Data Fair MCP Server

Quellengeprüft, nicht funktional getestet

Die Angaben wurden anhand von Primärquellen geprüft. Skill Road hat keinen praktischen Client-Funktionstest durchgeführt. Funktionsumfang und Einrichtung beruhen auf der Projektdokumentation, nicht auf einer eigenen Bestätigung im Betrieb.

Offene Daten gezielt recherchieren

Der Data Fair MCP Server ist eine Integration aus dem Data-Fair-Projekt und verbindet KI-Clients mit dessen Datenplattform. Der geprüfte Kandidat Koumoul Open Data verweist auf dieses Repository; die Dokumentation verwendet das Koumoul-Portal als konkretes Beispiel. Der Eintrag beschreibt daher die tatsächliche Data-Fair-Software, nicht eine frei erfundene separate Anwendung. Interessant ist sie für Datenjournalismus, kommunale Recherche und Teams, die strukturierte Datensätze untersuchen wollen, ohne jede Anfrage zuerst als eigenen API-Aufruf zu programmieren.

Erst die Daten verstehen, dann rechnen

Ein sinnvoller Arbeitsablauf beginnt mit der Frage, welche Datensätze die gewünschte Aussage überhaupt tragen können. Suche nach dem Thema und lies anschließend Beschreibung, Spalten und Beispiele. Erst danach solltest du Filter oder Berechnungen festlegen. Ein ähnlich klingender Spaltenname sagt noch nicht, ob er einen Bestand, einen jährlichen Zugang oder eine kumulierte Größe beschreibt. Auch geografische Ebenen und Erhebungszeiträume müssen zur Fragestellung passen, bevor Ergebnisse zu einer gemeinsamen Auswertung verbunden werden.

Der Quellcode unterscheidet zwischen dem Abruf einzelner Zeilen und Werkzeugen für Aggregationen beziehungsweise Kennzahlen. Diese Trennung verhindert einen häufigen Analysefehler: Aus einer begrenzten Trefferliste lässt sich nicht zuverlässig die Gesamtzahl aller passenden Datensätze ableiten. Lass den Assistenten deshalb den geeigneten Abfragetyp erklären. Bewahre die Datensatzseite und die verwendeten Filter mit dem Ergebnis auf. Eine überprüfbare Analyse braucht mehr als eine interessante Zahl und einen flüssig formulierten Begleittext.

Zwei Betriebsarten mit unterschiedlichen Voraussetzungen

Die Dokumentation beschreibt einen eigenständigen Docker-Prozess mit stdio und eine HTTP-Integration im Data-Fair-Stack. Im eigenständigen Modus ist die Adresse des Zielportals erforderlich. Ein API-Schlüssel kann für geschützten Zugriff hinzukommen. Beim Stack-Betrieb sind Reverse Proxy und Sitzungsverwaltung Teil der Umgebung. Ein lokaler Prozess bedeutet also nicht automatisch lokale Daten: Er kommuniziert mit dem ausgewählten Portal. Plane die Zugriffsgrenze ausdrücklich, bevor du private Datensätze in einem KI-Client verfügbar machst.

Softwarelizenz und Datenlizenz auseinanderhalten

Das Repository ist AGPL-3.0-lizenziert. Welche Rechte du an einem einzelnen Datensatz hast, ergibt sich jedoch nicht aus dieser Softwarelizenz. Prüfe die jeweiligen Metadaten und Nutzungsbedingungen separat. Offene Daten können Quellenangaben oder weitere Bedingungen verlangen; private Portale können zusätzliche technische und organisatorische Regeln haben. Auch der Betrieb der Plattform verursacht möglicherweise Kosten, obwohl der MCP-Quellcode offen verfügbar ist. Eine pauschale Aussage, alle angeschlossenen Daten seien kostenlos und uneingeschränkt verwendbar, wäre deshalb irreführend.

Für wen der Server geeignet ist

Wer regelmäßig mit Data-Fair-Portalen arbeitet, kann Recherche und erste Auswertungen im Assistenten zusammenführen. Für belastbare Veröffentlichungen bleiben Datenqualität, Vollständigkeit und methodische Kontrolle entscheidend. Frage bei unerwarteten Ergebnissen nach den angewandten Filtern, fehlenden Werten und dem zeitlichen Stand des Datensatzes. Wenn das Portal keine passende Grundlage liefert, sollte der Assistent die Grenze offen benennen. Diese Integration erleichtert den Zugang zu strukturierten Informationen, macht aus ihnen aber nicht automatisch eine geprüfte statistische Aussage.

Stand der Quellenprüfung

Dieser Eintrag wurde am 2. Oktober 2026 anhand der verlinkten Primärquellen geprüft. Funktionsumfang und Einrichtung beruhen auf der Dokumentation des jeweiligen Projekts, nicht auf einem eigenen vollständigen Funktionstest. Vor dem produktiven Einsatz solltest du die Verbindung mit unkritischen Beispieldaten prüfen, die freigegebenen Werkzeuge kontrollieren und Antworten mit ihrer Originalquelle abgleichen. Änderungen am Dienst oder Client können eine erneute Prüfung erforderlich machen.

MCP-Client; lokal Docker und eine Data-Fair-Portal-URL. Für nicht öffentliche Daten entsprechende Berechtigungen. Remote ein passend eingerichteter Data-Fair-Stack.

Docker-Befehl als stdio-Verbindung konfigurieren; PORTAL_URL ist im Standalone-Modus erforderlich. Beispiel für HTTP: https://opendata.koumoul.com/mcp-server/datasets/mcp. Nicht ohne Prüfung die gesamte private Datenplattform freigeben.

docker run -i --rm -e PORTAL_URL=https://opendata.koumoul.com ghcr.io/data-fair/mcp

Standalone: optional DATA_FAIR_API_KEY für Zugriffe auf das Portal. Im Stack-Modus übernimmt der Reverse Proxy die Authentifizierung und Sitzungsverwaltung. Öffentlich bedeutet nicht automatisch Zugang zu privaten Datensätzen.

Datensätze auflisten und beschreiben, Zeilen suchen, Feldwerte ermitteln, aggregieren und Kennzahlen berechnen. Berechtigungen des ausgewählten Portals gelten weiterhin.

Suchparameter und Filter gehen an das konfigurierte Data-Fair-Portal. Ergebnisse gelangen in den KI-Kontext. Datensatzlizenzen sind getrennt von der Softwarelizenz zu prüfen.

Private Portalzugänge nur mit minimalen Rechten verbinden. Docker-Abbild und Version vor produktiver Nutzung prüfen. Teilmengen nicht als vollständige Statistik darstellen; Metadaten als externe Inhalte behandeln.