MCP ist in einem Jahr vom Anthropic-Experiment zum herstellerneutralen Industriestandard geworden. Damit spricht bald jeder KI-Assistent dieselbe Sprache — und eine bisher technische Frage wird zur Architekturentscheidung: Woraus zieht dein Assistent eigentlich sein Wissen über dein Unternehmen?

Stell dir dein Team mit fünf KI-Assistenten vor. Einer fürs Coding, einer fürs Schreiben, einer für Recherche, dazu zwei, die irgendwer lokal laufen lässt. Jeder von ihnen rät dieselben Dinge neu: Wie heißen eure Services? Was ist das System of Record? Wo verläuft die Compliance-Grenze? Und jeder rät ein bisschen anders. Fünf Assistenten, fünf Versionen der Wahrheit.

Das war lange ein Randproblem — solange KI-Assistenten Spielzeug waren. Ist es nicht mehr. Der Grund dafür heißt MCP, und er hat sich gerade von einer Firmen-Idee zu kritischer Infrastruktur entwickelt.

MCP hat gewonnen — und das verschiebt die Frage

Das Model Context Protocol ist der offene Standard, über den KI-Assistenten externe Tools, Daten und Systeme ansprechen. Anthropic hat es im November 2024 vorgestellt. Ein Jahr später ist es der De-facto-Standard: über 10.000 aktive öffentliche MCP-Server, gesprochen neben Claude von ChatGPT, Gemini, Cursor, Mistral und Grok. Am 9. Dezember 2025 hat Anthropic MCP an die neu gegründete Agentic AI Foundation unter der Linux Foundation übergeben — mitgetragen von Block und OpenAI, unterstützt von AWS, Google, Microsoft, Cloudflare und Bloomberg.

Das ist der entscheidende Teil. MCP ist damit kein Ein-Firmen-Protokoll mehr, sondern herstellerneutral unter Stiftungs-Governance. Und wenn ein Standard neutral wird und ihn alle sprechen, verschiebt sich die interessante Frage. Sie lautet nicht mehr „welches Protokoll?“ — die ist beantwortet. Sie lautet: Was heißt es, wenn jeder Assistent im Haus über dieselbe Schnittstelle an dein Wissen kommt?

Woraus liest der Assistent eigentlich?

Die heutige Standardantwort ist unbefriedigend. Die meisten „Memory“-Ansätze beobachten Gespräche und extrahieren automatisch, was das Modell für wichtig hält. Das Ergebnis ist unkuratierter Kontext mit eingebautem Drift: Niemand hat ihn geschrieben, niemand hat ihn ratifiziert, niemand auditiert ihn. Er entsteht als Nebenprodukt — und verhält sich auch so.

Die ausgefeiltere Variante sieht auf den ersten Blick besser aus. Beim LLM-Wiki-Ansatz — gerade durch Andrej Karpathy in Umlauf gebracht — kompiliert das Modell aus Rohquellen eine strukturierte, verlinkte Wissensbasis, statt bei jeder Frage neu zu suchen. Ordentlich, durchsuchbar, sieht aus wie gepflegt. Nur: Geschrieben hat es weiterhin das Modell. Struktur ist nicht dasselbe wie Autorschaft. Ein sauber verlinktes Wiki, das keiner ratifiziert hat, bleibt eine Vermutung — nur eine besser formatierte.

Zurück zu den fünf Assistenten. Das Problem dabei ist nicht, dass sie raten. Das Problem ist, dass jeder aus einer anderen, selbstgebauten Ableitung rät. Es gibt keine gemeinsame Quelle, auf die sie sich beziehen — nur fünf private Rekonstruktionen dessen, was in euren Chats zufällig oft genug vorkam.

Für regulierte und governance-bewusste Organisationen ist genau das der Grund, KI gar nicht erst breit produktiv einzusetzen. Was man nicht kontrollieren und nicht nachvollziehen kann, lässt man nicht an das Unternehmenswissen. Eine rationale Entscheidung — solange die Alternative „automatisch zusammengesetztes Rauschen“ heißt. Es ist dieselbe Naht, an der anderswo die teuren KI-Unfälle passieren: dort, wo Maschinenlogik auf menschliche Annahmen trifft. Nur geht es hier nicht um Aktionen, die ein Agent ausführt, sondern um das Wissen, aus dem er sie ableitet.

