ai-agenten & mcp - was 2026 wirklich geht
Vom antwortenden Chatbot zum handelnden Agenten. Was MCP ändert, welche KMU-Use-Cases tragen - und wo die Grenzen liegen.
von tokyn studio · 4 min lesezeit
TL;DR. Ein KI-Agent beantwortet nicht nur Fragen, er handelt: Er plant Schritte, ruft Tools auf, prüft das Ergebnis und korrigiert. Das Model Context Protocol (MCP) ist der offene Standard, der LLMs mit euren Tools und Daten verbindet - ohne dass für jede Kombination ein eigener Konnektor gebaut werden muss. 2026 tragen vor allem eng umrissene Agenten mit klaren Tools und menschlicher Kontrolle. Voll-autonome „Mach-alles"-Agenten bleiben fragil.
vom chatbot zum agenten - der unterschied
Ein klassischer Chatbot ist ein Frage-Antwort-System: Prompt rein, Text raus. Ein Agent bekommt ein Ziel und die Mittel, es zu erreichen. Statt „so würdest du eine Rechnung anlegen" macht ein Agent es - er ruft das ERP-Tool auf, trägt die Positionen ein, liest das Ergebnis zurück und meldet: erledigt, hier die Belegnummer.
Der Unterschied ist die Handlungsschleife: Der Agent plant einen Schritt, führt ihn über ein Tool aus, bewertet das Ergebnis und entscheidet, was als Nächstes kommt - bis das Ziel erreicht oder ein Abbruchkriterium getroffen ist. Diese Schleife macht aus einem Sprachmodell etwas, das Arbeit verrichtet statt sie nur zu beschreiben.
was ein agent braucht: tools, gedächtnis, schleifen
Drei Bausteine unterscheiden einen Agenten vom Chatbot:
Tools. Klar definierte Funktionen, die der Agent aufrufen kann - Kalender lesen, Kunde im CRM anlegen, Datei suchen, E-Mail senden. Jedes Tool hat eine Beschreibung, an der das Modell erkennt, wann es passt. Gute Tools sind eng und eindeutig; ein Tool „mach irgendwas mit der Datenbank" produziert Chaos.
Gedächtnis. Kurzfristig der Gesprächsverlauf, langfristig ein Speicher relevanter Fakten - oft ein RAG-Index über eure Dokumente (siehe RAG erklärt). Ohne Gedächtnis fängt der Agent bei jedem Schritt bei null an.
Kontrollschleife. Die Logik, die plant, ausführt, prüft und bei Fehlern erneut versucht - inklusive klarer Stopp-Bedingungen und Stellen, an denen ein Mensch bestätigen muss.
mcp: der usb-c-stecker für ai-tools
Das Problem vor MCP: Jede Verbindung zwischen einem KI-System und einem Tool war Maßarbeit. CRM an Modell A, dann nochmal an Modell B, dann an das nächste Tool - quadratischer Aufwand.
Das Model Context Protocol (2024 von Anthropic vorgestellt, 2025 von OpenAI, Google und Microsoft übernommen) standardisiert diese Verbindung. Ein Tool wird einmal als MCP-Server bereitgestellt und ist danach für jeden MCP-fähigen Client nutzbar. Die Analogie der Erfinder: MCP ist der USB-C-Anschluss für KI-Anwendungen - ein Stecker statt eines Kabelsalats proprietärer Adapter.
Für euch praktisch heißt das: Ein einmal gebauter MCP-Server für euer internes System (Lagerbestand, Buchungen, Wissensdatenbank) funktioniert mit ChatGPT, Claude, Copilot und kommenden Clients gleichermaßen. Kein Lock-in auf einen Anbieter, kein Neubau bei jedem Modellwechsel.
was 2026 für kmu trägt
Die belastbaren Use-Cases sind eng zugeschnitten, nicht grenzenlos autonom:
- Recherche-Agent über die eigene Wissensbasis - sucht in mehreren Quellen, fasst zusammen, verlinkt Belege. Niedriges Risiko, hoher Zeitgewinn.
- Triage-Agent für Eingangspost - liest Mails, klassifiziert, zieht relevante Daten, schlägt eine Antwort vor (siehe E-Mail-Personalisierung).
- Buchungs- und Termin-Agent - prüft Verfügbarkeit, schlägt Slots vor, trägt nach Bestätigung ein.
- Daten-Agent - zieht Zahlen aus mehreren Systemen zusammen und baut einen wiederkehrenden Report.
Das Muster: ein klares Ziel, eine Handvoll gut definierter Tools, ein Mensch an der Freigabe für alles mit Außenwirkung.
wo die grenzen liegen
Kontrolle. Je mehr Schritte ein Agent autonom macht, desto schwerer ist nachzuvollziehen, warum etwas schiefging. Für alles Irreversible - Geld bewegen, an Kunden senden, löschen - gehört ein menschlicher Freigabe-Schritt dazu.
Kosten. Jeder Schleifendurchlauf kostet Tokens. Ein Agent, der zehnmal nachdenkt, wo einer gereicht hätte, ist teuer. Gute Agenten sind sparsam mit Schritten.
Halluzination und Fehlerfortpflanzung. Ein falscher Zwischenschritt kann sich durch die ganze Kette ziehen. Deshalb: enge Tools, Validierung der Tool-Ergebnisse, klare Abbruchkriterien.
Unsere Haltung: 2026 ist nicht das Jahr des voll-autonomen Universal-Agenten. Es ist das Jahr der zuverlässigen Spezial-Agenten - eng, beobachtbar, mit Mensch in der Schleife.
was wir bei tokyn dazu tun
Wir bauen Agenten für konkrete Engpässe, nicht als Selbstzweck: erst der Use-Case und das messbare Ziel, dann die minimal nötigen Tools, dann die Kontroll- und Freigabe-Schritte. Wo es passt, über MCP - damit das Setup anbieterunabhängig bleibt und mit dem nächsten Modell mitwächst.
Ein konkreter Use-Case im Kopf? Ein 30-minütiges Erstgespräch ist kostenlos und ohne Pitch-Deck.
quellen
verwandter service
dein fall, konkret - reden wir.
30 Minuten, kein Pitch-Deck. Wir schauen uns deinen Use Case an und sagen ehrlich, ob und wie es sich lohnt.