> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/de/ai/ai-whitepaper/introduction-ai-at-zoom.md).

# Einführung: KI bei Zoom

Eine Einführung in das Zoom AI Whitepaper für Zoom Workplace, Webinare und Events

Künstliche Intelligenz entwickelt sich rasant weiter und wird zu einem festen Bestandteil des Alltags. Sie ermöglicht alles – von großen und kleinen Sprachmodellen bis hin zu spezialisierten algorithmischen Funktionen. Generative KI ermöglicht eine nahtlose Interaktion zwischen Menschen und Maschinen bei der Erstellung von Inhalten, der Problemlösung und der Entscheidungsfindung. KI kommt jedoch auch in stärker spezialisierten Anwendungen zum Einsatz. Automatisierungstools optimieren Arbeitsabläufe, während Dienste wie Untertitelung und Übersetzung Kommunikationsbarrieren abbauen und die Zusammenarbeit effizienter und zugänglicher machen. Mit den Fortschritten der KI verändern ihre Anwendungen ganze Branchen, indem sie Effizienz, Genauigkeit und Innovation fördern und die Arbeitsweise von Unternehmen grundlegend neu gestalten.

Angesichts der wachsenden Rolle von KI am modernen Arbeitsplatz erläutert dieses Dokument, wie KI in der Zoom-Plattform eingesetzt wird. Es beschreibt die gemeinsame KI-Grundlage von Zoom, die produktspezifischen KI-Funktionen in den verschiedenen Zoom-Produkten und ZoomMate als umfassendere KI-Arbeitsumgebung, die Nutzerinnen und Nutzern dabei hilft, von der Unterhaltung zur Umsetzung zu gelangen. Zusammengenommen sollen diese Abschnitte Leserinnen und Lesern helfen zu verstehen, wie Zoom KI für Kommunikation, Zusammenarbeit, Produktivität und die Umsetzung von Vorhaben einsetzt.

## **Zoom AI**

Zoom AI ist die gemeinsame Ebene für künstliche Intelligenz, die KI-gestützte Erlebnisse auf der gesamten Zoom-Plattform ermöglicht. Sie umfasst die breite Palette an KI-Technologien, Modellen und unterstützenden Systemen, die Zoom einsetzt, um intelligente Funktionen in seinen Produkten bereitzustellen. Konkret bildet Zoom AI die Grundlage dafür, dass Zoom KI-gestützte Erlebnisse in den Bereichen Kommunikation, Zusammenarbeit, Produktivität und Nachbereitung bereitstellen kann, anstatt KI auf eine einzelne eigenständige Funktion oder Anwendung zu beschränken.

Diese gemeinsame KI-Ebene unterstützt ZoomMate sowie eine Vielzahl produktspezifischer Funktionen, darunter Echtzeitübersetzung, Transkription, Fragen im Meeting, persönliche Audio-Isolierung, das Verfassen von Chat-Nachrichten und weitere KI-gestützte Erlebnisse. Sie umfasst Zooms Multi-Modell- und Multi-Bereitstellungsansatz für KI, einschließlich der föderierten Architektur, Zoom-Hosted Models Plus (ZM+), Zoom-gehostete Modelle (ZMO) und lokaler KI-Angebote. Zusammen bilden diese Ansätze die technische Grundlage für KI in der Zoom-Plattform.

## **KI-Funktionen**

#### <mark style="color:blau;">KI-Funktionen: Integrierte KI-Funktionen, die in Zoom-Produkten gezielte Unterstützung bieten</mark>

Zoom AI-Funktionen sind produktspezifische Fähigkeiten, die künstliche Intelligenz in bestimmten Zoom-Produkten und Arbeitsabläufen nutzen und in der Regel direkt in das Produkterlebnis eingebettet sind, in dem die jeweilige Aufgabe ausgeführt wird. Sie sollen bei konkreten Tätigkeiten helfen, etwa beim Zusammenfassen eines Meetings, beim Verfassen einer Chat-Nachricht, beim Vorschlagen einer E-Mail-Antwort, beim Beantworten einer Frage während eines laufenden Meetings oder beim Erstellen einer Zusammenfassung nach einem Anruf.

Diese Funktionen können eigenständig innerhalb des Produkts genutzt werden, in dem sie erscheinen, sie können aber auch Ergebnisse liefern, die umfassendere ZoomMate-Erlebnisse unterstützen. Beispielsweise kann eine nach einem Zoom Meeting erstellte Meeting-Zusammenfassung später als Kontext für ZoomMate nützlich sein, während eine Funktion wie Chat Compose oder Meeting Questions in erster Linie dazu dient, das unmittelbare Produkterlebnis zu verbessern. Auf diese Weise bilden Zoom AI-Funktionen die verteilte, produktbezogene KI-Ebene von Zoom.