Wissensquelle ist eine Architekturentscheidung

Hier setze ich mit Kumbuka an — dem Produkt, an dem ich gerade arbeite. Die Idee ist unspektakulär und genau deshalb tragfähig: ein geteiltes, von Menschen kuratiertes Gedächtnis für die KI-Assistenten eines Teams, ausgeliefert über MCP an jeden MCP-fähigen Client. Der Unterschied zur Extraktion ist kein Feature, sondern eine Haltung. Einträge werden bewusst gesetzt, nicht abgeschöpft.

Für ein Architekturpublikum ist die kürzeste Erklärung: ADRs für KI-Assistenten. Wer Architecture Decision Records, Konventionsdokumente und RFC-Prozesse pflegt, versteht das Prinzip in einem Satz. Einträge sind typisiert — Entscheidung, Konvention, Constraint, offene Frage, Glossar, Status —, auditierbar und mit server-abgeleiteter Autorenschaft. Derselbe Kontext-Digest kommt deterministisch zurück, bei jedem Abruf. Kein Retrieval-Roulette.

Souveränität auf zwei Ebenen

Für ein DACH-Publikum kommt der Teil, den ein Cloud-nativer US-Anbieter strukturell nicht liefern kann. Kumbuka ist EU-gehostet, AGPL-lizenziert und bei Bedarf selbst hostbar. Private Inhalte sind nicht per Richtlinie geschützt, sondern per Architektur — der Code-Pfad, über den ein Betreiber oder Admin sie lesen könnte, existiert schlicht nicht. Das ist ein Unterschied ums Ganze: Richtlinien kann man ändern, fehlenden Code nicht heimlich nachrüsten. Es ist dieselbe On-Prem-Grenze, die auch bei KI-gestützter Codeanalyse den Ausschlag gibt — was im eigenen Haus läuft, kann kein fremder Betreiber einsehen.

Damit schließt sich der Kreis zum offenen Standard. Die eine Ebene ist das Protokoll — offen und herstellerneutral, kein Lock-in. Die andere ist die Wissensquelle — unter eigener Kontrolle, kein Lock-in. Und für den Betriebsrat wichtig: Kumbuka überwacht keine einzelnen Mitarbeitenden, aggregiert keine Aktivität, ist auf §26 BDSG hin gebaut. Im deutschsprachigen Raum ist das kein Detail, sondern oft der Türöffner.

MCP wird zur kritischen Infrastruktur — schneller, als die meisten Governance-Prozesse hinterherkommen. Wer KI ernsthaft einsetzt, braucht dann keine cleverere Extraktion, sondern das Gegenteil: eine kuratierte, kontrollierte, auditierbare Wissensquelle. Etwas, das ein Mensch geschrieben und ein Team ratifiziert hat. Nicht etwas, das ein Modell sich nebenbei zusammengereimt hat.

Zusammengefasst

  • MCP ist seit Dezember 2025 herstellerneutral unter der Linux Foundation — der Protokoll-Streit ist entschieden, die Governance-Frage fängt gerade erst an.
  • Automatisch extrahiertes „Memory“ produziert driftenden, unauditierten Kontext — bei mehreren Assistenten vervielfacht sich das zu widersprüchlichen Wahrheiten.
  • Eine kuratierte Wissensquelle ist keine Bequemlichkeit, sondern eine Architekturentscheidung: bewusst gesetzt, typisiert, auditierbar.
  • Souveränität heißt zwei Dinge gleichzeitig: offener Standard ohne Protokoll-Lock-in und eigene Wissensquelle ohne Daten-Lock-in.

Kumbuka ist ab sofort in der Closed Beta. Wenn du dein Team-Wissen kontrollieren willst, statt es einem Modell zu überlassen: kumbuka.ai.