Andreas Gräbner Warum MCP ein wichtiger Schritt für KI-Automatisierung ist, aber Unternehmen trotzdem nicht einfach „alles verbinden“ sollten.
Viele sprechen gerade darüber, dass Claude mit MCP nicht mehr nur als Chatbot genutzt werden kann.
Claude kann über Schnittstellen mit Tools verbunden werden, Kontext aus Systemen nutzen und Aufgaben über verschiedene Anwendungen hinweg unterstützen.
Das klingt erst einmal sehr stark.
Weniger Copy-Paste.
Weniger Wechsel zwischen Tabs.
Weniger ständiges Neuerklären von Kontext.
Und ja: Genau darin liegt ein großer Fortschritt.
Aber gleichzeitig entsteht hier auch ein Missverständnis, das für Unternehmen gefährlich werden kann:
Claude ist nicht automatisch produktiv, nur weil es Zugriff auf viele Tools hat.
Mehr Integration bedeutet nicht automatisch mehr Nutzen
In vielen Diskussionen klingt es aktuell so, als müsse man Claude nur mit möglichst vielen Anwendungen verbinden.
E-Mail.
CRM.
Kalender.
Notion.
Drive.
Slack.
Projektmanagement.
Support-Systeme.
Und schon entsteht ein produktiver KI-Agent.
So einfach ist es in der Praxis aber nicht.
Ein angebundenes Tool ist noch kein sauberer Workflow.
Nur weil ein KI-System Informationen lesen oder Aktionen ausführen kann, heißt das noch nicht, dass der zugrunde liegende Prozess fachlich richtig, sicher und wirtschaftlich sinnvoll läuft.
Genau hier liegt der Unterschied zwischen einem beeindruckenden Demo-Setup und einem produktiven Unternehmensprozess.
Was MCP wirklich verändert
MCP kann ein wichtiger Baustein sein, weil es KI-Systemen ermöglicht, strukturierter mit externen Tools und Datenquellen zu arbeiten.
Dadurch kann Claude nicht nur eine Antwort in einem Chatfenster erzeugen, sondern in konkreten Arbeitskontext eingebunden werden.
Das kann zum Beispiel bedeuten:
E-Mails analysieren.
Informationen aus Dokumenten zusammenfassen.
CRM-Daten vorbereiten.
Support-Tickets strukturieren.
Meetingnotizen mit Aufgaben abgleichen.
Daten aus verschiedenen Quellen zusammenführen.
Das ist deutlich näher an echter Automatisierung als ein klassischer Chatbot.
Der große Vorteil liegt darin, dass Kontext nicht mehr ständig manuell kopiert, erklärt und zwischen Systemen hin- und hergeschoben werden muss.
Aber genau dieser Vorteil bringt auch neue Verantwortung mit sich.
Warum das im Unternehmen gefährlich werden kann
Je mehr Zugriff ein KI-System bekommt, desto wichtiger werden klare Grenzen.
Denn plötzlich geht es nicht mehr nur darum, ob Claude eine gute Antwort schreibt.
Es geht darum, welche Daten Claude sehen darf.
Welche Aktionen Claude ausführen darf.
Welche Systeme angebunden sind.
Welche Rechte vergeben werden.
Welche Fehler entstehen können.
Welche Ergebnisse geprüft werden müssen.
Und wer am Ende verantwortlich ist.
Ein KI-System mit Zugriff auf viele Tools ist nicht automatisch ein besserer Assistent.
Es kann auch zu einem Risiko werden, wenn es ohne Prozesslogik, Rechtekonzept und Qualitätskontrolle eingesetzt wird.
Im Unternehmenskontext reicht es deshalb nicht, zu sagen:
„Claude sieht jetzt unseren Stack.“
Die bessere Frage lautet:
„Welche konkreten Aufgaben darf Claude in welchem Rahmen unterstützen?“
Der entscheidende Punkt: Prozesse vor Tools
Der größte Fehler wäre, MCP als reine Tool-Sammlung zu verstehen.
Nach dem Motto:
Je mehr Anwendungen verbunden sind, desto produktiver wird die KI.
Das stimmt nicht.
Der Mehrwert entsteht nicht durch die Anzahl der angebundenen Tools.
Er entsteht durch einen besseren Workflow.
Ein guter MCP-Use-Case beginnt deshalb nicht mit der Frage:
„Welche Tools können wir anbinden?“
Sondern mit der Frage:
„Welchen konkreten Prozess wollen wir verbessern?“
Erst danach sollte geklärt werden:
Welche Daten werden benötigt?
Welche Systeme sind relevant?
Welche Aktion darf automatisiert werden?
Wo braucht es eine Freigabe?
Wie wird Qualität geprüft?
Wie werden Fehler erkannt?
Wie wird der Nutzen gemessen?
Ohne diese Fragen wird aus MCP schnell ein technisches Experiment mit viel Zugriff, aber wenig Kontrolle.
Gute Anwendungsfälle für MCP
Sinnvoll wird MCP dort, wo ein klarer Prozess bereits existiert und KI gezielt unterstützen kann.
Beispiele:
- E-Mail-Anfragen vorstrukturieren
Claude kann eingehende Nachrichten analysieren, kategorisieren und Vorschläge für nächste Schritte vorbereiten.
Aber:
Der Versand kritischer Antworten sollte nicht automatisch passieren, wenn rechtliche, finanzielle oder sensible Themen betroffen sind.
- CRM-Daten vorbereiten
Claude kann Informationen aus E-Mails, Notizen oder Formularen zusammenführen und für den Vertrieb aufbereiten.
