Angebot · MCP & LLM-Integration
Ihre Kunden fragen ChatGPT, Claude, Copilot, Gemini oder einen anderen KI-Assistenten und bekommen Antworten direkt aus Ihrer SaaS-Anwendung. Oder sie nutzen einen KI-Assistenten, den wir direkt in Ihr Produkt einbauen. Das entlastet Ihren Support und eröffnet Ihnen ein neues Umsatzfeld.
Kurz erklärt
Immer mehr Teams erledigen ihre Arbeit in einem KI-Assistenten. Sie fragen dort nach Zahlen und lassen sich Berichte schreiben. Eine Anwendung, die dort nicht angebunden ist, wird umgangen. Ihre Daten werden exportiert und in Excel nachgebaut.
Die Brücke dafür ist das Model Context Protocol (MCP), ein offener Standard, über den KI-Assistenten auf Anwendungen zugreifen. Ursprünglich von Anthropic entwickelt, wird er heute von nahezu allen großen KI-Plattformen unterstützt, von ChatGPT und Claude über Microsoft Copilot bis Gemini, dazu von zahlreichen Entwicklungswerkzeugen und KI-Agenten.
Weg 1 · MCP-Server
Wer bereits mit ChatGPT, Claude, Copilot oder einem anderen KI-Assistenten arbeitet, verbindet Ihre SaaS-Anwendung dort mit wenigen Klicks. Danach beantwortet der gewohnte Assistent Fragen direkt mit Daten aus Ihrer Software.
Ideal für Teams, die schon täglich mit KI arbeiten.
Weg 2 · KI-Assistent im Produkt
Ein Chatfenster direkt in Ihrer SaaS-Anwendung. Ihre Nutzer stellen Fragen, ohne das Programm zu verlassen und ohne eigenes KI-Abo. Antworten erscheinen als Tabelle oder als Link in die passende Ansicht.
Ideal für alle Nutzer, und als bezahltes Add-on verkaufbar.
Beide Wege nutzen dieselbe Grundlage. Wir bauen sie einmal, Ihre Kunden profitieren doppelt.
Fallbeispiel
Ein Softwareanbieter aus Wien mit einer SaaS-Anwendung für Hausverwaltungen: Objekte, Mieter, Zahlungen, Wartungen und Dokumente an einem Ort. Ein etabliertes Produkt, dessen Kunden immer öfter fragen, ob es mit ihrer KI zusammenarbeitet.
Das Unternehmen ist erfunden, die Zahlen sind beispielhaft. Der Ablauf und die Erfahrungswerte stammen aus unserer Arbeit mit MCP-Servern und KI-Assistenten.
Das Ergebnis vorweg
Der Weg zum Ergebnis
Schritt 01 / 08 · Erstgespräch
Die Geschäftsführerin der Hausfeld Software GmbH meldet sich mit zwei Beobachtungen: Im Vertrieb fragen Interessenten immer öfter, ob die Software mit ChatGPT oder Copilot zusammenarbeitet. Und der Support beantwortet jeden Tag Fragen, deren Antwort längst in den Daten steht. Ein Mitbewerber wirbt bereits mit KI-Funktionen. Sie will nachziehen, aber mit Sorgfalt, denn Mieterdaten sind sensibel und sollen nicht unkontrolliert bei einem KI-Anbieter landen.
Aus der Praxis
Viele starten mit der Frage nach dem besten Sprachmodell. Wichtiger ist, welche Fragen Ihre Kunden stellen und welche Daten sie dafür brauchen.
Gesprächsnotiz
Erstgespräch · 60 Min.
„Unsere Kunden wollen wissen, ob wir mit ihrer KI zusammenarbeiten. Und unser Support beantwortet jeden Tag Fragen, deren Antwort schon in unserem System steht.“
Unsere Notizen
Nächster Schritt: drei Monate Supportanfragen auswerten
Schritt 02 / 08 · Anwendungsfälle
Wir werten drei Monate Supportanfragen aus und sprechen mit sechs Hausverwaltungen über ihren Alltag. Das Ergebnis ist eindeutig. 45 Prozent aller Anfragen sind Auskünfte, deren Antwort bereits in der Software steht. Fünf Fragen machen den Großteil davon aus. Daraus entsteht die erste Liste der Werkzeuge, die die KI bekommt.
Aus der Praxis
Die ersten zehn Werkzeuge entscheiden über den Erfolg. Wer mit den häufigsten Fragen der Kunden startet, hat vom ersten Tag an Nutzen, der sich messen lässt.
