Seit Jahrzehnten erfordert die Softwareinteraktion, dass sich Benutzer an bestimmte Systemsprachen anpassen, aber der Aufstieg von Large Language Models (LLMs) stellt dieses Paradigma in Frage. Laut Dhyey Mavani in einem CleoJ-Artikel vom 3. Januar 2026, der mit Midjourney erstellt wurde, verschiebt sich die zentrale Frage von "Welche API rufe ich auf?" zu "Welches Ergebnis möchte ich erzielen?".

Dieser Wandel stellt eine grundlegende Veränderung in der Art und Weise dar, wie Menschen mit Software interagieren. Historisch gesehen mussten Benutzer Shell-Befehle lernen, sich HTTP-Methoden merken und SDKs integrieren, was jeweils Kenntnisse in einer bestimmten technischen Sprache erforderte. In den 1980er Jahren gaben Benutzer Befehle wie 'grep', 'ssh' und 'ls' in eine Shell ein. Mitte der 2000er Jahre riefen sie REST-Endpunkte wie 'GET users' auf. In den 2010er Jahren erlebten wir den Aufstieg von SDKs wie 'client.orders.list()', die einen Teil der zugrunde liegenden HTTP-Komplexität abstrahierten. Alle diese Methoden hatten jedoch eine gemeinsame Prämisse: Softwarefunktionen wurden in einer strukturierten Form bereitgestellt, die es den Benutzern ermöglichte, sie zu verstehen und direkt aufzurufen.

Moderne LLMs stören dieses Modell, indem sie es Benutzern ermöglichen, mit Software über natürliche Sprache zu interagieren. Anstatt die genaue Funktion oder Methodensignatur kennen zu müssen, können Benutzer einfach ihre Absicht ausdrücken. Hier kommt das Model Context Protocol (MCP) ins Spiel. MCP fungiert als Abstraktionsschicht, die es Modellen ermöglicht, menschliche Absichten zu interpretieren, relevante Fähigkeiten zu entdecken und Workflows auszuführen. Im Wesentlichen stellt MCP Softwarefunktionen nicht so dar, wie Programmierer sie kennen, sondern als natürlichsprachliche Anfragen.

Die Auswirkungen dieser Verschiebung sind erheblich. Sie demokratisiert den Zugang zu Software, indem sie die Notwendigkeit spezialisierter technischer Kenntnisse beseitigt. Jeder, der sein gewünschtes Ergebnis in natürlicher Sprache formulieren kann, kann potenziell die Leistungsfähigkeit komplexer Softwaresysteme nutzen. Dies könnte zu vermehrter Innovation und Produktivität in verschiedenen Sektoren führen.

Während MCP noch ein aufkommendes Konzept ist, sind Berichten zufolge mehrere unabhängige Studien im Gange, um sein Potenzial zu untersuchen und seine Implementierung zu verfeinern. Die Entwicklung robuster und zuverlässiger MCPs wird entscheidend sein, um das volle Potenzial von LLMs bei der Transformation der Mensch-Computer-Interaktion auszuschöpfen. Die Zukunft der Softwareinteraktion könnte durch die Fähigkeit von Modellen definiert werden, menschliche Absichten zu verstehen und darauf zu reagieren, anstatt dass sich Menschen an die starren Beschränkungen traditioneller APIs anpassen müssen.