Sanity Context und KI-Agenten: Warum eine unabhängige Datenplattform entscheidend ist

Sanity Context erschließt Inhalte für KI-Agenten. Warum Unternehmen eine unabhängige Datenplattform benötigen und wie Inhalte aus Sanity zurückfließen.

  • Sanity Context ist eine spezialisierte, lesende Retrieval-Schicht, keine unternehmensweite Datenplattform.
  • Eine unabhängige Datenplattform verbindet ERP, PLM, PIM und CMS über gemeinsame Identitäten und Datenprodukte.
  • Veröffentlichte Inhalte aus Sanity sollten kontrolliert zurückgeführt und für andere KI-Agenten verfügbar werden.
  • Bidirektionale Integration benötigt klare Datenverantwortung, Versionierung und Zugriffskontrolle.

Warum Sanity Context allein nicht genügt

Sanity Context macht strukturierte Inhalte für KI-Agenten zugänglich. Das vereinfacht die Entwicklung intelligenter Content-Anwendungen und reduziert den Aufwand für eigene Retrieval-Systeme. Für unternehmensweite KI-Architekturen stellt sich jedoch eine grundlegendere Frage: Wo liegt das Wissen, auf das sich unterschiedliche Anwendungen und Agenten verlassen sollen?

Wenn Produktinformationen, technische Dokumentationen und Geschäftsprozesse bereits über ERP, CRM, PIM, PLM und weitere Systeme verteilt sind, darf ihre Integration in Sanity nicht zum nächsten isolierten Datenbestand führen.

Eine unabhängige Datenplattform kann hier die zentrale Verbindung schaffen. Sie führt Informationen aus unterschiedlichen Systemen zusammen, stellt fachliche Beziehungen her und macht sie für weitere Anwendungen nutzbar. Sanity bleibt das System für Content Management und redaktionelle Workflows. Inhalte, die dort entstehen, fließen zurück in die Datenplattform und stehen anschließend auch anderen KI-Anwendungen zur Verfügung.

Das Ziel ist keine weitere isolierte Wissensbasis, sondern eine Architektur, in der Daten, Inhalte und daraus gewonnenes Wissen systemübergreifend nutzbar bleiben.

Was Sanity Context tatsächlich leistet

Sanity Context erweitert die Sanity-Plattform um einen strukturierten Informationszugang für KI-Agenten. Über das Model Context Protocol (MCP) können Agenten Inhalte abfragen, Beziehungen zwischen Dokumenten berücksichtigen und Suchergebnisse für die Beantwortung konkreter Fragen verwenden.

Bei Sanity-Datasets lassen sich dafür GROQ-Abfragen mit strukturierten Filtern, Keyword-Suche und – bei entsprechender Konfiguration – semantischer Suche kombinieren. Ein Produktassistent kann beispielsweise zunächst nach einer bestimmten Kategorie oder technischen Eigenschaft filtern und innerhalb der passenden Ergebnisse semantisch nach relevanten Beschreibungen suchen.

Zusätzlich unterstützt Sanity Context sogenannte Knowledge Bases. Diese können Informationen aus Sanity-Datasets, Websites und Dateien zusammenführen und vorab für die Nutzung durch Agenten aufbereiten.¹ Das reduziert den Aufwand, eigene Retrieval- und Indexierungsverfahren zu entwickeln. Bei strukturierten Inhalten ist besonders wichtig, fachliche Filter vor der Bewertung der Relevanz anzuwenden.

Sanity Context ermöglicht KI-Agenten einen strukturierten Zugang zu relevanten Informationen. Die eigentliche Agentenlogik und das Sprachmodell werden dabei nicht von Context bereitgestellt. Context MCP ermöglicht lesenden Zugriff; für schreibende Content-Operationen sind andere Sanity-Funktionen vorgesehen.¹

Auch externe KI-Agenten können Sanity Context verwenden. Technisch ist es also keineswegs auf Anwendungen innerhalb von Sanity beschränkt. Die Frage ist vielmehr, ob dieser Zugriff in einer unternehmensweiten Architektur zum zentralen Weg für sämtliche KI-Anwendungen werden sollte.

