprachmodell werden MCP-Server zur Verfügung gestellt, worüber es strukturiert mit angebundenen Systemen kommunizieren kann. Das LLM «weiss» dabei, wann es welche Datenquelle über welchen MCP-Server abfragen muss, und erhält die Antworten in einem verständlichen, strukturierten Format.

Die Verwendung von MCPs ist ein wichtiger Schritt in der Nutzung von KI, denn KI-Anwendungen können damit

• eigenständig mit den für die spezifische Aufgabe benötigten Unternehmenssystemen interagieren,
• aktuelle Daten im benötigten Format abrufen und
• Aktionen in den Umsystemen ausführen, die bisher manuell in diesen Systemen gemacht wurden.

MCP wurde ursprünglich von Anthropic entwickelt, wird aber inzwischen von mehreren LLM-Anbietern unterstützt. Es ist also ein offener, weit verbreiteter Standard.

Beim MCP gibt es drei zentrale Komponenten:

1. MCP-Client (z. B. ein Agent oder ein unternehmensspezifischer Chatbot mit angebundenem LLM)
Der MCP-Client sendet eine Anfrage an den MCP-Server, um eine bestimmte Funktion auszuführen oder eine Information abzurufen, und stellt die erhaltene Antwort dem Benutzer oder Agenten zur Verfügung.

2. MCP-Server (z. B. eine Abstraktionsschicht über einem CRM-System)
Der Server nimmt vom Client Anfragen entgegen, übersetzt sie in API-Aufrufe ans Zielsystem und gibt strukturierte Antworten an den MCP-Client zurück.

3. Systeme, Applikationen und Tools (z. B. Jira, Salesforce oder Open Datastack)
Das eigentliche System, das Daten oder Funktionen zur Verfügung stellt.

Die Kommunikation erfolgt standardisiert, wodurch neue Systeme leicht angebunden werden können – ohne individuelle Schnittstellenintegration in die KI-Anwendung. Ihr Kollaborationstool wie Jira hat möglicherweise bereits einen MCP-Server, während bei internen Fachanwendungen ein selbst entwickelter MCP-Server erstellt werden muss.

Die folgende Darstellung zeigt mögliche Szenarien auf, wie eine KI-Anwendung mit den Zielsystemen kommunizieren kann:

Viele Unternehmen möchten KI-Agenten entwickeln, die Aufgaben automatisiert erledigen – vom Ticketerfassen bis zur Datenanalyse. Da diese Arbeiten meist in verschiedenen Tools stattfinden, müssen diese Agenten mit diversen Systemen interagieren können.

Hier kommt MCP ins Spiel. MCP ist die universelle Brücke zwischen Agenten und Tools. Ein Agent kann über MCP z. B. Informationen aus einem ERP holen, in einem CRM aktualisieren und einen Kommentar in Confluence hinterlassen – alles über ein einziges Protokoll.

MCP konkurriert nicht mit etablierten Methoden wie RAG (Retrieval-Augmented Generation), sondern ergänzt diese strategisch:

Bei dynamischen, echtzeitrelevanten Daten wie aktuellen Jira-Tickets oder Live-Dashboard Informationen ist MCP besonders wertvoll, da keine Vorab-Indexierung erforderlich ist.

Bei statischen Wissensdatenbanken bleibt RAG mit vorindexierten Daten oft effizienter.

Hybrid-Ansätze kombinieren beide Methoden optimal: statische Daten über RAG, dynamische über MCP.

In einem typischen Unternehmensumfeld existieren viele Umsysteme wie:

• fachliche Kernsysteme
• CRM-Systeme wie Salesforce oder Microsoft Dynamics
• ERP-Systeme wie Abacus oder SAP
• Kollaborationstools wie Confluence oder Jira
• Data Warehouses

Einige dieser Systeme sind bereits mit MCP-Servern ausgestattet, bei anderen ist es geplant. Für andere Systeme können Unternehmen eigene MCP-Server entwickeln, um sie nahtlos in ihre Agentic- oder LLM-Anwendungen zu integrieren.

Das Ziel: Ein Chatbot oder Agent kann durch gezielte Anfragen an MCP-Server Aktionen durchführen oder Informationen aus verschiedenen Systemen kontextualisiert und aktuell nutzen – ohne sie vorher indexieren zu müssen oder eine individuelle Schnittstelle im KI-System zu integrieren. So entsteht ein effizienter, intelligenter Informationsfluss innerhalb des Unternehmens und sogar für externe Kunden.

Für unsere Business-Intelligence-Plattform Open Datastack haben wir bereits einen eigenen MCP-Server entwickelt. Open Datastack ist unsere modulare Open-Source-Datenplattform, die alle Phasen der Datenverarbeitung vereint – von Extraktion über Analyse bis hin zu Dashboards. Durch die Anbindung über das MCP ist es möglich, dass KI-Systeme direkt mit den Datenmodulen von Open Datastack interagieren, Fragen stellen und sogar Aktionen auslösen – ohne manuelles Eingreifen.

Wir unterstützen Unternehmen dabei,

• das Potenzial des MCP für ihre bestehenden oder geplanten AI Use Cases zu evaluieren,
• eigene MCP-Server zu entwickeln oder bestehende Applikationen kompatibel zu machen und
• Agentensysteme und KI-Anwendungen mit LLMs effizient mit Unternehmenssystemen zu verbinden.

Gemeinsam sorgen wir dafür, dass Ihre Arbeit in Zukunft noch effizienter, vernetzter und intelligenter wird.