Anthropics Model Hardware Standard (MHS) soll KI-Agenten eine einheitliche Schnittstelle zu physischen Geräten wie Mikroskopen und Roboterarmen geben. Erste Tests in Laboren und Quantencomputern zeigen Potenzial, aber auch klare Grenzen.
Geräte in Forschungslaboren und Fabriken stammen häufig von verschiedenen Herstellern, nutzen unterschiedliche Programmierschnittstellen, Datenformate und Steuerprogramme und lassen sich nur mit erheblichem Aufwand miteinander verbinden. Anthropic will dieses Problem mit dem Model Hardware Standard (MHS) angehen: einer standardisierten Spezifikation, über die KI-Agenten physische Geräte auslesen und steuern können.
Laut Anthropic reduziert MHS die Integrationszeit, die für das Zusammenschalten mehrerer Laborgeräte typischerweise Wochen oder Monate beträgt, auf Stunden oder Minuten. Die Spezifikation entstand in Zusammenarbeit mit dem HHMI Janelia Research Campus und ist zunächst als Research Preview für ausgewählte Forschungslabore und Hersteller verfügbar. Später soll MHS als Open Source veröffentlicht werden.
Standardisierte Treiber statt proprietärer Einzellösungen
Das Grundprinzip ähnelt einem Projekt, das Anthropic bereits für die digitale Welt umgesetzt hat: Das Model Context Protocol (MCP) gibt KI-Modellen standardisierten Zugriff auf externe Datenquellen und Werkzeuge. Mit MHS überträgt Anthropic diesen Ansatz auf physische Hardware.
Konkret erhalten Geräte einen standardisierten MHS-Treiber, der grundlegende Funktionen wie das Auslesen und Verändern von Daten vereinheitlicht. Der Treiber macht jedes Gerät in einem einheitlichen Format auffindbar und kann zusätzlich Informationen enthalten, die sich nicht ohne Weiteres aus der Software ableiten lassen, etwa das Gewicht eines Roboterarms oder einzuhaltende Sicherheitsgrenzen. Nutzer können solche Angaben in natürlicher Sprache hinterlegen, wobei MHS daraus eine Referenzdatei für den Agenten erzeugt.
Ein KI-Agent kann so die Fähigkeiten und Grenzen eines ihm bislang unbekannten Geräts erfassen und es über eine einheitliche Schnittstelle bedienen. Ganz ohne gerätespezifische Integrationsarbeit geht es allerdings nicht: Für die Hardware muss zunächst ein MHS-Treiber vorhanden sein oder entwickelt werden. Anschließend kann dieser wiederverwendet werden, statt für jede Kombination aus Gerät und Steuerung eine eigene Verbindung zu bauen.
Laut Anthropic ist MHS modellagnostisch und funktioniert mit jedem Gerät, das über ein programmierbares Interface verfügt. Agenten können mehrere Geräte koordinieren und Abläufe als herkömmliche Skripte speichern, die anschließend ohne Sprachmodell ausgeführt werden.
Erste Tests zeigen Nutzen und Grenzen
Anthropic hat MHS mit mehreren Partnern getestet. Beim Biotechunternehmen Genentech koordinierte Claude einen Pipettierautomaten, einen Roboterarm und ein Messgerät für Laborplatten, um einen Protein-Assay, also einen Test zur Bestimmung der Proteinkonzentration, zu automatisieren. Der Agent optimierte dabei selbstständig Pipettierparameter für verschiedene Flüssigkeiten.
Allerdings zeigte sich eine klare Grenze: Als Blasenbildung in einer viskosen Lösung zu Fehlern führte, versuchte Claude laut den Forschern zunächst wiederholt, den Vorgang mit veränderten Parametern im selben Gefäß zu starten, was das Problem verschlimmerte. Erst nach menschlicher Erklärung der physikalischen Ursache konnte der Agent sinnvoll reagieren.
An der Carnegie-Mellon-Universität verbanden Forscher einen Pipettierautomaten, ein Messgerät für Laborplatten, einen Roboterarm und mehrere Überwachungskameras auf drei Computern mit grundlegend inkompatiblen Schnittstellen.
Die MHS-Treiber und die Orchestrierungsschicht entstanden laut dem Team innerhalb von etwa acht Stunden. Ein vergleichbarer Aufbau durch einen Anbieter dauere üblicherweise mehrere Wochen. Claude erkannte zudem eigenständig, dass ein erster Versuchsdurchlauf keine ausreichend gute Messkurve geliefert hatte, verringerte die maximale Konzentration der untersuchten Substanz und erzielte im zweiten Anlauf ein deutlich besseres Ergebnis.
Beim Quantencomputer-Hersteller QuEra nutzte Claude MHS, um in Hunderten automatisierten Durchläufen ein Steuerprogramm zu entwickeln, das einen Laser nach Störungen wieder in einen stabilen Betriebszustand bringt. Das daraus entstandene festgelegte Skript war in einem Blindtest bei 695 von 700 Versuchen erfolgreich, was einer Erfolgsrate von 99,3 Prozent entspricht. Beim anschließenden Blindtest war das Sprachmodell nicht mehr beteiligt, das fertige Skript kann ohne KI-Agent ausgeführt werden.
Die Ergebnisse aus allen drei Beispielen stammen aus von Anthropic präsentierten Partnerprojekten und wurden nicht unabhängig überprüft.
Kein fertiger Standard, sondern ein Anfang
Claude zeigte in den Tests Schwächen beim Verständnis physikalischer Zusammenhänge, und Expertenaufsicht bleibt laut Anthropic notwendig. Die Spezifikation funktioniert zudem nur mit Hardware, die bereits über ein programmierbares Interface verfügt. Während der Research Preview will Anthropic weitere Sicherheitsevaluierungen und Richtlinien für den Einsatz von KI mit physischer Hardware entwickeln.
Mehrere Hersteller und Organisationen arbeiten bereits an MHS-Unterstützung oder testen die Spezifikation, darunter AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face und Raspberry Pi.
Anthropics Ansatz zielt dabei weniger auf ein neues Robotikmodell als auf die Standardisierung der Verbindung zwischen KI-Agenten und physischer Hardware. Damit könnten sich KI-Agenten künftig leichter von rein digitalen Aufgaben auf Labore, Fabriken und andere physische Systeme ausweiten.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den “KI Radar”‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
