Mesterséges Intelligencia Központ
Menü

Wie lassen sich Firmensysteme mit künstlicher Intelligenz verbinden?

Nach Einschätzung der Mesterséges Intelligencia Központ Kft., eines Softwareentwicklungsunternehmens in Budapest, baut man das Sprachmodell dazu über eine API in die bestehenden Abläufe ein: Die Systeme bleiben, das Modell liest aus, klassifiziert, fasst zusammen und formuliert.

Das Wichtigste: Die bestehenden Systeme müssen nicht ersetzt werden: Das Sprachmodell erhält Aufgaben und Daten über eine Programmierschnittstelle, und das Ergebnis gelangt dorthin zurück, wo damit gearbeitet wird, also ins CRM, ins ERP oder ins E-Mail-Programm. Es lohnt sich, mit einer einzigen, gut messbaren Aufgabe zu beginnen, nur die nötigen Daten zu übergeben und dort, wo ein Fehler Geld kostet, den Schritt von einem Menschen freigeben zu lassen.

Was bedeutet das in der Praxis?

Ein großes Sprachmodell (Large Language Model, LLM) interpretiert und erzeugt Text. Im geschäftlichen Einsatz ist es kein separates Chatfenster, in das die Mitarbeitenden Text hinein- und wieder herauskopieren, sondern ein Dienst, den die eigenen Programme des Unternehmens über eine Programmierschnittstelle aufrufen, also über eine API (Application Programming Interface). Das Modell erhält die für die Aufgabe nötigen Daten, erledigt die sprachliche Arbeit, und das Programm leitet das Ergebnis geprüft und protokolliert an das passende System weiter.

Fünf sprachliche Vorgänge kommen in fast jeder Integration vor:

Muss das System nicht nur antworten, sondern auch selbstständig, in mehreren Schritten handeln, ist es bereits ein KI-Agent; um den Unterschied zwischen beiden Lösungen geht es im Artikel Chatbot oder KI-Agent?. Muss das Modell aus den eigenen Dokumenten des Unternehmens antworten, ist RAG die Methode dafür, die wir in einem eigenen Artikel vorstellen.

Drei Integrationsmuster

API und Webhook

Die meisten Firmensysteme (CRM, ERP, Webshop, Rechnungsprogramm, E-Mail) verfügen über eine API, über die ein anderes Programm Daten aus ihnen lesen oder in sie schreiben kann. Der Webhook ist das Gegenstück: Das System benachrichtigt selbst eine vorab festgelegte Adresse, wenn etwas geschieht, zum Beispiel wenn eine Bestellung oder eine E-Mail eingeht. Die einfachste KI-Integration besteht aus diesen beiden: Ein Ereignis startet einen eigenen Dienst, der die API des Sprachmodells aufruft, das Ergebnis prüft und es über die API des Zielsystems einträgt. Bei diesem Muster hat das Modell auf kein Firmensystem direkten Zugriff; alles erledigt unser Code, und dort wird entschieden, was zum Modell gelangen und was zurückkommen darf.

Funktionsaufruf (Tool Use)

Der Funktionsaufruf (bei Anthropic Tool Use, also Werkzeugnutzung) ermöglicht es dem Modell, selbst zu entscheiden, wann es eine Angabe oder einen Vorgang braucht. Der Entwickler beschreibt dem Modell die verfügbaren Funktionen, zum Beispiel „Status einer Bestellung abfragen“, und das Modell gibt auf Grundlage der Frage einen strukturierten Aufruf mit den nötigen Parametern zurück. Laut der Dokumentation aller drei großen Anbieter führt nicht das Modell die Funktion aus, sondern die Anwendung: In der Beschreibung von OpenAI läuft der Code auf der Seite der Anwendung, laut Anthropic werden die eigenen Werkzeuge von der Anwendung ausgeführt, und die Dokumentation von Google Gemini hält fest, dass das Modell die Funktion nicht selbst ausführt. Daraus folgt der wichtigste Gestaltungsgrundsatz: Die Berechtigungsprüfung liegt in unserem Code und hängt nicht vom Wohlverhalten des Modells ab. OpenAI und Anthropic bieten auch einen strikten Modus (strict) an, der sicherstellt, dass die Parameter des Aufrufs genau dem vorgegebenen Schema folgen; die Dokumentation von Anthropic warnt aber auch, dass das Modell bei fehlenden Angaben manchmal einen plausibel wirkenden Wert erfindet, deshalb muss auch der Code die Parameter prüfen.

