Anthropic präsentiert neuen Standard für die Interaktion von KI mit physischer Hardware

Anthropic und die physische Welt: Ein neuer Standard für KI-gesteuerte Hardware-Interaktion

Anthropic, ein führendes Unternehmen im Bereich der Künstlichen Intelligenz, hat mit der Einführung des Model Hardware Standard (MHS) einen bedeutenden Schritt unternommen, um die Interaktion von KI-Agenten mit physischer Hardware zu revolutionieren. Diese Entwicklung zielt darauf ab, die Komplexität der Integration unterschiedlicher Geräte zu minimieren und KI-Systemen eine standardisierte Schnittstelle zur Steuerung und Datenerfassung in realen Umgebungen zu bieten. Der MHS ist dabei als Analogon zum bereits etablierten Model Context Protocol (MCP) für Software zu verstehen, welches die Art und Weise, wie KI-Modelle auf externe Datenquellen und Tools zugreifen, standardisiert hat.

Die Herausforderung der Hardware-Integration

In Forschungslaboren und Produktionsstätten stammen Geräte oft von verschiedenen Herstellern und nutzen unterschiedliche APIs, Datenformate und Steuersoftware. Dies führt zu erheblichen Schwierigkeiten bei der Vernetzung und Integration, die typischerweise Wochen oder Monate in Anspruch nehmen kann. Anthropic adressiert dieses Problem mit dem MHS, einer Spezifikation, die es KI-Agenten ermöglichen soll, physische Hardware auszulesen und zu steuern. Ziel ist es, die Integrationszeit von Laborgeräten drastisch zu reduzieren – von den üblichen Wochen oder Monaten auf lediglich Stunden oder Minuten.

MHS: Ein einheitlicher Treiber für jedes Gerät

Die Kernidee des MHS basiert auf der Bereitstellung eines spezifischen Treibers für jedes Gerät. Dieser Treiber vereinheitlicht grundlegende Funktionen wie das Lesen und Ändern von Daten und macht das Gerät in einem gemeinsamen Format auffindbar. Er kann zudem gerätespezifische Details enthalten, die Software allein nicht erfassen kann, wie beispielsweise das Gewicht eines Roboterarms oder dessen Sicherheitsgrenzen. Diese Informationen können in natürlicher Sprache hinzugefügt werden und werden vom MHS in eine Referenzdatei für den KI-Agenten umgewandelt. Dadurch kann ein Agent die Fähigkeiten und Grenzen eines ihm unbekannten Geräts erkennen und es über eine einzige Schnittstelle bedienen. Obwohl für jede Hardware ein Treiber entwickelt werden muss, kann dieser nach seiner Erstellung wiederverwendet werden, was den Integrationsaufwand erheblich reduziert.

Anthropic betont, dass der MHS modellunabhängig ist und mit jedem Gerät funktioniert, das über eine programmierbare Schnittstelle verfügt. KI-Agenten können somit mehrere Geräte koordinieren und Arbeitsabläufe als konventionelle Skripte speichern, die dann ohne ein Sprachmodell ausgeführt werden können.

Praxistests und erste Ergebnisse

Anthropic hat den MHS in Zusammenarbeit mit verschiedenen Partnern getestet:

• Genentech: Im biotechnologischen Unternehmen Genentech koordinierte der KI-Agent Claude einen Liquid-Handler, einen Roboterarm und einen Plattenleser, um einen Protein-Assay zu automatisieren. Claude optimierte Pipettierparameter eigenständig, stieß jedoch auf Schwierigkeiten, als sich Blasen in einer viskosen Lösung bildeten. Der Agent versuchte, den Prozess mit angepassten Parametern neu zu starten, was die Situation verschlimmerte. Erst menschliches Eingreifen und die Erklärung der physikalischen Ursache ermöglichten es dem Agenten, eine funktionierende Lösung zu finden.
• Carnegie Mellon University: Forscher der Carnegie Mellon University vernetzten einen Liquid-Handler, einen Plattenleser, einen Roboterarm und mehrere Überwachungskameras über drei Computer mit inkompatiblen Schnittstellen. Die Entwicklung der Treiber und der Orchestrierungsebene dauerte etwa acht Stunden, im Vergleich zu mehreren Wochen, die eine herkömmliche Einrichtung erfordert hätte. Claude erkannte zudem, dass ein erster experimenteller Durchlauf keine ausreichende Messkurve erbracht hatte, senkte die maximale Konzentration der getesteten Substanz und erzielte beim zweiten Versuch ein deutlich besseres Ergebnis.
• QuEra: Bei dem Quantencomputing-Unternehmen QuEra nutzte Claude den MHS für Hunderte von automatisierten Durchläufen, um ein Steuerprogramm zu entwickeln, das einen Laser nach Störungen in einen stabilen Betriebszustand zurückführt. Das resultierende Skript war in einem Blindtest in 695 von 700 Versuchen erfolgreich, was einer Erfolgsquote von 99,3 Prozent entspricht. Das Skript lief dabei vollständig autonom ohne Beteiligung des Sprachmodells.

