Wenn Sie für Confluence verantwortlich sind, kennen Sie diesen Moment: Jemand stellt in Slack eine Frage, die längst auf einer Seite beantwortet wurde, die niemand finden konnte.

Dieser Umweg wird langsam zur Gewohnheit. Die Leute fragen Kolleginnen und Kollegen, statt zu suchen. Weniger Menschen aktualisieren die Dokumente, weil sich weniger Menschen auf sie verlassen. Confluence wird nach und nach zu einem Archiv, dem das Team kaum noch vertraut.

Dann steht vielleicht eine Cloud-Migration oder eine Vertragsverlängerung an, die dem Problem endlich einen Preis gibt. Sie sollen mehr für ein System ausgeben, das das Team immer weniger nutzt, also beginnen Sie, Confluence-Alternativen zu prüfen.

Und genau dann taucht Atlassian Rovo AI in dem Produkt auf, das Sie gerade verlassen wollten.

Es verspricht eine bessere Suche, KI-Antworten und nützliche Automatisierungen. All das bekommen Sie ohne Migration, und Sie fragen sich, ob diese Funktionen die Nutzung so ankurbeln, wie es bisher nie gelungen ist. Plötzlich wirkt Bleiben wieder vernünftig.

„Hat sich Confluence vielleicht einfach selbst repariert?“

Dieser Artikel ist für genau diesen Moment des Zweifels gedacht. Wir haben ausgewertet, was Rovo-Nutzer tatsächlich sagen, auf Reddit, auf Hacker News und in den Community-Foren von Atlassian selbst, und das Muster ist klar genug, um Ihnen Monate zu sparen.

Wir beginnen damit, was Rovo tatsächlich kann und was es kostet. Danach sehen wir uns an, wo Nutzer es hilfreich finden, wo sie auf Probleme stoßen und was diese Erfahrungen für Ihre eigene Entscheidung bedeuten.

Das Ziel ist einfach: Ihnen helfen herauszufinden, ob Rovo etwas an den Gründen ändert, aus denen Sie sich überhaupt nach anderen Lösungen umgesehen haben.

Was ist Rovo AI?

Rovo ist die KI-Schicht von Atlassian für Suche, Chat, Agenten und verknüpfte Arbeitsdaten. Über den Teamwork Graph funktioniert es in allen Atlassian-Produkten und in unterstützten Drittanbieterquellen.

Atlassian führt Rovo seit Ende 2024 in seiner gesamten Produktsuite ein. Sie finden Rovo in der neuen Suchleiste, im Chat-Bereich und in den Agenten, die alle denselben Namen und dieselbe Datenschicht teilen.

So sieht das in der Praxis aus.

FunktionWas sie macht
Rovo SearchKI-Suche über Ihre Atlassian-Tools und verbundene Drittanbieter-Apps
Rovo ChatFragen und Antworten im Dialog zu denselben Inhalten, direkt in der App, in der Sie arbeiten
Rovo AgentsVorgefertigte und eigene Agenten, die Ihre Jira- und Confluence-Inhalte zusammenfassen, Entwürfe schreiben und Aktionen ausführen
Rovo StudioDer Baukasten für eigene Agenten, Automatisierungen und Apps
Teamwork GraphDie zugrunde liegende Datenschicht, die Ihre Projekte, Dokumente, Personen und Ziele abbildet
KonnektorenÜber 100 Integrationen, die Tools wie Google Drive, Slack, GitHub und Figma in den Graphen einspeisen
Rovo DevEin separater Coding-Agent für Entwicklerinnen und Entwickler mit eigener Preisgestaltung

Für Dokumentationsteams sind Search, Agents und Teamwork Graph die relevanten Bausteine.

  1. Rovo Search findet Inhalte in Atlassian und in verbundenen Apps und berücksichtigt dabei die bestehenden Berechtigungen.
  2. Rovo Agents können zusammenfassen, Entwürfe schreiben und unterstützte Aktionen ausführen.
  3. Teamwork Graph verknüpft Informationen über Projekte, Dokumente, Personen und externe Tools hinweg.

Laut Atlassian enthält der Graph inzwischen mehr als 150 Milliarden Objekte und Beziehungen. Ein Teil dieses Kontexts ist für externe KI-Tools über den Atlassian Rovo MCP-Server verfügbar.

