Anthropic bringt KI-Agenten in Labor und Industrie

Anthropic will seine KI-Agenten nicht länger auf Software beschränken. Mit dem Model Hardware Standard (MHS) stellt das Unternehmen eine Forschungsvorschau für eine gemeinsame Schnittstelle vor, über die KI-Agenten programmierbare Geräte in wissenschaftlichen Laboren und der modernen Produktion bedienen können. Dazu zählen unter anderem Mikroskope, Flüssigkeits-Handling-Systeme und Roboterarme. Anthropic entwickelt den Standard gemeinsam mit dem HHMI Janelia Research Campus und untersucht dabei auch die Sicherheitsfragen, die entstehen, wenn Software physische Systeme steuert. 310

Welches Problem MHS lösen soll

In Laboren und Industrieanlagen stammen die Geräte häufig von unterschiedlichen Herstellern. Jedes Instrument bringt eigene Programmierschnittstellen, Steuerungen und Betriebslogiken mit. Sollen mehrere Maschinen in einem automatisierten Ablauf zusammenarbeiten, sind deshalb oft individuelle Integrationen nötig – jeweils angepasst an Gerät und Anwendungsfall.

MHS setzt hier auf eine gemeinsame Verständigungsschicht. Standardisierte Treiber sollen einheitliche Funktionen bereitstellen und zugleich Eigenschaften, Grenzen und den aktuellen Zustand eines Geräts beschreiben. Ein kompatibler Agent könnte dadurch Geräte erkennen, ihren Status auslesen, zulässige Befehle ausführen und mehrere Instrumente in einem übergeordneten Arbeitsablauf koordinieren. 348

Anthropic entwickelte MHS zusammen mit dem HHMI Janelia Research Campus. Ziel ist es, wissenschaftliche Forschung ebenso wie fortgeschrittene Fertigungsprozesse zu beschleunigen. 310

So funktioniert der Standard

Auf Geräteebene beruhen MHS-Treiber auf einfachen Lese- und Schreiboperationen. Ein Treiber kann einem Agenten beispielsweise erlauben, eine Temperatur oder Position auszulesen und anschließend eine freigegebene Einstellung oder Aktion zu schreiben. Zusätzlich kann er das Gerät in natürlicher Sprache beschreiben und auf Betriebsgrenzen hinweisen. Dadurch erhält der Agent Kontext, der in einer technischen Roh-API möglicherweise fehlt. 7

Die gemeinsame Ebene soll Abläufe mit mehreren Geräten ermöglichen. Ein Agent könnte die Ergebnisse eines Instruments auswerten, daraufhin einen späteren Arbeitsschritt anpassen und verschiedene Maschinen über eine ganze Prozesskette hinweg koordinieren, statt jedes Gerät nur als isoliertes Werkzeug zu behandeln. Anthropic nennt als Beispiele Routineabläufe in der Wirkstoffforschung und die Kalibrierung eines Lasers an einem Quantencomputer. 4610

MHS soll zudem modellunabhängig sein. Der Standard ist demnach nicht grundsätzlich auf Claude beschränkt: Jeder kompatible Agenten-Stack könnte dieselben Hardware-Schnittstellen und Protokolle nutzen. Voraussetzung ist, dass sowohl der Agent als auch der jeweilige Gerätetreiber den relevanten Standard unterstützen. 7

Welche Rolle MCP spielt

Das Model Context Protocol (MCP) standardisiert die Verbindung von KI-Anwendungen mit Werkzeugen und externen Datenquellen. MHS überträgt dieses Interoperabilitätsprinzip auf physische Geräte.

MHS kann MCP als Steuerungsweg nutzen, unterstützt aber auch Kommandozeilen- sowie Code- und API-basierte Verfahren. MCP stellt die Verbindung zwischen Agent und Werkzeug her; der MHS-Treiber bildet die gerätespezifische Schnittstelle ab. Er definiert also unter anderem, welche Operationen möglich sind und welche Einschränkungen gelten. 7

Diese Trennung ist entscheidend: Das Modell muss nicht die proprietäre API jedes Herstellers unmittelbar verstehen. Der Agent plant und bewertet den Arbeitsablauf, während der Treiber vermittelt, wie daraus eine konkrete Geräteaktion wird.

Weniger Integrationsaufwand und weniger Abhängigkeit von Herstellern?

