MCP vs Roadmappy

Zuletzt aktualisiert Mai 2026

Kurze Antwort

MCP lässt ein LLM deine Tools in Echtzeit aufrufen. Roadmappy ist eine vollständige Product-Intelligence-Plattform – es liest deine Kundensignale ein, strukturiert und analysiert sie, sodass die schwierigsten Fragen tatsächlich eine Antwort haben, mit Referenzen und Trends dazu. Die beiden lösen unterschiedliche Probleme.

Das werden wir oft gefragt: „Kann ich nicht einfach Claude oder ChatGPT per MCP auf mein HubSpot, Salesforce und Slack richten und mir ein separates Product-Intelligence-Tool sparen?" Das ist eine berechtigte Frage, und die ehrliche Antwort lautet – manchmal ja, oft nein. Dieser Artikel geht durch, was MCP tatsächlich ist, was Roadmappy im Hintergrund tut und wo jedes von beiden passt.

Was ist MCP?

MCP (Model Context Protocol) ist ein offenes Protokoll von Anthropic, das es einem KI-Assistenten erlaubt, externe Tools aufzurufen und externe Datenquellen zur Anfragezeit zu lesen. Du verbindest einen MCP-Server mit deinem CRM, deinem Support-Posteingang oder deinem Data Warehouse, und das Modell kann aus diesen Tools abrufen, während es dir antwortet.

Stell dir MCP als universellen Adapter zwischen einem LLM und deinen Tools vor. Wenn du eine Frage stellst, tut das Modell Folgendes:

Es wählt ein Tool aus, das es für relevant hält
Es ruft es mit Argumenten auf, die es aus deiner Frage generiert
Es liest die Antwort (üblicherweise JSON oder Text)
Es verfasst eine Antwort auf Basis dessen, was zurückkam

Wie Roadmappy deine Daten verarbeitet

Roadmappy ist kein Router, der deine Tools zur Anfragezeit aufruft. Es ist eine Product-Intelligence-Plattform, die kontinuierlich Signale einliest, transkribiert, strukturiert und indexiert – aus jedem Kanal, über den deine Kunden mit dir sprechen – und dann auf diesem vorbereiteten Corpus aufsetzt.

Das passiert, bevor du überhaupt eine Frage stellst:

Einlesen – Konnektoren laufen nach einem Zeitplan, um Engagements, Konversationen, Tickets, Deals, Kontakte, Nachrichten, Anrufe, App-Bewertungen und Slack-Threads aus HubSpot, Salesforce, Intercom, Zendesk, Aircall, dem App Store und Play Store, Beamer, Slack und mehr zu holen.
Meeting-Erfassung – ein Notetaker-Bot tritt Google-Meet-, Microsoft-Teams- und Zoom-Calls bei, zeichnet sie auf und erstellt sprecherbezogene Transkripte.
Normalisierung – jedes Signal wird in ein einheitliches Dokument mit Datum, Quelle, Unternehmen, Land und Volltext umgewandelt.
Semantische Indexierung – Dokumente werden in Chunks zerlegt und in einen Vektor-Corpus eingebettet, sodass sie nach Bedeutung durchsucht werden können, nicht nur nach Schlüsselwörtern.
Tagging – Themen werden extrahiert und an jedes Dokument angehängt, sodass du fragen kannst „Wie oft wird Onboarding erwähnt?", ohne eine Abfrage zu schreiben.
Trends – die Tag-Häufigkeit wird über die Zeit aggregiert, sodass die Plattform zeigen kann, wie sich ein Thema bewegt, nicht nur ob es existiert.

Wenn du eine Frage stellst, fragt Roadmappy diesen vorbereiteten Corpus über alle Plattformen hinweg parallel ab, holt die stärkste Evidenz zurück und verfasst eine Antwort, die jede einzelne Aussage auf die zugrunde liegende Quelle zurückverweist.

