Wo sollte Ihr Unternehmen bestehende MCP-Funktionen übernehmen und wo sollte es eigene Lösungen entwickeln?
Kurz gesagt: Übernehmen Sie von PTC unterstützte Funktionen, wo sie vorhanden sind, erweitern Sie diese für Ihre spezifischen Arbeitsabläufe und Integrationen und entwickeln Sie eigene Lösungen, wo Sie einen differenzierten geschäftlichen Mehrwert schaffen können.
Führende Unternehmen in der Produktentwicklung stehen unter dem Druck, Ergebnisse im Bereich KI vorzuweisen, und MCP kann Teams dabei helfen, schnell voranzukommen. Das Model Context Protocol (MCP) ist ein offenes Protokoll, das KI-Anwendungen eine einheitliche Möglichkeit bietet, Funktionen aus Unternehmenssoftware zu entdecken und zu nutzen. Eine KI-Anwendung kann mithilfe eines MCP-Clients Funktionen entdecken und aufrufen, die von einem MCP-Server bereitgestellt werden. PTC stellt MCP-Serverfunktionen für seine Produkte bereit, während Kunden und Partner KI-Agenten, Anwendungen und Erfahrungen entwickeln können, die diese Funktionen nutzen.
MCP kann die Anbindung von KI-Anwendungen an Produktfunktionen vereinfachen und beschleunigen, doch der Zugriff ist nur der Anfang. Im Produktivbetrieb muss eine MCP-Funktion betrieben, getestet, gesichert, unterstützt und gewartet werden, während sich sowohl das zugrunde liegende Produkt als auch das KI-Ökosystem weiterentwickeln. Dabei müssen auch die Autorisierung, die Zugriffskontrollen, die Geschäftsregeln und die Audit-Anforderungen des System of Record berücksichtigt werden.
Die richtige Frage lautet nicht nur „Können wir es entwickeln?“, sondern „Welche Teile sollten wir selbst entwickeln, und wo schafft diese Eigenverantwortung einen Mehrwert?“
Produktdaten benötigen einen Produktkontext
Einem KI-Agenten Zugriff auf Produktdaten zu gewähren, ist nur ein Teil der Herausforderung. Der Agent benötigt außerdem den Produkt- und Lebenszykluskontext, der für die korrekte Interpretation dieser Daten erforderlich ist. In Windchill kann dieser Kontext beispielsweise Revisionen, Konfigurationen, Strukturen, Beziehungen, Lebenszyklusstatus, Anforderungen, Änderungen und die Geschäftsregeln umfassen, die diese miteinander verknüpfen.
Dieser produktbezogene Semantic Layer lässt sich viel schwerer nachbilden als eine einfache Verbindung.
Eine technische Änderung kann sich auf Teile, Dokumente, Anforderungen, Konfigurationen, Arbeitsabläufe und mehrere damit verbundene Objekte erstrecken. Ohne den richtigen Produktkontext findet ein KI-Agent zwar die Daten, muss aber dennoch raten, welche Revision, Konfiguration, Beziehung oder welcher Lebenszyklusstatus tatsächlich von Bedeutung ist.
In der Produktentwicklung können solche Fehler Konsequenzen haben:
- Qualität: Entscheidungen, die auf falschen Revisionen oder Konfigurationen basieren, können zu Nacharbeit, Ausschuss oder Problemen im Einsatz führen.
- Compliance: In regulierten Umgebungen müssen Antworten bis zum entsprechenden System of Record zurückverfolgbar sein.
- Sicherheit: KI-Verbindungen müssen dieselben Zugriffskontrollen einhalten, die auch für die zugrunde liegenden Produktdaten gelten.
- Kosten: Schlecht zielgerichtete Anfragen können zu unnötigem Datenabruf, Tool-Aufrufen und Token-Verbrauch führen. Produktorientierte Funktionen helfen der KI, die richtigen Informationen mit geringerem Verarbeitungsaufwand zu finden.