Zusammen können diese Funktionen das Auffinden von Informationen verbessern und klar abgegrenzte Aufgaben automatisieren. Wie nützlich sie sind, hängt aber weiterhin von Abdeckung, Struktur und Genauigkeit der zugrunde liegenden Informationen ab.

Auf Basis dieser 3 Funktionen verspricht Atlassian, dass Rovo AI verstreute Informationen per Chat findet und wiederkehrende Dokumentationsarbeit automatisiert, damit Confluence stärker genutzt wird.

Die Preise von Rovo

Rovo-Credits sind in kostenpflichtigen Cloud-Abonnements von Jira, Confluence, Service Collection und Teamwork Collection enthalten. Jedes Abonnement steuert Credits zu einem gemeinsamen Pool für die gesamte Organisation bei:

  • Standard, 25 Credits pro Nutzer und Monat
  • Premium, 70
  • Enterprise, 150

Die einfache Suche ist kostenlos und bleibt es auch. Die Funktionen, auf denen Sie tatsächlich Workflows aufbauen würden, sind die mit Zähler:

  • Eine Agentenanfrage kostet 10 Credits
  • Eine schnelle Antwort im Chat kostet 10
  • Eine Deep-Research-Anfrage kostet 100

Auf Ebene einer einzelnen Lizenz:

  • entspricht das Standard-Kontingent zwei Agentenanfragen, wobei fünf Credits übrig bleiben
  • übersteigt eine Deep-Research-Anfrage das Kontingent von 70 Credits, das eine Premium-Lizenz beisteuert.

In der Praxis hängt das Limit natürlich vom gesamten Pool Ihrer Organisation ab.

Wenn Sie aber eine große teamweite Rovo-Einführung planen, kann der Credit-Verbrauch Ihres Teams Ihren Pool schon im ersten Monat übersteigen.

Zum Glück berechnet Atlassian derzeit keine Nutzung über das enthaltene Kontingent hinaus.

Laut Atlassian erhalten Kunden mindestens 90 Tage Vorlauf, bevor Limits oder zusätzliche Kosten greifen, und die Abrechnung von Mehrverbrauch erfordert eine ausdrückliche Zustimmung. Credits werden monatlich zurückgesetzt und nicht übertragen.

Damit ist Rovo heute günstig zu testen, aber Teams, die häufige Agenten- oder Research-Workflows planen, sollten ihren künftigen Credit-Verbrauch trotzdem durchrechnen. Dieses kostenlose und bereits aktivierte Paket ist auch der Grund, warum Rovo nie richtig geprüft wird.

Was Rovo-Nutzer wirklich sagen

Die öffentlichen Erfahrungsberichte zu Rovo sind gemischt und anekdotisch. Sie zeigen wiederkehrende Anwendungsfälle und Schwachstellen.

Und wie zufrieden Nutzer sind, hängt weitgehend davon ab, für welchen der folgenden 2 Anwendungsfälle sie Rovo einsetzen:

  • klar abgegrenzte Aufgaben auf Basis vorhandener Atlassian-Inhalte
  • Aufgaben, bei denen Rovo über unvollständige, widersprüchliche oder komplexe Informationen hinweg schlussfolgern oder handeln muss.

Wo Rovo gut funktioniert

Positive Berichte beschreiben Rovo meist als bessere Suchleiste, und diese Aufgabe erfüllt es. Nutzer fragen, wo eine Entscheidung dokumentiert ist, erhalten die Quellseite und machen weiter.

Ein Nutzer auf Hacker News schrieb, dass er Berater inzwischen zuerst an Rovo verweist, bevor er selbst etwas beantwortet, „und nur wenn sie keine Antwort finden, schaue ich mir ihre Fragen an. Sonst lesen sie meine Dokumentation nie.“

Über die Suche hinaus nutzen die Zufriedenen kleine Automatisierungen, die innerhalb der Atlassian-Welt bleiben, zum Beispiel:

  • Seiten Korrektur lesen
  • Tickets zusammenfassen
  • Ein Dokument aus Claude nach Confluence übertragen.

Autoren aus der Atlassian-Community empfehlen Rovo ebenfalls für wiederkehrende, klar definierte Arbeit auf Basis vorhandener Atlassian-Daten.

