MCP (Model Context Protocol)
MCP (Model Context Protocol) ist ein offener, herstellerübergreifender Standard dafür, wie ein KI-Assistent kontrolliert auf externe Datenquellen und Werkzeuge zugreift – statt sich allein auf sein Trainingswissen zu stützen.
MCP ist die standardisierte Verbindungsschicht zwischen einem Sprachmodell und den Systemen eines Unternehmens; darauf setzen ein KI-Agent und die Werkzeugnutzung (Function Calling) auf.
In einfachen Worten
Ein Sprachmodell kennt von sich aus nur das, was es beim Training gesehen hat – nichts über die aktuellen Inhalte einer konkreten Auftragsverwaltung oder den Ablageort eines bestimmten Vertrags. Bislang musste jede Verbindung zwischen einer KI und einer Datenquelle eigens programmiert werden: eine für das Dokumentenarchiv, eine für die Datenbank, eine für jede weitere Anwendung. MCP standardisiert diese Verbindung, vergleichbar mit einer genormten Steckverbindung, an die sich viele unterschiedliche Quellen nach demselben Muster anschließen lassen. Über die Verbindung läuft zweierlei: lesender Zugriff auf hinterlegtes Wissen – verwandt mit dem Prinzip von RAG – und die Werkzeugnutzung, also das Auslösen klar abgegrenzter Aktionen in einem angebundenen System. Wichtig ist, dass MCP ein offener Standard ist und kein einzelnes Produkt: Welche KI und welche Systeme man verbindet, bleibt austauschbar. Technisch ist eine MCP-Anbindung der einer API verwandt, nur auf die Bedürfnisse von KI-Assistenten zugeschnitten.
Wozu brauche ich das?
Für mittelständische Unternehmen ist MCP überall dort relevant, wo eine KI nicht nur allgemein formulieren, sondern auf den eigenen Datenbestand zugreifen soll – ein interner Wissens-Assistent auf Basis der eigenen Handbücher, ein KI-Chatbot mit Zugriff auf den aktuellen Bearbeitungsstand oder ein KI-Agent, der einen mehrstufigen Vorgang abarbeitet. Der Standard senkt den Aufwand, weil neue Quellen nach einheitlichem Muster angebunden werden, und er hält den Zugriff begrenzbar und nachvollziehbar – Voraussetzung dafür, dass eine Anbindung überhaupt verantwortbar ist.
Beispiel aus der Praxis
Ein Dienstleister mit umfangreicher interner Wissensbasis möchte, dass Mitarbeitende ihre Fragen in natürlicher Sprache stellen und eine Antwort auf Basis der jeweils gültigen internen Richtlinie erhalten. Statt für jede Quelle – Dokumentenablage, Personalsystem, Projektdatenbank – eine eigene Sonderprogrammierung zu pflegen, werden die Quellen über einen einheitlichen Standard angebunden. Neue Quellen lassen sich später nach demselben Muster ergänzen, ohne dass die bestehende Anbindung neu gebaut werden muss. Der laufende Aufwand verlagert sich damit von wiederkehrender Einzel-Programmierung hin zu Pflege und Rechtevergabe – der eigentliche Hebel liegt in der Wiederverwendbarkeit der Anbindung.
Wirtschaftlicher Nutzen
Der wirtschaftliche Kern von MCP liegt nicht in einer neuen Fähigkeit der KI, sondern in der Standardisierung der Anbindung. Wo früher jede Verbindung ein eigenes kleines Projekt war, entsteht eine wiederverwendbare Schicht – das senkt den Aufwand bei jeder weiteren Quelle und verringert die Abhängigkeit von einer einzelnen Speziallösung. Für den Mittelstand ist zudem entscheidend, dass ein offener Standard die Bindung an einen einzelnen Anbieter lockert: KI-Modell und angebundene Systeme bleiben grundsätzlich austauschbar. Der Nutzen entfaltet sich dort am stärksten, wo mehrere Quellen nach und nach erschlossen werden sollen.
Typische Fehler
- MCP für ein Produkt halten statt für einen Standard – die Frage „Welche KI und welche Systeme verbinden wir?" bleibt davon unberührt.
- Den Zugriffsraum zu weit fassen, sodass die KI mehr lesen oder auslösen kann, als die Aufgabe erfordert – die KI-Leitplanken gehören von Beginn an mitgedacht.
- Verbindliche Aktionen ohne menschliche Freigabe zulassen und damit Schaden im Fehlerfall ermöglichen.
- Datenschutz erst nachträglich prüfen, obwohl über die Anbindung personenbezogene Daten erreichbar werden – siehe DSGVO.
- Die Datenqualität der angebundenen Quellen unterschätzen – eine Antwort kann nicht besser sein als die Quelle, auf die sie zugreift.
Worauf achten?
- Den Zugriffsraum bewusst klein halten: nur die Quellen und Rechte anbinden, die die Aufgabe wirklich braucht.
- Verbindliche Aktionen grundsätzlich hinter eine menschliche Freigabe legen.
- Jeden Zugriff protokollieren, damit im Nachhinein nachvollziehbar ist, was die KI gelesen oder ausgelöst hat.
- Datenschutz vor dem produktiven Start klären, sobald personenbezogene Daten im angebundenen Bestand liegen.
- Auf Austauschbarkeit achten – ein offener Standard vermeidet die feste Bindung an einen einzelnen Anbieter.
Häufig gestellte Fragen
Wofür steht MCP?
MCP steht für Model Context Protocol. Es bezeichnet einen offenen Standard dafür, wie ein KI-Assistent kontrolliert auf externe Datenquellen und Werkzeuge zugreift, statt sich allein auf sein Trainingswissen zu stützen.
Ist MCP ein Produkt?
Nein. MCP ist ein offener, herstellerübergreifender Standard, der die Spielregeln der Verbindung beschreibt. Welche KI und welche Systeme darüber verbunden werden, bleibt offen und austauschbar – das verringert die Abhängigkeit von einem einzelnen Anbieter.
Was unterscheidet MCP von einer klassischen Schnittstelle?
Technisch ist eine MCP-Anbindung einer API verwandt, aber auf die Bedürfnisse von KI-Assistenten zugeschnitten und einheitlich. Statt für jede Quelle eine eigene Sonderprogrammierung zu pflegen, werden Quellen nach demselben Muster angebunden.
Ist eine Anbindung über MCP sicher?
Sie kann es sein, wenn die Architektur trägt: begrenzter Zugriffsraum, geringste Rechte, menschliche Freigabe für Verbindliches und Protokollierung. Die Sicherheit liegt nicht im Modell selbst, sondern in der Art, wie die Anbindung gebaut ist.