Die Grundlagen des Content Lake, der Dokumenttypen und Referenzen erläutern wir in Was ist Sanity? Headless CMS, Funktionen und Einsatzbereiche. Auf dieser Basis lässt sich entscheiden, welche Inhalte der Agent direkt im CMS abfragen sollte und welche Beziehungen unabhängig davon modelliert werden müssen.

Wenn aus dem CMS das nächste Datensilo wird

Viele Unternehmen versuchen zunächst, ihre isolierten Datenbestände über neue Softwareplattformen besser nutzbar zu machen. Produktdaten werden aus dem ERP exportiert, technische Spezifikationen aus dem PLM übernommen, Dokumente aus SharePoint verarbeitet und Kundeninformationen aus dem CRM ergänzt. Anschließend entstehen in einem CMS strukturierte Dokumente, die unterschiedliche Anwendungen über APIs oder KI-Agenten abfragen können.

Das funktioniert, solange die Anforderungen innerhalb des jeweiligen Content-Ökosystems bleiben. Problematisch wird es, wenn das CMS schrittweise Aufgaben übernimmt, die eigentlich zur unternehmensweiten Datenarchitektur gehören.

Bei einem Maschinenhersteller könnte die fachliche Verteilung so aussehen:

  • Das ERP verwaltet Artikel, Preise und verfügbare Bestände.
  • Das PLM enthält technische Eigenschaften, Revisionen und Freigaben.
  • Das PIM organisiert Produktvarianten und vertriebsrelevante Merkmale.
  • Sanity verwaltet Produktbeschreibungen, Anwendungsbeispiele und redaktionelle Inhalte.
  • Der Kundenservice dokumentiert Störungen und Lösungsverfahren in einer weiteren Anwendung.

Ein KI-Agent soll nun beantworten, welche Komponente für eine bestimmte Maschinenrevision geeignet ist, welche Dokumentation dazu gehört und ob ein Ersatzteil verfügbar ist. Dafür müssen Informationen aus mehreren Systemen miteinander verbunden werden.

Werden sie ausschließlich für diesen Anwendungsfall nach Sanity kopiert und dort verknüpft, entsteht eine lokale Sicht auf das Unternehmenswissen. Ein weiterer Agent im Service oder Engineering benötigt anschließend dieselben Beziehungen, muss sie jedoch erneut herstellen oder ebenfalls über Sanity abrufen.

Die ursprünglichen Silos sind dadurch nicht verschwunden. Sie wurden lediglich um einen weiteren Datenbestand ergänzt.

Das eigentliche Problem besteht nicht darin, dass Daten mehrfach gespeichert werden. Kopien können für Performance, Verfügbarkeit und spezifische Anwendungsfälle sinnvoll sein. Problematisch wird es, wenn fachliche Zusammenhänge, Transformationen und Datenverantwortlichkeiten nur innerhalb einer bestimmten Anwendung existieren. Dann lässt sich das Wissen nicht mehr unabhängig von dieser Anwendung nutzen oder weiterentwickeln.

Die bessere Architektur: Eine unabhängige Datenplattform zwischen Systemen und Anwendungen

Für komplexere Unternehmenslandschaften ist deshalb eine andere Aufgabenteilung sinnvoll. ERP, CRM, PLM und weitere operative Anwendungen bleiben für ihre jeweiligen Geschäftsprozesse verantwortlich. Eine unabhängige Datenplattform integriert die benötigten Informationen, vereinheitlicht Identitäten und stellt fachlich modellierte Datenprodukte bereit.

Sanity erhält daraus die Daten, die für Content Management, redaktionelle Workflows und digitale Erlebnisse benötigt werden. Umgekehrt werden Inhalte, die in Sanity entstehen oder verändert werden, kontrolliert in die Datenplattform zurückgeführt. Andere Anwendungen und KI-Agenten greifen auf diese unabhängige Datenbasis zu, statt Sanity als universellen Vermittler verwenden zu müssen.

Als Beispiel für eine solche Plattformarchitektur betrachten wir Alloy Stratum: eine unabhängige Ebene für Datenintegration, fachliche Modellierung und die Bereitstellung von Informationen für unterschiedliche Anwendungen. Dabei beschreiben wir eine mögliche Zielarchitektur, nicht eine bereits nachgewiesene produktive Installation sämtlicher Integrationen.