Autoren aus der Atlassian-Community erklären Rovo AI

Wenn Sie alle Foren durchkämmen würden, kämen Sie zu dem Ergebnis, dass Rovo-Befürworter einige Gemeinsamkeiten haben:

  • Sie haben eine bestehende und lebendige Dokumentationskultur, einschließlich einer Person, die Confluence aktuell hält.
  • Sie möchten integrierte KI-Funktionen für die tägliche Arbeit in den Atlassian-Apps nutzen, die sie ohnehin verwenden.

Ihr Confluence ist umfangreich und aktuell, also sind es Rovos Antworten auch. Rovo spiegelt ihnen ihre eigene Disziplin zurück.

Wo Rovo Schwierigkeiten hat

Die unzufriedenen Rovo-Nutzer erwarteten eine Unternehmenssuche, die Möglichkeit, Schreibvorgänge aus Claude oder Codex per MCP auszuführen, und komplexe mehrstufige Aufgaben.

Rovo halluziniert

Mehrere Nutzer berichten, dass Rovo Details erfindet, die im Quellmaterial nicht vorkommen.

Ein Team berichtete, dass Rovos Zusammenfassung eines Incident-Runbooks Schritte zur Fehlerbehebung, Befehle und Kontaktnamen enthielt, die nirgends auf der Quellseite standen.

Beispiel für halluzinierende Rovo AI aus der Atlassian-Community

Ein Atlassian-Partner, der einen eigenen Agenten gebaut hat, beschrieb dasselbe Muster aus Sicht des Entwicklers. Auf die Frage nach Releases in einem bestimmten Zeitraum hat Rovo „alles aus dem Nichts erfunden, mit absoluter Überzeugung“.

Rovo erfindet ein Release

Diese Berichte zeigen echte Schwachstellen, vor allem wenn eine Aufgabe Textgenerierung mit strukturierten Aktionen verbindet.

Der MCP von Rovo liefert keine Antworten

Der aktuelle MCP von Atlassian stellt Such- und Abruf-Tools bereit, dazu Tools für Jira, Confluence und Teamwork-Graph-Kontext (in der Beta). Rovo Chat stellt er nicht als einzelnes Tool bereit, das eine Antwort mit Quellenangaben liefert.

Bei unserer Analyse für diesen Artikel wollten wir testen, wie die MCPs von Slite und Rovo Fragen beantworten, die KI-Agenten über einen MCP-Aufruf stellen (mehr zu diesem Test in den folgenden Abschnitten).

Schon bei der Einrichtung stellten wir fest, dass eine Frage an Rovo nur Kandidaten-Dokumente zurückgab, die der KI-Agent dann selbst abrufen, lesen und zusammenführen musste.

Das bedeutet mehr Arbeit für das KI-Modell und überträgt ihm die Verantwortung, zu entscheiden, welche Quellen relevant und aktuell sind. Eine solche Architektur wird ineffizient, wenn ein KI-Workflow fundierte Antworten mit Quellenangaben erwartet, um autonom zu laufen.

Das erklärt auch, warum jemand mit Rovo Search innerhalb von Atlassian gute Erfahrungen machen kann und über einen externen MCP-Client trotzdem ein weniger vollständiges Ergebnis erhält.

Und wenn die zugrunde liegenden Dokumente veraltet sind, merkt Rovo das nicht

Rovo kann eine Antwort nur auf die Informationen stützen, die es abruft. Wenn aktuelle und veraltete Seiten nebeneinander existieren, hängt die Qualität der Antwort davon ab, welche Quelle das System auswählt und wie es mit dem Widerspruch umgeht.

Confluence bietet Content-Verantwortliche, Seitenstatus, Freigabe-Workflows, Metadaten zur letzten Aktualisierung und Premium-Tools, um inaktive Inhalte zu finden.

Diese Funktionen können Teams helfen, ihre Wissensdatenbank zu pflegen, aber jemand muss sie einrichten und nutzen. In unserem Test konnten wir nicht feststellen, dass Rovo eine geprüfte oder kürzlich aktualisierte Seite durchgängig als maßgeblicher behandelt, wenn sie einer älteren Seite widerspricht.

Testen Sie das direkt bei Ihrer Evaluierung: Geben Sie Rovo eine aktuelle Richtlinie und eine plausible veraltete Version, und prüfen Sie dann, welche es zitiert und ob es auf den Widerspruch hinweist.

