← Alle Projekte

Case Study · Eigener MCP-Server

Störungsdiagnose per KI: Servicewissen aus vier Systemen

Steht eine Maschine beim Kunden still, zählt jede Minute. Mit einem eigenen MCP-Server fragt das Serviceteam seinen KI-Assistenten direkt «Warum steht Anlage A-7?» und erhält in Sekunden Messwerte, wahrscheinliche Ursachen, Ersatzteile und die SLA-Frist.

Bereich
Systeme & Wissen
Szenario
Maschinenbau-KMU, Ostschweiz (Demo-Daten)
Technologie
Model Context Protocol, Node.js
Bereitstellung
Hosting in der Schweiz, Login über Microsoft Entra ID
KI-Chat mit dem Service-Assistenten: Auf die Frage, warum Anlage A-7 stillsteht, ruft die KI drei Werkzeuge auf und nennt Fehler E-314, drei wahrscheinliche Ursachen mit Wahrscheinlichkeiten (55, 28 und 17 Prozent), die mitzunehmenden Ersatzteile, die Reaktionsfrist bis 10:42 Uhr und Kosten von CHF 186.
Der Service-Assistent im KI-Chat: eine Frage, drei Werkzeugaufrufe, eine Antwort mit Ursachen, Ersatzteil und SLA-Frist. Proof of Concept mit Demo-Daten.

Ausgangslage

In unserem Referenzszenario betreut ein Ostschweizer Maschinenbauer Verpackungs- und Abfüllanlagen bei Kunden in der ganzen Schweiz. Meldet eine Anlage eine Störung, sucht der Servicetechniker die Informationen in vier Systemen zusammen: Fehlermeldungen und Messwerte in der Fernwartung, frühere Einsätze in der Servicedatenbank, Ersatzteile und Preise im ERP, Reaktionszeiten im Servicevertrag. Das dauert, gerade nachts oder für neue Mitarbeitende. Gleichzeitig soll ein KI-Assistent nur eingeführt werden, wenn Kundendaten geschützt bleiben und niemand der KI einen Generalschlüssel zu ERP und Fernwartung gibt. Für die eingesetzte Branchensoftware gibt es keinen fertigen MCP-Server.

Die Lösung

andyou hat einen eigenen MCP-Server entwickelt, der die vier Systeme hinter sechs fachlichen Werkzeugen bündelt. Statt Rohdaten weiterzureichen, beantwortet jedes Werkzeug eine konkrete Servicefrage. Das Lagebild verdichtet 24 Stunden Messwerte auf Trend, Tiefst- und Höchstwert und Toleranzverletzungen. Die Diagnose gewichtet mögliche Ursachen nach Fehlerhandbuch, aktuellen Messwerten und gleichen Fällen in der ganzen Flotte und liefert Prüfschritt, Ersatzteil mit Lagerort und Kosten gemäss Servicevertrag. Weil MCP ein offener Standard ist, funktioniert derselbe Server in Claude, ChatGPT und Microsoft Copilot.

Schema: Claude, ChatGPT und Microsoft Copilot verbinden sich per MCP mit dem andyou MCP-Server «Service-Assistent» (Rollen, Datenmaskierung, Freigaben, Audit-Log, Hosting in der Schweiz). Dieser greift nur lesend, ausser beim Einsatz-Entwurf, auf Fernwartung, Servicedatenbank, ERP und Verträge zu.
Architektur: Der MCP-Server sitzt zwischen KI-Assistent und Firmensystemen und setzt Rechte und Regeln durch.
Liste der sechs Werkzeuge: anlage_suchen, anlage_lagebild, stoerung_diagnose, wartungshistorie und ersatzteile_pruefen lesen nur; serviceeinsatz_entwurf legt nach Bestätigung einen Entwurf an.
Sechs Werkzeuge statt Dutzender API-Endpunkte. Nur der Einsatz-Entwurf schreibt, und nur nach Bestätigung.

