KI-Modelle operieren meist isoliert von den Systemen, in denen Unternehmenswissen tatsächlich verankert ist – etwa in SAP, Collaboration-Umgebungen oder Archivsystemen.

Genau hier findet ein Umdenken statt: Im Fokus steht zunehmend die standardisierte, sichere und governance-konforme Integration von KI-Modellen in bestehende Informationslandschaften; der zentrale Baustein ist dabei das Model Context Protocol – MCP.

Vom Integrationsproblem zur Standardarchitektur

Bislang erfolgte die Anbindung von KI-Systemen an SAP und andere Unternehmensanwendungen meist über proprietäre Schnittstellen oder individuelle Connectoren.

Unternehmen sollten auf  integrierte, governance-fähige Kontextarchitekturen, wie MCP, setzen. Die eigentliche Innovation liegt weniger im Modell als in der Architektur – also in der Fähigkeit, KI sicher, standardisiert und prozessnah mit dem vorhandenen Unternehmenswissen zu verbinden.
(BIld: KGS Software)

Technisch führte dies zu einer klassischen N×M-Problematik, denn die Vielzahl unterschiedlicher Datenquellen in Kombination mit diversen KI-Clients erzeugte eine hohe Integrationskomplexität , heterogene Sicherheitskonzepte und hohe Kosten – man denke nur an die SAP Data-Lake Diskussion.

MCP dagegen adressiert dieses strukturelle Defizit durch eine standardisierte Kopplung zwischen KI-Clients und Daten- oder Tool-Providern.

Statt individueller Direktintegrationen treten klar definierte MCP-Server, die Funktionen und Ressourcen kontrolliert bereitstellen. Der Mehrwert liegt in der architektonischen Klarheit, Wiederverwendbarkeit und höherer Governance-Fähigkeit.

Archive als strategische Wissensquellen

Parallel zur Standardisierung der KI-Anbindung verändert sich die Rolle der Archivsysteme. Sie galten lange als reine Speicherlösungen. Dank kontextsensitiver KI-Anwendungen entwickeln sie sich jedoch zu strategischen Kontextlieferanten.

In vielen Unternehmen sind Archive der einzige Ort, an dem Dokumente revisionssicher abgelegt, mit strukturierten Metadaten verknüpft und eindeutig Geschäftsobjekten zugeordnet sind.

Hinzu kommen Zugriffsprotokolle, die zusätzliche Signale über Nutzungsmuster liefern –  entscheidende Informationen für moderne KI-Systeme, bei denen nicht nur Inhalte, sondern auch semantische Einordnung und Aktualität relevant sind.

Zielführender ist ein Modell mit klarer Rollenverteilung: Archive liefern Inhalte und Evidenzen, führende Systeme wie etwa SAP liefern Berechtigungen und Prozesskontext.
(Bild: SAP Learning)

Sobald Archivdaten in KI-Prozesse einfließen, rückt das Berechtigungsmodell in den Mittelpunkt. Dabei treten zwei weitverbreitete Missverständnisse auf:

Erstens, dass KI-Systeme umfassenden Zugriff auf Datenbestände benötigen, und zweitens, dass Berechtigungen einmalig übernommen werden können.

In der Praxis sind die Rollen, Projektzuordnungen und Zuständigkeiten jedoch dynamisch. Ein statischer Snapshot führt zwangsläufig zu Inkonsistenzen. Erforderlich ist daher eine Architektur, in der Berechtigungen kontinuierlich aus den führenden Systemen bezogen werden.

Ein weiterer Mehrwert von MCP ist die Nutzung von Metadaten, Zugriffsinformationen, Dokumentklassen, Statusattributen oder Nutzungshäufigkeiten, wodurch auch Verfahren zur Anomalieerkennung an Bedeutung gewinnen.

Auch wenn Chatbots wohl die bekannteste Form von KI-Projekten sind, führt dieser Ansatz häufig zu isolierten Schattenprozessen. Zielführender ist ein Modell mit klarer Rollenverteilung: Archive liefern Inhalte und Evidenzen, führende Systeme wie etwa SAP liefern Berechtigungen und Prozesskontext und die KI-Komponenten verdichten die gesammelten Informationen.

Autorin: Christina Scharf, KGS Software