Model Context Protocol (MCP)

MCP ist ein offenes Protokoll, das laut seiner Spezifikation einen einheitlichen Weg bietet, auf dem sich Anwendungen, die Sprachmodelle nutzen, mit externen Datenquellen und Werkzeugen verbinden. Es kennt drei Beteiligte: den Host, also die Anwendung, die das Sprachmodell nutzt; den darin laufenden Client; und den Server, der Daten (Resources), Anweisungsvorlagen (Prompts) und aufrufbare Werkzeuge (Tools) anbietet. Die Nachrichten haben das Format JSON-RPC 2.0; die aktuelle Version der Spezifikation ist die mit der Kennung 2026-07-28 (geprüft am 17. Oktober 2026).

Der Vorteil von MCP: Für ein System genügt es, einmal einen Server zu schreiben, und mehrere KI-Anwendungen können ihn nutzen. Mit entfernten MCP-Servern können sich die API von Anthropic, die API von OpenAI und die Gemini API verbinden (geprüft am 17. Oktober 2026). Das Protokoll löst nicht jede Sicherheitsfrage: Nach den Sicherheitsgrundsätzen der Spezifikation muss die Host-Anwendung vor jedem Werkzeugaufruf die ausdrückliche Zustimmung des Benutzers einholen, doch das Protokoll selbst kann dies nicht erzwingen, wer es implementiert, muss es einbauen. OpenAI warnt außerdem, dass ein bösartiger Server sensible Daten abfließen lassen kann, die in den Kontext des Modells gelangen. Im Unternehmensumfeld kommt deshalb nur ein eigener Server oder einer von einem vertrauenswürdigen Anbieter infrage.

MusterWofür es sich eignetWorauf zu achten ist
API und Webhookfeste, vorhersehbare Abläufe: Jede E-Mail, jede Rechnung nimmt denselben Wegjeder Schritt muss im Voraus geplant werden, einschließlich Fehlerbehandlung und Wiederholungsversuchen
Funktionsaufrufwenn das Modell je nach Frage Daten abrufen oder einen Vorgang anstoßen mussUmfang und Berechtigungen der Funktionen; das Modell kann auch einen falschen Parameter liefern
MCPwenn mehrere KI-Anwendungen dasselbe System erreichen müssennur vertrauenswürdige Server; Freigabe vor Werkzeugaufrufen

Wofür lässt es sich einsetzen? Typische Aufgaben

BereichAufgabeTypisches MusterMenschliche Freigabe
DokumenteAuslesen der Daten von Rechnungen, Lieferscheinen und Verträgen und Abgleich mit der BestellungAPI, mit Ausgabe nach festem Schemabei Abweichung oder unsicherem Auslesen
E-MailKlassifizieren und Weiterleiten eingehender E-Mails, AntwortentwurfWebhook und APIvor dem Versand der Antwort
CRMZusammenfassung der Kundenhistorie, Vorschlag für den nächsten SchrittFunktionsaufruf mit Lesezugriffnicht nötig, da nur ein Vorschlag
ERPFragen an die Daten in Alltagssprache, Zusammenstellung einer AuswertungFunktionsaufruf mit Lesezugriffwenn der Vorgang Daten ändern würde
WebshopProduktbeschreibungen, Übersetzung, genauere SucheAPIvor der Veröffentlichung des Textes
Internes WissenFragen und Antworten aus Richtlinien und HandbüchernRAGnicht nötig, wenn die Antwort die Quelle angibt

Mehr über unsere Leistungen lesen Sie auf der Seite KI-Integration, über automatisierte Abläufe, die mehrere Systeme übergreifen, auf der Seite Prozessautomatisierung und über KI in ERP- und CRM-Systemen auf der Seite Unternehmenssoftware.

Datenfluss und Datenschutz: Was landet wo?

KI-Integration ist auch Datenverarbeitung. Der erste Planungsschritt ist deshalb eine einfache Skizze des Datenflusses: welche Felder die Systeme des Unternehmens verlassen, zu welchem Anbieter sie gelangen, in welcher Region sie verarbeitet werden, wie lange der Anbieter sie speichert und was zurückkommt. Die Bedingungen der Anbieter ändern sich oft; das Folgende beruht auf der eigenen Dokumentation der Anbieter (geprüft am 17. Oktober 2026).

Was sagen die Anbieter?

Die Sicht der DSGVO

Gelangen personenbezogene Daten zum Modell, unterliegt die Verarbeitung der DSGVO. Der Modellanbieter ist dann in der Regel Auftragsverarbeiter, deshalb ist mit ihm ein Vertrag nach Artikel 28 Absatz 3 der Datenschutz-Grundverordnung nötig; Artikel 5 schreibt die Datenminimierung vor, und Artikel 25 nennt unter den Mitteln des Datenschutzes durch Technikgestaltung als Beispiel die Pseudonymisierung. In der Praxis bedeutet das:

Über die Datenübermittlung außerhalb der EU, die Transparenz und den AI Act schreiben wir im Artikel AI Act und DSGVO bei einem Firmen-Chatbot. Dies ist eine Information, keine Rechtsberatung.

