Über unsLeistungenProjekteArtikel
← Zurück zu Dienstleistungen

KI-Agenten und MCP-Server: Sprachmodelle an die Systeme anbinden, die Sie ohnehin betreiben

Die Demos funktionieren alle. Der Pilot, der Ihre Dokumentation zusammengefasst hat, war beeindruckend, der Prototyp, der Supportfragen beantwortete, wirkte fertig. Dann traf er auf das echte CRM, das echte Berechtigungsmodell und die echten Daten, und war es nicht mehr.

Genau diese Lücke ist die Arbeit. Nicht das Modell, das ist inzwischen der einfache Teil, sondern alles, was zwischen einem Sprachmodell und einem System liegt, das eigene Vorstellungen von Authentifizierung, Rate Limits, Mandantentrennung und Sichtbarkeit hat.

Was wir bauen

MCP-Server für Ihre internen Systeme

Das Model Context Protocol ist ein offener Standard dafür, Werkzeuge und Daten für KI-Assistenten bereitzustellen: clientübergreifend einheitlich. Es ist die praktische Antwort auf die Frage geworden, wie ein Assistent die eigenen Systeme nutzen kann, ohne dass man für jeden Assistenten eine eigene Integration schreibt.

Wir bauen produktionsreife MCP-Server über das, was in Ihrem Unternehmen tatsächlich läuft: CRM, Ticketsystem, Data Warehouse, interne APIs, Dokumentenablage, ERP. Keinen Demo-Server mit fest verdrahtetem Token, sondern einen mit ordentlicher Authentifizierung, nutzerbezogener Autorisierung, die die Berechtigungen Ihrer Systeme respektiert, Mandantentrennung, Rate Limiting, strukturiertem Logging und einer Fehlerausgabe, die dem Modell etwas Brauchbares sagt, wenn ein Aufruf fehlschlägt.

Individuelle KI-Agenten und Assistenten

Agenten, die eine Aufgabe von Anfang bis Ende erledigen: eine Eingangswarteschlange vorsortieren, zwei Systeme abgleichen, die sich widersprechen, die erste Fassung eines Dokuments entwerfen, das anschließend ein Mensch freigibt, eine Rechercheaufgabe über interne und externe Quellen führen. Wir bauen sie mit den unspektakulären Teilen: Wiederholungen, Zeitüberschreitungen, Kostenobergrenzen, Idempotenz bei allem, was schreibt, und einer menschlichen Freigabe überall dort, wo sich eine Aktion schlecht rückgängig machen lässt.

Retrieval über Ihre eigenen Inhalte

RAG, ordentlich gemacht: Dokumentenaufnahme und Chunking, das sich an der Struktur orientiert statt an Zeichenzahlen, Embeddings und Vektorsuche, hybride Suche aus Stichwort und Semantik, weil reine Vektorsuche exakte Treffer verfehlt, Reranking und Quellenangaben, damit eine Antwort überprüfbar bleibt. Dazu die undankbare Hälfte: den Index aktuell halten, während sich die zugrunde liegenden Dokumente ändern, und die Zugriffssteuerung so einhalten, dass die Suche nie ein Dokument zutage fördert, das der Nutzer sonst nicht öffnen könnte.

Automatisierung von Abläufen und Backoffice

Nicht alles braucht einen Agenten. Ein großer Teil dessen, was Unternehmen sich von KI erhoffen, ist Klassifikation, Extraktion und Weiterleitung: eine eingehende E-Mail lesen und entscheiden, worum es geht, strukturierte Daten aus einem unstrukturierten Dokument ziehen, eine Beschreibung einem Katalogeintrag zuordnen. Das ist günstiger, zuverlässiger und leichter zu bewerten als ein Agent, und wenn es die richtige Antwort ist, bauen wir das.

Evaluation, Observability und Leitplanken

Eine KI-Funktion ohne Evaluation ist eine Funktion, die niemand verbessern kann. Wir bauen Testfälle aus Ihren echten Fällen, messen bei jeder Änderung dagegen, tracen jeden Aufruf mit Eingaben, Werkzeugnutzung, Latenz und Kosten und setzen Grenzen, bevor eine außer Kontrolle geratene Schleife Ihre API-Rechnung findet. Prompt Injection ist ein reales Risiko, sobald ein Agent nicht vertrauenswürdige Inhalte liest und zugleich handeln kann. Wir schneiden die Werkzeuggrenze so, dass aus einem präparierten Dokument keine zerstörerische Aktion werden kann.

