Hintergrund

In der Beratungs- und Systemintegrationsbranche (SI) entsteht die Komplexität des Projektmanagements häufig aus der starken Streuung von Informationen und den umständlichen Kooperationsabläufen. Als Beratungsunternehmen, das Notion als zentrale Basisinfrastruktur nutzt, haben wir Kernbusinessdaten wie Aufgabenmanagement, Protokolle und Wissensfreigabe nahezu vollständig in der Notion-Plattform konsolidiert. Diese hochgradig zentrierte Datenarchitektur erhöht zwar die Effizienz der Informationssuche, stellt jedoch auch höhere Anforderungen an die Automatisierungsfähigkeiten. Im Februar 2026 führte Notion mit der Version 3.3 die Funktion der benutzerdefinierten Agenten (Custom Agents) ein. Dieses Update markiert einen entscheidenden Schritt von Notion weg von der passiven Dokumentenverwaltung hin zu proaktiven intelligenten Arbeitsabläufen. Gleichzeitig hat unser Team zuvor einen technischen Pfad erforscht, der Claude Code mit dem Notion MCP (Model Context Protocol) kombiniert. Obwohl beide Lösungen scheinbar dasselbe Problem lösen – wie KI Notion-Arbeitsabläufe unterstützen kann –, unterscheiden sie sich in ihrer zugrunde liegenden Logik, ihren Anwendungsszenarien und ihren technischen Grenzen erheblich. Das Verständnis und die angemessene Unterscheidung dieser beiden Ansätze sind entscheidend für den Aufbau effizienter unternehmensweiter KI-Arbeitsabläufe.

Tiefenanalyse

Aus technischer Sicht und architektonischer Tiefe betrachtet, sind die Notion Custom Agents im Wesentlichen eine leichte Automatisierungs-Regel-Engine, die innerhalb des Notion-Cloud-Ökosystems ausgeführt wird. Der Benutzer muss nur Auslöseregeln in natürlicher Sprache schreiben, zum Beispiel: „Wenn sich der Seitenstatus in ‚Abgeschlossen‘ ändert, archiviere sie automatisch in der angegebenen Datenbank und benachrichtige die relevanten Mitglieder.“ Das System führt diese Aktionen dann im Hintergrund automatisch aus. Der Kernvorteil liegt in der extrem niedrigen Einstiegshürde und der strikten Berechtigungsisolierung. Die benutzerdefinierten Agenten erben direkt die vorhandenen Zugriffskontrolllisten (ACL) von Notion. Das bedeutet, dass sie genau die Seiten lesen und Schreiboperationen ausführen können, auf die der Benutzer Zugriff hat, ohne dass zusätzliche API-Schlüssel verwaltet oder komplexe Authentifizierungsprozesse durchlaufen werden müssen. Dieses „Was Sie sehen, ist was Sie bekommen“-Betriebsmodell ermöglicht es Projektmanagern ohne technischen Hintergrund, Automatisierungsabläufe mühelos zu konfigurieren. Die Einschränkungen sind jedoch offensichtlich: Sie sind streng im geschlossenen Ökosystem von Notion begrenzt und können keine lokalen Dateien lesen, externe Datenbanken aufrufen oder Code-Logik ausführen.

Im Gegensatz dazu repräsentiert die Kombination aus Claude Code und dem Notion MCP ein anderes technisches Paradigma. Das MCP-Protokoll, ein standardisiertes Kontextverbindungsprotokoll, ermöglicht es KI-Modellen, sicher auf externe Datenquellen zuzugreifen. Durch die Konfiguration des Notion MCP-Servers kann Claude Code nicht nur Notion-Inhalte lesen, sondern auch direkt das lokale Dateisystem bedienen, SQL-Datenbanken abfragen oder RESTful-APIs aufrufen. Diese Fähigkeit ermöglicht es Claude Code, hochkomplexe Aufgaben wie Code-Generierung, komplexe Datenbereinigung und die Synchronisation von Daten über Systeme hinweg zu bewältigen. Ein konkretes Beispiel ist die automatische Extraktion von Projektanforderungen aus Notion, das Lesen des lokalen Code-Repositorys, das Generieren eines ersten Code-Rahmens und das Zurückschreiben der Ergebnisse auf eine bestimmte Seite in Notion. Diese Fähigkeit, interne und externe Systeme zu verbinden, ist mit nur internen Notion-Agenten nicht möglich.

