MCP Server für Zeiterfassung: Was AI Agenten mit Projektdaten ermöglichen

Sep 25, 2026 von Alexander Huber

Was hat ein MCP Server mit Zeiterfassung zu tun?

Wer sich mit AI Agenten beschäftigt, stößt auf drei Buchstaben: MCP. Das Model Context Protocol gibt AI Anwendungen einen standardisierten Weg zu externen Daten und Werkzeugen. Ein MCP Server stellt dafür definierte Ressourcen und Funktionen bereit.

Das klingt zunächst nach einem technischen Infrastrukturthema. Für projektorientierte Unternehmen wird es aber konkret. Ein Agent könnte Fragen zum Projektstatus beantworten, fehlende Zeitbuchungen zur Prüfung zusammenstellen oder einen wöchentlichen Controlling Bericht vorbereiten. Die Informationen liegen häufig bereits in der Zeiterfassung vor. MCP kann verändern, wie Menschen auf diese Daten zugreifen und mit ihnen arbeiten.

Genau hier liegt das Potenzial einer MCP Zeiterfassung: nicht in einem weiteren Chatfenster, sondern darin, vorhandene Zeit-, Projekt- und Abrechnungsdaten im jeweiligen Arbeitskontext leichter nutzbar zu machen.

Was ist ein MCP Server?

Das Model Context Protocol gibt AI Anwendungen einen standardisierten Weg zu externen Daten und Werkzeugen. Eine AI Anwendung verbindet sich über einen MCP Client mit einem oder mehreren Servern. Diese können Werkzeuge und Ressourcen anbieten. Die offizielle Dokumentation betont dabei klare Sicherheitsgrenzen und die Verantwortung des Hosts für Verbindungsfreigaben und Autorisierungsentscheidungen (Model Context Protocol).

Ein MCP Server ersetzt weder das Zeiterfassungssystem noch dessen Geschäftslogik. Er bildet die Brücke zwischen einem AI Client und dem Fachsystem mit Projekten, Zeitbuchungen, Budgets und Berechtigungen.

Ein Sprachmodell kennt nicht automatisch die aktuellen Projekte eines Unternehmens. Es weiß auch nicht, welche Daten ein Benutzer sehen darf. Der MCP Server kann die dafür vorgesehenen Funktionen des Fachsystems zugänglich machen. Welche Antworten und Aktionen möglich sind, bleibt vom Client, vom Benutzerkontext und von den eingeräumten Rechten abhängig.

Warum Zeiterfassung ein interessanter Anwendungsfall ist

Zeiterfassung wird häufig auf Stunden reduziert. Bei IT Dienstleistern und Beratungsunternehmen ist sie eng mit Projektsteuerung, Abrechnung und Kapazitätsplanung verbunden. Gute Zeitdaten helfen auch bei Fragen wie:

• Welche Projekte nähern sich ihrem Zeitbudget?
• Wo fehlen Buchungen oder Freigaben?
• Welche erfassten Leistungen können noch nicht abgerechnet werden?
• Wie haben sich Aufwand und Budget im Vergleich zur Vorwoche verändert?
• Welche Tätigkeiten haben mehr Zeit beansprucht als geplant?

Klassische Reports bleiben dafür wichtig. Im Arbeitsalltag entstehen aber oft Folgefragen, für die ein neuer Filter oder Export notwendig ist. Ein autorisierter AI Agent kann eine konkrete Frage in passende Abfragen übersetzen und die Ergebnisse verständlich zusammenfassen.

Es müssen nicht erst neue Dashboards entstehen. Viele Informationen liegen in time cockpit tabellarisch vor. Über MCP kann eine AI Anwendung freigegebene Tabellen abrufen und in natürlicher Sprache interpretieren: Welche Werte fallen auf? Wo gibt es Abweichungen? Welche Projekte sollte ich genauer ansehen? Die AI liefert eine Einordnung, die fachliche Bewertung bleibt beim Benutzer.

Voraussetzung dafür ist eine belastbare Datenbasis. Ein Agent kann fehlende Projektstrukturen, inkonsistente Buchungen oder unklare Berechtigungen nicht durch gute Formulierungen reparieren. Wer AI für Projektcontrolling nutzen will, muss daher zuerst sicherstellen, dass Projektzeiterfassung und fachliche Regeln verlässlich funktionieren.

Ein Praxisbeispiel: Die Berichte waren da, aber kaum jemand sah hinein

Bei einem Kunden gab es bereits Power BI Berichte auf Basis der time cockpit Daten. Technisch waren die Auswertungen vorhanden, im Alltag wurden sie jedoch kaum angesehen. Der Kunde baute deshalb einen kleinen eigenen MCP und machte die relevanten Daten damit in Claude verfügbar.

