{"id":22316,"date":"2026-07-29T15:55:23","date_gmt":"2026-07-29T12:55:23","guid":{"rendered":"https:\/\/quicklizard.com\/?p=22316"},"modified":"2026-07-29T15:59:21","modified_gmt":"2026-07-29T12:59:21","slug":"von-dashboards-bis-hin-zu-ki-agenten-ein-neues-modell","status":"publish","type":"post","link":"https:\/\/quicklizard.com\/de\/blog\/from-dashboards-to-ai-agents-a-new-model\/","title":{"rendered":"Von Dashboards bis hin zu KI-Agenten: Ein neues Modell f\u00fcr Pricing Intelligence"},"content":{"rendered":"

Wir stellen vor: MCP, das Model Context Protocol<\/em><\/p>\n\n\n\n

Preissysteme basieren traditionell auf strukturierten Schnittstellen. Dashboards, Tabellen und vordefinierte Arbeitsabl\u00e4ufe waren bislang die wichtigsten Mittel, mit denen Nutzer mit Daten interagieren, die Leistung analysieren und Strategien festlegen konnten.<\/p>\n\n\n\n

Dieses Modell ist zwar effektiv, schr\u00e4nkt jedoch den Zugriff auf Daten und deren Nutzung ein. Es st\u00fctzt sich auf vordefinierte Ansichten und manuelle Navigation, wodurch eine L\u00fccke zwischen den im System verf\u00fcgbaren Informationen und dem entsteht, worauf die Nutzer tats\u00e4chlich reagieren k\u00f6nnen.<\/p>\n\n\n\n

Gleichzeitig verarbeiten moderne Preisplattformen hinter den Kulissen deutlich mehr Daten und Logik, darunter Strategien, Erkenntnisse \u00fcber Wettbewerber, Konfigurationen und historische Leistungsdaten. Die Grenze liegt nicht mehr in den Daten selbst, sondern im Interaktionsmodell.<\/p>\n\n\n\n

Quicklizard f\u00fchrt MCP (Model Context Protocol) ein, um diesem Wandel Rechnung zu tragen.<\/p>\n\n\n\n

Eine strukturierte Ebene f\u00fcr die Interaktion mit KI<\/h2>\n\n\n\n

MCP<\/a> legt fest, wie KI-Agenten auf einheitliche und strukturierte Weise mit Daten, Diensten und Funktionen verbunden werden. Es f\u00fchrt eine Ebene ein, die es Modellen erm\u00f6glicht, auf Echtzeitinformationen zuzugreifen und Aufgaben mithilfe standardisierter Tools auszuf\u00fchren.<\/p>\n\n\n\n

Die Funktionen werden \u00fcber einen Katalog von MCP-Tools bereitgestellt, die als kontrollierte Zugangspunkte zu den Backend-Diensten dienen. Dies erm\u00f6glicht es den Agenten, Daten abzurufen, Logik anzuwenden und Ma\u00dfnahmen in einem realen Gesch\u00e4ftskontext zu ergreifen, wodurch sie \u00fcber die blo\u00dfe Generierung von Antworten hinausgehen und zur tats\u00e4chlichen Ausf\u00fchrung \u00fcbergehen.<\/p>\n\n\n\n

Entkopplung der Engine von der Schnittstelle<\/h2>\n\n\n\n

Im Mittelpunkt dieses Ansatzes steht die Trennung zwischen der Quicklizard-Engine und den Schnittstellen, \u00fcber die ihre Funktionen genutzt werden.<\/p>\n\n\n\n

Die Quicklizard-Engine bleibt das Kernsystem, in dem Preisbildungslogik, Daten, Gesch\u00e4ftsregeln und Backend-Dienste verwaltet werden. MCP fungiert als gemeinsame Ebene um diese Funktionen herum und stellt sie auf strukturierte und standardisierte Weise bereit.<\/p>\n\n\n\n

Diese Ebene ist nicht an einen bestimmten Agenten oder eine bestimmte Schnittstelle gebunden. Sie unterst\u00fctzt sowohl den von Quicklizard selbst verwalteten Agenten \u201ePricing Guru\u201c als auch vom Kunden ausgew\u00e4hlte Agenten, die auf Modellen von Anthropic, Google und OpenAI basieren. <\/p>\n\n\n\n

MCP ist weder der Agent selbst noch ein einzelner Schritt in einer Pipeline. Es handelt sich vielmehr um die Verbindungsschicht, die die Funktionen von Quicklizard f\u00fcr verschiedene KI-Anwendungen verf\u00fcgbar macht.<\/p>\n\n\n\n

Von promptbasierten Systemen zur Agentenkoordination<\/h2>\n\n\n\n

MCP erm\u00f6glicht den \u00dcbergang von promptbasierten Interaktionen zu agentenbasierten Systemen.<\/p>\n\n\n\n