Branchenwirkung

Auf der Ebene der Branchenwirkung und des Wettbewerbslandschafts spiegelt die Differenzierung zwischen diesen beiden Tools zwei aktuelle Haupttrends bei der Implementierung von KI-Anwendungen wider: erstens die intelligente Automatisierung, die in die Plattform eingebettet ist, und zweitens die Ökosystemverbindung basierend auf offenen Protokollen. Notions Einführung der benutzerdefinierten Agenten zielt darauf ab, die Kundenbindung zu stärken und die Motivation der Nutzer zu verringern, zu anderen professionellen Projektmanagement-Tools wie Jira oder Asana zu wechseln. Durch den integrierten KI-Fähigkeiten will Notion seine Position im Wissensmanagement festigen. Für kleine und mittlere Teams oder nicht-technische Organisationen ist diese Low-Code- oder No-Code-Automatisierungslösung äußerst attraktiv, da sie die kognitive Belastung bei der Nutzung von KI erheblich reduziert. Für technologiegetriebene Teams oder große Beratungsunternehmen ist jedoch die Automatisierung auf Dokumentenebene bei weitem nicht ausreichend. Sie müssen Projektdaten mit Code-Repositorys, CI/CD-Pipelines und Kunden-CRM-Systemen verbinden. Die Lösung von Claude Code in Kombination mit MCP wurde genau dafür entwickelt. Sie ermöglicht es Entwicklern, KI als „intelligentes Middleware“ einzusetzen, um isolierte Datensilos zu verbinden.

Im direkten Wettbewerb zeigt sich, dass Notions geschlossenes Ökosystem zwar sicher und kontrollierbar ist, aber bei der Bewältigung komplexer ingenieurtechnischer Anforderungen an Grenzen stößt. Die offene Architektur auf Basis von MCP ist zwar etwas komplexer in der Konfiguration, bietet jedoch unbegrenzte Erweiterungsmöglichkeiten. Dieser Unterschied führt zu einer Spaltung der Nutzergruppen: Teams, die Wert auf Dokumentenkollaboration und Wissens沉淀 legen, neigen dazu, die nativen Notion-Agenten zu verwenden, während technische Teams, die Wert auf Ingenieurleistung und Datenintegration legen, eher dazu neigen, benutzerdefinierte Arbeitsabläufe auf Basis von MCP zu erstellen. Diese Entwicklung unterstreicht, dass es keine universelle Lösung gibt, sondern dass die Wahl des Tools stark von den spezifischen Anforderungen des Teams abhängt.

Ausblick

Mit der weiteren Reifung der KI-Agentenfähigkeiten gehen wir davon aus, dass die Grenzen zwischen Notion und externen KI-Tools allmählich verschwimmen. Notion könnte tiefere API-Schnittstellen öffnen, die es dritten Agenten ermöglichen, tiefer in ihre Arbeitsabläufe einzugreifen. Gleichzeitig werden externe Tools wie Claude Code die Benutzerfreundlichkeit von MCP weiter optimieren und die Einstiegshürden senken. Für Unternehmen ist das Signal des Aufkommens von „Hybrid-Arbeitsabläufen“ von großer Bedeutung. Der ideale Zustand ist nicht die Wahl zwischen A oder B, sondern die Nutzung der Notion Custom Agents für alltägliche, häufige und risikolose Dokumentenautomatisierungsaufgaben wie die Zusammenfassung von Meeting-Protokollen oder die Synchronisation des Aufgabenstatus. Gleichzeitig sollte Claude Code für seltene, wertvolle und risikoreiche technische Aufgaben wie Code-Reviews, Datenmigrationen und die Generierung komplexer Berichte eingesetzt werden. Durch diese geschichtete Architektur können Unternehmen sowohl die Vorteile der Zusammenarbeit durch Notion als auch die technische Tiefe externer KI-Tools genießen.

Bei der praktischen Umsetzung empfehlen wir Teams, zunächst ihre bestehenden Schmerzpunkte zu analysieren und zu klären, welche Aufgaben hohe Wiederholbarkeit, aber einfache Logik aufweisen und welche komplexe Logik erfordern und systemübergreifende Operationen benötigen, um die entsprechenden KI-Tools präzise zuzuordnen. Gleichzeitig muss die Einhaltung von Sicherheits- und Compliance-Vorgaben von Notion genau beobachtet werden, um sicherzustellen, dass der Datenfluss bei der Verwendung externer MCP-Verbindungen den internen Anforderungen des Unternehmens entspricht. Nur durch die tiefe Kopplung von Werkzeugmerkmalen und Geschäftsszenarien kann das Potenzial von KI in wissensintensiven Arbeiten wirklich freigesetzt werden, was den Übergang von der „digitalen Verwaltung“ zur „intelligenten Operation“ ermöglicht.