Lokale Daten per MCP: Wie ein KI-Agent an Daten kommt, die nur im Browser liegen

Es ist Viertel vor zehn morgens, und ich habe fast die ganze Nacht durchgemacht. Nicht wegen eines Bugs, sondern wegen einer Frage, die mich nicht losgelassen hat: Wie bekomme ich einen KI-Agenten an Daten, die gar nicht auf einem Server liegen?

YouTube-Thumbnail. Bastian Strauss rechts im Bild vor dunkelblauem Hintergrund, links der gelbe Text "KI TRIFFT LOCALHOST" und darunter in Limettengrün "LIVE". Unten Dokumente mit einer Seriennummer und ein grüner Pfeil, der auf einen Laptop zeigt.

Kurz zum Hintergrund: Der Express-Import ist mein Werkzeug, um große Mengen Neuware in Lizard anzulegen, unsere Betriebsmittelverwaltung. 600 Rundschlingen legt niemand einzeln von Hand an. Das Besondere daran ist, dass nichts auf einem Server gespeichert wird. API-Token, Kataloge, Dokumente, alles bleibt lokal im Browser auf meinem Rechner. Das ist bewusst so und aus Datenschutzsicht genau richtig.

Das Problem, das sonst niemand beschreibt

Genau diese lokale Speicherung wird zum Problem, sobald eine KI helfen soll. Der Agent läuft irgendwo anders. An meinen lokalen Speicher kommt er schlicht nicht heran.

Der erste Versuch war ein Umweg: Kontext exportieren, der KI geben, JSON zurückbekommen, selbst wieder einladen. Funktioniert. Aber dann bin ich der Gehilfe der KI und klicke die ganze Zeit hin und her. Fand ich doof.

Also MCP. Und dort dasselbe Problem eine Ebene höher: Der MCP-Server kennt meine Schlüssel nicht, die liegen ja bei mir.

Die Lösung: eine Übergabe

Die Antwort ist eine saubere Übergabe. Ich starte sie in der Anwendung und bekomme einen Code. Der Kontext wandert in eine kleine SQLite. Der Agent holt sich über MCP genau diesen Kontext, liest das Schema, liest die Zertifikate, baut den Entwurf, schickt ihn zur Prüfung an einen Validierungs-Endpunkt und darf ihn erst dann hochladen, wenn er sauber ist. Meine Anwendung zieht das Ergebnis am Ende lokal wieder rein.

Die Daten machen also einen kontrollierten, kurzen Weg, statt dauerhaft irgendwo in der Cloud zu liegen. Für jeden, der über Datensparsamkeit nachdenkt, ist das der entscheidende Unterschied.

Ein echter Live-Test, inklusive Fehler

Das Video ist bewusst kein geschnittener Hochglanz-Clip. Ich hatte den Ablauf vorher nie durchgespielt, und ich nutze absichtlich Sonnet 5 statt eines großen Modells, um zu sehen, wie weit das trägt.

Und es geht auch prompt schief: Ich hatte den MCP-Server nur im Projekt eingebunden statt global. Das ist drin geblieben, inklusive Session-Neustart. Ich zeige lieber den echten Weg mit der Stolperstelle als eine inszenierte Vorführung, bei der alles wie von selbst läuft.

Danach läuft es. Und der interessanteste Teil ist, was der Agent tut, wenn ihm etwas fehlt: Er fragt nach. Nach Kategorie, nach Standort, nach Verantwortlichem, statt einfach zu raten. Ein Baujahr, das in keinem Dokument steht, erfindet er nicht. Am Ende meldet die Validierung null Fehler, null Warnungen und sechs Hinweise auf genau die Annahmen, die er treffen musste. Diese Ehrlichkeit des Systems ist mir wichtiger als jede Geschwindigkeit.

Wofür das wirklich gedacht ist

Ich bleibe ehrlich: Bei fünf Dokumenten wäre ich von Hand schneller gewesen. Der Fall, für den sich das lohnt, sind 500 oder 600 Teile, wo der Agent eine halbe Stunde vor sich hin arbeitet und ich in der Zwischenzeit etwas anderes mache.

Das ist für mich der richtige Umgang mit KI im Betrieb. Nicht die kleine Aufgabe, die man selbst in zwei Minuten erledigt, sondern die große, stumpfe Fleißarbeit, bei der ein Mensch nach dem zehnten Teil Fehler macht und ein Agent eben nicht.

Würdest du einen Agenten an deine lokalen Daten lassen, oder ist dir das zu nah dran? Schreib mir, oder vernetz dich mit mir auf LinkedIn. Wird technisch, du kennst mich ja. Chaka!

Den kompletten Live-Test, vom ersten Fehler bis zum sauberen Import, zeige ich im Video: Video

→ Vollständigen Artikel lesen