Anthropic entwickelt den Model Hardware Standard (MHS), eine einheitliche Schnittstelle, damit KI‑Agenten Labor‑ und Industriegeräte schneller verbinden und steuern.
In Kürze
- MHS standardisiert Treiber und reduziert Integrationszeiten von Monaten auf Stunden.
- Modell‑ und herstellerunabhängig: Agenten koordinieren Geräte und speichern automatisierte Skripte.
- Research Preview zeigt Erfolge, aber physikalische Verständnisgrenzen und Sicherheitsauflagen bleiben.
Stell dir vor, eine KI könnte direkt mit deinem Pipettierautomaten, Roboterarm oder Mikroskop sprechen — ohne dass jede einzelne Geräte-Kombination erst monatelange Integrationsarbeit braucht. Genau das verfolgt Anthropic mit dem sogenannten Model Hardware Standard (MHS): eine einheitliche Schnittstelle, die KI‑Agenten den Zugriff auf physische Geräte standardisiert.
Warum das relevant ist
In Laboren und Fabriken stehen oft Geräte unterschiedlicher Hersteller mit je eigenen Protokollen. Das Zusammenbringen dieser Systeme kostet Zeit und Geld. Anthropic erklärt, MHS könne die Integrationszeit von Wochen oder Monaten auf Stunden oder Minuten reduzieren, weil einmal geschriebene Treiber wiederverwendbar sind.
Wie MHS funktioniert
Jedes Gerät erhält einen standardisierten MHS‑Treiber — eine Übersetzungs‑Schicht, die Gerätedaten und Steuerbefehle in ein gemeinsames Format bringt. Solche Treiber können technische Details wie Gewicht eines Arms oder Sicherheitsgrenzen enthalten. Nutzerinnen und Nutzer können Informationen in natürlicher Sprache hinterlegen; MHS wandelt das in eine Referenzdatei um, die Agenten als Bedienanleitung dient.
Modell- und Herstellerunabhängig
Anthropic beschreibt MHS als modellagnostisch: Es soll mit jedem KI‑Agenten funktionieren, solange das Gerät ein programmierbares Interface bietet. Das Prinzip erinnert an Anthropic’s Model Context Protocol (MCP), das standardisierten Zugriff auf digitale Daten und Werkzeuge ermöglicht — MHS überträgt dieses Konzept auf die physische Ebene.
Was die KI praktisch erledigt
Agenten können mehrere Geräte koordinieren, Abläufe optimieren und die Schritte als klassische Skripte abspeichern. Diese Skripte laufen anschließend auch ohne Sprachmodell, also autonomer Betrieb ist möglich, sobald ein verlässlicher Ablauf gefunden wurde.
Erste Tests und Erfahrungen
-
Genentech
Ein Agent namens Claude koordinierte Pipettierautomat, Roboterarm und Messgerät, automatisierte einen Protein‑Test und passte Pipettier‑Parameter selbständig an. Problematisch wurde es bei Blasenbildung in zäher Flüssigkeit: Claude versuchte wiederholt, mit veränderten Parametern im selben Gefäß weiterzumachen, bis ein Mensch physikalische Gründe erklärte. Das zeigt, dass das physikalische Verständnis der Agenten noch Grenzen hat und menschliche Aufsicht nötig bleibt.
-
Carnegie Mellon
Forschende verbanden über drei inkompatible Rechner mehrere Geräte. MHS‑Treiber und die Orchestrierung entstanden in etwa acht Stunden; vergleichbare Lösungen dauerten sonst mehrere Wochen. Claude erkannte ein schlechtes Erstresultat und verbesserte die Messung im zweiten Durchlauf.
-
QuEra (Quantencomputer‑Hersteller)
Claude nutzte MHS in Hunderten automatisierter Versuche, um ein Steuerprogramm zu entwickeln, das einen Laser nach Störungen wieder stabilisiert. Das daraus erzeugte feste Skript bestand einen Blindtest in 695 von 700 Fällen (99,3 %). Dieses finale Skript läuft unabhängig vom Sprachmodell.
Verfügbarkeit und Grenzen
MHS ist aktuell als Research Preview für ausgewählte Forschungslabore und Hersteller verfügbar; Anthropic arbeitet unter anderem mit Instituten wie HHMI Janelia zusammen. Später ist eine Open‑Source‑Veröffentlichung geplant. Einschränkungen bleiben: MHS funktioniert nur mit Hardware, die programmierbare Schnittstellen bietet. Tests zeigten Grenzen im physikalischen Verständnis der Agenten, daher sind zusätzliche Sicherheitsprüfungen und menschliche Kontrolle nötig. Anthropic plant während der Preview weitere Sicherheitsbewertungen und Einsatzrichtlinien.
Transparenz der Ergebnisse
Die präsentierten Testresultate stammen aus Partnerprojekten von Anthropic und wurden nicht unabhängig verifiziert.
Wer beteiligt ist
Mehrere Hersteller und Organisationen testen oder unterstützen MHS, darunter AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face und Raspberry Pi.
Quellen
- Quelle: Anthropic
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
