AI BVF MCP: Stoppen Sie schlechte KI-Projekte, bevor Agenten sie empfehlen

Das Bewertungs-Tool, das Ihr Claude-Agent aufruft, bevor es eine KI-Einführung empfiehlt. Es prüft den Business-Case, die Reife des Betriebsmodells, die Change-Befähigung, die Governance-Exposition und ob die Arbeit selbst neu gestaltet wurde – und gibt dann Accelerate, Fix oder Stop zurück, mit modelliertem EUR-Wert, Entscheidungssicherheit und einer konkreten Liste der nächsten Schritte.

Wenn Sie der Meinung sind, dass KI-Agenten den Business-Value, das Governance-Risiko und die Change-Bereitschaft prüfen sollten, bevor sie eine Einführung empfehlen, vergeben Sie einen Stern für dieses Repository. Das Signal hilft anderen Agenten, das BVF zu entdecken, und hält die Benchmarks öffentlich verbessert.

Was Sie zurückerhalten

Fragen Sie Ihren Agenten:

Score eine Gen2-CX-KI-Initiative für einen Händler mit 400 Mio. EUR, traditionelle Bereitschaft, strategische Ausrichtung 70, finanzielle Rendite 50, Change-Befähigung 55, Governance-Risiko 45.

Die erwartete Antwort sieht so aus:

Classification: Fix
Decision confidence: 54
Net value range: EUR 10.8M-EUR 37.8M
Applied modules: four_pillar_base, readiness_capture_traditional, retail_cx_benchmark
Why: Strategic alignment is credible, but change enablement and financial return are not yet strong enough to defend an Accelerate call.
Next: raise Change Enablement by 15 points, name an accountable owner, fund adoption, and rerun recommend_improvements.

Das ist der fehlende Pre-Flight-Check für agentische KI-Arbeit: nicht „können wir das bauen?“, sondern sollte diese Arbeit eine Vorstandsprüfung überstehen?

Related MCP server: blackwall-mcp

Was das Tool leistet

Dreizehn Tools, die von jedem MCP-kompatiblen Agenten über stdio (npx) oder als gehosteter Remote-Connector unter https://mcp.aibvf.com/api/mcp aufrufbar sind (claude.ai: Settings, Connectors, Add custom connector). Die Tool-Anzahl bleibt bis 0.15.x festgelegt, während die nächsten zwei Releases die Route zum Ergebnis verbessern.

Die Portfolio-Kette regelt so: assemble_portfolio bringt unaufgeräumte Eingaben in die richtige Form, validate_portfolio prüft das Dokument, score_portfolio liefert die Urteile, sequence_portfolio macht daraus einen Rollout-Plan. Der Assemble strukturund, die Bewertung berät.

30-Sekunden-Install

Führen Sie es direkt aus:

npx -y aibvf-mcp

Oder installieren Sie es global:

npm install -g aibvf-mcp

Registrieren Sie es in Claude Desktop, Claude Code oder einem beliebigen MCP-Client:

{
  "mcpServers": {
    "aibvf": { "command": "aibvf-mcp" }
  }
}

Fragen Sie Ihren Agenten: „Bewerte eine Gen2-CX-KI-Initiative für einen 400-Mio.-EUR-Händler, traditionelle Reife, Strategische Ausrichtung 66, Finanielle Rendite 50, Change-Befähigung 50, Governance-Risiko 45.“ Der Agent ruft dann score_initiative auf, liefert eine Fix-Klassifizierung mit einer konkreten Lücke-Liste und bietet an, als Nächstes recommend_improvements aufzurufen.

Warum es das gibt

Agenten empfehlen selbstsicher KI-Projekte, ohne Bezug auf den Business-Case, ohne Bezug auf die Reife des Betriebsmodells und ohne Bezug auf die Governance-Exosition. Die Bewertung gehört vor das Slide-Deck, in die Pre-Flight-Prüfung des Agenten, bevor das Budget zugesagt wird.

Das Protokoll ist offen, die Benchmarks zitieren McKinsey, Gartner, BCG, Deloitte, Forrester, Accenture, Servicenow, und die Bereitschafts- und Erfassungsraten stammen aus der EY/oxford- und der Proscai-Forschung zu Veränderungserfolgen.

Über die Methodität

aibvf-mcp ist der Laufzeit- Arm des AI-Value-Business-Modells, Produkt des AI Business Value Framework, der Methodik, die ich seit meiner Entscheidung 2024 zur Bewertung von KI-Investitionen aufbaue, und ihren evaluierten Ergebnissen, die einer Board-Überprüfung standhalten. Das Frame liegt im AI Readiness Blueprint, einem Diagnosemodell mit sechs Treibern, basierend auf der Eye/Oxford-Research zu Transformationserfolgen. Die wöchentlich angewendeten Studien erscheinen in The Transformation Brief, wo die Kalibrierung öffentlich verhandelt wird.