Es ist wichtig zu beachten, dass diese Beispiele aus Partnerprojekten von Anthropic stammen und nicht unabhängig verifiziert wurden.

Grenzen der KI und die Notwendigkeit menschlicher Aufsicht

Anthropic weist darauf hin, dass die räumliche und physikalische Argumentation von KI-Modellen, die durch Text und Bilder lernen, Grenzen hat. Daher bleibt menschliche Aufsicht unerlässlich. In den Genentech-Tests mussten Forscher Claude anleiten, Fehler durch schäumende Proben als physikalische Probleme und nicht als Softwarefehler zu erkennen. Während der Forschungs-Preview plant Anthropic, zusätzliche Sicherheitsbewertungen mit seinen Partnern durchzuführen und eine Roadmap für physikalische Sicherheit zu entwickeln, um Missbrauch vorzubeugen.

Zukunftsperspektiven und breite Akzeptanz

Sollte sich der Ansatz des MHS bewähren, könnte er die Integration von KI-Agenten in Labore, Fabriken und andere physische Systeme erheblich erleichtern. Mehrere Hersteller und Organisationen, darunter AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face und Raspberry Pi, unterstützen den MHS bereits oder testen die Spezifikation. Die geplante Open-Source-Veröffentlichung des MHS soll eine breite Akzeptanz fördern und die Entwicklung von KI-gesteuerten Anwendungen in der physischen Welt vorantreiben.

Fazit

Der Model Hardware Standard von Anthropic stellt einen vielversprechenden Ansatz dar, um die Kluft zwischen KI-Software und physischer Hardware zu überbrücken. Durch die Standardisierung der Kommunikation und Steuerung physischer Geräte könnten KI-Agenten in Zukunft komplexere Aufgaben in realen Umgebungen übernehmen. Die ersten Testergebnisse sind ermutigend, weisen aber auch auf die weiterhin bestehenden Herausforderungen hin, insbesondere im Bereich des physikalischen Verständnisses und der Notwendigkeit menschlicher Aufsicht. Die Entwicklung und breite Akzeptanz des MHS könnten jedoch einen wichtigen Meilenstein in der Evolution autonomer KI-Systeme darstellen und die Effizienz und Innovationskraft in Wissenschaft und Industrie maßgeblich steigern.

Bibliography: - Anthropic. (2026, August 27). Previewing the Model Hardware Standard. Anthropic News. - Bezmalinović, T. (2026, August 29). Anthropic wants to do for physical hardware what its Model Context Protocol did for software. The Decoder. - Claburn, T. (2026, August 28). Anthropic proposes plumbing spec to link AI agents to lab kit and robots. The Register. - CNBC. (2026, August 27). Anthropic pushes into physical world with new standard to help AI agents operate machines. - Kotrotsos, M. (2026, August 29). Anthropic Gave Agents a Standard for Lab Hardware. The Manifest Came Back. Gloss. - Model Hardware Standard. (n.d.). Model Hardware Standard. - Petersen, B. (2026, August 30). Anthropic's New Standard Lets AI Control Physical Hardware. AI Daily Post. - QA. (2026, August 28). Anthropic's Model Hardware Standard: what happens when AI agents can use physical tools? - Tech Startups. (2026, August 28). Anthropic launches Model Hardware Standard to let AI agents control physical machines.