Ein herk\u00f6mmliches LLM verarbeitet eine Eingabe und gibt ein Ergebnis zur\u00fcck. Ein Agent kann eine Anfrage in einzelne Schritte zerlegen, mehrere Aktionen ausf\u00fchren, auf verschiedene Datenquellen zugreifen und so lange iterieren, bis er zu einem vollst\u00e4ndigen Ergebnis gelangt.<\/p>\n\n\n\n

Diese Koordination erm\u00f6glicht es, komplexe Preisgestaltungsaufgaben \u2013 wie beispielsweise die Entwicklung von Strategien oder die Analyse der Performance \u00fcber mehrere Dimensionen hinweg \u2013 im Rahmen einer einzigen Interaktion abzuwickeln.<\/p>\n\n\n\n

Die Quicklizard Agentic-KI-Architektur<\/h2>\n\n\n\n

Die MCP-Architektur ist als mehrschichtiges System konzipiert, das Interaktion, Orchestrierung und Ausf\u00fchrung miteinander verbindet.<\/p>\n\n\n\n

Die Interaktion mit dem Nutzer beginnt in einer Chat-basierten Seitenleiste im Browser des Kunden. Im von Quicklizard verwalteten Umfeld werden Anfragen \u00fcber einen Proxy und ein Service-Gateway verarbeitet, die f\u00fcr die Authentifizierung, die Weiterleitung und die sichere Kommunikation zust\u00e4ndig sind.<\/p>\n\n\n\n

Innerhalb der von Quicklizard verwalteten Umgebung fungiert Pricing Guru als verwalteter Agent, der mithilfe von LangChain koordiniert und innerhalb der Quicklizard-Infrastruktur bereitgestellt wird. Der Agent legt fest, wie die einzelnen Anfragen zu bearbeiten sind, und koordiniert die erforderlichen Ma\u00dfnahmen \u00fcber die verf\u00fcgbaren Tools und Dienste hinweg.<\/p>\n\n\n\n

Die Ausf\u00fchrung wird durch ein LiteLLM-Gateway unterst\u00fctzt, das das Modell-Routing, die Ratenbegrenzung und die Budgetkontrolle pro Mandant verwaltet und eine Verbindung zu den besten Modellen auf dem Markt herstellt, die f\u00fcr die jeweilige Aufgabe geeignet sind. Dies erm\u00f6glicht Flexibilit\u00e4t auf der Modellebene bei gleichzeitiger Wahrung der operativen Kontrolle und eines cloudunabh\u00e4ngigen Designs.<\/p>\n\n\n\n

Dar\u00fcber hinaus bieten MCP-Tools einen strukturierten Zugriff auf Backend-Dienste. Diese Tools unterst\u00fctzen Funktionen wie Produktsuche, Preisentwicklung, Strategieanalyse, Werbeaktionen, Leistungsbewertung und Wettbewerbsbeobachtung.<\/p>\n\n\n\n

Sie sind direkt mit Systemen in den Bereichen Lagerbestand, Strategien, Werbeaktionen, BI-Dienste, Wettbewerb, Archiv, Konfiguration und Preisgestaltung verbunden und stellen so sicher, dass die Ergebnisse auf echten Gesch\u00e4ftsdaten basieren und in konkrete Ma\u00dfnahmen umgesetzt werden k\u00f6nnen.<\/p>\n\n\n\n

Um dieses \u00d6kosystem zu sch\u00fctzen, verf\u00fcgt die Plattform \u00fcber Echtzeit-Sicherheitsmechanismen und Observability. W\u00e4hrend wir Langfuse f\u00fcr die Kostenverfolgung und die mandantenbezogene Pr\u00fcfung sowie OpenTelemetry f\u00fcr die Service-Tracing nutzen, haben wir eine aktive Sicherheitsebene hinzugef\u00fcgt, um uns gegen kritische KI-Angriffsvektoren zu sch\u00fctzen, darunter:<\/p>\n\n\n\n

    \n
  • Sofortige Eingabe:<\/strong> Verhinderung b\u00f6swilliger Versuche, die Logik des Agenten zu manipulieren.<\/li>\n\n\n\n
  • MCP-Tool-Vergiftung: <\/strong>Gew\u00e4hrleistung der Integrit\u00e4t der an Backend-Dienste \u00fcbergebenen Befehle und Daten.<\/li>\n\n\n\n
  • Missbrauch von Werkzeugen: <\/strong>\u00dcberwachung auf unbefugte oder \u00fcberm\u00e4\u00dfige Tool-Aufrufe zur Gew\u00e4hrleistung der Systemstabilit\u00e4t.<\/li>\n<\/ul>\n\n\n\n

