Im letzten Beitrag ging es darum, wie Unternehmen ihr eigenes Wissen mit RAG besser zugänglich machen können. Eine KI kann damit auf vergangene Projekte, Tickets und Lösungen zugreifen und Fragen kontextbasiert beantworten.

Das funktioniert in der Praxis oft erstaunlich gut. Ein Team steht vor einem Problem und bekommt sofort eine Antwort aus den eigenen Erfahrungen.

Doch an diesem Punkt endet die Reise häufig. Die KI weiß etwas, aber sie kann nichts tun.

Was passiert, wenn ein System nicht nur antwortet, sondern handelt?

Wenn es nicht nur sagt, wie ein Problem gelöst wurde, sondern direkt die nächsten Schritte einleitet?

Ein Ticket wird erkannt, eine ähnliche Lösung aus der Vergangenheit gefunden und das System legt direkt die passenden Aufgaben an oder startet einen Prozess.

Hier kommt MCP ins Spiel

Mit Ansätzen wie MCP (Model Context Protocol) lassen sich Systeme so verbinden, dass eine KI nicht nur auf Informationen zugreift, sondern auch Aktionen in angebundenen Systemen ausführen kann.

Die KI bleibt damit nicht auf der Ebene der Antwort, sondern wird Teil des Workflows.

Voraussetzung dafür ist allerdings, dass die jeweiligen Systeme über entsprechende Schnittstellen verfügen — typischerweise in Form eines MCP-Servers oder vergleichbarer Integrationen.

Der Unterschied ist größer, als es zunächst wirkt

RAG beantwortet Fragen. MCP macht Systeme handlungsfähig.

Erst in der Kombination entsteht echter Mehrwert: Wissen wird nicht nur zugänglich, sondern für KI nutzbar und direkt automatisierbar.

Wissen und Handlung verbinden

In vielen Organisationen liegen Wissen und Abläufe in unterschiedlichen Systemen — oft ohne direkte Verbindung.

RAG schließt die Lücke auf der Wissensebene. MCP schließt sie auf der Handlungsebene.

Vielleicht liegt genau hier der nächste Entwicklungsschritt

Nicht darin, noch bessere Antworten zu erzeugen. Sondern darin, Antworten direkt in Handlungen zu übersetzen.

Vielleicht ist das die spannendere Frage: Was passiert, nachdem das System die Antwort kennt?