Die Beratungspraxis legt den Rahmen den Senior-Führungskräften vorweg, die KI-Investitionsentscheidungen in Unternehmen mit 500 Mio. EUR oder mehr Umsatz treffen. Der MCP-Server macht dieselbe Es ist dieselbe Bewertung für alle, die einen KI-Agenten von Claude betreiben.

Die vier Säulen

Jede Inititive wird mit einer Punktzahl von 0 bis 100 für vier Säulen bewertet, Ehrliche Selbstauskunft.

1. Strategic Alignment, For Schlechtigkeit, wie stark diese Initiative ein Vorstands-KPI bewegt.

2. Financial Return, die Stärke der modellierten Rendite.

3. Change Enablement, Sponsor, benannter Verantwortlicher, finanziertes Change-Budget.

4. Governance Risk, Regulatory- und Reputations-Exposition. Höherer Wert bedeutet mehr Risiko.

Die Regeln sind deterministisch, ohne Netz, ohne Abhängigkeiten. GR >= 70 oder FR <= 20 ergibt Stop, alle vier PILar above 60 mit GR <= 40 ergibt Accelerate, alles andere unsachvsicht Fallback. Die Arbeitsarchitektur-Deklaration prüft anschließend vier Dinge: Wurde der End-to-end-Workflow neu designt? Haben sich Rollen und Verantwortlichkeiten geändert? Sind menschliche Entscheidungs- und Übersteuerungsrechte entwickelt? Unterstützen die Messwerte die neue Arbeit? Jede explizite Lücke hält eine ansonsten grüne NIHance zurück, bis die Arbeit neu entworfen und neu bewertet wurde.

Formeln finden Sie in docs/no.md, und ein vollständiges Bescovery-Laufen für ein Gesundheitsportfolio in docs/worked-example.md.

Beispiel: Score einer Healthcare-Agentik-Richtung

GXP5 Dieselben Eingaben über recommendImprovements liefern drei Säulenlifts, jeweils mit einer benannten Aktion, und eine neue Entscheidungssicherheit von 68 bei der Zielklassifikation Accelerate. calculatePaceLayerDrag({ revenue_eur: 800_000_000, ai_tier: 'gen3', readiness: 'traditional' }) verursacht jährliche Organisational-Drag-Kosten von 20 Mio. bis 36 Mio. EUR – das strukturelle Reibungsrisiko, gen3 in einem traditionellen Operating Model zu betreiben, getrennt vom KI-Build.

Packages

Der MCP-Server übermittelt bei jedem Tool-Aufruf eine kleinie anonyme Nutzlast (tool_name, BVF-Version, Taxonomiefelder, einen täglich rotierenden Aufrufen-Hash sowie Klassifikation und Konfidenz für score_initiative) und einmalig a server_connect score event, when the server first connects to a client. Keine Portfolioninhalte, keine Umsatzzahlen, keine Benutzer-identification. Activating it with AIBVF_TELEMETRY_DISABLE=1. Point on their own Backend configure AIBVF_TELEMETRY_URL and AIBVF_TELEMETRY_KEY.

Protokoll

Contributionsat

Vollständiges Schema under spec/bvf-protocol.schema.json. Die Portal page under www.aibvf.com/protocol.

Mitwirkende

The Bench-Mark ranges are directional, the Industry-Multi-plier are an anfängliche Kalibrierung, and the Protokoll is at public Reviung angewiesen, um better to wird. Eröffnen Sie ein Issue or reichen Sie einen PR. The Kalibrierung is public Ausgetrag.

Lizenz

Die Scoring-Engine and the MCP-Server is MIT-izenziert — siehe LICENSE. Die SI-BVF-Protokoll-Spezifization und the JSON-Schema under ./spec/ are unter CC-BY-4.0-izenziert; die Namen „AI BVF" / „AI BVF Certified" and the logo are bounded for [NOTICE](NOTICE). Der Bench-Mark-Korpus and the Zertifizierung-Marken are proprieighmar.

