KI-Tools sind mittlerweile unser aller Freund und Helfer und aus unserem Arbeitsalltag nicht mehr wegzudenken. Mit den richtigen Prompts sind sie inzwischen für viele die rechte Hand und entlasten uns bei wiederkehrenden und zeitfressenden Aufgaben.
Nach den KI-Tools haben sich auch KI-Agenten zügig entwickelt. Als autonome Entitäten übernehmen diese Agents Aufgaben – proaktiv – , sie automatisieren und optimieren Workflows und nehmen uns sogar Entscheidungen ab. Also mehr smarte Kolleg:innen als nur rechte Hand.
Aber die KI-Reise geht weiter. Und der nächste große Schritt heißt: Model Context Protocols. Klingt erstmal technisch – ist aber ein echter Gamechanger.
Das Model Context Protocol (kurz MCP) ist ein offener Standard, der Kontext nahtlos zwischen KI-Systemen teilt – für smartere, konsistentere und kollaborative KI-Erlebnisse.
Oder mit anderen Worten: KI-Tools werden Werkzeuge an die Hand gegeben, wodurch sie einen größeren Kontext erhalten und so noch effizienter arbeiten können. Durch MCPs können KI Tools auch miteinander verknüpft werden, Zugriff auf andere Datenpunkte erhalten, plattformübergreifend zusammenarbeiten – und so unsere (Arbeits-)Welt immer weiter revolutionieren.
Schauen wir uns das ganze mal anhand eines Beispiels im Content Management an: Nehmen wir Contentful. Ein MCP, das auf diese Plattform abgestimmt ist, kann direkt mit Anweisungen gefüttert werden – und so massiv bei der Contentpflege unterstützen. Denn es kennt nicht nur die Content Types in einem System – es kennt auch den passenden Weg, um an die nötigen Infos zu kommen, um diese für eine Seite zu verwenden. Zum Beispiel über das Tool “get_content_type".
Der Clou: Sobald die KI den Kontext versteht, kann sie selbstständig loslegen. Sie fragt nicht mehr bei jedem Schritt nach, sondern erstellt auf Basis der gelieferten Daten und Inputs komplette Seiten in Contentful. Eigenständig – und effizient.
Das bedeutet: als Content Manager muss ich nicht länger Block für Block, Content Type für Content Type anlegen und die Seite zusammenbasteln. Ich kann die Inhalte ohne aufwändige Briefings direkt ins MCP prompten – und der Rest wird wie von Zauberhand erledigt.
Hinter dem Zauber steckt System: Das MCP erweitert das Verständnis des verwendeten KI-Modelles, in dem es Zugriff auf Datenquellen und externe Services anbietet – und diese in Kontext setzt.
Was abstrakt klingt, ist am Beispiel einer Salat-Bowl ganz gut veranschaulich. Metaphorisch ist die Schüssel hier der geteilte Kontext, der von der KI bereitgestellt wird. Die Zutaten sind die individuellen Tools und Datenquellen. Das Dressing setzt sich aus den vorzugebenden Regeln und Protokollen zusammen, die vorschreiben, wie die Zutaten zusammenarbeiten und interagieren. Tadaa: gut vermischt ist der Salat servierbereit für den User.
Was ist jetzt der Vorteil von Model Context Protocols im Gegensatz zum Standardeinsatz von ChatGPT und co?
Der Kontext wird in einem Script vorgegeben und muss nicht in jedem Prompt neu eingesetzt werden. Das sorgt für gesteigerte Präzision, Einheitlichkeit und Zeitersparnis
Workflows werden smarter und schneller. In einem einzelnen System fließt alles zusammen.
Einzelne Silos werden verbunden. Durch die Kombination von Datenquellen, Services und künstlicher Intelligenz verabschieden wir uns von getrennten Silos und haben einen Single Point of Truth.
Das Kontext–Modell ist anpassbar an jeden Use Case. Wir sind nicht mehr von Limitationen einzelner Modelle und Systeme eingeschränkt – sondern können das Modell an jede kleine Anforderung individuell anpassen.
KI-Workflows haben uns produktiver gemacht – und MCP-Workflows machen nun unsere KI-Workflows produktiver.
Model Context Protocols sind noch relativ frisch und leben aktuell von den innovativen Tüfteleien neugieriger Köpfe.
Wer früh einsteigt, kann nicht nur als Early Adopter glänzen, sondern echten Vorsprung im Alltag schaffen: durch nahtlos integrierte KI, die versteht, mitdenkt und abliefert. Wie ein echter MVP eben.