Wie wir mit Modellanbietern umgehen

Wir sind an keinen gebunden. Wir entwickeln gegen die Claude-Modelle von Anthropic, gegen OpenAI, Google und gegen Open-Weight-Modelle auf Ihrer eigenen Infrastruktur, und wir legen die Integration so an, dass das Modell ein austauschbarer Baustein bleibt. Welches Sie einsetzen sollten, hängt von der Aufgabe ab, von der benötigten Latenz, von den Kosten je Aufruf bei Ihrem Volumen und (in Europa zunehmend das entscheidende Kriterium) davon, wohin die Daten überhaupt fließen dürfen.

Für Kunden mit Anforderungen an die Datenresidenz betreiben wir in EU-Regionen oder als selbst gehostete Inferenz auf Ihrer eigenen Hardware, und wir sagen Ihnen offen, wo das zulasten der Leistungsfähigkeit geht.

Was wir nicht tun

Wir sind keine KI-Strategieberatung. Wir veranstalten keine Workshops über das transformative Potenzial von irgendetwas.

Und wir bauen keinen Agenten für ein Problem, das keinen braucht. Ein beachtlicher Teil der KI-Projekte, zu denen wir gefragt werden, ist mit einer sauber spezifizierten API-Integration, einem Suchindex oder der Behebung des darunterliegenden Datenqualitätsproblems besser gelöst. Das zu sagen kostet uns das größere Projekt und erspart Ihnen ein System, das Sie pflegen müssten.

Wo sich das erfahrungsgemäß auszahlt

Internes Wissen, das technisch vorhanden und praktisch unerreichbar ist: tausende Dokumente verteilt auf Wiki, Netzlaufwerk und Ticketsystem, und die Person, die weiß, welches davon aktuell ist, hat Urlaub.

Vorsortierung großer Mengen: Supportwarteschlangen, Schadenmeldungen, Vertriebsanfragen, Bewerbungsprüfung. Überall dort, wo heute ein Mensch etwas liest, entscheidet, worum es geht, und es weiterreicht.

Systeme, die nie eine Schnittstelle bekommen haben: zwei Werkzeuge, die miteinander reden sollten, tun es nicht, und der Behelf ist ein Mensch mit einer Tabelle. Ein Agent mit MCP-Zugriff auf beide ist oft der kürzere Weg als ein förmliches Integrationsprojekt.

Dokumentenlastige Abläufe: Verträge, Rechnungen, Spezifikationen, behördliche Meldungen. Extraktion mit menschlicher Prüfung ist heute zuverlässig genug, um die Wirtschaftlichkeit dieser Prozesse zu verändern.

Entwicklerproduktivität in Ihrer eigenen Codebasis: interne Werkzeuge, Unterstützung beim Code Review, Testerzeugung und MCP-Server, die den Assistenten Ihres Teams Zugriff auf Buildsystem, Issue-Tracker und Logs geben.

Ablauf eines Projekts

Discovery, ein bis zwei Wochen. Wir sehen uns den Prozess an, den Sie verändern wollen, die beteiligten Systeme und den tatsächlichen Zustand der Daten. Ergebnis ist eine schriftliche Einschätzung: was machbar ist, was der Betrieb bei Ihrem Volumen pro Monat kostet und welche Fehlerbilder zu erwarten sind. Manchmal steht darin, dass man es besser lässt.

Proof of Concept, drei bis sechs Wochen, an echten Daten in einer kontrollierten Umgebung. Ziel ist keine Demo, sondern ein belastbares Evaluationsergebnis mit einer gemessenen Trefferquote an Fällen, die Sie ausgewählt haben.

Produktivumsetzung, typischerweise acht bis sechzehn Wochen, einschließlich Authentifizierung, Autorisierung, Monitoring, Evaluations-Harness, Kostenkontrolle und Dokumentation. Ausgeliefert in Ihre Infrastruktur, in Ihrem Repository, mit Ihrem Team durchgehend an Bord.

