Tron
Im Film Tron aus dem Jahr 1982 wird der von Jeff Bridges gespielte Kevin Flynn in eine digitale Computerwelt transportiert. Dort kämpft er gemeinsam mit dem Programm Tron (gespielt von Bruce Boxleitner) gegen den menschlichen Gegenspieler Ed Dillinger (David Warner) und das sogenannte MCP – das "Master Control Program". Ursprünglich als KI-Schachprogramm entwickelt, hat sich das MCP im Laufe der Zeit immer mehr Rechte angeeignet und herrscht schließlich als düsterer Kontrollinstanz über die gesamte digitale Welt.
Danach wurde es lange still um die Begriffe KI, Programme und MCP – bis vor Kurzem.
Aber keine Sorge: Das heutige "MCP" hat nichts mit einer übermächtigen KI zu tun, die andere Programme übernimmt.
Oder… vielleicht doch? Nur eben auf eine ganz andere Weise.
Bevor wir das klären, schauen wir uns erst einmal an, worum es eigentlich geht – und wie ihr das Ganze einordnen könnt.
Chatbots und "Large Language Models"
Beginnen wir mit den sogenannten "Large Language Models" – also großen Sprachmodellen, wie sie in ChatGPT oder Microsoft Copilot zum Einsatz kommen. Diese Technologie ist ein zentraler Bestandteil der KI-Revolution, die vor etwa drei Jahren richtig Fahrt aufgenommen hat.
Dank dieser Modelle können wir in natürlicher Sprache mit einem Chatbot kommunizieren, der uns versteht und auf ein enormes Wissensreservoir zugreifen kann. Technisch basiert das auf komplexen statistischen Verfahren, die unsere Eingaben (Prompts) analysieren und daraus die wahrscheinlich passendste Antwort generieren – sei es als Text, Bild oder sogar Video.
Warum ist das so beliebt? Ganz einfach: Diese Technologie ist extrem nützlich und gleichzeitig leicht zu bedienen. Auf der Skala zwischen "Einfachheit" und "Nützlichkeit" liegt sie ganz weit oben.
Agenten
Das ist schon beeindruckend – aber im Arbeitsalltag möchte man oft nicht jedes Mal bei Null anfangen. Stattdessen wäre es hilfreich, wenn die KI direkt mit unternehmensspezifischen Daten arbeiten und bestimmte Aufgaben automatisch übernehmen könnte.
Hier kommen sogenannte Agenten ins Spiel (bei ChatGPT heißen sie "Custom GPTs"). Diese lassen sich mit speziellem Wissen und klaren Anweisungen ausstatten, um definierte Aufgaben zu erfüllen.
Ein Beispiel: Ein HR-Chatbot, der ausschließlich auf Informationen aus dem Intranet zugreift und nur Fragen zu HR-Prozessen beantwortet. Wenn er nicht weiterweiß, verweist er direkt an eine zuständige Kollegin oder einen Kollegen. So entlastet er das HR-Team bei Routinefragen.
Ein weiteres Beispiel: Ein Agent, der Texte automatisch gemäß Unternehmensrichtlinien umformatiert und prüft, ob bestimmte inhaltliche Vorgaben erfüllt sind.
Autonome Agenten
Bis hierhin läuft die Interaktion noch über einen klassischen Chat: Ich stelle eine Frage – der Agent antwortet. Doch was, wenn die KI von sich aus aktiv wird?
Genau das leisten autonome Agenten. Sie reagieren auf Auslöser und führen anschließend definierte Aktionen aus.
Beispiel: Ein Agent erkennt automatisch eingehende Rechnungen in E-Mails, extrahiert Rechnungsnummer und Betrag und leitet die Nachricht an die zuständige Person weiter – je nach Kunde.
Oder: Ein Agent erstellt jeden Morgen automatisch eine Zusammenfassung der wichtigsten E-Mails vom Vortag.
Die Möglichkeiten sind riesig – man muss nur kreativ genug denken.
MCP – Model Context Protocol
Jetzt kommen wir zum modernen "MCP". Heute steht das Kürzel für "Model Context Protocol" – eine standardisierte Schnittstelle, mit der Agenten eigenständig Informationen aus anderen Systemen abrufen oder dort Aktionen ausführen können.
Ein Beispiel: Ein Agent greift über MCP auf SAP zu, liest bestimmte Daten aus und führt für jeden Datensatz eine definierte Aktion aus – ganz wie ein Softwareprogramm, nur in natürlicher Sprache formuliert.
Das ist keine Zukunftsmusik: SAP integriert MCP bereits aktiv in seine Produkte. zum Blogartikel
Auch die 3D-Software Blender bietet eine MCP-Schnittstelle. Damit kann ich per Chat mein lokales Blender steuern – etwa, um einem 3D-Modell größere Ohren zu verpassen, ohne mich in die komplexe Bedienung einarbeiten zu müssen. Zum Artikel
Immer mehr Hersteller entwickeln solche Schnittstellen – nicht nur für große Cloud-Anwendungen, sondern auch für lokale Programme. So können Agenten künftig mit nahezu jeder Software interagieren und Aufgaben für uns übernehmen.
Die nahe Zukunft
Das alles muss man erst einmal sacken lassen – denn die Auswirkungen sind enorm. Wir können Prozesse in natürlicher Sprache definieren, automatisieren und Software fernsteuern. Richtig eingesetzt, können Agenten unsere Arbeit deutlich effizienter machen.
Und es geht noch weiter.
Stellt euch einen Einkaufsagenten vor: Ich sage ihm, dass ich neue T-Shirts brauche. Er sucht selbstständig passende Angebote im Web, legt sie in den Warenkorb und fordert mich nur noch auf, den Kauf abzuschließen.
Zukunftsmusik? Keineswegs. Ich habe genau solche Prototypen letzte Woche live auf dem European Collaboration Summit gesehen.
Und das hat weitreichende Folgen:
- Ich als Nutzer war nicht mehr auf der Webseite – ich habe keine Werbung gesehen.
- Ich habe nicht entschieden, wo gekauft wird – das hat der Agent übernommen.
Webseitenbetreiber müssen sich fragen: Wie gehe ich damit um?
- Wenn ich Werbung schalte, aber Agenten blockiere, verliere ich potenzielle Käufe.
- Wenn meine Seite zwar hübsch aussieht, aber für Agenten schwer verständlich ist, schicken sie keine Nutzer mehr dorthin.
SEO wird an Bedeutung verlieren – stattdessen wird die Optimierung für KI-Agenten immer wichtiger.
Und das ist nur der Anfang. Die nächsten zwei bis drei Jahre werden in diesem Bereich unglaublich spannend.
