Neu Welche KI-Lösungen nutzt ihr mit JTL? (Feedback zu meinem MCP-Projekt KIuser.com gesucht)

[PascalBaumann]

Hallo zusammen,

mich treibt aktuell die Frage um, welche Möglichkeiten ihr heute schon nutzt, um KI mit JTL zu verbinden, und woran JTL selbst im Bereich KI arbeitet. Gibt es hier bereits offizielle Roadmap-Updates, die ich übersehen habe?

Hintergrund meiner Frage: Ich habe kürzlich ein Projekt mit einem JTL-Nutzer zur KI-Automatisierung und Integration umgesetzt. Die Möglichkeiten, die sich allein durch LLMs ergeben, sind gigantisch. Aus diesen Erkenntnissen heraus habe ich www.KIuser.com gebaut und würde mich sehr über euer Feedback dazu freuen.

Das Prinzip: Man registriert sich, verbindet sich über die JTL API und hat dann Zugriff auf über 100 Tools, die man sich in verschiedenen MCP (Model Context Protocol) Servern zusammenstellen kann. Die MCP-Server-URL hinterlegt man dann einfach in Claude oder ChatGPT. So kann man "out of the box" in natürlicher Sprache mit seiner JTL-Wawi kommunizieren und komplexe und einfache Daten abfragen.

Da ich durch die Entwicklung etwas in meiner eigenen Bubble war, fehlt mir gerade der Überblick, was der Rest der Community macht:

• Wer von euch entwickelt aktuell ebenfalls KI-Lösungen oder nutzt externe Anbindungen?
• Welche Use-Cases deckt ihr damit bereits ab?
• Was erhofft ihr euch von JTL nativ in naher Zukunft?

Ich freue mich auf euer Feedback und den Austausch!

Viele Grüße

Pascal

 

[recent.digital]

poste das doch gerne mal in der JTL Facebook-Gruppe, dort erreichst du gleich noch eine große Gruppe.

 

[ple]

Cooles Projekt, aber ich muss da mal was fragen, einfach aus dem Bauch heraus.
Das JTL irgendwann für API Geld verlangt, das finde ich schon hart. Sowas sollte eigentlich kostenlos sein. Aber wie kommt man da auf 300€pro Monat (nicht böse gemeint, ich gönne es dir), wenn man selber noch ein KI Abo braucht und Tokens und JTL API. Da reden wir von 119€ JTL + 199€ JTL API, eventuell noch WMS + Hardware, Software + Hosting für Shop usw.
Das wird auf Dauer ganz schön teuer und ich denke, wir sind mit den Preiserhöhungen bei JTL noch nicht am Ende.

Wie ist der Verbindungsweg aktuell bei deiner Lösung? Hostest du den MCP Server selber, der sich an die JTL Cloud dockt und da gehts weiter zum lokalen Server und API Abfrage auf die Datenbank?
Könnte ich mir so vorstellen, dann wäre man auch unterwegs informiert. Aber nur lesend.
Schreibend wäre jetzt interessant, ich lade Bilder hoch im Chat, ein paar Metadaten dazu, dann kommt Magie und ein neuer Artikel liegt in der Wawi.
Grober Weg

Gruß Christian

 

[Simone_die_Echte]

Ich bin ja von Natur aus eher eine Schissbüx und möchte unsere Daten auf jeden Fall inhouse behalten.

Aus diesem Grunde baue ich eine eigene KI-Anbindung lokal auf eigener Hardware (Nvidia Spark mit Ollama, Qdrant, n8n), ohne Cloud-Dienste.
Denn auch wenn der MCP-Server selbst lokal läuft: Sobald man ihn an Claude oder ChatGPT hängt, gehen die Anfragen und Antworten trotzdem über den großen Teich an Anthropic bzw. OpenAI.

Alles was nicht sensibel ist, kann nach wie vor mit Claude bearbeitet werden - alles was sensible Daten beinhaltet wird lokal bearbeitet.
Sicherlich etwas umständlicher, entspricht aber eher meinem Naturell.

 

[Morimus]

Solche Tools und Dienste als eigenständiges Produkt zu vermarkten, finde ich aktuell schwierig.
Welchen Burggraben hat das Produkt?

Du konkurrierst nicht nur mit anderen SaaS-Anbietern, sondern im Zweifel direkt mit dem Basismodell selbst.

Siehe GPT 6.
Ich bin im Pro-Abo und habe gestern Abend einmal meine Erstkonfiguration aufgebaut.
Viele Tools, die ich vorher gebraucht habe, sind jetzt gar nicht mehr notwendig.

OpenClaw, das mir Artikel anlegt, ein CLI, das E-Mails verarbeitet und passende Aufträge in der Wawi vorbereitet, solche Dinge haben bei mir einiges an Zeit gekostet, um sie aufzubauen.
Jetzt brauche ich vieles davon nicht mehr, weil GPT 6 solche Abläufe inzwischen direkt abbilden kann.
Man investiert Monate in ein KI-Produkt und ein Modellupdate macht einen großen Teil davon plötzlich überflüssig.