Teams, die mit Confluence unzufrieden sind, haben 3 Dinge gemeinsam:

  • Ihr eigentlicher Kontext liegt außerhalb von Atlassian, in Slack, in Meetings, im Code.
  • Ihr Confluence ist lückenhaft oder veraltet, das heißt, ihr Team hat keine Dokumentationskultur oder nutzt Confluence nicht für die tägliche Arbeit.
  • Sie wollen komplexe KI-Workflows ausführen und erwarten, dass der MCP von Rovo dabei mitspielt.

Und dann kamen die Sicherheitsbedenken rund um Rovo

Im August 2026 veröffentlichten Sicherheitsforscher zwei verschiedene Wege, wie Rovo dazu gebracht werden konnte, Unternehmensdaten an einen von Angreifern kontrollierten Server zu senden. Keiner der beiden Berichte beschrieb eine Umgehung der Berechtigungen für den gesamten Tenant. Stattdessen nutzte Rovo den legitimen Zugriff der angemeldeten Person, um Informationen abzurufen, und schickte diese dann aus Atlassian heraus.

Im Proof of Concept von PromptArmor waren bösartige Anweisungen in einer Datei versteckt. Als ein Nutzer Rovo bat, Jira-Tickets zu organisieren, brachte der versteckte Prompt es dazu, Jira und Confluence zu durchsuchen, die abgerufenen Daten an eine von Angreifern kontrollierte URL anzuhängen und diese URL zu öffnen. Die ausgehende Anfrage erforderte keine separate Freigabe. Die Forscher berichteten außerdem, dass das Deaktivieren der Websuche von Rovo den Angriff nicht stoppte, weil das Tool zum Abrufen von URLs weiterhin verfügbar war.

Ein separater Angriff namens RovoBlast nutzte einen präparierten Link, um bösartige Anweisungen vorab in Rovo zu laden. Atlassian schloss diesen Weg am 8. Juli. PromptArmor gab an, dass sein dateibasierter Weg bei der Veröffentlichung am 5. August weiterhin funktionierte.

Wenn Sie Rovo oder einen anderen KI-Agenten für Unternehmen prüfen, testen Sie drei Grenzen:

  1. Können Administratoren jede Form von ausgehendem Netzwerkzugriff deaktivieren?
  2. Können Nutzer externe Anfragen sehen und freigeben, bevor sie stattfinden?
  3. Können Sicherheitsteams nachvollziehen, welches Tool auf welche Daten zugegriffen und wohin es sie gesendet hat?

Ein Berechtigungsmodell steuert, was ein Agent lesen darf. Es steuert nicht automatisch, was der Agent mit der Antwort tun darf.

Was lässt sich von Fans und Kritikern von Rovo lernen?

Zwei Faktoren scheinen die Erfahrung von Teams mit Rovo zu bestimmen:

  1. Wie viel nützliches Unternehmenswissen kann Rovo abrufen, und wie aktuell ist es?
  2. Geht es bei der geplanten Arbeit darum, Informationen zu finden, oder darum, komplexe Aktionen über mehrere Tools hinweg auszuführen?

Ein gut gepflegter Confluence-Bereich liefert Rovo besseres Ausgangsmaterial. Klare, abgegrenzte Aufgaben verringern außerdem den Spielraum für unbegründete Schlussfolgerungen oder unvollständige Ausführung.

Flussdiagramm zur Entscheidung, ob Sie bei Confluence bleiben und Rovo AI nutzen sollten

Bevor Sie sich für Bleiben oder Migrieren entscheiden, testen Sie Rovo mit 20 echten Fragen und Workflows aus Ihrem Team.

Nehmen Sie fehlende Antworten, widersprüchliche Seiten, veraltete Richtlinien, zugriffsbeschränkte Inhalte und strukturierte Schreibvorgänge mit auf. Halten Sie fest, ob es die richtige Quelle findet, sie zitiert, Widersprüche bemerkt und die angeforderte Aktion abschließt.

Prüfen Sie weiter Alternativen, wenn es Ihrem Team schwerfällt, Confluence aktuell zu halten, wenn Sie Antworten mit Quellenangaben über mehrere Systeme hinweg brauchen oder wenn externe KI-Assistenten zuverlässig lesen und schreiben sollen.

