Claude Fähigkeiten + MCP: Eine Architektur für unternehmensinterne AI Assistenten

AI in der Praxis Claude Fähigkeiten MCP Interner AI Assistent AI Architektur

Claude Skills + MCP ist eine Betriebsarchitektur für interne AI Assistenten. Es bündelt Arbeitsabläufe mit Fähigkeiten und verbindet Daten über MCP, um zeitnahe Wartungs- und Berechtigungsprobleme zu lösen.

Wir haben Dutzenden von KMU bei der Implementierung von AI-Assistenten geholfen. Ein häufiger Fehler besteht nicht darin, dass das Modell nicht stark genug ist, sondern darin, AI nur als Chatbox zu behandeln.

Wir haben einen Kundenservice-Workflow getestet: Ohne Skills verbraucht er oft 8.000 bis 14.000 Token; Durch die Umstellung auf Skill-Routing sinkt die Token-Nutzung um 30 % bis 60 %. Informationen zur Kostenkontrolle finden Sie unter Wie Multi-LLM-Routing die API-Kosten senkt.

Warum KMUs jetzt über Claude Skills + MCP sprechen sollten

Viele Unternehmer fragen: „Warten Sie, bis AI etwas ausgereifter ist?“ Im Jahr 2024 war das vernünftig; Im Jahr 2026 ist das Risiko gestiegen.

Der Engpass für Unternehmen AI hat sich von „Kann das Modell antworten?“ verschoben. zu „Können Wissen, Berechtigungen und Workflows stabil abgerufen werden?“

Vorher: Jede Abteilung schreibt ihre eigenen Eingabeaufforderungen, wobei die Versionen auf Dokumente, Chatverlauf und persönliche Notizen verteilt sind.

Nachher: Kapseln Sie SOPs, Vorlagen, Abfragelogik und Überprüfungsregeln in Skills und lesen Sie dann autorisierte Daten über MCP.

In der Anthropic-Dokumentation heißt es, dass Agent Skills Anweisungen, Code und Ressourcen in Funktionen packen können, die Claude aufrufen können (siehe https://docs.claude.com/de/docs/agents-and-tools/agent-skills/overview). Die MCP-Spezifikation standardisiert, wie AI eine Verbindung zu externen Daten und Tools herstellt (siehe https://modelcontextprotocol.io/specification/latest).

Gemeinsam schließen sie die Lücke für interne AI-Assistenten: Wissenstools und Datenkonnektivität.

Was ist Claude Fertigkeiten: SOPs/Wissen/Workflows in Fähigkeiten verpacken

Claude Fertigkeiten sind nicht nur lange Eingabeaufforderungsvorlagen. Sie ähneln eher „Arbeitspaketen“, die Nutzungszeiten, Schritte, Beispiele, Markenrichtlinien, Feldbeschreibungen und Skripte umfassen können.

Standard-Eingabeaufforderungsvorlagen geraten leicht außer Kontrolle. Mitarbeiter ändern sie, übersehen Einschränkungen oder verwenden veraltete Versionen.

Die Kompetenzen werden zentral verwaltet. Claude liest zuerst den Skill-Namen und die Beschreibung und lädt den vollständigen Inhalt nur, wenn die Aufgabe relevant ist. Anthropic erwähnt auch, dass „progressive Offenlegung“ die Kontextlast verringert (siehe https://support.claude.com/de/articles/12512176-what-are-skills).

Normalerweise unterteilen wir Fähigkeiten in vier Kategorien: Dokument, Analyse, Prozess und Marke. Beginnen Sie mit Angeboten, Besprechungsprotokollen, Support-Antworten und monatlichen Berichten.

Ohne Kenntnisse: AI kennt weder Unternehmensformate noch Preislogik.

Mit Skills: Claude lädt die Angebots-Skills, Markenstimme und Preisbeschränkungen.

Überschreiten Sie im ersten Stapel nicht 8 Fertigkeiten. Kommissionierungsabläufe wiederholen sich mehr als 20 Mal pro Woche.

Was ist MCP: Claude sicher mit internen Unternehmensdaten verbinden

MCP (Model Context Protocol) löst die Datenkonnektivität: wie AI eine Verbindung zu Unternehmensdaten und -tools herstellt, ohne dass für jedes System ein benutzerdefinierter Connector erforderlich ist.

Ohne MCP exportieren Unternehmen oft CSVs oder schreiben private Konnektoren für jedes Tool. Während dies für eine Demo funktioniert, ist es auf lange Sicht schwer aufrechtzuerhalten.

MCP verwendet eine Client-Host-Server-Architektur. Der AI-Assistent ruft über den MCP-Client den Server auf, der dann mit Drive, CRM, ERP, Datenbanken oder internen APIs interagiert.

Sein Wert liegt darin, zu kontrollieren, was die AI sehen können, was sie tun können und welche Aufzeichnungen sie hinterlassen.

Wir betrachten den MCP-Server als Unternehmensdatengrenze. Jeder Server sollte eine klare Verantwortung haben; Verwandeln Sie ihn nicht in einen „universellen“ Server.

Vor der Bewertung können Sie MCP-Protokoll und AI Agentenstandards lesen.

Reale Architektur für unternehmensinterne AI-Assistenten

Ein betriebsbereiter interner AI-Assistent ist typischerweise eine fünfschichtige Architektur.

Eingabeebene: Claude, Slack, Teams, interne Portale oder Schaltflächen in einem Support-Dashboard. Verantwortlich für Identitätserkennung und Aufgabenklassifizierung.