Beispiele umfassen Funktionen für Meetings, Chat, Whiteboard, Events, E-Mail, Kalender und Telefon, wie etwa Meeting-Zusammenfassungen, Fragen im Meeting, Transkription, „Meine Notizen“, das Verfassen von Chats, Chat-Zusammenfassungen, Kanalzusammenfassungen, Übersetzung, das Verfassen und Beantworten von E-Mails, Unterstützung beim Planen, Anrufzusammenfassungen, Mailbox-Funktionen und die Extraktion von Aufgaben.

## **ZoomMate**

#### <mark style="color:blau;">ZoomMate: Ihr intelligenter Arbeitsplatzkollege, der Ihnen hilft, mehr zu erreichen – vom Gespräch bis zum Abschluss</mark>

ZoomMate ist ein intelligenter, dialogorientierter digitaler Teamkollege im Zentrum der Plattform Zoom Workplace. Er wurde entwickelt, um die Produktivität zu steigern, die Zusammenarbeit zu optimieren und die Arbeitsbelastung der Mitarbeiter zu verringern.

KI-Tools werden zunehmend in den modernen Arbeitsalltag integriert und sind längst nicht mehr auf bestimmte Aufgaben beschränkt – etwa die Automatisierung der Dateneingabe, das Verfassen von E-Mails, das Erstellen von Berichten oder die Ausführung grundlegender algorithmischer Funktionen. Vielmehr stehen neue KI-Tools für einen tiefgreifenden Wandel, der die Art und Weise, wie wir arbeiten, grundlegend verändert. ZoomMate ist ein Beispiel dafür: Statt lediglich einfache Aufgaben zu automatisieren, agiert er als engagierter Teamkollege, der Benutzern hilft, im Dialog mehr zu erreichen – bis zum fertigen Ergebnis.

Stellen Sie sich zum Beispiel eine Führungskraft im Vertrieb vor, die sich auf ein wichtiges Meeting mit einem Kunden vorbereitet. Die Arbeit beginnt möglicherweise mit einem kürzlich abgehaltenen Zoom-Meeting, in dem das Team die Prioritäten des Kunden, Wettbewerbsrisiken und offene technische Fragen bespricht. Aus diesem Gespräch können die KI-Funktionen von Zoom eine Meeting-Zusammenfassung erstellen, Aktionspunkte identifizieren und die verschiedenen Teammitgliedern zugewiesenen Folgeaufgaben hervorheben. Anschließend kann ein Benutzer mit ZoomMate die Arbeit fortsetzen, statt in einem separaten Tool von vorn zu beginnen.

Mit Kontext aus Zoom Workplace und verbundenen Systemen kann ZoomMate die Meeting-Zusammenfassung zusammenstellen, zugehörige Chat-Diskussionen prüfen, unterstützende Materialien in Zoom Canvas heranziehen, Kontext zum Konto aus einem verbundenen CRM abrufen und zusätzliche Recherche aus genehmigten internen oder externen Quellen einbeziehen. Auf Grundlage dieses kombinierten Kontexts kann ZoomMate ein Kundenbriefing erstellen, einen Vorschlag skizzieren, Folgeaufgaben anlegen und ein strukturiertes Strategiedokument verfassen. Wenn der Benutzer diese Arbeit präsentieren muss, kann ZoomMate außerdem dabei helfen, mithilfe von Zoom Slides aus demselben zugrunde liegenden Kontext Präsentationsmaterialien zu erstellen.

Was ZoomMate von einem herkömmlichen generativen KI-Assistenten unterscheidet, ist, dass die Arbeit nicht mit einer Zusammenfassung oder einem Entwurf endet. ZoomMate kann dazu beitragen, den Kontext durch den gesamten Prozess hindurch zu bewahren – vom ursprünglichen Gespräch über die getroffenen Entscheidungen bis hin zu den daraus hervorgehenden Dokumenten und Maßnahmen. In diesem Sinne ist ZoomMate weniger ein spezialisiertes Tool als vielmehr ein Teamkollege am Arbeitsplatz, der Benutzern hilft, Informationen zu verknüpfen, die Umsetzung zu koordinieren und laufende Arbeiten zu fertigen Ergebnissen zu machen.

## **Schnittstellenprotokolle**

Bevor wir uns mit detaillierteren Funktionen und Datenflüssen befassen, ist es hilfreich, einige der zugrunde liegenden Protokolle zu verstehen, die die KI-Funktionen von Zoom unterstützen. In diesem Abschnitt wird das Model Context Protocol (MCP) erläutert – einer der führenden Interoperabilitätsstandards, der KI mit Tools, Daten, Workflows und anderen Agenten verbindet.