„Die Power BI Berichte haben niemanden interessiert. Erst als wir die Daten mittels MCP in Claude verfügbar gemacht haben, wurden sie auch angesehen.“

— Rückmeldung aus einem Kundenprojekt

Die Daten waren dieselben, der Zugang war neu: Die Mitarbeitenden konnten ihre Fragen direkt in ihrem AI Client stellen, statt Berichte und Filter zu suchen. Danach beschäftigten sie sich deutlich stärker mit den Informationen.

Manchmal fehlt Unternehmen nicht noch ein Bericht, sondern ein Zugang, der zur tatsächlichen Arbeitsweise passt. Ein MCP ergänzt vorhandene Auswertungen, indem aus einem statischen Angebot ein Dialog mit freigegebenen Daten wird.

Fünf weitere Ideen für MCP und Zeiterfassung

1. Tabellarische Projektdaten interpretieren lassen

Eine Projektleiterin könnte eine vorhandene Tabelle abrufen und fragen: „Welche Projekte fallen hier auf und warum?“ Der Agent kann Budgetverbrauch, Laufzeit, gebuchte Stunden oder andere verfügbare Werte gegenüberstellen und seine Interpretation erläutern.

So wird aus einer Tabelle schneller eine verständliche Einordnung. Ob ein Projekt tatsächlich gefährdet ist, beurteilt weiterhin die verantwortliche Person.

2. Wöchentliche Projektberichte vorbereiten

Viele Projektberichte enthalten gebuchte Stunden, Budgetverbrauch, Abweichungen und offene Punkte. Ein Agent könnte daraus regelmäßig einen Entwurf erzeugen.

Ein höherer Aufwand kann ein Problem sein, aber ebenso auf eine bewusst vorgezogene Leistung zurückgehen. Sinnvoll ist deshalb ein Entwurf mit Daten, Quellen und Auffälligkeiten. Projektleitung oder PMO ergänzen Kontext und geben den Bericht frei.

3. Zeitbuchungen aus Arbeitskontext vorschlagen

Gerade Entwickler wechseln häufig zwischen Commits, Tickets, Reviews, Meetings und Supportfällen. Ein denkbares Szenario wäre, den Agenten freigegebene Arbeitsinformationen prüfen und daraus Buchungsvorschläge erstellen zu lassen.

Aus drei Commits und einem Ticket darf nicht automatisch eine endgültige Zeitbuchung werden. Zuordnung, Dauer und Abrechenbarkeit benötigen die Bestätigung des Mitarbeiters. Der Nutzen liegt in der Gedächtnisstütze, nicht in Überwachung.

4. Fehlende oder unplausible Buchungen bündeln

Ein Teamleiter könnte fragen, wo noch Buchungen oder Freigaben fehlen. Statt mehrere Listen zu prüfen, erhält er gezielte Hinweise im Rahmen seiner Berechtigungen.

Der Agent weist auf Daten hin. Er entscheidet nicht, ob jemand korrekt gearbeitet hat, und bewertet keine Leistung.

5. Abrechnung und Nachkalkulation vorbereiten

Vor dem Monatsabschluss wiederholen sich Fragen: Welche Leistungen sind nicht freigegeben? Welche Buchungen fehlen? Wo weicht der Aufwand von der Kalkulation ab?

Ein Agent kann Klärungsfälle bündeln. Rechnungsfreigaben und kaufmännische Entscheidungen bleiben bei den zuständigen Personen.

Warum eine bestehende API nicht dasselbe wie MCP ist

time cockpit verfügt über eine Web API mit REST und OData Zugriffen, TCQL Abfragen, Listen, freigegebenen Aktionen und Reporting Funktionen (time cockpit Web API). Über die Web API von time cockpit lassen sich bereits Integrationen umsetzen.

MCP ersetzt diese API nicht. Der MCP Server nutzt ihre fachlichen Möglichkeiten und stellt sie in einer Form bereit, die MCP kompatible AI Clients verstehen können. Das ist ein wichtiger Unterschied:

• Die API bleibt die technische und fachliche Grundlage.
• Der MCP Server beschreibt verfügbare Daten und Werkzeuge für AI Clients.
• Der AI Client übersetzt eine Benutzeranfrage in passende Werkzeugaufrufe.
• time cockpit verarbeitet die Abfrage oder Aktion innerhalb seiner Regeln.

Der Vorteil liegt in einer neuen Art, vorhandene Funktionen im Arbeitskontext eines Benutzers anzusprechen.

Authentifizierung und Berechtigungen sind kein Detail

Zeitbuchungen, Abwesenheiten, Projektbudgets und Abrechnungsinformationen sind sensible Unternehmensdaten. Ein MCP Server darf deshalb nicht zu einem Nebenweg werden, der bestehende Berechtigungen umgeht.