Die Datenplattform muss nicht automatisch die physisch führende Quelle für sämtliche Informationen sein. Das ERP kann weiterhin den Bestand verwalten, während Sanity die redaktionelle Hoheit über Produktbeschreibungen besitzt. Die Datenplattform verbindet diese Informationen über gemeinsame Identifikatoren und stellt sie in der benötigten Form bereit.

Datenhoheit und Datenspeicherung sind unterschiedliche Aufgaben.

Die dafür nötigen Integrations- und Transformationsprozesse gehören zum Data Engineering. Entscheidend sind stabile Datenschnittstellen, fachlich konsistente Identitäten und die Trennung von Quellsystem, kuratierter Datensicht und konsumierender Anwendung.

Welche Verantwortung übernimmt welches System?

Operative Systeme

Geschäftsprozesse, Transaktionen und führende Stammdaten.

Alloy Stratum / Datenplattform

Integration, Transformation, Datenqualität, gemeinsame Identitäten, Semantik und Datenprodukte.

Sanity

Content Management, redaktionelle Bearbeitung, Lokalisierung und Content-Veröffentlichung.

Sanity Context

Strukturierter Informationsabruf für contentbezogene KI-Anwendungen.

Unternehmensweite KI-Agenten

Prozessübergreifende Informationsnutzung über Datenprodukte, APIs und kontrollierte Tools.

Warum die Integration in beide Richtungen funktionieren muss

Eine solche Architektur darf nicht beim Import von Unternehmensdaten in Sanity enden. Gerade die Rückführung neu entstandener Inhalte ist entscheidend. Bei der redaktionellen Arbeit entstehen Informationen, die für andere Unternehmensbereiche relevant sein können.

Von Alloy Stratum nach Sanity: Verlässliche Daten für Content-Anwendungen

Die Datenplattform stellt validierte und für die jeweilige Anwendung geeignete Informationen bereit, etwa Produktattribute, technische Spezifikationen, Klassifikationen oder Beziehungen zwischen Maschinen und Komponenten.

Sanity verwendet diese Informationen als Grundlage für redaktionelle Inhalte und digitale Anwendungen. Ein Produktredakteur kann mit konsistenten Stammdaten arbeiten, ohne technische Eigenschaften mehrfach manuell pflegen zu müssen.

Die Daten werden allerdings nicht unkontrolliert überschrieben. Es muss klar definiert sein, welche Felder aus der Datenplattform stammen und welche redaktionell innerhalb von Sanity verändert werden dürfen. Technische Eigenschaften aus dem PLM sollten beispielsweise nicht durch eine redaktionelle Änderung ihre fachliche Gültigkeit verlieren.

Von Sanity nach Alloy Stratum: Content wird Teil des Unternehmenswissens

Noch interessanter ist der umgekehrte Datenfluss. Ein Redaktionsteam erstellt in Sanity eine neue Anwendungsbeschreibung, ergänzt technische Erläuterungen oder veröffentlicht eine aktualisierte Produktdokumentation. Diese Inhalte sollten nicht ausschließlich im Sanity Content Lake verfügbar bleiben.

Nach der Veröffentlichung können sie automatisch in die unabhängige Datenplattform übertragen werden. Dort werden sie validiert, mit vorhandenen Unternehmensdaten verknüpft und für weitere Anwendungsfälle bereitgestellt.

Ein technischer Service-Agent kann dadurch auf eine neu veröffentlichte Anwendungsbeschreibung zugreifen, ohne selbst eine Sanity-Integration besitzen zu müssen. Vertriebsanwendungen, interne Suchsysteme oder andere KI-Agenten können diese Informationen über zentral bereitgestellte Datenprodukte nutzen.

Die Integration kann beispielsweise über Sanity-Webhooks oder Functions erfolgen. Diese Mechanismen ermöglichen die Verarbeitung von Änderungen an Content-Dokumenten und ihre Weitergabe an externe Systeme.²

Der Rückfluss macht aus redaktionellen Inhalten wiederverwendbares Unternehmenswissen.

Technischer Datenfluss: Wie Inhalte aus Sanity zurück in die Datenplattform gelangen

Die bidirektionale Architektur lässt sich als kontrollierter Datenfluss organisieren. Die folgenden Schritte beschreiben ein hypothetisches Integrationsmuster – keine Behauptung über bereits produktiv eingesetzte Alloy-Stratum-Funktionen.

