Das Model Context Protocol (MCP) ist ein offener Standard, mit dem KI-Modelle wie ChatGPT, Claude oder Gemini auf einheitliche Weise auf externe Werkzeuge, Datenbanken und Programme zugreifen. Anthropic veröffentlichte MCP Ende 2024 und übergab es im Dezember 2025 an eine neutrale Stiftung unter der Linux Foundation, damit der Standard herstellerunabhängig bleibt.

Was macht das Model Context Protocol genau?

Vor MCP musste für jede Kombination aus KI-Modell und externem System eine eigene Schnittstelle gebaut werden: ein Anschluss für ChatGPT an die Buchhaltungssoftware, ein anderer für Claude an dasselbe System, ein dritter für Gemini. Bei mehreren Modellen und mehreren Programmen wächst dieser Aufwand schnell zu einem Netz aus Einzellösungen an. MCP löst das, indem es eine gemeinsame Sprache festlegt: Ein Programm baut einmal einen sogenannten MCP-Server, und jedes MCP-fähige KI-System kann darüber auf die Funktionen dieses Programms zugreifen, unabhängig davon, von welchem Anbieter das Modell stammt.

Ein bekannter Vergleich beschreibt das Prinzip anschaulich: so wie ein genormter Kabelanschluss unterschiedlichste Geräte an dieselbe Buchse bringt, verbindet MCP unterschiedliche KI-Modelle mit denselben Werkzeugen, Datenquellen und Programmen.

Warum hat Anthropic den eigenen Standard abgegeben?

Anthropic hatte MCP ursprünglich intern entwickelt, um wiederkehrende technische Probleme im eigenen Team zu lösen, und es 2024 als offenes Projekt veröffentlicht. Am 9. Dezember 2025 übergab Anthropic MCP an die Agentic AI Foundation (AAIF), einen zweckgebundenen Fonds unter der Linux Foundation, den Anthropic gemeinsam mit Block und OpenAI gegründet hat, unterstützt von Google, Microsoft, Amazon Web Services, Cloudflare und Bloomberg, laut Anthropic (2025). Das Ziel war ausdrücklich, dass der Standard kein einzelnes Unternehmen mehr bevorzugt.

„MCP started as an internal project to solve a problem our own teams were facing.“ (Mike Krieger, Chief Product Officer bei Anthropic)

Innerhalb eines Jahres entwickelte sich MCP zu einer der am schnellsten wachsenden offenen Infrastrukturen der Branche: Anthropic meldete zur Übergabe mehr als 97 Millionen monatliche SDK-Downloads sowie über 10.000 aktive Server, laut Anthropic (2025). An der Governance selbst ändert die Übergabe wenig, da die bisherigen Projekt-Maintainer weiterhin die technischen Entscheidungen treffen.

Warum betrifft das auch mittelständische Unternehmen?

Für Unternehmer und Finanzdienstleister ist MCP zunächst unsichtbar, es steckt in der Technik hinter Chatbots, Assistenten und KI-Agenten. Relevant wird es, sobald ein Unternehmen KI-Systeme an eigene Programme anbindet, etwa an das CRM, die Buchhaltung oder interne Datenbanken. Ein Standard wie MCP bringt dabei handfeste Vorteile:

  • Eine Anbindung an ein Programm funktioniert grundsätzlich mit jedem MCP-fähigen KI-Modell, statt für jeden Anbieter neu gebaut zu werden
  • Ein Wechsel des KI-Anbieters erfordert nicht zwangsläufig, alle bestehenden Anbindungen neu zu entwickeln
  • Einheitliche Berechtigungs- und Protokollstandards erleichtern es, nachzuvollziehen, worauf ein KI-Agent zugegriffen hat

Gerade der zweite Punkt ist keine theoretische Überlegung. Wenn ein Anbieter ein Modell abkündigt, den Zugang einschränkt oder die Preise ändert, stehen Unternehmen ohne eine solche Zwischenschicht häufig vor der Aufgabe, ihre gesamte technische Anbindung neu aufzubauen. Ein offener, herstellerunabhängiger Standard reduziert dieses Risiko, ersetzt aber keine sorgfältige Auswahl der Werkzeuge und Anbieter selbst.

Was bedeutet MCP für Sicherheit und Kontrolle?

Gerade in regulierten Branchen wie Finanzen oder Gesundheitswesen brauchten Entwickler bislang sichere, nachvollziehbare und plattformübergreifende Wege, damit KI-Modelle mit Unternehmenssystemen kommunizieren, statt auf proprietäre Insellösungen mit unklaren Vertrauensgrenzen angewiesen zu sein, so eine Einschätzung im GitHub-Blog (2025). Ein gemeinsamer Standard macht es leichter, Zugriffsrechte, Protokollierung und Freigaben einheitlich zu regeln, anstatt für jede Insellösung eigene Kontrollmechanismen zu pflegen. Das ersetzt keine eigene Prüfung: Nicht jeder öffentlich verfügbare Baustein in diesem Ökosystem ist automatisch geprüft oder für den produktiven Einsatz geeignet, hier bleibt eine bewusste Auswahl nötig.

Was bedeutet das für den Aufbau einer KI-Belegschaft?

Ein Standard wie MCP zeigt, in welche Richtung sich professionelle KI-Nutzung entwickelt: weg von einer einzelnen Chat-Oberfläche, hin zu mehreren spezialisierten KI-Mitarbeitern, die kontrolliert auf die vorhandenen Programme und Daten eines Unternehmens zugreifen. Damit eine KI-Belegschaft langfristig verlässlich arbeitet, sollte die technische Anbindung nicht an ein einzelnes Modell gekoppelt sein, sondern austauschbar bleiben. Genau darauf ist ein AI Backbone System ausgelegt: Es verbindet verschiedene KI-Modelle und Werkzeuge über eine gemeinsame Schicht, statt ein Unternehmen an einen einzelnen Anbieter zu binden.