Wenn Ihr Team aber

  • keine Dokumentationskultur in Confluence hat
  • auf die Suche über mehrere Quellen angewiesen ist
  • genauen Kontext braucht, damit autonome Agenten keine zusätzliche Arbeit verursachen

sollten Sie weiter über einen Wechsel nachdenken und weitere Optionen prüfen, etwa eine Wissensdatenbank, die sich selbst pflegt.

Wenn Sie trotzdem wechseln: Das ändert sich mit Slite

Zuerst der offensichtliche Hinweis: Wir entwickeln Slite. Beurteilen Sie diesen Teil nach demselben Maßstab, den Sie gerade an das Marketing von Rovo angelegt haben.

Slite ist eine Wissensdatenbank, die sich selbst pflegt, mit einem integrierten KI-Agenten. Die Wissensdatenbank ist das Upgrade gegenüber Confluence, und Slite Agent ist das Upgrade gegenüber Rovo.

Startseite des Produkts Slite

Das löst Slite:

  1. Die fokussierte Benutzeroberfläche bringt Menschen dazu, mehr zu dokumentieren
  2. Der robuste MCP ermöglicht es, über Claude zu dokumentieren, zu kommentieren und zu bearbeiten
  3. Die Suche über mehrere Quellen (Slite Agent) ist beim Abrufen von Informationen aus verschiedenen Quellen genauer.
  4. Sie können kennzeichnen, wie aktuell ein Dokument ist, und wichtige Dokumente sogar automatisch von Slite Agent aktualisieren lassen.

Slite lässt sich leichter im Team etablieren als Confluence

Rovo funktioniert besser, wenn Confluence bereits nützliche, aktuelle Dokumentation enthält. Dafür müssen die Leute aber erst einmal schreiben.

Slite ist speziell für Unternehmenswissen entwickelt. Das Produkt konzentriert sich auf das Schreiben, Finden und Pflegen von Dokumenten, statt das gesamte Atlassian-Ökosystem zu bedienen.

Ein Kunde plante seine Migration für 50 Autorinnen und Autoren. Sechs Monate später waren es 102.

Der Global Backend Engineering Lead sagte uns:

„Das Produkt ist wirklich einfach zu bedienen, und alle, die es genutzt haben, waren begeistert.“

Eine einzelne Kundengeschichte kann nicht jede Einführung vorhersagen, aber sie zeigt, was passierte, als ein Team von Confluence zu einer fokussierteren Wissensdatenbank wechselte: Doppelt so viele Menschen wie geplant schrieben am Ende mit. Auch über Confluence hinaus berichten unsere Kunden immer wieder von über 90 % Nutzung des Tools, egal von welcher Wissensdatenbank sie wechseln.

Die Pflege wird gelöst, statt mit Personal abgedeckt zu werden

Jedes Slite-Dokument trägt Vertrauenssignale, die Confluence nicht hat, zum Beispiel:

  • eine verantwortliche Person,
  • einen Verifizierungsstatus,
  • die Möglichkeit, Kolleginnen und Kollegen um eine Verifizierung zu bitten.
Verantwortliche für Dokumente in Slite festlegen

Und jetzt geht Slite noch einen Schritt weiter: Es kann Ihre Dokumente überwachen, und sie aktualisieren.

Slite Agent kann ein Dokument mit verbundenen Quellen abgleichen, geänderte Informationen erkennen und einen Aktualisierungsentwurf schreiben.

Faktencheck anhand von Live-Quellen in Slite

Die vorgeschlagene Änderung kommt mit einem Diff, einer Begründung und ihrer Quelle. Ein Mensch prüft sie, bevor sich etwas ändert.

Selbstpflegende Aktualisierungen in der Prüfansicht von Slite Urteil für Urteil prüfen

Die endgültige Entscheidung liegt weiterhin bei Ihrem Team.

Aber Slite Agent übernimmt das Nachhaken, das Prüfen und den ersten Entwurf.

Wie Rovo und Slite Fragen über MCP beantworten

Die unzufriedenen Rovo-Nutzer hatten ein entscheidendes Merkmal gemeinsam: Ihre Arbeit läuft über Claude und Codex, außerhalb der Suite. Das liegt daran, dass der MCP von Rovo Links zurückgibt und Ihre KI die Antwort selbst zusammensetzt.

Der MCP von Slite dagegen liefert eine Antwort mit Quellenangaben, die direkt einsatzbereit ist.

Wir haben die beiden verglichen, um zu sehen, wie viel dieser Unterschied ausmacht.