1. Daten bereitstellen und referenzieren

Aus ERP, PLM und weiteren führenden Systemen werden relevante Daten über Pipelines oder APIs in die unabhängige Datenplattform übernommen. Fachliche Identifikatoren, Quellversion und Gültigkeitsbereich bleiben erhalten. Für Sanity wird daraus eine klar begrenzte redaktionelle Sicht bereitgestellt, nicht der gesamte operative Datenbestand.

2. Inhalt in Sanity redaktionell bearbeiten

Sanity übernimmt redaktionelle Felder, Textvarianten, Übersetzungen und Freigaben. Technische Stammdaten behalten ihre fachliche Ownership im Quellsystem. Der gemeinsame Produkt- oder Dokumentenschlüssel verbindet die bearbeiteten Inhalte mit den übrigen Unternehmensdaten.

3. Veröffentlichungsereignis kontrolliert übertragen

Nach der Veröffentlichung löst ein Sanity-Webhook oder eine Function die Integrationsverarbeitung aus.² Ein Ereignis sollte mindestens die Dokument-ID, Revision, Sprache, Veröffentlichungsstatus, Zeitpunkt und den Quellkontext eindeutig referenzieren. Die empfangende Pipeline legt das Ereignis idealerweise zunächst in einer dauerhaften Queue ab, statt sich auf einen einmaligen HTTP-Aufruf zu verlassen.

4. Validieren, transformieren und versionssicher zurückführen

Die Pipeline normalisiert Portable Text und Referenzen, prüft Pflichtfelder und verknüpft den Inhalt anhand stabiler Identifikatoren mit vorhandenen Datenprodukten. Ein idempotenter Upsert verhindert Dubletten bei Wiederholungen. Zurückgezogene Inhalte benötigen ebenfalls eine definierte Behandlung, beispielsweise einen Statuswechsel oder einen Tombstone statt einer stillschweigenden Weiterverwendung.

5. Für Agenten bereitstellen und Abweichungen erkennen

Erst die validierten Datenprodukte werden den unternehmensweiten Retrieval- und API-Diensten zugänglich gemacht. Operative Echtzeitinformationen bleiben gegebenenfalls direkt über die führenden APIs erreichbar. Ein regelmäßiger Abgleich erkennt verlorene Ereignisse oder divergierende Versionen; Monitoring erfasst Fehlerraten, Synchronisationsverzug und ausstehende Verarbeitung. Die Plattform muss die Berechtigungen der jeweiligen Informationsquellen auch bei der Weitergabe durchsetzen.

Die Integration bleibt bewusst asynchron, wo fachlich vertretbar: Eine neu veröffentlichte Sanity-Seite muss nicht zwangsläufig im selben Moment in jedem Agentenindex erscheinen. Entscheidend sind nachvollziehbare Konsistenzgrenzen und ein definierter Wiederanlauf nach Fehlern.

Gemeinsame Identitäten und Beziehungen sind wichtiger als eine weitere Datenkopie

Die reine Übertragung von Dokumenten reicht nicht aus. Werden sämtliche Sanity-Inhalte lediglich als JSON-Dateien in einem Lakehouse gespeichert, entsteht zwar ein zentral verfügbarer Datenbestand. Die fachlichen Beziehungen zwischen den Informationen bleiben jedoch möglicherweise unklar.

Damit KI-Agenten Inhalte systemübergreifend nutzen können, benötigt die Datenarchitektur gemeinsame Identifikatoren und ein nachvollziehbares fachliches Modell. Ein Artikel über eine Maschinenkomponente sollte beispielsweise eindeutig einer Produktfamilie, einem technischen Objekt oder einer Revision zugeordnet werden können.

Diese Beziehungen sollten nicht ausschließlich aus der Ähnlichkeit von Texten abgeleitet werden.