Betrieb oder Übergabe. Entweder übernimmt Ihr Team das System samt Runbook und Evaluationssuite, oder wir betreiben es im Rahmen eines Supportvertrags weiter. Modelle ändern sich, Prompts driften, und die Evaluationssuite ist das, was Ihnen sagt, wenn etwas still und leise schlechter geworden ist.

Technik

Python und TypeScript für Agenten- und MCP-Arbeit; PostgreSQL mit pgvector, Qdrant, Weaviate oder OpenSearch für Retrieval; AWS Bedrock, Azure OpenAI, direkte Anbieter-APIs sowie selbst gehostete Inferenz mit vLLM oder Ollama, wo die Daten das Haus nicht verlassen dürfen; Tracing auf Basis von OpenTelemetry; und auf der Integrationsseite das, was bei Ihnen ohnehin läuft, denn dort entsteht die eigentliche Arbeit.

Häufige Fragen

Was ist ein MCP-Server, einfach gesagt?

Ein kleiner Dienst, der eine Fähigkeit bereitstellt (aus einer Datenbank lesen, ein Ticket anlegen, Ihre Dokumente durchsuchen) in einem einheitlichen Format, das KI-Assistenten verstehen. Einmal gebaut, kann jeder MCP-fähige Assistent diese Fähigkeit nutzen, ohne dass es für jeden eine eigene Integration braucht.

Sollen wir einen MCP-Server bauen oder eine normale API-Integration?

Wenn ein KI-Assistent ein System braucht, ist die direkte Integration einfacher. MCP lohnt sich, sobald mehrere Assistenten oder mehrere Teams dieselben Systeme brauchen, wenn die Fähigkeit auch Werkzeugen offenstehen soll, für die Sie sich noch gar nicht entschieden haben, oder wenn Berechtigungen und Audit-Logging an einer Stelle liegen sollen.

Wie verhindern Sie, dass ein Agent etwas Zerstörerisches tut?

In Schichten. Schreibende Werkzeuge sind von lesenden getrennt, und schreibende sind so eng zugeschnitten, wie die Aufgabe es zulässt. Alles Unumkehrbare läuft über eine menschliche Freigabe. Jeder Aufruf wird mit seinen Argumenten protokolliert. Und der Agent läuft unter einer Dienstidentität, die nur die Berechtigungen hat, die die Aufgabe erfordert: die Schadensreichweite begrenzt also Ihr eigenes Berechtigungsmodell und nicht der Prompt.

Was kostet der Betrieb?

Das hängt fast vollständig vom Volumen ab und davon, wie viel Kontext jeder Aufruf mitführt. Wir rechnen das in der Discovery mit echten Zahlen durch, denn zwischen einem Entwurf, der bei jedem Schritt ein ganzes Dokument mitschickt, und einem, der den relevanten Teil gezielt heraussucht, kann eine Größenordnung an Monatskosten liegen.

Geht das, ohne dass unsere Daten die EU verlassen?

Ja. Die großen Anbieter bieten EU-Regionen an, und Open-Weight-Modelle laufen auf Infrastruktur, die Sie selbst kontrollieren. Meist gibt es dabei einen Abstrich bei der Leistungsfähigkeit, und wir benennen konkret, welchen, statt so zu tun, als gäbe es keinen.

Unser letzter KI-Pilot hat es nicht in den Produktivbetrieb geschafft. Warum sollte es diesmal klappen?

Meistens deshalb, weil der Pilot gezeigt hat, dass das Modell die Aufgabe kann, und Authentifizierung, Berechtigungen, Fehlerbehandlung, Evaluation und Kosten nie berührt hat: dort stecken die restlichen neunzig Prozent der Arbeit. Wir setzen voraus, dass das Modell funktioniert, und verwenden das Projekt auf alles andere.

Erste Schritte

Beschreiben Sie uns den Prozess, den Sie verändern wollen, und die Systeme, die er berührt. Wir sagen Ihnen, ob ein Agent das richtige Mittel ist, wie eine realistische erste Ausbaustufe aussieht und was sie in Bau und Betrieb kostet.

Vereinbaren Sie ein technisches Discovery-Gespräch.

Weitere Leistungen

Bereit, mit dieser Dienstleistung zu starten?

Kontakt aufnehmen
← Zurück zu allen Dienstleistungen