Aber:
Die finale Bewertung, Priorisierung oder Kundenkommunikation sollte klar geregelt bleiben.
- Support-Tickets zusammenfassen
Claude kann lange Verläufe verdichten, relevante Informationen herausziehen und Lösungsvorschläge vorbereiten.
Aber:
Bei komplexen Fällen braucht es menschliche Prüfung und klare Eskalationsregeln.
- Meetingnotizen mit Aufgaben abgleichen
Claude kann Protokolle auswerten, Aufgaben identifizieren und mit Projektmanagement-Systemen abgleichen.
Aber:
Verantwortlichkeiten und Deadlines sollten nicht unkontrolliert automatisch gesetzt werden.
- Dokumente durchsuchen und Ergebnisse aufbereiten
Claude kann Informationen aus unterschiedlichen Quellen zusammenführen und verständlich darstellen.
Aber:
Die Nachvollziehbarkeit der Quellen und die Qualität der Ergebnisse müssen geprüft werden.
Typische Denkfehler bei MCP
Viele Unternehmen werden bei MCP wahrscheinlich ähnliche Fehler machen wie bei anderen KI-Themen auch.
Typische Denkfehler sind:
Mehr Tools bedeuten automatisch mehr Nutzen.
Ein verbundener Stack ist schon ein produktiver Workflow.
MCP ersetzt sauberes Prozessdesign.
Ein Setup funktioniert für alle Teams.
Ein KI-Agent braucht keine klare Begrenzung.
Wenn es technisch möglich ist, sollte man es auch automatisieren.
Genau diese Denkweise ist problematisch.
Denn MCP macht schlechte Prozesse nicht automatisch gut.
Es kann schlechte Prozesse sogar beschleunigen.
Und das ist im Unternehmen selten ein Vorteil.
Worauf Unternehmen achten sollten
Wer MCP sinnvoll einsetzen will, sollte nicht bei der Tool-Liste beginnen.
Wichtiger sind diese Punkte:
- Klare Anwendungsfälle definieren
Jeder MCP-Einsatz braucht ein konkretes Ziel.
Nicht:
„Wir verbinden Claude mit möglichst vielen Tools.“
Sondern:
„Wir wollen diesen Prozess schneller, sicherer oder qualitativ besser machen.“
- Rechte sauber begrenzen
Claude sollte nicht pauschal Zugriff auf alles bekommen.
Es braucht klare Regeln:
Lesen oder schreiben?
Nur bestimmte Daten?
Nur bestimmte Nutzergruppen?
Nur bestimmte Aktionen?
Nur mit Freigabe?
- Human-in-the-Loop einbauen
Gerade bei kritischen Prozessen muss ein Mensch eingebunden bleiben.
Nicht als Bremse.
Sondern als Kontrollpunkt für Qualität, Verantwortung und Risiko.
- Qualität messbar machen
Unternehmen sollten prüfen, ob der Workflow wirklich besser wird.
Spart er Zeit?
Sinkt die Fehlerquote?
Steigt die Qualität?
Wird der Prozess nachvollziehbarer?
Oder entsteht nur zusätzliche Komplexität?
- Sicherheit und Datenschutz mitdenken
Je mehr Systeme verbunden werden, desto wichtiger werden Datenschutz, Berechtigungen, Logging und Nachvollziehbarkeit.
Ein KI-Agent mit zu viel Zugriff kann schnell mehr Risiko erzeugen als Nutzen.
Meine Bewertung
MCP ist ein sehr spannender Schritt, weil KI dadurch näher an echte Arbeitsprozesse heranrückt.
Aber genau deshalb ist das Thema auch ernst zu nehmen.
Solange KI nur im Chatfenster bleibt, ist das Risiko begrenzt.
Sobald KI aber Tools sieht, Daten verarbeitet und Aktionen über Systeme hinweg ausführen kann, reden wir über produktive Prozessautomatisierung.
Und dafür gelten andere Anforderungen.
Dann reicht kein guter Prompt mehr.
Dann braucht es Architektur.
Berechtigungskonzepte.
Prozessverständnis.
Qualitätskontrolle.
Fallbacks.
Logging.
Und klare Verantwortung.
MCP kann Unternehmen helfen, weniger manuell zwischen Tools zu springen und KI sinnvoll in Abläufe einzubinden.
Aber MCP ist kein Ersatz für saubere Prozesse.
Es ist ein Verstärker.
Und wie immer bei KI gilt:
Wenn der Prozess gut ist, kann KI ihn besser machen.
Wenn der Prozess schlecht ist, kann KI ihn schneller schlecht machen.
Fazit
Claude ist mit MCP deutlich mehr als ein Chatbot.
Aber genau deshalb sollten Unternehmen nicht einfach möglichst viele Tools anbinden und hoffen, dass daraus automatisch Produktivität entsteht.
Der richtige Weg ist ein anderer:
Erst den Prozess verstehen.
Dann den Anwendungsfall definieren.
Dann die passenden Tools anbinden.
Dann Rechte und Kontrolle sauber regeln.
Dann Qualität messen.
Der Mehrwert entsteht nicht durch mehr Verbindungen.
Er entsteht durch bessere Workflows.
Merksatz:
MCP macht Claude nicht automatisch produktiv. Es macht gute Prozesse besser automatisierbar.
Abschlussfrage:
Wo wäre MCP in deinem Unternehmen wirklich sinnvoll?
Nicht theoretisch.
Sondern als konkreter Workflow mit messbarem Nutzen.