Eine gemeinsame semantische Ebene

Eine unabhängige Datenplattform kann eine gemeinsame semantische Ebene bereitstellen, die Daten aus unterschiedlichen Quellsystemen verbindet:

  • Stabile Identifikatoren für Produkte, Maschinen, Komponenten und andere Entitäten
  • Definierte Beziehungen zwischen diesen Entitäten
  • Einheitliche Klassifikationen und Datendefinitionen
  • Informationen über Herkunft, Gültigkeit und Verantwortlichkeit
  • Regeln für Qualität, Aktualisierung und Zugriff

Je nach Komplexität kann daraus ein semantisches Datenmodell, ein Knowledge Graph oder eine Ontologie entstehen. Eine umfassende Ontologie ist nicht für jeden Anwendungsfall erforderlich. Häufig reichen konsistente Schlüssel, versionierte Datenmodelle und klar definierte Beziehungen.

Entscheidend ist, dass dieselbe fachliche Bedeutung nicht von jedem System neu interpretiert werden muss. Sprachmodelle können Zusammenhänge aus Texten ableiten, sollten aber nicht bei jeder Anfrage erneut entscheiden müssen, ob zwei unterschiedliche Produktbezeichnungen dasselbe technische Objekt meinen.

Die Bedeutung solcher Datenbeziehungen erläutern wir auch in Die KI findet das Dokument. Aber kennt sie den Kontext?.

Ein Architekturbeispiel: Technische Dokumentation im Maschinenbau

Betrachten wir ein hypothetisches Szenario: Ein Maschinenhersteller möchte Produktinformationen und technische Dokumentationen für unterschiedliche KI-Anwendungen verfügbar machen. Stammdaten liegen im PLM und ERP. Sanity wird für Produktbeschreibungen, Anwendungsbeispiele, mehrsprachige Dokumentationen und redaktionelle Freigaben verwendet.

Schritt 1: Informationen in der Datenplattform verbinden

Alloy Stratum erhält die relevanten Informationen aus den führenden Systemen. Produktidentitäten, Varianten, technische Eigenschaften und Revisionsstände werden normalisiert und verknüpft. Das Ergebnis ist ein fachlich konsistentes Datenprodukt, das unterschiedliche Anwendungen verwenden können.

Schritt 2: Produktinformationen in Sanity bereitstellen

Die für redaktionelle Prozesse benötigten Daten werden an Sanity übertragen. Ein Redaktionsteam ergänzt Erklärungen, Produkttexte, technische Hinweise und Anwendungsbeispiele. Die strukturierten Produktattribute bleiben mit den ursprünglichen Identitäten verbunden.

Für contentbezogene Anwendungen kann Sanity Context diese Inhalte über MCP zugänglich machen. Ein Content-Assistent kann beispielsweise passende Dokumentationen finden und vorhandene Informationen für neue redaktionelle Aufgaben heranziehen.

Schritt 3: Veröffentlichte Inhalte zurückführen

Sobald die redaktionellen Inhalte freigegeben und veröffentlicht sind, werden sie an Alloy Stratum zurückübertragen. Die Integrationspipeline übernimmt Text, Sprache, Veröffentlichungsstatus, Versionsstand und fachliche Referenzen. Die Datenplattform verbindet die Inhalte anschließend mit den vorhandenen Produkt- und Maschinendaten.

Schritt 4: Unternehmensweite KI-Agenten verwenden dieselben Informationen

Ein Agent im technischen Service erhält eine Frage zu einer bestimmten Maschinenrevision. Er verwendet die unabhängige Datenplattform, um die gültige Produktkonfiguration und die technische Dokumentation zu ermitteln.

Aktuelle Bestände oder transaktionale Vorgänge kann er bei Bedarf über die zuständigen operativen APIs abfragen. Ein weiterer Agent im Vertrieb kann auf dieselben Produktidentitäten zugreifen, ohne die Datenlogik des Service-Agenten erneut implementieren zu müssen.

Sanity bleibt das System für die redaktionelle Erstellung und Verwaltung der Inhalte. Die Verfügbarkeit des Unternehmenswissens hängt jedoch nicht davon ab, dass jede Anwendung Sanity Context verwendet.

Wie Sanity Context in dieser Architektur eingesetzt werden sollte

Sanity Context verliert durch die unabhängige Datenplattform nicht an Bedeutung. Seine Aufgabe wird präziser.

Für Anwendungen, die eng mit Sanity-Inhalten arbeiten, bietet es eine spezialisierte Retrieval-Schicht. Ein redaktioneller Assistent oder ein digitaler Produktberater kann von strukturierten Content-Modellen, Referenzen und semantischer Suche profitieren.

