Die meisten AI-Gespräche im Unternehmen scheitern an einem banalen Punkt: Das Modell kennt eure Daten nicht. Es weiss nicht, was in eurem CRM steht, welche Offerte letzte Woche rausging oder wie der Projektstand ist. Also kopiert jemand die Information von Hand in den Chat – und damit beginnt das eigentliche Problem.
Model Context Protocol, kurz MCP, ist die Antwort darauf. Es ist ein offener Standard, über den AI-Anwendungen mit externen Systemen verbunden werden: Datenquellen, Werkzeuge, Abläufe. Anthropic hat ihn eingeführt, inzwischen wird er breit unterstützt – unter anderem stellt auch monday.com einen offiziellen MCP-Server bereit.
Für Entscheider ist weniger die Technik relevant als eine Eigenschaft: MCP verwandelt einen unkontrollierten Copy-Paste-Vorgang in einen kontrollierten, protokollierbaren Zugriff.
Was ist MCP?
Stellt euch MCP wie einen Empfang in einem Bürogebäude vor. Ohne Empfang läuft jeder rein, der die Tür aufkriegt, und niemand weiss hinterher, wer wo war. Mit Empfang meldet sich jeder Besucher an, bekommt einen Ausweis, darf in bestimmte Stockwerke und in andere nicht – und im Logbuch steht, wer wann da war.
Ein MCP-Server ist dieser Empfang. Er steht zwischen der AI und euren Systemen. Er entscheidet, welche Funktionen überhaupt angeboten werden, und er arbeitet mit den Rechten der angemeldeten Person – nicht mit Vollzugriff.
Das ist der Punkt, den man bei der Bewertung nicht übersehen sollte: MCP erweitert nicht einfach den Zugriff der AI. Es macht den Zugriff erstmals steuerbar.
Was ein MCP-Server konkret tut
Technisch stellt ein MCP-Server eine Liste von Werkzeugen bereit, die die AI aufrufen kann. Beispiele aus der Praxis: «suche Kontakte», «lies die Items eines Boards», «erstelle ein Dokument», «frage diese Datenbank ab».
Wenn Claude eine Aufgabe bearbeitet, entscheidet es, welches dieser Werkzeuge es braucht, ruft es auf und arbeitet mit dem Ergebnis weiter. Was nicht auf der Liste steht, existiert für die AI nicht. Das klingt trivial, ist aber die zentrale Sicherheitsmechanik: Ihr definiert die Liste.
Ein Beispiel für den Unterschied im Alltag. Ohne MCP: Eine Mitarbeiterin exportiert eine Kundenliste als Excel, lädt sie in einen Chat hoch, lässt sie analysieren. Die Datei liegt jetzt ausserhalb eurer Systeme, niemand weiss davon, und sie ist am nächsten Tag veraltet. Mit MCP: Die AI fragt die Liste über den Server ab, sieht genau die Datensätze, die diese Mitarbeiterin ohnehin sehen darf, und arbeitet mit dem aktuellen Stand. Der Zugriff steht im Protokoll.
Drei Arten, MCP einzusetzen
Fertige Server der Hersteller
Viele Anbieter stellen inzwischen eigene MCP-Server bereit. monday.com betreibt beispielsweise einen offiziellen Server mit über sechzig Werkzeugen – von Boards und Items über Dokumente bis zu direkten Datenbankabfragen. Solche Server sind der schnellste Einstieg, weil nichts gebaut werden muss.
Eigene Server für interne Systeme
Für eine selbst entwickelte Applikation, eine Branchenlösung ohne Standardanbindung oder eine interne Datenbank baut man einen eigenen MCP-Server. Das ist überschaubarer Aufwand – der grössere Teil der Arbeit steckt meist nicht im Server, sondern in der Frage, welche Werkzeuge er anbieten soll und welche bewusst nicht.
Connectors als Fertigpackung
Für viele gängige Dienste gibt es fertige Verbindungen, die technisch auf MCP aufsetzen, aber ohne Konfiguration auskommen. Wer schnell starten will, beginnt hier.
Wo MCP brechen kann
Ehrlichkeitshalber drei Punkte, die in Projekten regelmässig auftauchen.
Zu viele Werkzeuge
Ein Server, der alles anbietet, was die API hergibt, macht die AI nicht schlauer, sondern langsamer und unberechenbarer. Weniger, präzise beschriebene Werkzeuge liefern bessere Ergebnisse als fünfzig generische.
API-Limits
Jeder Aufruf zählt auf das Kontingent des angebundenen Systems. Bei einer agentischen Aufgabe, die dreissig Abfragen macht, ist das spürbar. Das gehört vor dem Produktivgang durchgerechnet, nicht danach.
Berechtigungen, die nie aufgeräumt wurden
MCP arbeitet mit den Rechten des angemeldeten Nutzers. Wenn in eurem CRM historisch gewachsen alle alles sehen dürfen, sieht die AI ebenfalls alles. MCP macht bestehende Rechteprobleme nicht schlimmer – aber es macht sie sichtbar. Das ist regelmässig der Moment, in dem ein Berechtigungskonzept endlich überarbeitet wird.
Was ihr davon habt
Der Nutzen liegt auf zwei Ebenen.
Fachlich: Antworten stammen aus dem aktuellen Datenbestand statt aus einem Export von letzter Woche, und niemand verbringt mehr Zeit mit Zusammensuchen. Governance: Jeder Zugriff läuft über eine Stelle, die ihr konfiguriert, einschränkt und protokolliert.
Genau deshalb behandeln wir die Anbindung nicht als technisches Detail am Schluss, sondern als Teil des Governance-Konzepts – im Design, bevor irgendetwas gebaut wird.
.svg)