Inhaltsverzeichnis
Stellen Sie sich vor, KI-Assistenten wie ChatGPT oder Claude würden beim Schreiben direkt auf Ihre Terminologie-Datenbank zugreifen und sofort die richtigen Bezeichnungen Ihrer Firmensprache verwenden. Unerwünschte Bezeichnungen, z. B. CI-nonkonforme Produktnamen, werden vom LLM sofort korrigiert. Was nach Zukunftsmusik klingt, ist mit Lexeris MCP-Integration bereits Realität. Das Model Context Protocol (MCP) verbindet KI-Sprachmodelle mit Terminologie-Datenbanken – und reduziert so lästige manuelle Nachbearbeitung. Entwickelt wurde das Protokoll übrigens von Anthropic, dem Hersteller von Claude.
Wir haben diese Technologie mit Claude und Lexeri getestet und dazu in Claude ein Projekt „Terminologie-Assistent“ angelegt (der Systemprompt liegt hier im Projektwissen). Schon die ersten Versuche haben überraschend gute Ergebnisse geliefert: Texte müssen nicht mehr im Nachgang geprüft werden, da die Terminologie nun direkt vom generativen KI-Assistenten mithilfe der Termbank geprüft wird. Hier schlummert einiges an Potenzial – nicht nur für die Technische Redaktion, sondern für alle im Unternehmen. In diesem Blogbeitrag zeigen wir die von uns getesteten Use Cases.
Wozu MCP?
Das Model Context Protocol funktioniert wie ein universeller Stecker für KI-Systeme. Genau wie USB-C-Kabel Hardware verbinden, ermöglicht MCP dem KI-Assistenten den Zugriff auf externe Datenquellen. Dieses offene Protokoll löst ein grundlegendes Problem: Bisher musste für jede Kombination aus KI-System und Datenbank eine eigene Schnittstelle programmiert werden – Zeitaufwände und Kosten, die sehr schnell in die Höhe schießen können.
Jetzt können wir z. B. einen Terminologie-Assistenten in Claude erstellen und mittels MCP eine Verbindung zu Lexeri bauen. So sieht das dann direkt in Claude aus:
Screenshot unseres Terminologie-Assistenten in Claude mit einem Konnektor zu Lexeri mittels MCP
Hinter dem Eintrag „Lexeri“ verbergen sich einzelne Werkzeuge, die bei Bedarf aktiviert oder deaktiviert werden können. Mit den Werkzeugen können Sie etwa folgende Aufgaben erledigen:
- Neue Terme aus einem Text extrahieren
- Neue Terme als Termanfrage vorschlagen
- Textprüfung via Term-Check auf korrekte Terminologie
- Definition und Verwendungsbeispiele zu einem Term erstellen und hinzufügen
Gerade die Textprüfung ist einer der Use Cases, die viele Mitarbeitende im Unternehmen betreffen und die aufwendig sein kann: Ein Text wird erstellt (per KI oder durch Redakteur:innen) und muss dann separat dem Terminologieprüf-Tool etwa über Copy & Paste bereitgestellt werden. Mit MCP kann das alles in einem Schritt ablaufen. Claude erkennt während der Texterstellung problematische Bezeichnungen und schlägt sofort die korrekte Vorzugsbenennung aus Ihrer Lexeri-Datenbank vor.
Um an dieses Ziel zu kommen, muss die firmenspezifische Terminologie natürlich in Lexeri vorliegen. Auch beim Terminologieaufbau unterstützt die MCP-Integration. Hier zeigen wir zwei gängige Aufgaben von Technischen Redakteur:innen und Terminologieverantwortlichen.
Use Case 1: Terminologie aus Texten extrahieren
Um neue Terminologie zu erfassen, die noch nicht in der Termbank ist, kann eine Terminologieextraktion durchgeführt werden. Die verschiedenen Methoden und notwendigen Entscheidungen haben wir in einem früheren Blogbeitrag thematisiert.