Sanity Context kann auch von externen Agenten verwendet werden.¹ Ob ein Agent direkt auf Context oder über die zentrale Datenplattform zugreift, sollte von seiner Aufgabe und den Anforderungen an Aktualität, Zugriffsrechte und Datenkonsistenz abhängen.

Eine unternehmensweite KI-Orchestrierung muss nicht von Sanity Context abhängig werden. Für Agenten, die Daten verschiedener Systeme kombinieren, können eigenständige APIs, Suchdienste und MCP-Server der Datenplattform die passendere Schnittstelle sein.

Ebenso wichtig ist die Unterscheidung zwischen dem lesenden Context MCP und schreibenden Content-Werkzeugen. Ein Agent, der Inhalte in Sanity erzeugt oder verändert, benötigt entsprechende Funktionen und Berechtigungen. Die anschließende Rückführung veröffentlichter Inhalte sollte über eine kontrollierte Integrationspipeline erfolgen.

Unser Beitrag Warum ein modernes CMS MCP nativ unterstützen sollte erläutert die Rolle standardisierter Schnittstellen im Content Management. Die unternehmensweite Datenarchitektur erweitert diesen Ansatz um gemeinsame Informationsmodelle und systemübergreifende Nutzung.

Was bei der bidirektionalen Integration technisch zu beachten ist

Die technische Herausforderung liegt weniger im eigentlichen Datentransfer als in der Konsistenz zwischen den beteiligten Systemen.

Klare Verantwortung für Daten und Felder

Jedes Datenobjekt benötigt eine definierte fachliche Verantwortung. Das ERP kann den Bestand verwalten, das PLM den technischen Freigabestatus und Sanity die redaktionelle Beschreibung. Diese Verantwortlichkeiten sollten auch bei der Synchronisation erhalten bleiben. Bidirektionale Integration bedeutet nicht, dass sämtliche Felder in beiden Richtungen verändert werden dürfen.

Versionierung und nachvollziehbare Änderungen

Dokumente sollten mit stabilen Identifikatoren, Quellreferenzen, Versionsinformationen und Zeitstempeln übertragen werden. Wichtig ist die Unterscheidung zwischen Entwürfen und veröffentlichten Inhalten. Ein KI-Agent im Service sollte nicht automatisch eine unveröffentlichte technische Erläuterung verwenden, nur weil sie bereits im CMS existiert. Wird ein Dokument zurückgezogen oder gelöscht, muss auch die abhängige Datenplattform diesen Status verarbeiten.

Idempotente Verarbeitung und Synchronisation

Webhooks sind ein geeigneter Mechanismus, um Änderungen zeitnah weiterzugeben. Sie ersetzen keine vollständige Synchronisationsstrategie. Sanity empfiehlt für Webhook-Integrationen idempotente Verarbeitung und regelmäßige Abgleiche, um fehlende oder mehrfach zugestellte Änderungen zuverlässig behandeln zu können.³

Für die bidirektionale Architektur müssen Herkunft und Verantwortung einer Änderung erkennbar bleiben. Andernfalls kann eine Änderung aus der Datenplattform ein Sanity-Update auslösen, das wiederum dieselbe Änderung zurücküberträgt. Solche Schleifen lassen sich durch definierte Schreibverantwortung, Versionierung und geeignete Ereignisverarbeitung verhindern.

Aktualität und Berechtigungen

Nicht jede Information benötigt dieselbe Aktualisierungsfrequenz. Eine freigegebene Produktbeschreibung kann ereignisbasiert synchronisiert werden. Ein aktueller Lagerbestand oder Maschinenzustand benötigt möglicherweise einen direkten Zugriff auf das operative System.

Sanity Knowledge Bases sind von Live-Abfragen zu unterscheiden: Ihre Quellen werden vorab verarbeitet. Dataset- und Website-Quellen können aktualisiert werden, hochgeladene Dateien werden nicht automatisch erneut synchronisiert.⁴

Zugriffsrechte müssen über alle Systemgrenzen hinweg nachvollziehbar bleiben. Ein freigegebener redaktioneller Inhalt und ein vertraulicher technischer Datensatz dürfen nicht allein deshalb gemeinsam zugänglich werden, weil beide in derselben Datenplattform liegen.