 

[ple]

Naja, Schiss haben, ich denke mir, wir werden es nicht aufhalten können. Und wer sagt, dass die KI lokal nicht einfach trotzdem alles rumschickt? Außer die ist vom Netz getrennt. schwierig schwierig. Skynet lässt grüßen, vor allem, wenn wir in die Singularität der KI kommen und die einfach auf Assembly programmieren demnächst.
Aber ein Spark würde ich mir gerne auch mal wünschen, bin mir aber nicht sicher, schnell die Hardware veraltet.

Aber die Entwicklung ist gerade rasant. Mal eben einen Test gemacht mit meiner Testdatenbank.
Grok-Bot ( Bots besitzen eine gemeinsame VM) per vpn verbunden. Nun hat haben meine Bots zugriff auf die Test SQL. Die sollten das Schema der Datenbank eben erstellen und durften nur lesend drauf zugreifen.
Kurze Frage, wieviel Umsatz nach Steuerklasse gemacht wurde pro Monat und dann kam auch schon die Antwort. SQL Query muss ich noch überprüfen, aber es waren schon mal die richtigen Tabellen und was Storno/Gutschrift ist wurde auch erkannt. SQL MCP würde auch gehen, aber was der Agent darf oder nicht und was wo liegt usw. das mach ich lieber über die md Datei.

Artikelanlage würde auch gehen, mit mehr Zeit und Anweisungen für die md Datei. Selbst ein Grok Bot kann Grok-build in der VM nutzen für Programme schreiben und die Bots sind immer online und erreichbar.
Oh ha, da kommt was auf uns zu.

Aber ja, ich gebe @Morimus recht, die Entwicklung ist rasant, da ändert sich alle 2 Tage was. Diese Woche soll noch Grok 4.7 mit 2,1 Billionen Parameter.
Grok5, da reden die schon von 10Billionen Parameter !!!!
Wollte mit openclaw auch mal rumtüffteln, hat sich aber mit Grok Bots erledigt.

PS: Das ist keine " Wundertüte" !!!!

 

[Simone_die_Echte]

Und wer sagt, dass die KI lokal nicht einfach trotzdem alles rumschickt? Außer die ist vom Netz getrennt. schwierig schwierig

Über die pfsense den Internetzugang unterbinden, WLAN und Bluetooth über UEFI

 

[5 Elements]

Hallo zusammen,

ich klink mich hier mal ins Thema ein, da es genau das wieder spiegelt an dem wir seit gut 10 Monaten arbeiten.

Wir bauen als Agentur für mehrere Kunden KI Anbindungen für JTL Wawi, Erst simpel als eigener Workflow in JTL Wawi selbst (Produktbeschriebungen/SEO Daten etc.), dann mit Openclaw als eine Art JTL-Copilot und aktuell sind wir bei einem spezialisierten MCP für die JTL REST-API gelandet mit 38 Tools die alle API Endpunkte deterministisch absichern.

Was hier im Thread steht, deckt sich weitgehend mit dem, was wir unterwegs gelernt haben — oft schmerzhaft. Daher würde ich unsere Erfahrungen mal teilen, vielleicht erspart sie dem ein oder anderen Leser Kopfzerbrechen und schlaflose Nächte

@ple das mit den Anweisungen in der md kenn ich, und genau da wirds später unangenehm. Am Anfang läuft alles wunderbar und man denkt sich, wahnsinn was das Ding alles kann. Sobald aber das Kontextfenster einmal voll ist und die Datenmenge wächst, werden die Anweisungen nicht mehr sauber abgearbeitet. Dann kommt sowas wie "sorry, ich hab die md nicht vollständig gelesen" oder "das hab ich nicht geprüft, nur angenommen". Bei Geschäftsdaten ist das richtig gefährlich.

Deterministische Regeln sind für JTL WAWI und GEschäftsdaten wichtig und haben in einer md nichts verloren. Das sind Richtlinien und Hinweise, mehr nicht. Nichts was da drinsteht zwingt die KI, es auch genau so zu machen.
Wir mussten das selbst lernen. Bei uns steht heute eine Prüfung fest im Werkzeug, die vorher als Regel in der Anweisungsdatei stand: ein Artikelexport lieferte 16.271 Zeilen für 16.256 Artikel, ein Join hatte vervielfacht, und gemerkt hat es keiner. Die Regel in der md hatte nicht gereicht.
Dazu kommt was, das viele unterschätzen: die Anleitung, die ein MCP-Server beim Verbinden mitschickt, wird je nach Client gekürzt. Was hinten steht kommt beim Modell gar nicht erst an. Wir haben das gemessen, als eine Versionsangabe schlicht nicht ankam.

Alles was wirklich gelten muss, gehört also ins Werkzeug selbst. Da kann sich die KI nicht dran vorbeimogeln, an einer Anweisung in den md Dateien schon.

 

[5 Elements]

und zu @Morimus Einwand...

Im Grundsatz hast du recht, die Modelle werden besser und vieles was man sich selbst gebaut hat fällt weg. Haben wir auch schon erlebt.
Was dabei nicht wegfällt ist das Geländer.