Anthropic erklärt, MHS könne die Integration von Hardware von Wochen oder Monaten auf Stunden oder Minuten verkürzen. Dabei handelt es sich um eine erklärte Zielsetzung und eine Aussage aus der frühen Forschungsvorschau – nicht um ein Ergebnis, das für jedes Labor und jede Fabrik garantiert ist. 3416

Der mögliche Vorteil liegt in der Verringerung individueller Einzelintegrationen. Betreiber müssten dann nicht für jede Kombination aus Gerät und KI-System einen eigenen Übersetzer entwickeln. Ein gemeinsames Treibermodell könnte den Wechsel des Agenten, das Hinzufügen eines weiteren Instruments und die Kombination von Geräten verschiedener Anbieter erleichtern. 78

Ganz verschwinden wird der Integrationsaufwand dadurch nicht. Ein Gerät braucht weiterhin eine programmierbare Schnittstelle, und jemand muss den passenden MHS-Treiber entwickeln oder anpassen. Bei älteren oder geschlossenen Systemen kann zusätzliche Technikarbeit nötig sein. Auch ein gemeinsames Protokoll löst nicht automatisch gerätespezifische Anforderungen an Sicherheit, Kalibrierung und Wartung. MHS soll die Reibung bei der Integration reduzieren – nicht jede technische Hürde beseitigen. 37

Welche Organisationen beteiligt sind

Die vorliegenden Berichte nennen frühe Projekte oder Beteiligungen von Genentech, der Carnegie Mellon University, dem HHMI Janelia Research Campus, der University of Washington und Tetsuwan Scientific. 7

Auch AWS, Universal Robots, Doosan Robotics, Tecan, Danaher, QIAGEN und QuEra wurden im Zusammenhang mit der Initiative erwähnt. Die verfügbaren Belege klären jedoch nicht für jede dieser Organisationen die genaue Rolle. Aus ihnen lässt sich nicht sicher ableiten, ob es sich jeweils um einen formellen Unterstützer, Implementierungspartner, Prüfer oder möglichen Teilnehmer handelt.

Daher wäre es überzogen zu behaupten, jedes genannte Unternehmen habe MHS bereits mit eigenen Produkten getestet oder sich zu einer kommerziellen Unterstützung verpflichtet.

Was mit vorhandener Ausrüstung geschehen soll

MHS ist derzeit eine begrenzte, antragspflichtige Forschungsvorschau und noch kein fertiggestellter, allgemein verfügbarer Hardwarestandard. Anthropic will gemeinsam mit wissenschaftlichen und industriellen Teilnehmern an der Spezifikation, an Sicherheitsprüfungen und an Betriebspraktiken arbeiten, bevor das Framework als Open Source veröffentlicht werden soll. 310

Da der Ansatz auf Treibern und programmierbaren Schnittstellen beruht, liegt eine mögliche Einführung eher in der Anbindung oder Anpassung vorhandener Geräte als im vollständigen Austausch der Ausstattung. Einen detaillierten Nachrüstungsplan, eine vollständige Liste unterstützter Geräte oder ein standardisiertes Migrationsverfahren hat Anthropic bislang jedoch nicht vorgelegt. 37

Sicherheit ist der entscheidende Prüfstein

Wenn ein KI-Agent physische Geräte steuern darf, entstehen Risiken, die es in rein digitalen Arbeitsabläufen nicht gibt. Ein falscher, missverständlicher oder schlecht getimter Befehl könnte ein Instrument beschädigen, ein Experiment unbrauchbar machen, Gefahren durch bewegliche Maschinen verursachen oder ein Gerät außerhalb seiner zulässigen Betriebsgrenzen betreiben.

MHS soll solchen Risiken mit gerätespezifischen Grenzen und Beschreibungen begegnen, die dem Agenten die Eigenschaften und Einschränkungen eines Instruments sichtbar machen. Anthropic erklärt außerdem, die Forschungsvorschau solle dabei helfen, Sicherheitsprüfungen und Best Practices für KI-Systeme zu entwickeln, die physische Geräte bedienen, bevor das Framework als Open Source erscheint. 37

Die derzeit verfügbaren Informationen belegen allerdings noch kein fertiges Sicherheitszertifizierungsprogramm, keine universelle Benchmark-Suite, keinen Haftungsrahmen und keine verpflichtende Regel zur menschlichen Freigabe. Das ist ein wichtiger Vorbehalt: Ein interoperabler Standard kann Geräte leichter steuerbar machen, beweist aber nicht automatisch, dass autonome Steuerung in jeder Umgebung sicher ist.

Was der Start für Anthropic bedeutet

MHS markiert Anthropic zufolge den Schritt in Richtung Physical AI – also KI-Systeme, die nicht nur Websites, Dateien und digitale APIs bedienen, sondern über Software auch reale Instrumente beobachten und steuern. 611

Das Projekt ist dabei eher als Interoperabilitäts- und Steuerungsschicht zu verstehen, nicht als Einstieg Anthropic in die Produktion eigener Roboter oder Laborgeräte. Sollte die Forschungsvorschau ausreifen, wird ihre Bedeutung vor allem von drei Faktoren abhängen: Wie viele Geräte erhalten brauchbare Treiber? Wie viele unterschiedliche Agentensysteme übernehmen den Standard? Und reichen die Sicherheitspraktiken für unbeaufsichtigte oder besonders folgenreiche Abläufe aus?

Vorerst ist MHS damit eine vielversprechende Brücke zwischen KI-Agenten und programmierbarer Ausrüstung – aber noch ein frühes Forschungsprojekt. Seine breite Kompatibilität, die Kosten für Nachrüstungen und das Sicherheitsmodell müssen sich erst noch in der Praxis beweisen.