Vergleich
Die JTL-API habt ihr schon. Warum trotzdem KI User?
Weil die Frage nicht ist, ob man an die Daten kommt, sondern wer rechnet, ob das Ergebnis morgen noch dasselbe ist, und wer was sehen darf.
| Kriterium | Direkter API-Zugriff | KI direkt an der API | KI User |
|---|---|---|---|
| Bis zur ersten Antwort | Entwickler schreibt Abfragen, kombiniert Endpunkte, baut Auswertung. Tage bis Wochen je Frage. | Agent-Setup, Prompt-Engineering, Absicherung gegen Fehlinterpretationen. Wochen, dann laufende Pflege. | Registrieren, JTL verbinden, Server zusammenstellen. Minuten. |
| Wer rechnet | Dein Code, deterministisch, aber nur für die Fragen, die jemand programmiert hat. | Das Sprachmodell interpretiert Rohdaten und rechnet im Kopf. Jede Antwort kann anders ausfallen. | Fest programmierte Tools rechnen deterministisch. Die KI wählt das Tool und formuliert. |
| Nachvollziehbarkeit | Vollständig, wenn der Code dokumentiert ist. | Gering. Welche Datensätze das Modell gelesen und wie es gerechnet hat, ist kaum rekonstruierbar. | Jede Antwort nennt Tool und Datenquellen. Gleiche Frage, gleiches Ergebnis. |
| Komplexe Fragen | Möglich, aber jede Kombination aus Belegen, Beständen und Zeiträumen ist ein eigenes Projekt. | Scheitert oft an Paginierung, Datenmengen und Kontextgrenzen des Modells. | Die Tools kombinieren mehrere Abfragen zu einer fertigen Bewertung, etwa Umsatz in Mengen- und Preiseffekt zerlegt. |
| Berechtigungen | Ein API-Zugang, alle Daten. Feinere Rechte musst du selbst bauen. | Der Agent sieht alles, was der API-Zugang sieht. | Ein MCP-Server je Abteilung mit eigener Tool-Auswahl und eigenem Schlüssel. Lager ohne Umsatzdaten, Service ohne Margen. |
| Wenn JTL die API ändert | Du passt deinen Code an. | Du passt Prompts und Werkzeuge an und testest alles neu. | Wir passen die Tools an, neue Versionen erscheinen automatisch in deinem Katalog. |
| Schreibzugriff | Möglich, mit allen Risiken. | Möglich, mit allen Risiken, plus Fehlinterpretationen des Modells. | Ausgeschlossen. Alle Tools sind nur lesend. |
| Kosten | Entwicklungszeit je Frage. | Entwicklungszeit, Modellkosten, laufende Pflege. | Ein Plan, alle Tools. In der Beta kostenlos. |
Rechenbeispiel
„Warum ist unser Umsatz im August gefallen?“
Eine harmlose Frage. Was dafür tatsächlich passieren muss:
- 1
Rechnungen und Rechnungspositionen für August und Juli laden, paginiert über mehrere tausend Datensätze.
- 2
Stornierte und korrigierte Belege herausrechnen.
- 3
Umsatz je Kunde und je Artikel für beide Monate bilden.
- 4
Die Differenz in Mengeneffekt und Preiseffekt zerlegen.
- 5
Neu- und Bestandskunden trennen, die größten Verlierer und Gewinner sortieren.
- 6
Artikel mit auffälligem Trend gegen den Bestand halten.
Sechs Schritte, drei Datenquellen, ein Ergebnis mit Ursache. Bei uns ist das ein Tool-Aufruf, der immer gleich rechnet. Ein Sprachmodell, das die Rohdaten selbst interpretiert, kommt bei diesen Datenmengen nicht zuverlässig zu demselben Ergebnis.
Das Tool dazu: Umsatz-Periodenvergleich mit Treiberanalyse →Und wenn ihr Entwickler habt?
Dann spart ihr euch die Auswertungen, nicht die Kontrolle
Die JTL-API bleibt euch. KI User ersetzt den Teil, der teuer ist: Für jede neue Frage eine Auswertung zu bauen und zu warten. Was ihr behaltet: die Hoheit über Zugänge, Rechte und Daten.
Für Entwickler
Standard-MCP-Endpunkt mit Bearer-Token. Funktioniert mit Claude Code, eigenen Agenten und jedem MCP-Client. Beschreibungen je Tool und Server anpassbar.
Für Fachabteilungen
Keine Einarbeitung. Fragen in normaler Sprache, Antworten mit Zahlen, Ursachen und Datenquelle.
Für die Geschäftsführung
Ein Zugang je Abteilung, einzeln widerrufbar. Nichts wird geschrieben, nichts gespeichert, AVV für jeden Account.
In wenigen Minuten die erste Antwort aus deinen JTL-Daten.
Sieben Tage kostenlos testen, ohne Kreditkarte und ohne Kündigungsfrist.