Model-Context-Protocol (MCP) im Datenkatalog
KI-Modelle scheitern im Datenumfeld selten an ihrer Intelligenz. Sie scheitern daran, dass ihnen der organisatorische Kontext fehlt. Definitionen, Datenlogiken, Verantwortlichkeiten, Governance-Regeln: All das existiert in Ihrer Organisation, aber nicht im Modell.
Das Model Context Protocol (MCP) hilft dabei, genau diesen erfolgskritischen Kontext den KI-Modellen zu liefern. Es verbindet dazu KI-Agenten und LLMs mit dem geprüften Wissen in D-QUANTUM – strukturiert, regelkonform und ohne neue Systemabhängigkeiten. Der Datenkatalog wird damit zum KI-Kontext-Geber.
Was ist das Model-Context-Protocol?
MCP ist ein offener Standard, der definiert, wie KI-Modelle strukturiert mit externen Systemen interagieren: nicht nur lesend, sondern innerhalb fest definierter Grenzen kontext- und rechtebezogen auch handelnd bzw. schreibend.
D-QUANTUM fungiert dabei als MCP-Server. Ihr LLM oder KI-Agent greift über einen MCP-Client auf diesen Server zu. Statt für jeden Anwendungsfall eigene Schnittstellenlogiken oder aufwendige Prompt-Strukturen zu entwickeln, erfolgt der Zugriff über MCP direkt auf die von der Plattform bereitgestellten Funktionen und Kontextinformationen. Das spart Token und sichert die Qualität der gelieferten Daten aus dem Datankatalog.
Der entscheidende Unterschied zu klassischen API-Integrationen: Für jede Anfrage werden automatisch die passenden Funktionen ausgewählt und dynamisch kombiniert, ohne dass jeder Schritt vorab programmiert werden muss.
Nichts mehr verpassen
Erhalten Sie Produktneuheiten und Release-Highlights direkt in Ihr Postfach.
Was wird für die Integration benötigt?
Für die Nutzung benötigen Sie:
MCP-Server
D-QUANTUM in der Version 6.0 oder höher
MCP-kompatibler KI-Client
Beispielsweise ChatGPT, CoPilot oder Claude mit entsprechender MCP-Unterstützung
Large Language Model
Ihr bestehendes, organisationsintern freigegebenes LLM, z.B. ChatGPT-5 oder Claude Sonnet
Die Qualität der Ergebnisse hängt nicht nur vom Modell ab, sondern davon, wie lückenlos und gepflegt die Daten im Metadaten Management Tool sind.
Bring Your Own LLM – keine neuen Abhängigkeiten
D-QUANTUM setzt kein bestimmtes Sprachmodell voraus. Sie nutzen das LLM, das in Ihrer Organisation bereits geprüft und freigegeben ist.
Die neue Suche lässt sich auf verschiedene Arten nutzen – gezielt, navigierend oder explorativ. Welcher Einstieg passt, hängt von der Aufgabe ab:
Das bedeutet konkret:
- Keine neuen Compliance-Prozesse für ein zusätzliches Modell
- Kein Vendor Lock-in durch eine vorgeschriebene KI-Lösung
- Ihre Sicherheits- und Datenschutzanforderungen bleiben unverändert gültig
Das bringt sofortigen Mehrwert: Ihr LLM kennt ab sofort Ihre Unternehmens- bzw. Geschäftssprache, also die Definitionen, Regeln und Prozesse Ihrer Organisation. Fehler durch Missverständnisse und Halluzinationen werden vermieden, die Arbeitsqualität von Mensch und Maschine steigt.
Wie eine Anfrage verarbeitet wird
Jede Anfrage durchläuft einen strukturierten Prozess. Am Beispiel einer typischen Frage:
”Warum weicht der KPI ‚Aktiver Kunde' diese Woche ab – und was kann ich tun?
Das passiert im Hintergrund:
-
- Das LLM interpretiert die Anfrage und identifiziert, welche Informationen es benötigt
- Via MCP greift es auf die hinterlegte KPI-Definition “Aktiver Kunde” im Datenkatalog zu
- Es versteht die Berechnungslogiken des KPI und verknüpft die Definition mit den zugrunde liegenden Datenquellen
- Das LLM greift über MCP auf die Datenquellen der entsprechenden KPI zu und analysiert die Datenqualitätsinformationen
- Auf Basis der gefundenen Informationen leitet es mögliche Ursachen ab
- Bei Bedarf wird über MCP direkt ein Governance-Workflow angestoßen, z. B. ein Korrektur- oder Prüfungsprozess
Der gesamte Ablauf erfolgt ohne Systemwechsel, basiert durchgehend auf validierten Metadaten und respektiert die Berechtigungen des anfragenden Nutzers.
Zwei Nutzungsszenarien – Mensch und Maschine
MCP funktioniert in Synabis D-QUANTUM auf zwei grundlegend verschiedene Arten:
Den größten Unterschied macht MCP dort, wo kein Mensch aktiv fragt, sondern ein Agent eine Aufgabe ausführt und dabei automatisch den benötigten Kontext aus D‑QUANTUM nutzt.
Beispiel: Ein automatisierter Reporting-Agent soll wöchentlich ein Management-Dashboard aktualisieren. Ohne explizite Anfrage eines Nutzers wird über MCP die Funktion „Entitätsdetails abrufen” genutzt und geprüft, ob sich Berechnungslogiken oder Definitionen der enthaltenen KPIs geändert haben. Parallel nutzt er „Entitäten suchen und filtern”, um bekannte Datenqualitätsprobleme in den Quellsystemen zu identifizieren.