Der time cockpit MCP folgt einem benutzerbezogenen Modell. Die Anmeldung läuft mit OAuth 2.1 und PKCE gegen das Microsoft Entra ID des Kunden, der Zugriff erfolgt im Kontext des angemeldeten Benutzers. Damit gelten auch beim Zugriff durch einen AI Client die in time cockpit hinterlegten Berechtigungen. Wer einen Projektwert in time cockpit nicht sehen oder ändern darf, kann dies auch über den MCP nicht. Schreibende Werkzeuge beschreiben die geplante Änderung zuerst und führen sie erst nach Bestätigung aus; ein Readonly-Modus blendet sie ganz aus.

Zusätzlich muss der Microsoft Entra Administrator des Kunden den Zugang freigeben, mit einer einmaligen App-Registrierung (Anleitung). Welche Einwilligung Benutzer selbst erteilen dürfen und wann eine administrative Freigabe nötig ist, kann ein Unternehmen in Entra steuern (Microsoft Learn).

Diese Ebenen dürfen nicht verwechselt werden:

1. Der Kunde entscheidet, ob die MCP Anwendung im eigenen Entra Mandanten freigegeben wird.
2. Der Benutzer meldet sich mit seiner persönlichen Identität an.
3. time cockpit prüft bei Abfragen und Aktionen die Berechtigungen dieses Benutzers.
4. Der AI Client benötigt zusätzlich transparente Bestätigungsmechanismen für sensible Aktionen.

MCP allein macht einen Zugriff weder sicher noch datenschutzkonform. Für geschützte Remote MCP Server sieht die Spezifikation eine standardisierte OAuth Autorisierung und die Prüfung vor, ob ein Zugriffstoken tatsächlich für den jeweiligen MCP Server ausgestellt wurde (MCP Authorization). Beim time cockpit MCP kommt dazu das bestehende Berechtigungsmodell: Abfragen und Aktionen laufen im Kontext des angemeldeten Benutzers.

Wie Unternehmen mit einem ersten MCP Use Case starten können

Ein sinnvoller Einstieg beginnt mit einem klar abgegrenzten, gut überprüfbaren Anwendungsfall. Ein zusätzliches Berechtigungskonzept ist dafür nicht erforderlich: Der MCP arbeitet im Kontext des angemeldeten Benutzers und übernimmt dessen time cockpit Berechtigungen.

Für die Auswahl des ersten Use Cases helfen andere Fragen:

1. Welche konkrete Frage oder Aufgabe soll der Agent übernehmen?
2. Welche bestehende time cockpit Tabelle, Liste oder Aktion liefert dafür die Grundlage?
3. Soll die AI Daten nur interpretieren oder auch Änderungen vorbereiten?
4. Welche Änderungen müssen Benutzer ausdrücklich bestätigen?
5. Wie verarbeitet der gewählte AI Client die übermittelten Daten?
6. Woran erkennen wir, ob der Use Case im Alltag tatsächlich nützlich ist?

Eine tabellarische Auswertung interpretieren zu lassen, ist ein einfacher Einstieg. Danach kann der Umfang schrittweise wachsen. Das anpassbare Datenmodell von time cockpit ist dafür hilfreich: Projekte, Felder und Regeln können sich zwischen Unternehmen unterscheiden, ohne dass für jede Datenstruktur eine neue Integrationslogik notwendig wird.

Fazit: MCP macht Projektdaten im richtigen Kontext nutzbar

Ein MCP Server für Zeiterfassung ist keine AI Funktion, die auf Knopfdruck zuverlässiges Projektcontrolling erzeugt. Er ist eine standardisierte Verbindung zwischen einem AI Client und einem fachlichen System. Der Nutzen entsteht erst aus dem Zusammenspiel von guten Daten, verständlichen Werkzeugen, persönlichen Berechtigungen und menschlicher Kontrolle.

Für projektorientierte Unternehmen sind die Szenarien konkret: vorhandene Berichte leichter zugänglich machen, Projektstatus abfragen, Wochenberichte vorbereiten, Buchungsvorschläge erzeugen oder Klärungsfälle vor der Abrechnung bündeln. Genau diese Verbindung aus vorhandenen Daten und neu formulierbaren Aufgaben macht MCP für uns interessant.

Der time cockpit MCP-Server ist in allen Paketen enthalten. Was er kann, welche Clients er unterstützt und wie die Einrichtung in drei Schritten abläuft, steht auf der Seite MCP-Server für KI-Assistenten; Beispiel-Prompts nach Rolle finden Sie in der Dokumentation. Uns interessiert weniger die spektakuläre Demo als die Frage, welche Anwendungsfälle im realen Projektalltag einen belastbaren Nutzen bringen.

Wenn Sie einen konkreten Anwendungsfall für AI gestütztes Projektcontrolling oder MCP Zeiterfassung prüfen möchten, können Sie das Szenario mit uns besprechen.