Muss dafür jedes Unternehmen eine eigene Datenplattform entwickeln?

Nein. Für eine überschaubare Website, ein Content-Portal oder einen einzelnen KI-Assistenten kann die direkte Nutzung von Sanity Context ausreichend sein. Eine zusätzliche zentrale Datenplattform würde in solchen Fällen möglicherweise mehr Integrations- und Betriebsaufwand erzeugen, als sie einspart.

Anders sieht es aus, wenn mehrere Anwendungen dieselben Unternehmensinformationen benötigen, zahlreiche Quellsysteme integriert werden müssen oder neue Daten- und KI-Produkte auf einer gemeinsamen Grundlage entstehen sollen.

Auch eine zentrale Datenplattform ist kein Selbstzweck. Werden lediglich alle verfügbaren Daten ohne fachliche Modellierung in ein Lakehouse kopiert, entstehen neue Unübersichtlichkeit und widersprüchliche Datensätze.

Erst durch Datenqualität, definierte Verantwortlichkeiten, gemeinsame Identitäten und geeignete Zugriffsmodelle entsteht eine Grundlage für mehrere Anwendungen.

Deshalb betrachten wir bei Valanor AI Datenintegration, Analytics, Machine Learning und KI-Anwendungen als zusammenhängende Architektur. Ziel ist nicht, möglichst viele Daten zu sammeln, sondern Informationen zuverlässig in Geschäftsprozesse und Entscheidungen einzubinden.

Bei mehreren Quellsystemen und unterschiedlichen KI-Anwendungen verbinden wir diese Architekturfragen im Data & AI Engineering mit Retrieval, Evaluation und der technischen Integration in operative Abläufe.

Entscheidungskriterien für die passende Architektur

Nur Sanity-Inhalte werden benötigt

Direkter Zugriff über Sanity Context kann genügen.

Mehrere Anwendungen benötigen dieselben fachlichen Beziehungen

Gemeinsame Datenprodukte und Identitäten werden relevant.

Unterschiedliche Quellsysteme müssen integriert werden

Eigenständige Integrations- und Transformationsschicht.

Inhalte entstehen in mehreren Anwendungen

Bidirektionale Synchronisation mit klarer Datenverantwortung.

Operative Echtzeitdaten werden benötigt

Direkte APIs oder Streaming-Architekturen.

Unterschiedliche KI-Agenten verwenden dasselbe Wissen

Unabhängige Bereitstellung über APIs, Retrieval-Dienste und kontrollierte Tools.

Content Engineering wird Teil der Datenarchitektur

Inhalte sind längst nicht mehr ausschließlich für Websites, Apps oder andere redaktionelle Ausgabekanäle bestimmt. Sie werden auch von KI-Agenten gelesen, mit operativen Daten kombiniert und für neue digitale Funktionen verwendet.

Damit verändert sich die Rolle des Content-Modells. Ein sauber strukturiertes CMS erleichtert nicht nur die redaktionelle Pflege. Es schafft die Voraussetzung dafür, dass Inhalte maschinenlesbar, eindeutig zuordenbar und über Systemgrenzen hinweg nutzbar bleiben.

Gleichzeitig reicht eine gute CMS-Struktur allein nicht aus. Die Beziehungen zwischen Produkt, Maschine, Dokumentation, Kunde und Geschäftsprozess entstehen häufig außerhalb des Content Managements. Diese Zusammenhänge sollten nicht erst im CMS oder durch ein Sprachmodell rekonstruiert werden müssen.

Content Engineering und Data Engineering müssen dieselben fachlichen Identitäten und Datenverträge berücksichtigen, ohne ihre unterschiedlichen Verantwortlichkeiten aufzugeben.

Das ist auch für die Erweiterbarkeit entscheidend. Unternehmen können neue Anwendungen, KI-Agenten oder Content-Systeme entwickeln, ohne die gesamte fachliche Datenlogik erneut implementieren zu müssen.

Häufige Fragen zu Sanity Context und unabhängigen Datenplattformen

Kann Sanity Context auch von externen KI-Agenten verwendet werden?