Das eigentliche Problem bei KI in ERP-Prozessen ist nicht, was das Modell kann, sondern dass es irgendwann den Kontext verliert. Nicht ob, sondern wann. Bei langen Läufen und wachsenden Datenmengen arbeitet es irgendwann mit einer Annahme statt mit einem gelesenen Wert, und es sagt dir das nicht, weil es selber nicht merkt dass es das tut. Ein besseres Modell macht das nicht besser, es macht es schneller. Es ändert mehr Artikel pro Stunde und ist dabei überzeugter.

Unsere wichtigste Regel daraus: die KI schreibt nie selbst. Sie erstellt erst eine Datei mit allen geplanten Änderungen, je Zeile alter Wert und neuer Wert. Die kann man aufmachen und durchlesen. Erst danach schreibt ein Mechanismus diese Datei ab. Klingt umständlich, ist aber der einzige Punkt an dem ein Mensch überhaupt noch draufschauen kann. Ein Modell verwechselt irgendwann einen Punkt mit einem Komma, und dann stehen bei 300 Artikeln die Preise falsch drin. In einer Datei sieht man das vorher, in der Wawi erst hinterher.

Dazu die Sachen die das Werkzeug selbst erzwingt: kein Schreibvorgang ohne dass vorher der Ist-Wert belegt wurde, nach dem Schreiben wird zeichengenau zurückgelesen, und passt was nicht hält der Lauf sofort an statt weiterzulaufen. Löschen geht überhaupt nur wenn vorher genau dieser eine Pfad freigegeben wurde.
Das steht nicht als Bitte in einer Anweisungsdatei, das ist im Werkzeug drin. Die KI kann sich nicht entscheiden es anders zu machen.

Und genau das wird von GPT 7 nicht überflüssig, im Gegenteil.

 

[Morimus]

Das eigentliche Problem bei KI in ERP-Prozessen ist nicht, was das Modell kann, sondern dass es irgendwann den Kontext verliert.

Ich glaube, da vermischst du zwei Dinge:
Kontextverwaltung des Modells und Zustand/Absicherung eines Werkzeugs.

Dass ein langer Agentenlauf irgendwann komprimiert wird oder ein Modell ältere Details nicht mehr exakt präsent hat, ist normal.
Aber das heißt nicht automatisch, dass ein sauber gebautes CLI während einer einzelnen Ausführung plötzlich „vergisst“, was es gerade tut.

Wenn dein Tool zum Beispiel selbst den Zustand hält, also Ist-Werte, geplante Änderungen, Rückgabewerte, IDs usw. strukturiert mitführt, dann ist das nicht allein vom Gedächtnis des LLM abhängig.
Dann ist die KI eher der Entscheider bzw. Orchestrator und das Tool selbst hält die harten Fakten fest.

Ein Modell verwechselt irgendwann einen Punkt mit einem Komma,

Das ist eher ein Argument für Validierung, Dry-Run, Schema-Prüfung, Transaktionen und Rücklesen als für ein grundsätzliches Kontextproblem.

Ich hatte damit ehrlich gesagt bisher keine Probleme.
Bei längeren Agentenläufen wird Kontext natürlich irgendwann komprimiert, aber dass ein LLM während eines laufenden Tools plötzlich nicht mehr weiß, was es tun soll, ist mir so noch nicht passiert.
Ich arbeite allerdings auch viel mit D1, Dateien und anderen Datenquellen, in denen Zustand, IDs, Zwischenergebnisse und relevante Informationen außerhalb des Modellkontexts gehalten werden.

 

[ple]

@ple das mit den Anweisungen in der md kenn ich, und genau da wirds später unangenehm. Am Anfang läuft alles wunderbar und man denkt sich, wahnsinn was das Ding alles kann. Sobald aber das Kontextfenster einmal voll ist und die Datenmenge wächst, werden die Anweisungen nicht mehr sauber abgearbeitet. Dann kommt sowas wie "sorry, ich hab die md nicht vollständig gelesen" oder "das hab ich nicht geprüft, nur angenommen". Bei Geschäftsdaten ist das richtig gefährlich.

Das ich die KI mal eben auf meinen TestSQL losgelassen habe war ja nur ein Test. Wenn andere das lesen, bitte nicht nachmachen, man muss da eine Menge beachten und erforschen. Das sagt dir leider die KI nicht so einfach.
Mit KI bin ich aber vorsichtig, die schreibt mir meinen Code für meine Middleware, den Code kontrolliere ich aber. Mit meinen Skills sind die kleinen Programme aber immer gleich aufgebaut, sonst ist das eine mal so, das andere mal so. Leitplanken in welchen Rahmen sich die KI bewegen soll müssen halt her und das dauert halt. Grok-Bots ist gerade neu, aber ich denke, der richtige Weg. Bots sind halt die neuen Mitarbeiter, die 24h irgendwelche Aufgaben erledigen können.
Gibt ja eine menge Möglichkeiten, was die in Zukunft machen könnten.

Alles sehr spannend. Wir bräuchten hier mal einen Rubik, die sich nur mit KI beschäftigt.