← Wissens-Hub
18. November 20269 Min LesezeitMCP · ERP · LLM

Ein MCP-Server für JTL-Wawi: Wie ein LLM ERP-Daten liest, ohne sie zu verändern

Der erste Reflex, wenn ein Unternehmen „KI für den Innendienst" sagt, ist ein Chatfenster. Der zweite ist die Frage, die danach kommt: Woher weiß das Modell, welcher Auftrag gerade wo steht?

Die Antwort ist selten ein besseres Modell. Es ist eine Schnittstelle. Das Model Context Protocol (MCP) hat dafür einen Standard geschaffen: Ein Server beschreibt Werkzeuge, ein Client ruft sie auf, das Modell entscheidet wann. Für JTL-Wawi habe ich einen solchen Server gebaut — und die interessanten Entscheidungen lagen nicht im Modell, sondern in der Frage, was der Server nicht darf.

Der Code liegt offen: github.com/volkergrabbe/jtl-mcp-server · MIT-Lizenz

Das Problem mit dem Vollzugriff

Ein ERP ist kein Datenbestand, es ist das Betriebssystem des Unternehmens. Wer einem LLM Schreibrechte auf Aufträge gibt, hat kein Feature gebaut, sondern ein Risiko: Ein halluzinierter Tool-Aufruf, ein falsch interpretierter Kontext, und ein Auftrag ist storniert.

Deshalb ist dieser Server strikt lesend — nicht durch Richtlinie, sondern durch Konstruktion. Der HTTP-Client kennt ausschließlich GET. Ein interner Wächter wirft JtlReadOnlyViolation, sobald eine andere Methode versucht wird. Es existiert kein schreibendes Werkzeug, das man versehentlich freischalten könnte. Eine Policy, die man umgehen kann, ist keine Garantie; eine fehlende Methode ist eine.

Das ist der erste Unterschied zu den üblichen „Chat with your ERP"-Demos: Die Sicherheitsgrenze liegt im Code, nicht im Prompt.

Fünfzehn Werkzeuge, zwei Ebenen

Der Server bietet 15 Tools in zwei Schichten:

Fachdatenzugriff — elf Werkzeuge auf einzelne Entitäten: jtl_list_customers, jtl_get_item, jtl_list_sales_orders, jtl_get_sales_order, jtl_list_shipments, jtl_get_item_stock und weitere. Sie bilden die JTL-REST-API ab, aber gefiltert und paginiert.

Support-Szenarien — vier vorkompilierte Fachfragen: get_order_status, search_customer_orders, check_article_stock, get_shipment_tracking. Sie bündeln mehrere API-Aufrufe zu einer Antwort, die ein Mensch am Telefon in einem Satz braucht.

Die zweite Ebene ist wichtiger, als sie klingt. Ein Modell, das drei API-Aufrufe selbst orchestrieren muss, um „Wo ist Bestellung 4711?" zu beantworten, produziert Fehler an drei Stellen. Ein Werkzeug, das die Frage als Ganzes beantwortet, produziert einen.

Das Payload-Budget ist die eigentliche Ingenieursleistung

JTL liefert reichhaltige Objekte: Metafelder, Verweise, Zeitstempel, Shop-IDs, interne Flags. Ein Kundenobjekt sind schnell 40 Felder. Vierzig Felder mal zehn Datensätze sind 400 Zeilen Kontext — für eine Frage, deren Antwort in drei Feldern steht.

Jedes Ausgabeschema ist deshalb auf 6 bis 10 Felder begrenzt, durchgesetzt über Pydantic-Modelle. Ein Test (test_every_output_model_stays_within_field_budget) prüft das Budget bei jedem Lauf, damit es nicht schleichend wächst, wenn jemand ein Feld „nur kurz" ergänzt.

Der Effekt ist doppelt: weniger Token, weniger Kosten — und weniger Gelegenheit für das Modell, aus einem irrelevanten Feld eine falsche Schlussfolgerung zu ziehen. Kontext ist kein Geschenk. Jedes zusätzliche Feld ist eine Interpretationsmöglichkeit mehr.