Ja. Sanity Context stellt MCP-Endpunkte bereit, die von kompatiblen externen KI-Anwendungen verwendet werden können. Die Nutzung ist nicht auf KI-Agenten innerhalb von Sanity beschränkt. Es kann trotzdem sinnvoll sein, zentrale Datenzugriffe unabhängig vom CMS zu organisieren.

Können Inhalte aus Sanity automatisch in eine Datenplattform übertragen werden?

Ja. Sanity stellt unter anderem Webhooks und Functions bereit, über die Dokumentänderungen an externe Systeme weitergegeben werden können. Die Datenplattform benötigt eine Integrationspipeline mit Validierung, Versionierung und Fehlerbehandlung. Bidirektionale Synchronisation entsteht nicht automatisch durch Context.

Ist Alloy Stratum eine Alternative zu Sanity?

Nicht in dieser Zielarchitektur. Beide Systeme übernehmen unterschiedliche Aufgaben. Alloy Stratum dient als Beispiel für die unabhängige Daten- und Integrationsplattform. Sanity bleibt auf Content Management und redaktionelle Prozesse spezialisiert.

Braucht man neben Sanity Context noch eine Vektordatenbank?

Nicht zwangsläufig. Für strukturierte Inhalte und passende Anforderungen kann Sanity Context ausreichen. Größere unstrukturierte Datenbestände, andere Quellen oder spezielle Retrieval-Anforderungen können einen separaten Suchindex sinnvoll machen.

Was verhindert, dass die zentrale Datenplattform selbst zum Datensilo wird?

Zentrale Speicherung allein verhindert keine Silos. Entscheidend sind Datenverantwortlichkeiten, gemeinsame Identifikatoren, Datenverträge, offene Schnittstellen und nachvollziehbare Transformationen.

Fazit: Sanity Context ist eine gute Retrieval-Schicht. Die Datenarchitektur muss weiterdenken.

Sanity Context ist eine sinnvolle Erweiterung für KI-Anwendungen, die mit strukturierten Inhalten arbeiten. MCP, GROQ und geeignete Suchverfahren erleichtern den Zugriff auf relevante Informationen und können zusätzliche Retrieval-Infrastruktur vermeiden.

Für Unternehmen mit mehreren Datenquellen, Fachanwendungen und KI-Agenten ist das jedoch nur ein Teil der Gesamtarchitektur.

Eine unabhängige Datenplattform wie Alloy Stratum kann Informationen aus unterschiedlichen Systemen integrieren, fachliche Beziehungen konsistent abbilden und gemeinsame Datenprodukte bereitstellen. Sanity verwendet diese Informationen für Content-Anwendungen und führt neu entstandene Inhalte wieder zurück.

So bleibt das CMS eine spezialisierte Anwendung, statt zur zentralen Abhängigkeit aller KI-Systeme zu werden.

Nicht jede Organisation benötigt dafür eine eigene Datenplattform. Sobald jedoch mehrere Anwendungen dieselben Informationen nutzen und weiterentwickeln sollen, wird eine klare Trennung zwischen Datenhoheit, Content Management und KI-Orchestrierung relevant.

KI-Agenten brauchen nicht nur Zugang zu Informationen. Sie brauchen eine Datenarchitektur, in der deren Bedeutung, Herkunft und Gültigkeit systemübergreifend erhalten bleiben.

Quellen

1. Sanity, Sanity Context – Introduction und Context MCP Reference, 2026.

2. Sanity, GROQ-powered Webhooks, 2026.

3. Sanity, Webhook Best Practices, 2026.

4. Sanity, Knowledge Bases, 2026.

Data & AI Engineering

Datenplattform und KI-Anwendungen gemeinsam entwickeln.

Wir entwickeln Datenplattformen, Software und KI-Anwendungen, die Informationen aus ERP, PLM, CMS und weiteren Systemen kontrolliert verbinden. Wir prüfen Datenverantwortung, Schnittstellen und Retrieval-Architektur für Ihren Anwendungsfall.

Anwendungsfall besprechen

Aleksandar Basara

Managing Director

aleks@valanor.co

+49 (0) 711 16 44 6 83

Lindenspürstrasse 22, 70176 Stuttgart

Aleksandar Basara - Managing Director and CTO at VALANOR