Wir haben elf identische Fragen zum Unternehmenswissen gestellt, auf demselben Datenbestand und mit jeweils neuen Agentenaufrufen.

Checkliste zur Durchführung des Benchmarks

Wir haben die Vollständigkeit und Genauigkeit der Antworten gemessen, die Zeit, die die KI bis zur Antwort brauchte, und wie viele Tokens jeder Aufruf verbrauchte.

Es gibt 2 wichtige Ergebnisse:

1. Slite Agent lieferte bei allen 11 Fragen vollständige Antworten mit Quellenangaben, im Durchschnitt in 20,8 Sekunden. Die Suche von Rovo plus die Zusammenfassung durch ChatGPT brauchte 24,7 Sekunden und beantwortete 2 der 11 Fragen vollständig (wir haben die Antworten blind bewertet. Sie können den Blindtest im ausführlichen Benchmark-Bericht oben selbst ausprobieren)

Durchschnittliche Latenz pro Frage: Slite Agent vs. Rovo AI

2. Der Weg über Rovo schickte außerdem 6,6-mal mehr Tokens durch das Client-Modell, weil die rohen Suchergebnisse vor der Zusammenfassung durch Ihre KI laufen.

Tokenverbrauch pro Frage: Slite Agent vs. Rovo AI

Fairerweise muss man sagen: Der reine Abruf war bei Rovo schneller, etwa 4,6 Sekunden schneller als bei Slite. Zeit und Genauigkeit gehen beim Zusammensetzen verloren, wenn Ihre KI aus Textausschnitten selbst eine Antwort baut.

Es war ein kleiner Test mit einem einzigen Datenbestand. Das Ergebnis zeigt trotzdem, warum die Schnittstelle wichtig ist und welchen praktischen Nutzen die 2 MCPs für KI-zentrierte Wissens-Workflows haben.

Sollte Rovo also Ihre Entscheidung ändern?

Wenn Ihr Confluence gut gepflegt ist und der Großteil des Kontexts Ihres Unternehmens bereits in Atlassian liegt, macht Rovo das Bleiben attraktiver. Sie bekommen eine bessere Suche und nützliche Automatisierungen und vermeiden die Kosten und Störungen einer Migration.

Externe KI-Workflows bleiben der einzige Kompromiss, den Sie eingehen würden.

Über den MCP von Rovo erhalten Tools wie Claude und Codex das Quellmaterial und setzen die Antwort selbst zusammen. Das kann bedeuten:

  • mehr Tokens,
  • unvollständige Antworten,
  • und zusätzliche Faktenchecks.

Atlassian verbessert den MCP vielleicht, während Rovo ausreift. Wenn Sie aber auf diese Zukunft setzen, prüfen Sie die Credit-Kontingente und Preise und schätzen Sie ab, was regelmäßige, umfassende Agenten-Workflows kosten könnten, sobald die aktuellen Limits durchgesetzt werden.

All das hängt von einer wichtigen Bedingung ab:

Der Kontext Ihres Unternehmens muss bereits im Atlassian-Ökosystem liegen.

Wenn dagegen:

  • die Leute Confluence kaum nutzen,
  • der Großteil ihres Kontexts in Slack, in Meetings, im Code und in anderen Tools liegt,

kann Rovo Ihrer KI kein vollständiges Bild des Unternehmens liefern.

Für KI-native Teams ist das umso wichtiger.

Wenn Sie einen Company Brain-MCP möchten, der Kontext aus all Ihren Tools zusammenführt und die Wissensdatenbank aktuell hält, während sich Ihr Unternehmen weiterentwickelt, wird Rovo dieses Problem nicht lösen.

Suchen Sie stattdessen nach einer Lösung wie Slite. Die aufgeräumte Benutzeroberfläche von Slite fördert die Nutzung, und Slite Agent durchsucht verbundene Quellen, liefert Ihrer KI Antworten mit Quellenangaben und hilft, die Dokumentation zu pflegen, auf der diese Antworten beruhen.

Wenn Sie sehen möchten, wie das mit Ihrem eigenen Kontext funktioniert, buchen Sie eine Demo. Bringen Sie Ihr bestehendes MCP-Setup, Ihren Confluence-Bereich und die schwierigsten Fragen zu Ihrem Unternehmen mit, die Ihre KI beantworten muss. Wir zeigen Ihnen, wie Slite damit umgeht.