MCP selbst ist nicht die Governance-Ebene. Das zugrunde liegende PTC-Produkt bleibt weiterhin für Autorisierung, Zugriffskontrolle, Geschäftsregeln und Governance verantwortlich. Von PTC unterstützte MCP-Funktionen bieten KI-Clients einen unterstützten Weg, mit diesen geregelten Produktfunktionen zu interagieren und dabei im Rahmen der bestehenden Kontrollen des Produkts zu arbeiten.
Ihre KI, Ihre Entscheidung – mit der Produktkompetenz von PTC
Die Aufgabe von PTC besteht darin, die gemeinsame, produktorientierte Grundlage für die von PTC bereitgestellten Funktionen zu schaffen und zu pflegen. Der Vorteil liegt nicht lediglich im Betrieb eines MCP-Servers. Vielmehr ist es das Verständnis von PTC für das Produktmodell, die Semantik, die Beziehungen, die Geschäftsregeln und den Lebenszykluskontext, das KI-Anwendungen benötigen, um verantwortungsvoll mit Produktdaten arbeiten zu können.
Dieser Ansatz nimmt im gesamten PTC-Portfolio Gestalt an:
- Windchill: Die von PTC unterstützten MCP-Funktionen sollen KI-Clients eine einheitliche Möglichkeit bieten, mit regulierten Windchill-Informationen und -Funktionen zu interagieren, wobei die Berechtigungen und Kontrollen von Windchill berücksichtigt werden.
- Onshape: Der Onshape FeatureScript MCP-Server verbindet programmierorientierte KI-Anwendungen mit der FeatureScript-Sprache von Onshape und hilft Ingenieuren dabei, Konstruktionswissen in wiederverwendbare benutzerdefinierte Werkzeuge umzusetzen.
Diese Beispiele verweisen auf das umfassendere MCP-kompatible KI-Ökosystem, das PTC ermöglichen möchte. Die konkrete Verfügbarkeit und Kompatibilität hängt von den jeweiligen Produktfunktionen und der jeweiligen Version ab.
Diese Beispiele verweisen auf das umfassendere MCP-kompatible KI-Ökosystem, das PTC ermöglichen möchte. Die konkrete Verfügbarkeit und Kompatibilität hängt von den jeweiligen Produktfunktionen und der jeweiligen Version ab.
Windchill AI
Durch die direkte Einbindung von KI in PLM-Arbeitsabläufe automatisiert Windchill AI Routineaufgaben
Mehr erfahrenDer entscheidende Unterschied liegt in der Produktkenntnis, die hinter dieser Verbindung steht.
Ein produktorientierter MCP-Server kann die Funktionsweise des zugrunde liegenden Systems berücksichtigen, einschließlich der Beziehungen zwischen Bauteilen und Strukturen, der Weitergabe von Änderungen durch Workflows und der geltenden Regeln. Da PTC dieses Wissen zusammen mit seiner Software verwalten kann, müssen Kunden weniger produktspezifische Logik selbst nachbilden und betreuen, behalten aber gleichzeitig die Flexibilität, Lösungen entsprechend ihren eigenen Anforderungen zu entwickeln.
Die Grundlagen verinnerlichen. Die Differenzierung ausbauen und weiterentwickeln.
Die effektivste Abgrenzung ist ganz einfach: PTC besitzt und pflegt die gemeinsame, produktorientierte Grundlage. Kunden und Partner heben sich durch Workflows, systemübergreifende Orchestrierung, Agenten, Benutzererfahrungen, Integrationen und proprietäre Geschäftslogik von anderen ab.
Dadurch wird „Übernehmen, Erweitern oder Entwickeln“ zu einem nützlicheren Framework als eine einfache „Selbst entwickeln oder kaufen“-Entscheidung:
- Übernehmen Sie die von PTC unterstützten MCP-Funktionen dort, wo diese bereits die von Ihnen benötigte, geregelte und produktorientierte Grundlage bieten.