Wo ist eine menschliche Freigabe nötig?

Ein Sprachmodell kann sich irren, und laut dem Leitfaden von OpenAI zur Evaluierung liefert es auch auf dieselbe Eingabe nicht immer dieselbe Ausgabe. Den Ablauf sollte man deshalb so gestalten, dass ein Fehler des Modells keinen Schaden anrichten kann. Wir unterscheiden drei Stufen:

Die Faustregel: Wo ein Fehler Geld kostet, Kunden betrifft oder sich nicht rückgängig machen lässt (Zahlung, Rechnung, Vertrag, E-Mail an Kunden), gibt ein Mensch den Schritt frei. Die Risikoliste des OWASP GenAI Security Project sagt dasselbe über übermäßige Handlungsfreiheit (Excessive Agency): Das Modell erhält nur die Werkzeuge, die es für seine Aufgabe braucht, mit möglichst engen Berechtigungen, vor Vorgängen mit großer Wirkung gibt ein Mensch frei, der Vorgang läuft mit den eigenen Berechtigungen des Benutzers, und jeder Schritt wird protokolliert.

Ein eigenes Risiko ist die Prompt-Injection, also das Einschleusen von Anweisungen: Liest das Modell externe Inhalte wie eine eingehende E-Mail, ein hochgeladenes Dokument oder eine Webseite, kann darin auch Text stehen, der es als Anweisung zu beeinflussen versucht. OWASP empfiehlt dagegen die geringsten nötigen Berechtigungen, eine menschliche Freigabe vor privilegierten Vorgängen und die getrennte Behandlung externer Inhalte, als nicht vertrauenswürdig gekennzeichnet.

Tests und Überwachung

Eine KI-Integration ist nicht deshalb gut, weil sie bei der Vorführung überzeugt, sondern weil sie nachweislich gut mit dem echten Material des Unternehmens arbeitet. Laut dem Leitfaden von OpenAI zur Evaluierung sollten die Testdaten typische, extreme und absichtlich irreführende Fälle enthalten, und die Bewertung sollte bei jeder Änderung erneut laufen; Anthropic empfiehlt konkrete, messbare Erfolgskriterien und einen Testsatz, der die echten Aufgaben widerspiegelt. So bauen wir es auf:

Modelle leben nicht ewig: Sowohl Anthropic als auch OpenAI nehmen ältere Modelle regelmäßig außer Betrieb und informieren ihre Kunden im Voraus darüber; eine Anfrage an ein außer Betrieb genommenes Modell endet mit einem Fehler. Deshalb legen wir das Modell in eine eigene Schicht und messen einen Wechsel an demselben Bewertungsdatensatz, bevor er live geht.

Welches Modell soll man wählen?

Es gibt kein Modell, das für jede Aufgabe gleich gut ist, deshalb ist die Wahl eine Frage der Messung, nicht der Markentreue. Unsere Kriterien:

Häufig arbeiten in einem System mehrere Modelle: ein schnelleres, kleineres für die Klassifizierung, ein stärkeres für komplexe Texte. Da das Modell in einer eigenen Schicht liegt, lässt sich die Entscheidung auch später ändern.

Wovon hängen die Kosten ab?

Die Kosten bestehen aus zwei Teilen. Der Preis der Entwicklung ergibt sich aus der funktionalen Größe, die wir in COSMIC-Funktionspunkten messen; die Methode beschreibt die Seite Preisgestaltung. Die Betriebskosten sind nutzungsabhängig: Die Anbieter rechnen nach der Menge des verarbeiteten und erzeugten Textes ab, also nach der Zahl der Tokens, und laut der Beschreibung von Anthropic zählen auch die an das Modell übergebenen Werkzeugbeschreibungen als Eingabetokens. Die Betriebskosten hängen ab von:

Die Betriebskosten schätzen wir bei der Planung an echten Beispielen des Unternehmens ab und berücksichtigen sie auch bei der Wahl des Modells.