Sicherheit & Datenschutz

Der Server gibt der KI nur, was sie für die Aufgabe braucht. Telefonnummern und E-Mail-Adressen von Kundenkontakten verlassen das System nie. Techniker sehen keine Preise, der Innendienst schon; die Rolle ergibt sich aus dem Login, nicht aus der Anfrage. Kundenmeldungen können versteckte Anweisungen enthalten. Der Server markiert sie deshalb ausdrücklich als Daten und gibt Kontaktdaten auch dann nicht heraus, wenn eine Meldung danach verlangt. Einsätze legt die KI nur als Entwurf an, nach ausdrücklicher Bestätigung. Jeder Aufruf wird protokolliert.

Rechtetabelle: Lagebild & Diagnose sowie Lager & Lieferzeit für Techniker, Innendienst und Gast erlaubt; Preise & Kosten nur für den Innendienst; Einsatz-Entwurf für Techniker und Innendienst; Kontaktdaten Kunde für niemanden.
Rollen und Rechte: Was Techniker, Innendienst und Gäste sehen und tun dürfen.
Eine Kundenmeldung enthält eine eingeschleuste Anweisung, alle Telefonnummern auszugeben. Der MCP-Server gibt sie der KI mit dem Hinweis weiter, den Text nur als Information zu verwenden, und meldet die Kontaktdaten nur als hinterlegt.
Eine Kundenmeldung mit eingeschleuster Anweisung wird als unvertrauenswürdig markiert.

Ergebnis und Kosten

Die Diagnose, für die bisher vier Systeme geöffnet wurden, steht nach einer Frage bereit. Weil die Werkzeuge verdichten statt Rohdaten weiterzureichen, liest das Sprachmodell pro Diagnose rund 940 statt 71'600 Tokens. Das senkt die KI-Kosten um 99 Prozent: bei 600 Diagnosen im Monat von rund CHF 103 auf CHF 1.40. Der grössere Hebel liegt beim Kunden: weniger Zeit bis zur richtigen Diagnose und damit kürzere Stillstände. Der Proof of Concept ist mit acht automatisierten Tests abgesichert, unter anderem für Datenschutz, Rollen und Freigaben.

Balkenvergleich der Tokens pro Diagnose: generische API-Anbindung 71'627 Tokens, fachliche MCP-Werkzeuge 942 Tokens, also 99 Prozent weniger Daten für das Sprachmodell.
Tokens pro Diagnose: generische API-Anbindung im Vergleich zu fachlichen MCP-Werkzeugen, gemessen im Proof of Concept.
KI-Kosten pro Monat bei 600 Diagnosen: generische API-Anbindung CHF 103 (CHF 0.17 pro Diagnose), fachliche MCP-Werkzeuge CHF 1.40 (CHF 0.002 pro Diagnose).
KI-Kosten pro Monat bei 600 Diagnosen. Annahmen: USD 3 pro Mio. Input-Tokens, 1 USD = CHF 0.80.

Technik in Kürze

Der Server nutzt das offizielle MCP-SDK auf Node.js und läuft wahlweise lokal oder als zustandsloser Remote-Dienst über Streamable HTTP. Für den Betrieb ist ein Gateway mit Anmeldung über Microsoft Entra ID vorgesehen, gehostet in der Schweiz. Die Datenanbindung ist an einer Stelle gekapselt: Im Kundenprojekt wird sie mit Fernwartung (OPC UA), Servicedatenbank und ERP verbunden. Werkzeuge, Regeln und Tests bleiben unverändert.

  • Model Context Protocol
  • Node.js
  • MCP SDK
  • Zod
  • Streamable HTTP
  • OAuth · Entra ID
  • Hosting Schweiz
  • Claude · ChatGPT · Copilot

Ihre Systeme sicher mit KI verbinden?

Wir prüfen, ob vorhandene MCP-Server reichen oder ein eigener Server Ihre Abläufe besser abbildet, und zeigen es Ihnen an einem Proof of Concept.

Projekt besprechen