- Erweitern Sie diese Grundlage für unternehmensspezifische Workflows, Integrationen und Prozesse.
- Entwickeln Sie maßgeschneiderte Agenten, Erfahrungen und Geschäftslogik dort, wo diese einen differenzierten Mehrwert schaffen.
Partner spielen in diesem Modell weiterhin eine entscheidende Rolle. Unterstützte Produktfunktionen bieten Partnern eine solidere Grundlage für die Entwicklung differenzierter Lösungen, anstatt von ihnen zu verlangen, dass sie Produktsemantik, Berechtigungen und Lebenszykluslogik erst nachbilden müssen, bevor sie mit Innovationen beginnen können.
Fünf Fragen als Entscheidungshilfe
Bevor Sie in eine neue MCP-Funktion investieren, sollten Sie sich fünf Fragen stellen.
- Reproduzieren wir eine funktions- oder produktbezogene Grundlage, die PTC bereits bereitstellt? Wenn die Anforderung in allen Organisationen, die dasselbe PTC-Produkt nutzen, einheitlich ist, könnte die Neuerstellung und Pflege einer separaten Version zusätzlichen Aufwand verursachen, ohne dass sich dadurch eine sinnvolle Differenzierung ergibt.
- Wozu verpflichten wir uns? Beziehen Sie Wartung, Upgrades, Sicherheitsüberprüfungen, Tests, Observability, Support und Kompatibilität mit zukünftigen Produktänderungen in den Business Case ein – nicht nur den anfänglichen Entwicklungsaufwand.
- Wer wird den Produktkontext und die Geschäftsregeln pflegen?Jemand muss Revisionen, Konfigurationen, Beziehungen, Lebenszyklusstatus, Berechtigungen und andere Produktsemantiken im Zuge der Produktweiterentwicklung korrekt halten.
- Wird sich der Ansatz auf Unternehmensebene technisch und wirtschaftlich bewähren? Ein Pilotprojekt für ein einzelnes Team mag gut funktionieren, ohne jedoch die Anforderungen an Governance, Audit, Zugriff, Zuverlässigkeit und Support zu erfüllen, die bei einer breiteren Einführung gelten. Im großen Maßstab können ineffiziente Datenabfragen, wiederholte Tool-Aufrufe und unnötiger Token-Verbrauch die Produktionskosten erhöhen, wodurch die Effizienz der MCP-Fähigkeit zu einem Teil der wirtschaftlichen Gleichung wird.
- Konzentriert sich die kundenspezifische Entwicklung auf differenzierten Mehrwert? Die Kapazitäten von Engineering und Partnern entfalten die größte Wirkung, wenn sie sich auf proprietäre Workflows, Agenten, Erfahrungen, Integrationen und Geschäftslogik konzentrieren, anstatt eine gemeinsame Produktgrundlage neu aufzubauen.
Aufbauen, wo es einen Vorteil bringt
MCP erleichtert KI-Anwendungen den Zugriff auf die Funktionen von Unternehmenssoftware, doch dieser einfachere Zugriff beseitigt nicht die Notwendigkeit von Produktkontext, Governance oder der langfristigen Verantwortung für den Betrieb von Produktionsfunktionen. Eine unterstützte, produktorientierte Grundlage kann den Umfang der produktspezifischen Logik reduzieren, die Kunden und Partner neu erstellen müssen, und gleichzeitig die Governance des zugrunde liegenden Systems gewährleisten. Das Ziel ist nicht, die Entwicklung zu behindern. Es geht darum, auf der richtigen Ebene zu entwickeln: Nutzen Sie die geregelte Produktgrundlage, wo sie vorhanden ist, erweitern Sie sie entsprechend Ihren Arbeitsabläufen und Systemen und investieren Sie in maßgeschneidertes Engineering, wo dies einen echten Vorteil bringt.