Stellt er eine Abweichung fest, greift er auf „Freigabeprozesse steuern” zu: Er startet den hinterlegten Governance-Workflow, benachrichtigt den zuständigen Data Steward und setzt den Veröffentlichungsprozess so lange aus, bis die Freigabe erteilt ist.
Der gesamte Ablauf erfolgt regelkonform, protokolliert und innerhalb der definierten Berechtigungsstruktur, ohne dass ein Mensch eingreifen muss.
Nutzer stellen Fragen in natürlicher Sprache, ohne D-QUANTUM zu öffnen oder die Oberfläche zu kennen. Im Hintergrund wird der benötigte Kontext und die Definition aus dem Datenkatalog abgerufen.
Beispiel: Ein Data Steward möchte prüfen, ob ein neuer Datensatz mit bestehenden Definitionen konsistent ist. Er fragt im Chat:
”„Passt diese Berechnung zu unserer aktuellen Definition von ‚Vertragsbeginn'?"
Per MCP ruft das LLM über „Entitätsdetails abrufen” die aktuelle Definition aus dem Datenkatalog ab und vergleicht sie mit der vorliegenden Berechnung. Parallel prüft es über „Entitäten suchen und filtern”, ob es weitere Datensätze gibt, die dieselbe Definition verwenden und von einer Abweichung betroffen wären.
Stellt die KI eine Inkonsistenz fest, schlägt sie eine Aktualisierung vor. Der Data Steward kann den Änderungsentwurf direkt aus dem Dialog heraus über „Freigabeprozesse steuern” zur Genehmigung einreichen, ohne die Anwendung zu wechseln und ohne den Arbeitsfluss zu unterbrechen.
Mehr Wirkung durch breiteren Zugang zum Datenkatalog
Auch für die Pflege der Data Governance Plattform hat diese Form der Interaktion direkte Auswirkungen: Über Chatbots wird der Zugang zu Metadaten deutlich niederschwelliger. Mehr Mitarbeitende in der Organisation können Informationen aus dem Katalog in natürlicher Sprache konsumieren, Unstimmigkeiten schneller erkennen und direkt melden.
Das wirkt sich in zweierlei Hinsicht aus: Zum einen verbessert sich der Kontext, auf den KI-Modelle zugreifen, da Definitionen, Zusammenhänge und Verantwortlichkeiten aktueller und konsistenter gepflegt sind. Zum anderen steigt die Datenqualität, weil Probleme früher sichtbar werden und in die bestehenden Governance-Prozesse einfließen und direkt am Datenobjekt sichtbar sind.
Technische Funktionen über MCP im Überblick
Über MCP stehen alle relevanten Funktionen von D-QUANTUM strukturiert zur Verfügung – kontextbezogen und kombinierbar. Was konkret dahintersteckt:
Sie möchten die Funktionen live erleben?
Vereinbaren Sie deinen kostenlosen Demo Termin.
Steuerung über Capabilities
Eine Capability beschreibt einen abgegrenzten Handlungsrahmen für eine konkrete Aufgabe. Sie definiert, wie der KI‑Assistent ein bestimmtes Szenario optimal umsetzt. So legt eine „Shopping for Data“-Capability fest, wie nach einem Datensatz gesucht und wie eine entsprechende Zugriffsanfrage gestellt wird – entlang einer klar definierten Abfolge von Schritten, wie sie auch eine sehr erfahrene Person im Umgang mit dem Tool durchlaufen würde.
Darüber hinaus können Sie:
- Eigene Funktionen definieren, die zu Ihren internen Prozessen passen
- Abläufe strukturieren und wiederverwendbar machen
- Systemverhalten gezielt an organisationale Anforderungen anpassen
Capabilities fungieren damit als Optimierungsmechanismus: Sie unterstützen das LLM dabei, komplexere Szenarien konsistent, effizient und nachvollziehbar umzusetzen, indem sie vorgeben, wie bestimmte Aufgaben ausgeführt werden sollen.
Governance bleibt unter Ihrer Kontrolle
MCP verändert nicht, wer was darf. Es macht bestehende Berechtigungen für KI-Interaktionen wirksam:
Rollen und Rechte aus D-QUANTUM gelten unverändert, auch für KI-Agenten
Jede Aktion ist protokolliert und auditierbar
Kein Handeln außerhalb definierter Grenzen, keine Bypässe aktueller Workflows
KI-Agenten werden damit zu einem steuerbaren, nachvollziehbaren Bestandteil Ihrer Datenarchitektur und nicht zu einer Blackbox daneben.
MCP im Kontext Ihrer Organisation
Jede Datenarchitektur ist anders. Sprechen Sie uns an! Wir schauen uns gemeinsam an, wie MCP bei Ihnen den größten Unterschied macht.
Termin anfragen
Ihren Use Case gemeinsam bewerten
Verfügbar ab D-QUANTUM Version 6.0
D-QUANTUM V6 hat noch mehr zu bieten:
Neue Suchfunktion
Präzisere Suchergebnisse, Wiederverwendbarkeit und Kollaboration bringen Ihre Data Discovery auf ein neues Level.
Data Quality Widget
Das neue Data Quality Widget bringt mehr Transparenz in Ihre Datenqualität und schafft Vertrauen in Daten.
Release Notes im Überblick
Alle Neuerungen der Version 6 im Detail