MMM mit Model-Context-Protocol: KI-Agenten als Marketing-Analysten

Im November 2024 hat Anthropic das Model-Context-Protocol (MCP) als offenen Standard veroeffentlicht. Achtzehn Monate spaeter ist es das, was niemand fuer moeglich gehalten haette: ein Protokoll, das von Anthropic, OpenAI, Google DeepMind, Microsoft und Cloudflare gleichermassen unterstuetzt wird. Laut MCP-Roadmap vom Maerz 2026 liegen die monatlichen SDK-Downloads bei 97 Millionen, registriert sind ueber 5'800 Server. Wer heute KI-Agenten in operative Systeme integriert, kommt an MCP nicht mehr vorbei.

Wir haben deshalb unseren Marketing-Mix-Modeling-Wizard ab Tag eins als MCP-Server konzipiert. Das Ziel: ein Marketing-Verantwortlicher soll seine Attribution-Pipeline nicht mehr ueber ein UI bedienen, sondern direkt aus Claude oder ChatGPT heraus — mit Saetzen wie "Starte ein MMM mit den GA4-Daten von Q1 fuer Brand X".

Die Architektur in einem Absatz

Ein MCP-Server ist im Kern ein Prozess, der Tools (callable Funktionen mit JSON-Schema), Resources (lesbare Datenquellen) und Prompts (vorgefertigte Konversations-Templates) ueber stdio oder HTTP-Streaming exponiert. Der Agent — Claude Desktop, Claude Code, ChatGPT mit Custom Connectors — verbindet sich, liest das Tool-Manifest und kann die Tools im Dialog aufrufen. Authentication laeuft entweder ueber OAuth 2.1 (seit Mai 2026 in der MCP-Spezifikation Pflicht fuer remote Server) oder ueber Service-API-Keys mit Bearer-Token.

Die fuenf Tools im MMM-Wizard

Der MMM-Wizard exponiert fuenf Tools, die zusammen den kompletten Bayesian-MMM-Workflow abdecken: `list_projects` (gibt alle Projekte des angemeldeten Service-Users zurueck), `create_project` (legt ein neues Projekt mit Brand-Metadaten an), `trigger_training` (startet eine Bayesian-Inferenz auf Google Meridian gegen die hinterlegten GA4-/Marketing-Daten), `get_training_status` (pollt Polling-State und Posterior-Sample-Counts) und `get_results` (liefert Channel-Contributions, Saturation-Curves, ROAS-Posterioren).

Konkret heisst das: Wer Claude bittet "Erstelle ein MMM-Projekt fuer Mineralis mit Trainingsfenster Q1 2026, starte das Training und gib mir die Top-3 Channel-Contributions, sobald die ersten Posterior-Samples konvergiert sind", bekommt das in einem Dialog — ohne Tab-Wechsel, ohne separate UI-Schritte. Der Agent ruft die fuenf Tools in der richtigen Reihenfolge auf, wartet auf den Training-State und kommentiert die Resultate.

Demo: Live-Run gegen die GA4-Daten von Q1

In einem internen Test letzte Woche haben wir die Pipeline gegen einen synthetischen Q1-Datensatz laufen lassen: 12 Wochen, 7 Kanaele (Paid Search, Paid Social, Display, Email, Organic Social, Affiliate, OOH). Der Dialog umfasste 14 Tool-Calls ueber rund neun Minuten Wall-Clock-Time. Endresultat: posteriore ROAS-Verteilungen pro Kanal mit 90%-Credible-Intervals, ausgeliefert direkt im Chat. Der Marketing-Verantwortliche hat nie ein Dashboard geoeffnet.

Das ist nicht ChatGPT-mit-Plugin-Komfort, sondern ein qualitativer Bruch: Der Agent versteht den Kontext ("Q1 ist auf Datenbasis schwach, drei Wochen sind Holiday-noisy"), kann Folgefragen stellen ("Soll ich Adstock auf 4 Wochen statt 2 setzen?") und liefert die Erklaerung mit dem Resultat zusammen. Das ist der Unterschied zwischen einem Reporting-Tool und einem Marketing-Analysten.

Sicherheits-Architektur: Service-API-Keys statt User-OAuth

Wir haben fuer die erste MCP-Generation bewusst auf User-OAuth verzichtet und stattdessen Service-API-Keys gewaehlt — langlebige Tokens, die einer Service-Identitaet zugeordnet sind, nicht einem Browser-Login. Grund: stdio-MCP-Server haben keinen Browser-Flow, und im B2B-Kontext sind langlebige Service-Identitaeten naeher an der Realitaet als rotierende User-Sessions. Die Tokens sind single-purpose, an einen Service-User gebunden und werden ueber unseren Auth-Proxy injiziert (Bearer-Token in `Authorization`-Header, anschliessende `x-mmm-service-user`-Header-Injection durch Middleware). Sprint 5 bringt die `/admin/api-keys` UI mit Rotation.

Detaillierter Vergleich der drei Auth-Pfade — Clerk Session, JWT, Service-API-Keys — folgt in einem separaten Article in dieser Reihe.

Cross-Brand-MCP: das Pattern skaliert

Was beim MMM-Wizard funktioniert, wird gerade auf die anderen Brands der opua-Family uebertragen. Nexbid bekommt einen MCP-Server fuer Ad-Marketplace-Discovery — Agents sollen Publisher-Kataloge nach Match-Score, Geo-Coverage und Format-Verfuegbarkeit durchsuchen koennen. Mineralis bekommt einen Equity-Research-MCP-Server mit Tools fuer Company-Lookup, Discovery-Pipeline-Status und Posterior-Score-Distributionen. DCM exponiert Campaign-Operations-Tools fuer Status-Pulls, Budget-Shifts und Anomalie-Reports.

Das ergibt vier MCP-Server unter dem gleichen Auth-Pattern, der gleichen Tool-Naming-Konvention, der gleichen Error-Surface. Ein einziger Connector-Setup in Claude reicht, um alle vier Brands zu nutzen — was die Hauptkritik an Closed-Garden-Ecosystemen ("fuenf Tabs fuer fuenf Produkte") strukturell aufloest.

Was das fuer DACH-Marketing-Teams konkret heisst

Drei Schlussfolgerungen, die wir aus der Live-Erfahrung ableiten: Erstens, der MCP-Server ist die natuerliche Interface-Schicht fuer KI-Agenten — nicht die REST-API, nicht das Web-UI. Wer 2026 ein analytisches Produkt baut, exponiert es als MCP-Server zuerst, dann erst ueber die anderen Kanaele. Zweitens, Service-API-Keys schlagen User-OAuth fuer B2B-Server-zu-Server-Kontexte fast immer — wer das Auth-Modell falsch waehlt, blockiert sich die Adoption. Drittens, die Tool-Manifest-Sprache ist Marketing — Tool-Beschreibungen werden vom Agent gelesen und beeinflussen, wann er das Tool aufruft. Schlechte Beschreibungen heissen, dass das Tool ungenutzt bleibt.

Wer es selbst probieren will

Der MMM-Wizard-MCP-Server ist quelloffen unter MIT-Lizenz auf GitHub: github.com/Baldri/mmm-wizard-mcp. Ein Setup in Claude Desktop oder Claude Code dauert rund fuenf Minuten — npm-Install, Service-API-Key in den Header, Connector-Config in den Settings. Anschliessend ist die Pipeline aus jedem Claude-Dialog ansprechbar.

Wer Begleitung beim Setup oder bei der Adaption auf eigene Datenquellen sucht, findet uns auf digital-opua.ch. Discovery-Calls dauern 30 Minuten und sind kostenlos.