MCP für Websites, Onlineshops & Unternehmensprozesse
- Das Model Context Protocol (MCP) verbindet KI-Anwendungen strukturiert mit bestehenden Datenquellen, Systemen und Funktionen.
- XORTEX entwickelt intelligente AI-Integrationen für Websites, Onlineshops und Apps, die deinem Unternehmen einen Wettbewerbsvorteil verschaffen.
- Entdecke konkrete Use Cases: KI-Assistent für Produktberatung und intelligente Unterstützung bei der Erstellung von Website-Content.
Wie Unternehmen MCP sinnvoll einsetzen
Website & CMS
eCommerce & Onlineshops
MCP kombiniert Shop-, Produkt- und Verfügbarkeitsdaten, damit KI Kund:innen schneller zum passenden Produkt führen kann.
Beispiel: Shop + ERP
Der AI-Produktberater findet anhand der Anfrage das passende Produkte für den User und stellt aktuelle Informationen zu Preisen, Varianten oder Lieferzeiten bereit.
Apps & Web-Anwendungen
MCP verbindet AI-Funktionen mit App-Daten, Rollen und Workflows, damit KI direkt im Nutzungskontext unterstützen kann.
Beispiel: App + Support-System
Die KI erkennt Probleme, schlägt Lösungen vor und erstellt bei Bedarf strukturierte Support-Anfragen oder Tickets.
Interne Systeme & Prozesse
MCP verknüpft interne Datenquellen, Tools und Prozesse, damit Teams Informationen schneller nutzen und Aufgaben effizienter erledigen können.
Beispiel: ERP + PM-Tool
Die KI analysiert den Projektstatus, offene Aufgaben oder Ressourcen und unterstützt bei Planung und Priorisierung.
Nutzer:innen stellen hier ihre Anfrage im integrierten AI-Chat. Zusätzlich sind Informationen zu Produkten gewartet.
Im ERP-System werden aktuelle Daten zu Preisen, Lagerbestand, Lieferzeiten und zur Verfügbarkeit gewartet.
Was macht MCP für intelligente Produktempfehlungen?
Der Onlineshop stellt Inhalte bereit, die bei der Produktauswahl helfen - etwa Kategorien, Eigenschaften und anderes Produktwissen.
Abfragen zu aktuellen Daten aus den verbundenen Systemen werden ermöglicht: Preise, Lagerbestand, Lieferzeit etc.
Anweisungen werden definiert, damit die KI Empfehlungen verständlich, vergleichbar und verkaufsorientiert aufbereitet.
Schritt 1:
Die Nutzerin oder der Nutzer stellt eine konkrete Produktfrage an den AI-Assistant im Onlineshop.
Schritt 2:
Der AI-Client gibt die Anfrage an das LLM weiter. Das LLM erkennt den Bedarf anhand der Anfrage: Use Case, Anforderungen, mögliche Produktkategorie und weitere relevante Kriterien.
Schritt 3:
Über MCP werden aktuelle Daten zur identifizierten Produktauswahl abgerufen: Preis, Lagerbestand, Lieferzeit etc.
Schritt 4:
Das LLM kombiniert die Informationen und erstellt eine verständliche Produktempfehlung.
Schritt 5:
Die Antwort wird im AI-Chat ausgespielt. Mit passenden Produkten, kurzer Begründung und aktuellen Verfügbarkeitsdaten.
Zu deinen Anforderungen passen diese beiden Produkte:
Bio-Leinöl aus dem Mühlviertel
Das kalt gepresste Leinöl stammt aus regionaler Bio-Produktion und enthält einen besonders hohen Anteil an Omega-3-Fettsäuren.
Preis: 9,90 € für 250 ml
Verfügbarkeit: Sofort lieferbar
Lieferzeit: 2–3 Werktage
Bio-Hanföl aus Oberösterreich
Auch dieses Öl wird regional produziert und liefert wertvolle Omega-3-Fettsäuren. Im Vergleich zu Leinöl schmeckt es etwas milder und nussiger.
Preis: 12,50 € für 250 ml
Verfügbarkeit: Auf Lager
Lieferzeit: 4–6 Werktage
Für einen möglichst hohen Omega-3-Gehalt empfehle ich dir das Bio-Leinöl. Bevorzugst du einen milderen Geschmack, ist das Bio-Hanföl eine gute Alternative.
Dieses System enthält wichtige Informationen zum Inhalt wie Ticketbeschreibung, technische Umsetzung, Kommentare und interne Informationen.
Der Changelog-Eintrag wird für die Website im Content Management System vorbereitet und als Entwurf gespeichert. Die Prüfung und Freigabe erfolgt im Backend durch den Menschen.
Informationen aus dem Ticket werden bereitgestellt: Titel, Beschreibung, technische Anforderungen, Kommentare etc.
Der Changelog-Eintrag kann direkt im Content Management System angelegt und als Entwurf gespeichert werden.
MCP nutzt definierte Schreibregeln, damit aus technischen Ticketinformationen eine klare Kundenkommunikation entsteht.
Schritt 1:
Eine Mitarbeiterin oder ein Mitarbeiter stellt die Anfrage über die KI-Anwendung.
Schritt 2:
Der AI-Client gibt die Anfrage an das LLM weiter. Das LLM erkennt: Aus Ticket 5306 soll ein Changelog-Eintrag für Kund:innen erstellt werden.