Technische Redaktionen, die gerade an der Dokumentation eines neuen Produkts arbeiten, haben den Bedarf, die Benennungen für das Produkt, dessen Bestandteile und Funktionen systematisch zu erfassen. Aus qualitativ geprüftem Input können diese Bezeichnungen leicht durch den KI-Assistenten erfasst und gesammelt werden.
Wir haben im Test einen Text vorgegeben. Unser Assistent soll daraus Terme extrahieren und im nächsten Schritt einen Abgleich mit der Lexeri-Termbank durchführen, da natürlich keine doppelten Einträge in der Terminologieverwaltung angelegt werden dürfen. In der Abbildung sehen Sie das Ergebnis der Prüfung: 9 relevante Terme wurden identifiziert, 6 davon sind noch nicht in der Datenbank vorhanden.
Screenshot aus Claude mit den Ergebnissen einer Termextraktion aus einem Text und anschließender Prüfung auf Duplikate in der Lexeri-Datenbank
Danach folgt der Import der geprüften Terme in Lexeri. Dieser kann, aber muss nicht automatisch erfolgen. Wir haben einen Zwischenschritt im Prompt hinterlegt: Neue Termeinträge werden einem Terminologiemanager-User als Aufgabe zugeordnet. Vor dem Go-live können so die Einträge gesichtet und angepasst werden.
Use Case 2: Terminologie-Einträge anreichern
Bei einer Termextraktion sollten nicht nur Benennungen erfasst werden, sondern auch Kontext und weitere Metadaten wie die Quellangabe. So weit, so gut, Tools für Termextraktion können das. Aber bei der Definition liegt der Knackpunkt.
Die Definition gilt als Herzstück eines Termeintrags, damit User:innen überhaupt verstehen können, welche Bedeutung hinter den Bezeichnungen steckt. Erfahrungsgemäß wird das Definitionsfeld aber oft stiefmütterlich behandelt, da das Erstellen rechercheintensiv ist und zu viel Zeit in Anspruch nimmt. Für diese Aufgabe steckt großes Potenzial in der LLM-Anwendung, die auch auf die firmenspezifischen Daten zugreifen kann. Selbst ein erster Entwurf einer Definition gibt Terminologieverantwortlichen eine Ausgangsbasis für die Erstellung. Auch hier zeigt unser Test mit Claude und Lexeri: Die Ergebnisse lassen sich sehen. Die Definition wird von der KI auf Basis des Kontexts, eigener Quellen (optional) und einer Websuche erstellt.
Ein fertiger Termeintrag für unser Beispiel „Heizlast“ in Lexeri sieht dann so aus:
Terminologieeintrag in Lexeri mit Definition, Typ, Wortart, Quelle und Beispiel
Fazit
Die MCP-Integration ist aktuell die interessanteste Neuerung auf dem KI-Markt für Unternehmen, die LLMs einsetzen. Durch das Einbinden der firmeneigenen Datenquellen werden wesentlich bessere Ergebnisse erzielt und dem Halluzinieren wird entgegengewirkt.
Die Integration von Lexeri bietet zum einen für alle im Unternehmen die Möglichkeit, sprachlich korrekten und CI-konformen Content zu generieren, ohne in aufwendige Review-Schleifen zu geraten. Zum anderen bietet die Integration eine Arbeitserleichterung für Terminologieverantwortliche, indem Teilaufgaben vom KI-Assistenten übernommen werden. Diese Antwort auf gängige Terminologieprobleme mithilfe vorhandener Mittel entspricht unserem Ansatz Bare Bones Terminology.
Unsere Empfehlung für die Umsetzung: Die Tools sind oft schon vorhanden, aber sie müssen via Systemprompt sinnvoll kombiniert und hinterlegt werden, um einen effizienten, immer gleich ablaufenden Einsatz des LLMs zu gewährleisten. Dazu beraten wir Sie gerne!
Uns interessiert natürlich, ob Sie bereits MCP testen oder sogar schon nutzen.