Authentifizierung auf beiden Seiten

Der Server steht nicht im Internet. Er läuft als isolierter Dienst in einem Proxmox-LXC und ist über LiteLLM an ein lokales Modell angebunden. Trotzdem hat er eine eigene Authentifizierung: Jedes eingehende HTTP-Request wird gegen ein statisches Bearer-Token geprüft, mit timing-sicherer Vergleichsoperation (secrets.compare_digest) — nicht mit ==, weil ein früher Abbruch bei falschem Präfix die Länge des Tokens verrät.

In die andere Richtung authentifiziert sich der Server gegenüber JTL-Wawi mit dem API-Key der Wawi. JTL erwartet diesen Key base64-kodiert als Bearer-Token; der Client kodiert bei Bedarf und protokolliert den Key nie.

Dazu kommen optionale Host- und Origin-Prüfungen: Sind MCP_ALLOWED_HOSTS gesetzt, werden Requests mit fremdem Host-Header abgewiesen — der klassische DNS-Rebinding-Angriff fällt damit weg.

Betrieb: systemd mit angezogenen Zügeln

Ein Dienst, der Firmendaten liest, sollte nicht mehr Rechte haben, als er braucht. Die mitgelieferte Unit setzt ProtectSystem=strict, NoNewPrivileges, eine leere Capability-Liste, SystemCallFilter=@system-service und einen eigenen unprivilegierten Systembenutzer. Der Prozess kann nicht schreiben, keine privilegierten Syscalls ausführen und sich nicht zu Root hocharbeiten.

Das ist keine Paranoia, sondern die Voraussetzung dafür, dass man den Dienst überhaupt neben einem ERP laufen lassen darf.

Getestet ohne JTL-Installation

Das eigentliche Hindernis bei ERP-Integrationen ist die Testbarkeit: Man bekommt selten eine Produktivinstanz zum Üben. Der Server löst das über die offizielle OpenAPI-Spezifikation von JTL (v1.1) und Stoplight Prism als Mock. Die Spezifikation wird vorher mit realistischen B2B-Beispieldaten angereichert, dann liefert Prism echte HTTP-Antworten auf echte Anfragen.

Damit laufen 38 Tests — Unit-Tests mit respx für die Fehlerpfade (Timeout, 429, 5xx, Retry-Backoff) und End-to-End-Tests, die den kompletten Roundtrip inklusive base64-Bearer-Token gegen den Mock fahren. In 4,2 Sekunden. Ohne Datenbank, ohne Wawi, ohne Netzwerk nach außen.

Wer diesen Server forken will, kann ihn in unter einer Minute zum Laufen bringen — das ist der Unterschied zwischen einem Repository und einer Behauptung.

Was der Server nicht löst

Drei Grenzen, die ehrlich benannt gehören:

  1. Er ersetzt keine Berechtigungen. Der API-Key der Wawi entscheidet, was sichtbar ist. Wer einen Key mit Vollzugriff hinterlegt, hebt die Lesegrenze nicht auf — er sieht dann nur alles, ohne es ändern zu können.
  2. Er verhindert keine Fehlinterpretation. Das Modell kann aus „Bestand 0, Zulauf 40" die falsche Antwort ableiten. Dagegen helfen Zitationszwang und ein UI, das die Quelle anzeigt — nicht der Server.
  3. Er ist kein RAG. Hier wird strukturiert abgefragt, nicht in Dokumenten gesucht. Für „Was steht in unserer Rahmenvereinbarung mit Kunde X?" braucht es einen zweiten Server.

Der Architekturpunkt

Die Lehre aus dem Projekt ist unspektakulär und deshalb wiederholbar: Die Qualität einer KI-Integration entscheidet sich an der Schnittstelle, nicht am Modell. Ein Modell mit 27 Milliarden Parametern, das 40 Felder pro Kunde bekommt, ist schlechter als eines mit 8 Milliarden, das 8 Felder bekommt — weil das Problem nicht die Inferenz ist, sondern die Frage, was überhaupt in den Kontext gehört.

MCP macht diese Grenze explizit. Man muss sie nur ernst nehmen.


Der Server steht unter MIT-Lizenz, die Dokumentation inklusive Sicherheitskonzept, LiteLLM-Konfiguration und LXC-Anleitung liegt im Repository: github.com/volkergrabbe/jtl-mcp-server.

Fragen oder ein Anwendungsfall im eigenen Haus? Erstgespräch vereinbaren.