Schritt 3:
Über MCP werden die relevanten Informationen aus dem PM- oder Ticket-Tool abgefragt.
Schritt 4:
Das LLM verarbeitet die technischen Informationen aus dem Ticket und übersetzt diese in eine verständliche Sprache.
Schritt 5:
Über die zur Verfügung gestellten Tools wird via MCP im CMS ein neuer Changelog-Eintrag erstellt und als Entwurf gespeichert.
Schritt 6:
Der vorbereitete Changelog-Eintrag wird vom Mitarbeitenden geprüft und freigeschaltet.
Der Changelog-Eintrag wurde im CMS erstellt.
Verbesserte Produktsuche und Filterung
Mit dem aktuellen Update haben wir die Produktsuche weiter optimiert. Suchergebnisse werden nun noch präziser dargestellt und lassen sich mithilfe der überarbeiteten Filter schneller eingrenzen. Dadurch finden Nutzer relevante Produkte einfacher und gelangen schneller zum gewünschten Ergebnis.
Status: Als Entwurf gespeichert
Für Unternehmer:innen bedeutet das:
Die KI arbeitet nicht nur mit allgemeinem Modellwissen. Sie kann kontrolliert auf definierte Daten und Inhalte des Unternehmens zugreifen und dort konkrete Funktionen abrufen. Dadurch entstehen präzise Antworten und integrierte Abläufe.
Für Entwickler:innen bedeutet das:
Entwickler:innen definieren, welche Ressourcen, Tools und Prompts ein System über MCP bereitgestellt werden. Diese können von einem AI-Client über das Protokoll angesprochen werden. So lassen sich externe Systeme sauber in KI-gestützte Workflows einbinden.
Relevante Daten werden aus bestehenden Systemen genutzt - für Antworten mit realem Kontext.
Antworten basieren auf aktuellen Unternehmensdaten statt auf allgemeinem Modellwissen.
Du legst fest, welche Daten und Funktionen zur Verfügung gestellt werden sollen.
KI kann Informationen abrufen, Aufgaben vorbereiten und Workflows vereinfachen.
MCP schafft eine Grundlage für AI-Integrationen, die mit deinen Anforderungen wachsen können.
Mit MCP entwickelte Integrationen können für verschiedene AI-Anwendungen genutzt werden.
KI-Lösungen mit Kontrolle, Klarheit und System
- kontrollierter Zugriff auf deine Unternehmensdaten
- Anbindung bestehender Systeme statt Insellösung
- individuelle Umsetzung passend zu deiner Architektur
- klare Regeln für Antworten und Empfehlungen
- ideal für komplexe Website-Inhalte und beratungsintensive Produkte
Reden wir über deine KI-Integration
MCP lohnt sich für Unternehmen, die KI nicht nur allgemein einsetzen möchten, sondern mit eigenen Daten, Systemen und Prozessen verbinden wollen. Besonders sinnvoll ist MCP für Websites, Onlineshops und digitale Anwendungen, die Informationen aus mehreren Systemen nutzen sollen – damit KI bessere Antworten liefert, passende Empfehlungen gibt und Prozesse gezielt unterstützt.
Der größte Nutzen entsteht, wenn Informationen heute verteilt liegen. Zum Beispiel in einem CMS, Shop, PIM, CRM, ERP, in Datenbanken, Dokumenten oder Projekttools. MCP kann helfen, diese Systeme kontrolliert für AI-Anwendungen nutzbar zu machen.
Ja. MCP kann auch mit bestehenden Websites, Onlineshops oder Web-Anwendungen genutzt werden. Bestehende Inhalte, Produktdaten, Verfügbarkeiten, Downloads, Referenzen oder interne Informationen können strukturiert für AI-Anwendungen bereitgestellt werden.
Dadurch muss nicht alles neu entwickelt werden. Oft geht es darum, vorhandene Systeme sinnvoll zu verbinden und für KI nutzbar zu machen. So können bestehende digitale Lösungen erweitert werden, ohne ihre grundlegende Architektur komplett neu aufzubauen.
Eine klassische API verbindet Systeme miteinander und stellt Daten oder Funktionen bereit. MCP geht einen Schritt weiter: Es ist darauf ausgelegt, Datenquellen, Tools und Prompts strukturiert für AI-Anwendungen nutzbar zu machen.
Der Unterschied liegt vor allem im AI-Kontext. MCP hilft dabei, festzulegen, welche Informationen eine KI abrufen darf, welche Aktionen möglich sind und wie externe Systeme in KI-gestützte Workflows eingebunden werden. Dadurch werden AI-Integrationen kontrollierbarer und besser wiederverwendbar.
Am Anfang steht nicht die Technologie, sondern dein konkreter Use Case. Gemeinsam klären wir, welches Ziel erreicht werden soll, welche Systeme beteiligt sind und wo KI im Arbeitsalltag echten Nutzen schaffen kann. Danach identifizieren wir die passenden technischen Komponenten, um diesen Use Case effizient und zuverlässig umzusetzen.
Das kann ein MCP-Server sein. Genauso können auch andere Ansätze sinnvoller sein, zum Beispiel RAG für die Nutzung von Dokumenten und Wissensquellen oder individuelle AI-Workflows für konkrete Prozesse.
Nach der Use-Case-Identifikation definieren wir Architektur, Datenquellen, Schnittstellen und Berechtigungen. Danach entwickeln wir einen testbaren Prototyp, integrieren die Lösung produktiv und optimieren sie laufend weiter.