„Welche Mieter sind mit der Miete im Rückstand?“
14 %
„Wo finde ich die Abrechnung oder das Dokument zu …?“
11 %
„Wann ist die nächste Wartung in Objekt … fällig?“
9 %
„Welche Mietverträge laufen bald aus?“
6 %
„Wie viele Einheiten stehen leer?“
5 %
Anteil an allen Supportanfragen
45 %
Grundlage: 2.700 Supportanfragen aus drei Monaten, sechs Kundeninterviews.
Schritt 03 / 08 · Daten & Berechtigungen
Bevor wir das erste Werkzeug bauen, klären wir, welche Daten es gibt und wer sie sehen darf. In der Software der Hausfeld Software GmbH sieht jede Rolle nur das, was sie für ihre Arbeit braucht. Diese Regeln gelten unverändert auch für die KI. Sie antwortet nur mit Daten, die der fragende Nutzer auch selbst öffnen könnte.
Aus der Praxis
Datenschutz ist bei KI der häufigste Einwand Ihrer Kunden. Ein klares Berechtigungskonzept macht daraus ein Verkaufsargument.
| Objekte | Mieter | Zahlungen | Wartungen | |
|---|---|---|---|---|
| Verwaltung | nur zugeordnete Objekte | nur zugeordnete Objekte | nur zugeordnete Objekte | nur zugeordnete Objekte |
| Buchhaltung | alle Objekte der Hausverwaltung | alle Objekte der Hausverwaltung | alle Objekte der Hausverwaltung | kein Zugriff |
| Hausbetreuung | nur zugeordnete Objekte | kein Zugriff | kein Zugriff | nur zugeordnete Objekte |
| Eigentümer | nur zugeordnete Objekte | kein Zugriff | nur zugeordnete Objekte | nur zugeordnete Objekte |
Jeder Aufruf der KI läuft durch dieselben Berechtigungsregeln wie die Oberfläche.
Schritt 04 / 08 · Konzept
Aus den Anwendungsfällen wird ein Katalog von Werkzeugen, sogenannten Tools. Jedes Tool erledigt genau eine fachliche Aufgabe, etwa Rückstände auswerten oder einen Vorgang anlegen. Dazu kommen Vorlagen für wiederkehrende Analysen. Lesende Tools kommen zuerst. Schreibende folgen erst, wenn Lesen zuverlässig funktioniert, und legen nur Entwürfe an, die ein Mensch freigibt.
Aus der Praxis
Hat Ihre Anwendung bereits eine REST-API, bauen die Tools auf derselben Fachlogik auf. So bleiben Anwendung und KI-Zugang deckungsgleich, und jedes neue Tool steht sofort beiden Wegen zur Verfügung.
Lesende Tools
Phase 1
search_properties
Objekte und Einheiten suchen
analyze_arrears
Mietrückstände auswerten
find_documents
Abrechnungen und Dokumente finden
list_maintenance
Fällige Wartungen auflisten
list_expiring_leases
Auslaufende Mietverträge
analyze_vacancy
Leerstand auswerten
Schreibende Tools
Phase 2, mit Freigabe
create_ticket
Vorgang oder Schadensmeldung anlegen
draft_payment_reminder
Zahlungserinnerung als Entwurf
Analyse-Vorlagen
Schritt 05 / 08 · Technik & Modellwahl
Die Werkzeuge setzen direkt auf der bestehenden Fachlogik der SaaS-Anwendung auf. Das Sprachmodell ist austauschbar und lässt sich später wechseln, ohne etwas neu zu bauen. Welches Modell es wird, zeigt ein Test mit echten Fragen der Kunden. Weil es um Mieterdaten geht, fällt die Wahl auf ein Modell mit Rechenzentrum in der EU.
Aus der Praxis
Welches Sprachmodell am besten passt, hängt von Ihren Fragen und von Ihren Anforderungen an den Datenstandort ab. Für die meisten Anwendungen ist ein gutes Modell in der EU die bessere Wahl als das stärkste Modell in den USA.
KI-Assistent Ihrer Kunden
ChatGPT, Claude, Copilot und weitere, verbunden über MCP
KI-Assistent im Produkt
Chatfenster direkt in der SaaS-Anwendung
Werkzeuge (Tools)
Ein Werkzeug je Aufgabe, gemeinsam genutzt von beiden Wegen
Daten der SaaS-Anwendung
Datenbank und Fachlogik bleiben unverändert
Sprachmodell
austauschbar per Konfiguration
Modelltest mit echten Kundenfragen
| Modell | Richtige Tool-Aufrufe | Datenstandort |
|---|---|---|
| Lokales Modell, 8 Mrd. Parameter eigener Server |
71 %
|
eigener Server |
| EU-Cloud-Modell gewählt EU |
94 %
|
EU |
| US-Spitzenmodell USA |
97 %
|
USA |
Schritt 06 / 08 · Umsetzung
In den ersten drei Wochen entsteht der MCP-Server mit den lesenden Tools und der Zugangsverwaltung für Ihre Kunden. Erste Kunden können sich damit bereits aus ihrem eigenen KI-Assistenten verbinden. Danach folgt der KI-Assistent im Produkt, ein Chatfenster in der SaaS-Anwendung, das dieselben Werkzeuge nutzt und Ergebnisse als Tabellen und Links in die passende Ansicht zeigt.