    Durch die direkte Integration dieser Schutzma\u00dfnahmen in die Orchestrierungsschicht stellt Quicklizard sicher, dass die agentenbasierte Preisintelligenz nicht nur leistungsstark, sondern auch unternehmenssicher ist.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Erweiterung des Zugangs zu Preisinformationen<\/h2>\n\n\n\n

    Diese Architektur ver\u00e4ndert die Art und Weise, wie Nutzer mit Preissystemen interagieren.<\/p>\n\n\n\n

    Aufgaben, f\u00fcr die bisher das Durchsuchen mehrerer Dashboards, das Exportieren von Daten oder das Erstellen benutzerdefinierter Logik erforderlich waren, lassen sich nun mit einem einzigen Schritt erledigen. Das Filtern von Produkten, die Analyse der Leistung, die Optimierung von Konfigurationen und die Entwicklung von Preisstrategien werden von manuellen Arbeitsabl\u00e4ufen auf eine durch nat\u00fcrliche Sprache gesteuerte Ausf\u00fchrung umgestellt.<\/p>\n\n\n\n

    Dadurch wird die Abh\u00e4ngigkeit von der Entwicklungsabteilung bei der Erstellung kundenspezifischer Logik verringert und es werden unternehmensweit erweiterte Preisgestaltungsfunktionen verf\u00fcgbar.<\/p>\n\n\n\n

    \u00dcber eine einzelne Schnittstelle hinaus<\/h2>\n\n\n\n

    MCP ist nicht auf eine einzige Anwendungsschicht beschr\u00e4nkt.<\/p>\n\n\n\n

    Durch die externe Bereitstellung der MCP-Tools erm\u00f6glicht Quicklizard seinen Kunden, Preisberechnungsfunktionen in ihre eigenen Umgebungen zu integrieren, darunter BI-Systeme, benutzerdefinierte Agenten und externe Tools.<\/p>\n\n\n\n

    Der Zugriff auf die Preisinformationen ist daher entweder \u00fcber die von Quicklizard verwaltete L\u00f6sung oder \u00fcber vom Kunden ausgew\u00e4hlte Agenten und Workflows m\u00f6glich, je nachdem, wie das jeweilige Unternehmen vorgehen m\u00f6chte.<\/p>\n\n\n\n

    Eine neue Grundlage f\u00fcr Preissysteme<\/h2>\n\n\n\n

    MCP spiegelt einen allgemeinen Wandel in der Art und Weise wider, wie Softwaresysteme entworfen werden.<\/p>\n\n\n\n

    Schnittstellen sind nicht mehr die prim\u00e4re Ebene der Interaktion. Agenten werden zur Schnittstelle, und strukturierte Protokolle legen fest, wie sie auf Systemfunktionen zugreifen und diese nutzen.<\/p>\n\n\n\n

    \u201cMCP steht f\u00fcr einen Wandel von isolierten KI-Funktionen hin zu vollst\u00e4ndig koordinierten Pricing-Intelligence-Systemen. Wir bieten unseren Kunden nicht nur KI-basierte Erkenntnisse, sondern auch die M\u00f6glichkeit, diese sicher und in gro\u00dfem Ma\u00dfstab umzusetzen\u201d, sagte Yedidya Shwartz, CTO bei Quicklizard.<\/p>\n\n\n\n

    Mit der Einf\u00fchrung von MCP schafft Quicklizard die Grundlage f\u00fcr flexiblere, skalierbarere und intelligentere Preissysteme, bei denen Daten, Modelle und Arbeitsabl\u00e4ufe \u00fcber eine einheitliche Interaktionsebene miteinander verbunden sind.<\/p>","protected":false},"excerpt":{"rendered":"

    Erfahren Sie, wie das Model Context Protocol (MCP) die Preisanalyse revolutioniert, indem es KI-Agenten erm\u00f6glicht, sicher auf Daten zuzugreifen, Workflows auszuf\u00fchren und Erkenntnisse \u00fcber herk\u00f6mmliche Dashboards hinaus in konkrete Ma\u00dfnahmen umzusetzen.<\/p>","protected":false},"author":43,"featured_media":22321,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[20],"tags":[57],"blog_author":[98],"class_list":["post-22316","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-market-insights","tag-posts"],"_links":{"self":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/22316","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/users\/43"}],"replies":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/comments?post=22316"}],"version-history":[{"count":5,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/22316\/revisions"}],"predecessor-version":[{"id":22325,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/22316\/revisions\/22325"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/media\/22321"}],"wp:attachment":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/media?parent=22316"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/categories?post=22316"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/tags?post=22316"},{"taxonomy":"blog_author","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/blog_author?post=22316"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}