Der Unterschied, in einem Absatz

MCP gibt einem LLM eine Fernbedienung für deine Tools. Roadmappy gibt dir eine Product-Intelligence-Plattform, die die harte Arbeit des Vereinheitlichens, Strukturierens und Analysierens dessen, was deine Kunden sagen, bereits erledigt hat – und aus diesem vorbereiteten Datensatz mit angehängten Referenzen und Trends antwortet. MCP ist grossartig, wenn du genau weisst, welches Tool die Antwort enthält. Roadmappy greifst du dann, wenn du das nicht weisst, oder wenn die Antwort in Bruchstücken über fünf davon verteilt liegt.

Feature-Vergleich

Fähigkeit	MCP + LLM	Roadmappy
Punktabfragen in einem einzigen Tool	✅	✅
Meeting-Aufnahme, -Transkription und -Analyse	❌	✅
Einheitlicher Corpus über CRM, Support, Anrufe, App Stores, Slack	❌	✅
Semantische Suche über alle Quellen in einer Abfrage	❌	✅
Inline-Referenzen zur genauen Quelle jeder Aussage	⚠️ (hängt vom Tool ab)	✅
Trends und Muster über die Zeit	❌	✅
Plattformübergreifendes Themen-Tagging	❌	✅
Echtzeit-Zugriff auf den Live-Zustand der Tools	✅	⚠️ (täglich synchronisiert)
Schreibaktionen (Tickets erstellen, E-Mails senden usw.)	✅	❌

Wo Roadmappy den Unterschied macht

1. Die schwierigsten Fragen können nur von Roadmappy beantwortet werden

Eine echte Customer-Intelligence-Frage lebt selten in einem einzigen Tool. „Was sind unsere drei grössten Abwanderungsrisiken in diesem Quartal, und welche Features hätten sie verhindert?" braucht Support-Tickets, Sales-Call-Transkripte, CRM-Notizen, App-Bewertungen und Slack-Threads – zusammen gelesen, nach Aktualität gewichtet und nach Thema gruppiert.

Ein LLM mit MCP kann technisch gesehen jedes dieser Tools erreichen, aber es muss die Abfragen planen, sie eine nach der anderen ausführen, hoffen, dass die Schemata zusammenpassen, und über rohe JSON-Dumps in seinem Kontextfenster hinweg schlussfolgern. In der Praxis geht dem Modell der Platz aus, es übersieht Signale, die in langen Meeting-Transkripten stecken, und produziert eine Antwort, die nur so gut ist wie die zwei oder drei Tools, die es abzufragen daran gedacht hat.

Roadmappy beantwortet solche Fragen als Standardfall. Der Corpus ist bereits vereinheitlicht, jede Quelle ist bereits gleich strukturiert, und der KI-Agent durchsucht sie alle in einem Durchgang – einschliesslich der Meeting-Transkripte, die MCP überhaupt nicht sehen kann.

2. Roadmappy liefert dir den Beleg sofort

Jede sachliche Aussage, die Roadmappy verfasst, endet mit einem Zitat wie [hubspot:note:3] oder [salesforce:opportunity:12]. Diese sind nicht dekorativ – sie sind Links in das zugrunde liegende Dokument, Transkript oder den Datensatz. Ein Klick bringt dich zum genauen Engagement, zum mit Zeitstempel versehenen Moment im Call oder zum Ticket, aus dem die Aussage stammt.

Das ist wichtig, weil Produktentscheidungen infrage gestellt werden. „Bist du sicher, dass Kunden das wollen?" ist die Frage, die Initiativen killt. Roadmappy beantwortet sie mit Evidenz, die bereits an jedem Satz hängt – keine Nachrecherche, kein „Ich melde mich dann", kein Neuaufbau des Arguments von Grund auf.

Ein reines MCP-Setup kann rohe Datensätze zurückgeben, aber es liegt an dir (oder am Modell), sie als Referenzen sichtbar zu machen, und das Modell fasst die Quell-IDs häufig weg, bis es die Antwort verfasst.