Aus der Praxis
Schon nach drei Wochen können sich die ersten Kunden mit ihrem eigenen KI-Assistenten verbinden. So wird der Nutzen früh sichtbar, und ihr Feedback fließt direkt in die nächsten Etappen ein.
Drei Etappen
Woche 1–3
MCP-Server, lesende Tools, Zugänge, Dokumentation
Woche 4–6
Assistent im Produkt, Systemprompt, Ergebnisdarstellung
Woche 7–8
Schreibende Tools mit Freigabe, Tests mit echten Fragen
Schritt 07 / 08 · Pilot & Einführung
Zwölf Hausverwaltungen bekommen den Assistenten über eine Freischaltung für einen Monat zum Testen. Wir werten die Gespräche anonymisiert aus und sehen, wo die KI eine Frage missverstanden hat oder wo ein Tool gefehlt hat. Danach geht der Assistent als bezahltes Add-on an den Start. Der MCP-Server steht allen Kunden offen.
Aus der Praxis
Eine Produktdokumentation, die für KI-Assistenten geschrieben ist, verbessert die Antworten stärker als jede Anweisung im Systemprompt. Ihre Kunden lesen sie ebenfalls gern.
Woche 1–4
Pilot
Zwölf Hausverwaltungen arbeiten mit dem Assistenten.
Woche 5
Auswertung
Gespräche anonymisiert ausgewertet, Tools und Dokumentation geschärft.
Woche 6
Tarifstart
KI-Assistent als Add-on für 12 € pro Nutzer und Monat.
Laufend
Ausbau
Jede neue Funktion bekommt ihr Tool gleich mit.
Aus dem Pilot übernommen
Schritt 08 / 08 · Messung & Ergebnis
Sechs Monate nach dem Tarifstart messen wir gegen die Ausgangswerte aus der Analyse. Der Support hat spürbar weniger Auskunftsfragen. 42 Prozent der Nutzer haben das Add-on gebucht, und mehr als die Hälfte der Kunden hat ihren eigenen KI-Assistenten verbunden. Im Vertrieb ist „funktioniert mit ChatGPT, Claude und Copilot“ zum sichtbaren Argument geworden.
Aus der Praxis
Das Add-on trägt sich vom ersten Tag an selbst, denn die Kosten für das Sprachmodell betragen nur einen Bruchteil des Add-on-Preises und lassen sich pro Kunde genau planen.
| Kennzahl | Vorher | Nachher |
|---|---|---|
| Supportanfragen pro Monat | 900 | 680 |
| Rückstandsauswertung | 25 Min. | 30 Sek. |
| Nutzer mit KI-Add-on | – | 42 % |
| Kunden mit eigenem KI-Assistenten | – | 57 % |
Wirtschaftlichkeit pro Jahr
Aus eigener Erfahrung
Im eigenen Unternehmen nutzen wir drei MCP-Server mit rund 75 Tools, unter anderem für CRM und Finanzen. Wir kennen MCP deshalb auch aus Sicht der Nutzer. Wir wissen, was eine gute Antwort ausmacht und wo ein Tool zu viel oder zu wenig kann.
Übertragbar
Überall dort, wo Menschen Daten aus einer Anwendung suchen oder auswerten, kann KI die Arbeit abkürzen. Typische Ausgangspunkte:
MCP-Server und Assistent als eigenes Angebot für Ihre Kunden, auf Wunsch als bezahlter Tarif.
Mitarbeitende fragen ihr ERP oder ihr Ticketsystem in normaler Sprache, statt Berichte zu bauen.
Kunden finden Rechnungen und Verträge selbst, rund um die Uhr, mit echten Daten.
Handbücher und Projektunterlagen werden durchsuchbar und beantworten Fragen mit Quelle.
Ein KI-Assistent arbeitet über mehrere Anwendungen hinweg, ohne eigenes Integrationsprojekt.
Wenn Daten das Haus nicht verlassen dürfen, betreiben wir das Sprachmodell in Ihrer Infrastruktur.
Wenn Sie bei mindestens zwei Punkten nicken, lohnt sich ein Gespräch.