Fähigkeitsebene: Enthält wöchentliche Berichte, Anzeigenanomalien, Vertragsrisiken und häufig gestellte Fragen für neue Mitarbeiter. Jeder Skill sollte einen Besitzer, eine Version und Testfälle haben.

MCP-Serverschicht: Umfasst Dokumentbibliotheken, CRM, Tickets, BI, Datenbankabfragen und Tooleinschränkungen.

Berechtigungsebene: Kombiniert SSO, Gruppenrollen, Datenklassifizierung, Feldmaskierung und Zulassungslisten.

Beobachtbarkeitsschicht: Zeichnet Aufgaben, Fähigkeiten, MCP-Tools, Token, Fehlerraten, menschliche Revisionsraten und sensible Regeln auf.

Arbeitsabläufe müssen an den Geschäftsergebnissen ausgerichtet sein (KPIs/ROI): Der Support überwacht die Annahme des ersten Entwurfs, der Vertrieb prüft die Anzahl der Überarbeitungen und die Finanzabteilung verfolgt die Fehlerraten. Informationen zur Governance finden Sie im Enterprise AI Implementation Governance Framework.

90-Tage-Implementierungs-Roadmap (D0-D30 / D31-D60 / D61-D90)

90 Tage sind nicht für den Aufbau einer kompletten Plattform gedacht, sondern für die Erstellung eines Assistenten der Version 1, den die Abteilungen nutzen und messen können.

D0 bis D30: Arbeitsabläufe und Daten prüfen. Wählen Sie 2 Abteilungen und 6 bis 8 hochfrequente Arbeitsabläufe. Quantifizieren Sie Volumen, Zeitaufwand und Fehlerquoten.

Organisieren Sie in dieser Phase die Berechtigungen: Was ist für alle zugänglich? Was ist nur abteilungsbezogen? Was sollte nur eine Zusammenfassung sein?

D31 bis D60: Build Skills und die erste Charge von MCP-Servern. Jeder Skill muss über Verwendungszeitpunkte, Ausgabeformate, Negativbeispiele und Testfragen verfügen.

MCP-Server sollten schreibgeschützt starten und nur Abfragen für die Wissensdatenbank, CRM, Bestellungen und FAQs zulassen.

D61 bis D90: Starten, beobachten und erweitern. Wöchentliche Überprüfungen der Nutzung, Erfolgsraten, menschlichen Revisionsraten, Token-Kosten und Berechtigungssperren.

Wenn die Akzeptanz des ersten Entwurfs unter 40 % liegt, liegt das normalerweise daran, dass der Skill zu abstrakt ist oder die Qualität der Datenquelle schlecht ist. Das Hinzufügen weiterer Beispiele und Negativbeispiele ist oft effektiver.

Für Werkzeugkombinationen siehe Claude, Codex, Gemini, Dramatiker-Werkzeugkombination in Aktion.

Häufige Fallstricke und Lösungen bei der Implementierung

Falle 1: Das gesamte Wissen in eine einzige riesige Fähigkeit packen. Aufteilung nach Aufgabe, nicht nach Abteilung.

Falle 2: Überprivilegierte MCP-Server. Wechseln Sie zu granularen Tools und implementieren Sie die Feldmaskierung, bevor Sie in Betrieb gehen.

Falle 3: Keine Versionsverwaltung. Verwalten Sie Versionen und Rollbacks, sobald Skills in den täglichen Betrieb aufgenommen werden.

Falle 4: Genauigkeit geht vor Überprüfbarkeit. Protokollieren Sie Datenquellen, Fähigkeiten und Berechtigungsregeln.

Falle 5: Ignorieren der Kostenverteilung. Nutzen Sie kostengünstige Modelle für Klassifizierung und Zusammenfassungen; Nutzen Sie High-End-Modelle für Vertragsrisiken. Dies ist der Kern von Reduzierung der API-Kosten durch Multi-LLM-Routing.

FAQ

Was ist der Unterschied zwischen Claude-Fähigkeiten und einer Standard-Eingabeaufforderungsvorlage?

Eine Eingabeaufforderungsvorlage ist kopierbarer Text. Claude Fertigkeiten sind Fähigkeitspakete, die entsprechend der Aufgabe Claude geladen werden und möglicherweise Dokumente, Beispiele, Skripte und Ressourcen enthalten.

Können kleine Unternehmen ohne IT-Abteilung MCP nutzen?

Ja, aber beginnen Sie nicht mit dem Aufbau Ihrer eigenen Plattform. Verwenden Sie verwaltete Tools, vorhandene Konnektoren oder schreibgeschützte MCP-Server.

Wie hoch sind die ungefähren Kosten?

Die Kosten hängen vom Nutzungsvolumen, den Modellen und der Abfragehäufigkeit ab. Durch das Skill-Routing wird der Token-Verbrauch oft um 30 bis 60 % reduziert.

Wie wird die Datensicherheit gewährleistet?

Verlassen Sie sich aus Sicherheitsgründen nicht auf Eingabeaufforderungen. Unternehmen sollten SSO, rollenbasierte Berechtigungen, Feldmaskierung, Zulassungslisten und Protokollierung auf der Server- und Datenebene implementieren.

Weiterführende Literatur

Der Fokus von Claude Skills + MCP liegt nicht nur auf einem Chatbot, sondern auf der Verknüpfung von Unternehmenswissen, Tools, Berechtigungen und Beobachtbarkeit in einer wartbaren AI-Architektur. Wenn Sie Ihren ersten Workflow-Batch prüfen, können Sie eine Bewertung von AICycle unter https://aicycle.cc/de/services. anfordern.