3. Roadmappy zeigt Trends deiner Signale über die Zeit

Die Frage „Wird das schlimmer?" ist die, die MCP nicht gut beantworten kann – denn die Antwort ist kein Datensatz, sie ist eine Form.

Roadmappy taggt jedes Dokument beim Einlesen nach Thema und aggregiert diese Tags dann zu Zeitreihen. Wenn du fragst „Wie entwickelt sich der Frust über die Integrationen?", holt die Plattform die aggregierten Monatszahlen, zeichnet die Kurve und sagt dir, ob sie wächst, abklingt oder saisonal ist – mit den belegenden Dokumenten aus jedem Zeitraum einen Klick entfernt.

Ein LLM über MCP müsste jeden Datensatz holen, ihn im Flug klassifizieren, die Daten in Buckets einteilen und zählen – für Tausende von Elementen, innerhalb eines einzigen Prompts. Es wird nicht fertig, oder es rät.

Wann man was wählt

Wähle MCP + ein LLM, wenn du Schreibaktionen brauchst (Tickets erstellen, in Slack posten, in ein CRM pushen), wenn deine Fragen Punktabfragen in einem einzigen bekannten Tool sind, oder wenn Echtzeit-Aktualität gegenüber dem Live-Zustand der Tools wichtiger ist als quellenübergreifende Analyse.

Wähle Roadmappy, wenn deine Fragen mehrere Quellen umspannen, wenn Meeting-Transkripte Teil der Antwort sind, wenn du Referenzen zurück zur zugrunde liegenden Evidenz brauchst, oder wenn du sehen musst, wie sich Themen über die Zeit bewegen. Das ist der Anwendungsfall „Was sagt mir mein Kunde, und was sollten wir als Nächstes bauen?" – und dafür haben wir die Plattform gebaut.

Die beiden schliessen sich nicht gegenseitig aus. Viele Roadmappy-Kunden nutzen MCP zusätzlich für die Aufgaben, in denen es gut ist. Der Punkt ist, jedes dort einzusetzen, wo es tatsächlich gewinnt.

FAQ

Hat Roadmappy einen MCP-Server?

Noch nicht – es steht auf der Roadmap. Wenn es kommt, kannst du den Roadmappy-Corpus aus Claude, ChatGPT oder jedem MCP-kompatiblen Client abfragen, mit denselben Zitaten und Trenddaten, die als Tools verfügbar sind.

Kann ich MCP für mein CRM weiter nutzen und Roadmappy für die Analyse verwenden?

Ja, und wir würden es empfehlen. MCP ist das richtige Tool für „schlag mir diese eine Sache nach" und für Schreibaktionen. Roadmappy ist das richtige Tool für „Wie ist das Gesamtbild über alles, was meine Kunden sagen?"

Wie aktuell sind die Daten in Roadmappy?

Konnektordaten werden nächtlich um 3:00 Uhr MEZ synchronisiert. Meeting-Aufnahmen werden innerhalb weniger Minuten nach Ende des Calls verarbeitet. Wenn du den Live-Zustand aus einem Tool brauchst – zum Beispiel eine Deal-Phase, die sich gerade vor fünf Minuten geändert hat – ist MCP für diese spezifische Frage die bessere Wahl.

Funktioniert Roadmappy mit dem KI-Assistenten, den mein Team bereits nutzt?

Roadmappy bringt einen eigenen AI-Chat mit, in dem der einheitliche Corpus, die Referenzen und die Trends bereits fest verdrahtet sind. Du musst keinen externen Assistenten mitbringen, damit es funktioniert – aber der MCP-Server (sobald ausgeliefert) wird es dir erlauben, einen mitzubringen, wenn du das bevorzugst.

Noch Fragen? Kontaktiere uns unter Kontaktiere uns unter support@roadmappy.io und wir melden uns bei dir.