Was MCP für Infrastruktur KI bedeuten könnte

Schlüsselbotschaften

• MCP (Model Context Protocol) ermöglicht großen Sprachmodellen (LLMs) die genauen Fähigkeiten von Engineering-Tools wie Bentleys STAAD zu entdecken.
• Durch die Anbindung von KI-Agenten an validierte Berechnungs-Engines können Ingenieure deterministische, 100 % genaue Ergebnisse erzielen – eine Anforderung für sicherheitskritische Infrastrukturen.
• Bentley hat einen öffentlichen MCP-Server (GitHub, MCP Registry, Claude Connector) veröffentlicht und ihn in das STAAD.Pro 2024.2-Update eingebettet.
• Das Protokoll verwandelt einen einzweckigen Solver in eine skalierbare, KI-gesteuerte Workflow-Komponente, während ein menschlicher Ingenieur in der Entscheidungsschleife bleibt.

Warum generische generative KI bei Infrastruktur-Design versagt

Generative Modelle glänzen beim Parsen von Freitext, Zusammenfassen von Berichten und Vorschlagen von Design-Alternativen. Sie können jedoch nicht die exakte numerische Präzision garantieren, die für Brücken, Raffinerien oder Hochhäuser gefordert wird. Wie François Valois, SVP of Open Application Products bei Bentley Systems, sagt: „90 % Genauigkeit reicht nicht aus; Leben hängen von 100 % Sicherheit ab.“

Wesentliche Einschränkungen von Standard-LLMs für Engineering-Workloads:

Die Lücke ist klar: Infrastruktur-Firmen benötigen KI, die vertrauenswürdige Solver aufrufen kann, während sie weiterhin von der Interaktion in natürlicher Sprache profitieren.

Was das Model Context Protocol (MCP) tatsächlich leistet

MCP fungiert als maschinenlesbare „Visitenkarte“ für jede Software-Komponente. Es wirbt für:

• Name (z. B. „STAAD“)
• Version (z. B. 2024.2)
• Unterstützte Funktionen (Statische Analyse, Dynamischer Lastfall, Knicken)
• Ein-/Ausgabe-Schemata (JSON, XML, CSV)

Wenn ein LLM eine MCP-Beschreibung erhält, kann es entscheiden: „Ich brauche eine statische Analyse eines 30-m-Stahlfachwerks; STAAD kann das mit einer Toleranz von 0,001 % durchführen.“ Das LLM erstellt dann eine gültige Anfrage, sendet sie an den STAAD-MCP-Server und erhält ein deterministisches Ergebnis, das protokolliert, verglichen oder weiterentwickelt werden kann.

Beispiel-Workflow

1. Datenaufnahme – KI zieht Geometrie aus einem BIM-Modell (z. B. 12 450 Knoten, 15 300 Elemente).
2. Kontext-Trigger – Die KI erkennt eine Änderung des Lastfalls (Windgeschwindigkeit von 30 m/s auf 45 m/s).
3. MCP-Aufruf – Sie fragt den STAAD-MCP-Server: „Führe lineare statische Analyse aus, gib Mitgliedskräfte aus.“
4. Ergebnisverarbeitung – Die deterministische Ausgabe (z. B. maximales Biegemoment = 2,84 MN·m) wird mit den Design-Grenzwerten verglichen.
5. Menschliche Prüfung – Der Ingenieur genehmigt, lehnt ab oder ändert das Szenario und hält damit die Schleife geschlossen.

Das Protokoll unterstützt also das Engineering-Team, ersetzt es nicht.

Bentleys konkrete Schritte zu einem offenen KI-aktivierten Ökosystem

• MCP-Server-Release – Gehostet auf GitHub (MIT-Lizenz) und im MCP-Registry eingetragen, sodass jeder Anbieter einen Connector bauen kann.
• Claude-Connector-Einreichung – Ermöglicht dem Claude-Modell von Anthropic, STAAD direkt zu entdecken und aufzurufen.
• Native Integration – Der MCP-Server wird mit STAAD.Pro 2024.2 ausgeliefert und bietet sofortige KI-Kompatibilität.
• Erweiterbarkeit – Ein paralleler MCP-Server für OpenRoads Designer ist für Q1 2025 geplant und erweitert das Protokoll über die Strukturanalyse hinaus auf den Straßen-Entwurf.

Diese Maßnahmen positionieren Bentley als Pionier offener, standardbasierter KI im AEC-Sektor.

Vergleich: Traditionelle KI vs. MCP-aktivierte KI in der Infrastruktur

Fazit

Das Model Context Protocol schließt die Präzisionslücke zwischen hochmoderner generativer KI und den rigorosen, sicherheitskritischen Berechnungen, die für moderne Infrastruktur nötig sind. Durch die Offenlegung der Fähigkeiten bewährter Engines wie STAAD über einen maschinenlesbaren Vertrag ermöglicht MCP KI-Agenten, als vertrauenswürdige Assistenten statt spekulative Rater zu agieren. Bentleys Open-Source-Server, native Produktintegration und Fahrplan für weitere Disziplinen signalisieren einen strategischen Wandel hin zu einem interoperablen, KI-first Engineering-Workflow – ein Umfeld, in dem Ingenieure die endgültige Autorität behalten und gleichzeitig die Geschwindigkeit und Kreativität moderner Sprachmodelle nutzen.