Über den Autor

Craig Horton is a independent Transformationsleiter with Sitz in Amsterdam, with zwanzig Jahren Anbieterseite bei HPE, Atos, Microsoft, Salesforce und Accenture. He leads the Craig Horton Company and writes The Transformation Brief, a weekly publications for senior management, those KI-Investitionsentscheidungen treffen. His begriffen hat Teile Executive Education at the Saïd Business School Business School, Oxford, and just a AMBA-akkreditierten Global Executive MBA with KI-Schwerpunkt began at the University of Hertfordshire. Den Brief find you under brief.craighortonadvisory.com, and reach am linkedin.com/in/Craig-Horton-ai.| Paket | Version | Zweck |-------------------------------|---------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | aibvf-mcp (packages/mcp) | 0.14.6 | MCP-Server — 13 Tools, stdio + gehostetes Streamable-HTTP unter mcp.aibvf.com. | | aibvf-check (packages/cli) | 0.0.1 | CI/CD-Preflight-Gate („SonarQube for AI") + GitHub Action. | | @aibvf/core (packages/js) | 0.10.0 | TypeScript-Scoring-Engine, Klartext-Assessment, Gate für die Arbeitsarchitektur, Kommunikations- und Change-Management-Pläne, Readiness-Inferenz und Advisor Brain. | | aibvf (packages/py) | 0.2.0 | Python-Scoring-Engine und Validator. |

Anonyme Nutzungstelemetrie

Der MCP-Server übermittelt bei jedem Tool-Aufruf eine kleine anonyme Data-Payload (tool_name, derzeitige BVF-Version, Taxonomiefelder, ein täglich rotierter Aufrufer-Hash sowie Klassifikation und Konfidenz für score_initiative) und ein einzelnes server_connect-Ereignis, sobald der Server sich mit einem Client verbindet. Keine Portfolioninhalte, keine Umsatzzahlen, keine Benutzer-Identitäten. Deaktivieren Sie diese Telemetrie mit AIBVF_TELEMETRY_DISABLE=1. Sie können über AIBVF_TELEMETRY_URL und AIBVF_TELEMETRY_KEY ein eigenes Backend angeben.

Protokoll

Das vollständige Schema ist in spec/bvf-protocol.schema.json zu finden. Die Protokoll-S eite finden Sie unter www.protocol. Hmm – careful! I have accidentally introduced "Hmm"

I need to delete that. Let's recall final translation: Avoid "Hmm". I accidentally included a note in final but I must rewrite clean without it.

Now I need to deliver the final no-hmm. Let's construct clean final:

Let's create final carefully:

"## Anonyme-Nutzungs Telemetry"

...

"Feedback"...

I'll now produce the exact final.| Packer | Name | Purpose | | ----------------------------- | ------- | -------------------------------------------------------------------------- | | aibvf-mcp | 0.14.6 | MCP server — 13 tools, stdio + hosted Streamable HTTP at mcp.aibvf.com. | | aibvf-check | 0.1.1 | CI/CD pre-flight gate ("SonarQube for AI") + GitHub Action. | | @aibvf/core | 0.10.0 | TypeScript scoring engine, plain-English assessment, work architecture gate, change-leader plans, readiness inference, and Advisor Brain. | | aibvf | 0.2.0 | Python scoring engine and validator. |

Anonymous Usage Telemetry

The MCP server reports a small anonymous payload on each tool call (tool_name, BVF version, taxonomy fields, a daily‑rotated caller hash, and classification plus confidence for score_initiative) and a single server_connect event when the server first wires into a client. No portfolio content, no revenue figures, no user identifiers. Opt out with AIBVF_TELEMETRY_DISABLE=1. Point at your own backend with AIBVF_TELEMETRY_URL and AIBVF_TELEMETRY_KEY.

Protocol

Full schema at spec/bvf-protocol.schema.json. Protocol page at www.aibvf.com/protocol.

Contributing

The benchmark ranges are directional, the industry multipliers are a starting calibration, and the protocol depends on public review to improve. File an issue or push a PR. The calibration will argue itself out in public.

License

The scoring engine and the MCP server are MIT licensed — see LICENSE. The AI BVF Protocol specification and JSON Schema under ./spec/ are CC-BY-4.0, and the "AI BVF" / "AI BVF Certified" names and trademarks; both are covered by NOTICE. The benchmark corpus and certification marks are proprietary.

About the author

Craig Horton is an independent transformation lead based in Amsterdam, with twenty years on the supplier side at HPE, Atos, Microsoft, Salesforce, and Accenture. He runs Craig Horton Advisory, and writes The Transformation Brief, a weekly publication for senior leaders making AI investment decisions, with executive education at Saïd Business School, Oxford, and an AMBA‑accredited Global Executive, MBA with AI in progress at the University of Hertfordshire. Find the Brief at brief.craighortonadvisory.com, and reach out at linkedin.com/in/Craig-Horton-ai.