### Model Context Protocol

#### <mark style="color:blau;">Model Context Protocol (MCP): ein Standard, der KI mit Tools verbindet, damit sie mehr erreichen kann</mark>

Als Teil seiner KI-Architektur verwendet Zoom das Model Context Protocol (MCP) – einen offenen Standard, der sichere Verbindungen zwischen Modellen, Tools, Datenquellen und Workflows ermöglicht. MCP spielt eine wichtige Rolle bei der Weiterentwicklung agentischer KI, da es die Notwendigkeit einzelner Integrationen ersetzt, die jedes Unternehmen separat entwickeln und warten muss. Stattdessen bietet es ein gemeinsames, strukturiertes Framework, das KI-Modellen auf einheitliche Weise Zugriff auf Funktionen ermöglicht. Diese Grundlage versetzt KI-Systeme in die Lage, eher wie intelligente Agenten zu handeln: Sie beantworten nicht nur Fragen, sondern führen auch direkt Aktionen in den Systemen aus, auf die Benutzer angewiesen sind.

Weitere Informationen finden Sie in der Zoom-Entwicklerdokumentation zu [MCP bei Zoom](https://developers.zoom.us/docs/mcp/).

#### <mark style="color:blau;">So funktioniert MCP in der Praxis – wie eine Bestellung von der Speisekarte</mark>

Im Kern basiert MCP auf einem Client-Server-Modell. Stellen Sie sich die KI-Umgebung (wie ChatGPT oder Claude) als Client vor, der Aufgaben erledigen möchte, und externe Systeme (wie Jira, Confluence oder eine Datenbank) als Server, die ihre Funktionen bereitstellen. Jeder Server stellt eine übersichtliche Liste von Funktionen bereit – etwa „Wissensdatenbank durchsuchen“ oder „Aufgabe erstellen“. Der KI-Client entscheidet dann während eines Gesprächs, wann und wie er diese Funktionen nutzt.

Anders gesagt: Eine KI mit einem MCP-Server zu verbinden, ist wie eine Bestellung im Restaurant. Sie (die KI) betreten ein Restaurant, erhalten eine Speisekarte (eine Liste der über den MCP-Server verfügbaren Dienste oder Funktionen), teilen mit, was Sie möchten, und erhalten eine Antwort. Es gibt keine Ungewissheit darüber, was verfügbar ist und was nicht – alles steht von Anfang an auf der Speisekarte.

Die folgenden Abschnitte erläutern genauer, wie MCP funktioniert:

#### <mark style="color:blau;">Schritt 1: Funktionen über Server bereitstellen</mark>

Jedes System kann einen MCP-Server ausführen. Dieser Server fungiert als „Speisekarte“ und veröffentlicht eine strukturierte Beschreibung der unterstützten Aktionen. Jira könnte beispielsweise Funktionen wie „Vorgänge suchen“ oder „Ticket aktualisieren“ bereitstellen. Da diese Funktionen dem gemeinsamen MCP-Format entsprechen, kann die KI sie sofort verstehen, ohne dass eine individuelle Implementierung erforderlich ist.

#### <mark style="color:blau;">Schritt 2: Die KI agiert als Client</mark>

Auf der anderen Seite übernimmt die KI-Umgebung die Rolle des Clients. Sie liest die Speisekarte mit den verfügbaren Funktionen, merkt sie sich und entscheidet, welche sie bei einer Antwort an einen Benutzer aufruft. Das bedeutet, dass die KI nicht im Voraus mit Tausenden möglicher Integrationen programmiert werden muss – sie erfährt einfach beim Herstellen der Verbindung, was verfügbar ist.

#### <mark style="color:blau;">Schritt 3: Kontext sicher weitergeben</mark>

MCP legt auch fest, wie Kontext und Berechtigungen weitergegeben werden. So wird sichergestellt, dass die KI eine Funktion nur innerhalb der Grenzen dessen nutzt, worauf der Benutzer zugreifen darf. Wenn ein Benutzer beispielsweise nur die Jira-Tickets seines Teams sehen darf, sorgt MCP dafür, dass die KI diesen Zugriffsumfang einhält. Diese Sicherheitsebene macht MCP für den Einsatz in Unternehmen praktikabel, wo sensible Daten und Zugriffskontrollen unverzichtbar sind.

#### <mark style="color:blau;">Warum MCP wichtig ist</mark>

Durch die Standardisierung der Verbindung zwischen KI und externen Systemen beseitigt MCP den Aufwand individueller Integrationen und sorgt für Sicherheit und Konsistenz. Benutzer profitieren davon, dass die KI nicht nur Fragen beantworten, sondern auch fundierte Aktionen mit verschiedenen Tools ausführen kann – nahtlos und sicher.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/de/ai/ai-whitepaper/introduction-ai-at-zoom.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