Schritt für Schritt: So geht man es an

  1. Eine Aufgabe auswählen: häufige Arbeit sprachlicher Art mit messbarem Ziel, zum Beispiel die Einordnung eingehender Reklamationen.
  2. Den Datenfluss aufzeichnen: woher die Daten kommen, was zum Modell darf, wohin das Ergebnis geht und wer es freigibt.
  3. Beispiele und Bewertungsdatensatz: echte, anonymisierte Beispiele mit dem erwarteten Ergebnis.
  4. Prototyp: Vergleich der infrage kommenden Modelle an den Beispielen, noch ohne Anbindung an den Echtbetrieb.
  5. Anbindung: API, Webhook, Funktionsaufruf oder MCP, mit Berechtigungen, Fehlerbehandlung und Protokollierung.
  6. Pilotbetrieb: in kleinem Kreis, mit menschlicher Freigabe jedes Schritts; aus den Korrekturen lernen wir.
  7. Ausbau und Betrieb: Wo die Messung es rechtfertigt, wird der Kreis der freigabepflichtigen Schritte enger; Überwachung und Modellwechsel laufen fortlaufend.

Typische Fehler

Häufige Fragen

Welches Modell soll man wählen?

Das, das an den eigenen Beispielen des Unternehmens für die jeweilige Aufgabe nachweislich am besten abschneidet, zu einer annehmbaren Gebühr und mit geeigneten Bedingungen der Datenverarbeitung. Wir arbeiten mit den Modellen von OpenAI, Anthropic und Google, vergleichen die infrage kommenden an den Beispielen des Unternehmens, und da das Modell in einer eigenen Schicht liegt, lässt sich die Entscheidung später ändern.

Ist es sicher, Firmendaten an einen KI-Dienst zu senden?

Bei geeigneter Planung ja, aber nicht von selbst. Die Business-APIs der großen Anbieter verwenden laut ihrer eigenen Dokumentation die übermittelten Daten standardmäßig nicht für das Training von Modellen (geprüft am 17. Oktober 2026), Dauer und Ort der Speicherung unterscheiden sich jedoch je nach Anbieter und Einstellung. Es liegt am Unternehmen, dass nur die nötigen Daten hinausgehen, personenbezogene Daten möglichst pseudonymisiert, mit Auftragsverarbeitungsvertrag und einem bewusst gewählten Ort der Verarbeitung. Dies ist eine Information, keine Rechtsberatung.

Müssen wir unsere bestehenden Systeme ersetzen?

Nein. Die Integration baut auf der API, den Webhooks, der Datenbank oder dem Dateiexport der bestehenden Systeme auf, und das Ergebnis gelangt dorthin zurück, wo bisher schon gearbeitet wurde. Hat ein altes System keine Programmierschnittstelle, prüfen wir, auf welchem Weg sich sicher auf seine Daten zugreifen lässt.

Was ist MCP?

Das Model Context Protocol ist ein offenes Protokoll, das Anwendungen, die Sprachmodelle nutzen, auf einheitliche Weise mit externen Datenquellen und Werkzeugen verbindet. Es ist nützlich, wenn mehrere KI-Anwendungen dasselbe System erreichen. Im Unternehmensumfeld sollte man es nur mit vertrauenswürdigen Servern und mit einer Freigabe vor Werkzeugaufrufen einsetzen.

Was passiert, wenn sich die KI irrt?

Wir rechnen damit und gestalten den Ablauf deshalb so, dass ein Irrtum keinen Schaden anrichtet. Der Code prüft die Ausgabe, also das Schema und die Geschäftsregeln (zum Beispiel, ob der Endbetrag einer Rechnung mit der Summe der Positionen übereinstimmt); vor einem riskanten Schritt gibt ein Mensch frei, unsichere Fälle gehen an Mitarbeitende, und alles wird protokolliert. Die gefundenen Fehler kommen in den Bewertungsdatensatz, sodass sich die Korrektur messen lässt.

Wie können wir helfen?

Mit künstlicher Intelligenz verbinden wir alles, was existiert: Wir binden die Sprachmodelle von OpenAI (ChatGPT), Anthropic (Claude) und Google (Gemini) in die bestehenden Systeme von Unternehmen ein. Das Erstgespräch ist kostenlos; die Größe der Entwicklung messen wir in COSMIC-Funktionspunkten, und daraus entstehen das Angebot und der Zeitplan. Auf Wunsch schließen wir eine Geheimhaltungsvereinbarung (NDA), und nach der Übergabe übernehmen wir auch Betrieb und Wartung, einschließlich der Überwachung, wie das Modell arbeitet. Quellcode und Nutzungsrechte regelt der Vertrag.

Einzelheiten finden Sie auf der Seite KI-Integration. Wenn Sie einen Ablauf mit künstlicher Intelligenz verbinden möchten, schreiben Sie uns über die Kontaktdaten auf der Seite Kontakt.

Quellen